基于区块链深度学习的数据热度统计方法技术

本申请公开了一种基于区块链深度学习的数据热度统计方法。该方法可以包括：获取指定地址的目标数据与目标数据的热度信息；确定目标数据的第一热度值，进而计算目标数据的热度预测值；依据第一热度值与热度预测值计算得到目标数据的目标热度值并统计，获得热度表。本发明专利技术同时考虑到了用户行为及未来持续热度的影响，提高了统计数据热度的准确性。提高了统计数据热度的准确性。提高了统计数据热度的准确性。

【技术实现步骤摘要】
基于区块链深度学习的数据热度统计方法


[0001]本专利技术涉及数据热度的
，更具体地，涉及一种基于区块链深度学习的数据热度统计方法。

技术介绍

[0002]随着大数据的发展，数据的需求也越来越丰富，人们通过对数据的各种研究以将其最大利用化，其中数据的热度能直观体现数据的影响范围和重要性，目前的数据热度统计通常是通过统计访问次数来确定数据热度，并没有考虑到用户行为以及未来持续热度的影响，得到的热度数据不够精准。
[0003]因此，有必要开发一种基于区块链深度学习的数据热度统计方法。
[0004]公开于本专利技术
技术介绍
部分的信息仅仅旨在加深对本专利技术的一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

技术实现思路

[0005]本专利技术提出了一种基于区块链深度学习的数据热度统计方法，所述方法可以包括：
[0006]获取指定地址的目标数据与所述目标数据的热度信息；
[0007]确定所述目标数据的第一热度值，进而计算所述目标数据的热度预测值；
[0008]依据所述第一热度值与所述热度预测值计算得到所述目标数据的目标热度值并统计，获得热度表。
[0009]优选地，还包括：
[0010]判断所述目标热度值是否超过预设阈值；
[0011]若是，则将所述目标数据存储于预设的信息库，并计算所述信息库中所有数据的目标热度值，将所述信息库中所有数据按照对应的目标热度值的高低进行排序，并按排序好的顺序将数据的信息录入预设的热度表中，将目标热度值低于所述预设阈值的数据排除出所述热度表。
[0012]优选地，所述热度信息包括目标数据的数量、最早发布时间以及关联的用户行为数据。
[0013]优选地，通过公式(1)计算第一热度值：
[0014][0015]其中，q为第一热度值，T
now
为当前时间，T0为目标数据的最早发布时间，k＞0，s为目标数据的数量，p为目标数据关联的用户行为数据，w1、w2分别表示目标数据的数量以及用户行为数据影响目标数据热度值的比重。
[0016]优选地，计算所述目标数据的热度预测值包括：
[0017]将所述热度信息输入至预设的预测模型进行计算，依据计算结果得到对应所述目标数据的热度预测值。
[0018]优选地，所述预测模型为基于热度信息数据训练深度网络模型而得的模型。
[0019]优选地，依据所述第一热度值与所述热度预测值计算得到所述目标数据的目标热度值包括：
[0020]对所述第一热度值以及所述热度预测值进行权重赋值，得到对应的权重；
[0021]依据所述权重对所述第一热度值以及所述热度预测值进行计算，得到所述目标热度值。
[0022]优选地，将所述目标数据存储于预设的信息库包括：
[0023]将所述目标数据输入至预设的分类模型中分类，得到所述目标数据的类型；
[0024]判断所述信息库中是否存在所述目标数据所对应的类型的存储区，所述信息库包括多个不同的存储区，每一存储区对应存储一个类型的数据；
[0025]若是，将所述目标数据存储于对应的存储区，以更新所述存储区，否则增设一个与所述目标数据类型对应的目标存储区，并将所述目标数据存储于所述目标存储区。
[0026]优选地，还包括：
[0027]获取指定地址中多个资讯内容，并对所述资讯内容进行清洗；
[0028]将清洗后的各所述资讯内容按句子进行分割得到多个句子，得到多个与各所述资讯内容对应的句子集，并对每个所述句子集中的各句子进行分词处理，依据各所述句子的分词得到所述句子的句子向量；
[0029]计算每个所述句子与当前句子集中剩余句子的第一余弦相似度，以及与其余句子集的各句子的第二余弦相似度；
[0030]依据所述第一余弦相似度以及第二余弦相似度计算每个句子的得分，将得分最高的句子作为所述目标数据，并将所述第一余弦相似度与所述第二余弦相似度中超过预设阈值的句子作为相似句子，将所述相似句子的个数作为所述目标数据的数量。
[0031]优选地，还包括：
[0032]获取所述热度表中的多个所述目标数据，每个所述目标数据为一个网络信息；
[0033]获取多个用户访问各所述网络信息的痕迹数据，依据所述痕迹数据得到每个所述用户的访问特征向量；
[0034]计算目标用户与各所述用户的访问特征向量的向量距离，以找出所述向量距离最小的用户，记作相似用户；
[0035]将所述相似用户的访问对象推荐给上所述目标用户，所述访问对象为所述热度表记录的任一目标数据。
[0036]本专利技术的有益效果为：通过热度信息计算第一热度值以及热度预测值，再将两者结合从而得到数据的热度值，这样考虑到了用户行为的基础上还兼顾了未来持续热度的影响，从而大大地提高了统计数据热度的准确性。
[0037]本专利技术的方法具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本专利技术的特定原理。
附图说明
[0038]通过结合附图对本专利技术示例性实施例进行更详细的描述，本专利技术的上述以及其它目的、特征和优势将变得更加明显，其中，在本专利技术示例性实施例中，相同的参考标号通常代表相同部件。
[0039]图1示出了根据本专利技术的基于区块链深度学习的数据热度统计方法的步骤的流程图。
具体实施方式
[0040]下面将参照附图更详细地描述本专利技术。虽然附图中显示了本专利技术的优选实施例，然而应该理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本专利技术更加透彻和完整，并且能够将本专利技术的范围完整地传达给本领域的技术人员。
[0041]图1示出了根据本专利技术的基于区块链深度学习的数据热度统计方法的步骤的流程图。
[0042]在该实施例中，根据本专利技术的基于区块链深度学习的数据热度统计方法可以包括：
[0043]步骤101，获取指定地址的目标数据与目标数据的热度信息；
[0044]步骤102，确定目标数据的第一热度值，进而计算目标数据的热度预测值；
[0045]步骤103，依据第一热度值与热度预测值计算得到目标数据的目标热度值并统计，获得热度表。
[0046]在一个示例中，还包括：
[0047]判断目标热度值是否超过预设阈值；
[0048]若是，则将目标数据存储于预设的信息库，并计算信息库中所有数据的目标热度值，将信息库中所有数据按照对应的目标热度值的高低进行排序，并按排序好的顺序将数据的信息录入预设的热度表中，将目标热度值低于预设阈值的数据排除出热度表。
[0049]在一个示例中，热度信息包括目标数据的数量、最早发布时间以及关联的用户行为数据。
[0050]在一个示例中，通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区块链深度学习的数据热度统计方法，其特征在于，包括：获取指定地址的目标数据与所述目标数据的热度信息；确定所述目标数据的第一热度值，进而计算所述目标数据的热度预测值；依据所述第一热度值与所述热度预测值计算得到所述目标数据的目标热度值并统计，获得热度表。2.根据权利要求1所述的基于区块链深度学习的数据热度统计方法，其中，还包括：判断所述目标热度值是否超过预设阈值；若是，则将所述目标数据存储于预设的信息库，并计算所述信息库中所有数据的目标热度值，将所述信息库中所有数据按照对应的目标热度值的高低进行排序，并按排序好的顺序将数据的信息录入预设的热度表中，将目标热度值低于所述预设阈值的数据排除出所述热度表。3.根据权利要求1所述的基于区块链深度学习的数据热度统计方法，其中，所述热度信息包括目标数据的数量、最早发布时间以及关联的用户行为数据。4.根据权利要求1所述的基于区块链深度学习的数据热度统计方法，其中，通过公式(1)计算第一热度值：其中，q为第一热度值，T
now
为当前时间，T0为目标数据的最早发布时间，k＞0，s为目标数据的数量，p为目标数据关联的用户行为数据，w1、w2分别表示目标数据的数量以及用户行为数据影响目标数据热度值的比重。5.根据权利要求1所述的基于区块链深度学习的数据热度统计方法，其中，计算所述目标数据的热度预测值包括：将所述热度信息输入至预设的预测模型进行计算，依据计算结果得到对应所述目标数据的热度预测值。6.根据权利要求5所述的基于区块链深度学习的数据热度统计方法，其中，所述预测模型为基于热度信息数据训练深度网络模型而得的模型。7.根据权利要求1所述的基于区块链深度学习的数据热度统计方法，其中，依据所述第一热度值与所述热度预测值计算得到所述目标数据的目标热度值包括：对所述第一热度值以及所述热度预测值进行权重赋值，得到...

【专利技术属性】
技术研发人员：熊飞，梁志宏，安浩，
申请(专利权)人：西南林业大学，
类型：发明
国别省市：