一种基于热度分析的数据资源智能推荐系统技术方案

本发明专利技术涉及数据资源推荐，具体涉及一种基于热度分析的数据资源智能推荐系统，包括服务器，服务器通过数据资源获取模块获取数据资源，服务器通过实时热度计算模块计算数据资源实时热度，并通过预测热度估计模块基于数据资源实时热度利用资源预测热度评估模型对数据资源预测热度进行估计，服务器通过资源热度计算模块基于数据资源实时热度、数据资源预测热度计算数据资源热度值，服务器通过数据资源存储模块对数据资源及对应数据资源热度值进行存储，并利用资源热度排序模块基于数据资源热度值对存储的数据资源进行排序，构建资源热度表；本发明专利技术提供的技术方案能够有效克服不能精准分析统计资源热度，数据资源推荐内容单一、缺乏针对性的缺陷。缺乏针对性的缺陷。缺乏针对性的缺陷。

【技术实现步骤摘要】
一种基于热度分析的数据资源智能推荐系统


[0001]本专利技术涉及数据资源推荐，具体涉及一种基于热度分析的数据资源智能推荐系统。

技术介绍

[0002]电力营销就是电力企业在变化的市场环境中，以满足人们电力消费需求为目的，提供满足消费需求的电力产品和相应服务的过程。电力营销的实质就是要调整电力市场的需求水平、需求时间，以良好的服务质量满足用户合理用电需求，实现电力供求关系的相互协调，建立电力企业与用户之间良好的合作伙伴关系，促使用户主动改变消费行为和用电方式，提高用电效率。
[0003]随着移动互联网的深入发展，为数据资源推荐的广泛应用奠定了基础。在电力营销中也需要使用到数据资源推荐系统，从而能够向用户提供更多感兴趣的服务信息，或者便于用户快速搜索自身感兴趣的相关信息。
[0004]由于资源热度能够直观体现数据的影响范围和重要性，因此在大多数数据资源推荐系统中，都会以资源热度作为数据资源推荐标准。然而，现有的资源热度分析统计通常都是通过统计访问次数来确定资源热度的，并没有考虑到用户行为以及未来持续热度的影响，得到的资源热度不够精准。

技术实现思路

[0005](一)解决的技术问题
[0006]针对现有技术所存在的上述缺点，本专利技术提供了一种基于热度分析的数据资源智能推荐系统，能够有效克服现有技术所存在的不能精准分析统计资源热度，数据资源推荐内容单一、缺乏针对性的缺陷。
[0007](二)技术方案
[0008]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0009]一种基于热度分析的数据资源智能推荐系统，包括服务器，所述服务器通过数据资源获取模块获取数据资源，所述服务器通过实时热度计算模块计算数据资源实时热度，并通过预测热度估计模块基于数据资源实时热度利用资源预测热度评估模型对数据资源预测热度进行估计，所述服务器通过资源热度计算模块基于数据资源实时热度、数据资源预测热度计算数据资源热度值，所述服务器通过数据资源存储模块对数据资源及对应数据资源热度值进行存储，并利用资源热度排序模块基于数据资源热度值对存储的数据资源进行排序，构建资源热度表；
[0010]所述服务器通过用户访问特征分析模块基于用户访问信息分析得到访问特征向量，并通过目标资源确定模块基于各用户的访问特征向量在资源热度表中确定目标用户的目标资源，所述服务器通过目标资源特征分析模块分析得到目标资源特征向量，并通过兴趣资源聚类模块基于目标资源特征向量对各目标资源进行聚类得到兴趣资源集，所述服务
器通过扩展向量生成模块生成关于兴趣资源集的扩展向量，并利用扩展资源关联模块基于扩展向量关联外部数据资源得到扩展资源集，所述服务器通过扩展资源推荐模块向目标用户推荐扩展资源集。
[0011]优选地，所述实时热度计算模块通过下式计算数据资源实时热度：
[0012][0013]其中，H1为数据资源实时热度，N1为数据资源数量，N2为数据资源关联用户行为数据数量，ω1、ω2分别代表数据资源数量、用户行为数据数量的权重，T
’
为当前时间，T0为数据资源最早发布时间，k＞0。
[0014]优选地，还包括热度信息获取模块，所述热度信息获取模块用于获取包括数据资源数量、数据资源关联的用户行为数据数量，以及数据资源的最早发布时间在内的热度信息。
[0015]优选地，所述预测热度估计模块将数据资源实时热度H1输入资源预测热度评估模型，并将资源预测热度评估模型的输出结果作为数据资源预测热度H2；
[0016]其中，所述资源预测热度评估模型采用深度神经网络DNN，并利用数据资源实时热度
‑
数据资源预测热度训练集进行模型训练。
[0017]优选地，所述资源热度计算模块分别对数据资源实时热度H1、数据资源预测热度H2设定权重参数，并基于设定的权重参数对数据资源实时热度H1、数据资源预测热度H2进行加权计算，得到数据资源热度值H。
[0018]优选地，所述数据资源存储模块将计算得到数据资源热度值的数据资源输入预设资源分类模型，并基于资源类型将对应的数据资源及其数据资源热度值存储至相应存储区块中，以更新相应存储区块；
[0019]其中，所述数据资源存储模块在系统存储区域中针对不同资源类型设置相应的存储区块，并对未设置相应存储区块的资源类型进行存储区块的增设。
[0020]优选地，所述资源热度排序模块基于数据资源热度值对存储的数据资源进行筛选，从各存储区块中选取数据资源热度值大于设定阈值的数据资源，根据数据资源热度值的大小进行综合排序，并将对应数据资源索引信息依次录入资源热度表。
[0021]优选地，还包括用户访问信息获取模块，所述用户访问信息获取模块用于获取资源热度表中各数据资源的用户访问痕迹信息，所述用户访问特征分析模块基于用户访问痕迹信息分析得到各用户的访问特征向量；
[0022]所述目标资源确定模块通过对比目标用户与各用户之间访问特征向量的距离，来确定最接近目标用户访问习惯的相似用户，并将相似用户在资源热度表中的经常访问数据资源作为目标用户的目标资源。
[0023]优选地，所述目标资源特征分析模块将目标资源中的标识信息与资源作为节点，将表标识信息与资源之间的关系作为边，构建无向图，并在无向图上得到多条游走路径，根据多条游走路径得到各目标资源的目标资源特征向量；
[0024]所述兴趣资源聚类模块根据目标资源特征向量对各目标资源进行聚类，得到兴趣资源集。
[0025]优选地，所述扩展向量生成模块确定兴趣资源集中的目标资源，并通过预设方法
对各目标资源的目标资源特征向量进行处理，生成关于兴趣资源集的扩展向量；
[0026]所述扩展资源关联模块通过对比兴趣资源集的扩展向量与外部数据资源的特征向量之间的距离，对外部数据资源进行关联，得到扩展资源集。
[0027](三)有益效果
[0028]与现有技术相比，本专利技术所提供的一种基于热度分析的数据资源智能推荐系统，具有以下有益效果：
[0029]1)实时热度计算模块计算数据资源实时热度，预测热度估计模块基于数据资源实时热度利用资源预测热度评估模型对数据资源预测热度进行估计，资源热度计算模块基于数据资源实时热度、数据资源预测热度计算数据资源热度值，数据资源存储模块对数据资源及对应数据资源热度值进行存储，资源热度排序模块基于数据资源热度值对存储的数据资源进行排序，构建资源热度表，通过结合数据资源实时热度、数据资源预测热度实现对数据资源热度值地精准分析统计，并基于数据资源热度值构建相应资源热度表；
[0030]2)用户访问特征分析模块基于用户访问信息分析得到访问特征向量，目标资源确定模块基于各用户的访问特征向量在资源热度表中确定目标用户的目标资源，从而能够基于目标用户的访问习惯对数据资源推荐内容进行针对性筛选，确保最终推荐的数据资源能够与目标用户的感兴趣程度高度契合；
[0031]3)目标资源特征分析模块分析得到目标资源特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于热度分析的数据资源智能推荐系统，其特征在于：包括服务器，所述服务器通过数据资源获取模块获取数据资源，所述服务器通过实时热度计算模块计算数据资源实时热度，并通过预测热度估计模块基于数据资源实时热度利用资源预测热度评估模型对数据资源预测热度进行估计，所述服务器通过资源热度计算模块基于数据资源实时热度、数据资源预测热度计算数据资源热度值，所述服务器通过数据资源存储模块对数据资源及对应数据资源热度值进行存储，并利用资源热度排序模块基于数据资源热度值对存储的数据资源进行排序，构建资源热度表；所述服务器通过用户访问特征分析模块基于用户访问信息分析得到访问特征向量，并通过目标资源确定模块基于各用户的访问特征向量在资源热度表中确定目标用户的目标资源，所述服务器通过目标资源特征分析模块分析得到目标资源特征向量，并通过兴趣资源聚类模块基于目标资源特征向量对各目标资源进行聚类得到兴趣资源集，所述服务器通过扩展向量生成模块生成关于兴趣资源集的扩展向量，并利用扩展资源关联模块基于扩展向量关联外部数据资源得到扩展资源集，所述服务器通过扩展资源推荐模块向目标用户推荐扩展资源集。2.根据权利要求1所述的基于热度分析的数据资源智能推荐系统，其特征在于：所述实时热度计算模块通过下式计算数据资源实时热度：其中，H1为数据资源实时热度，N1为数据资源数量，N2为数据资源关联用户行为数据数量，ω1、ω2分别代表数据资源数量、用户行为数据数量的权重，T
’
为当前时间，T0为数据资源最早发布时间，k＞0。3.根据权利要求2所述的基于热度分析的数据资源智能推荐系统，其特征在于：还包括热度信息获取模块，所述热度信息获取模块用于获取包括数据资源数量、数据资源关联的用户行为数据数量，以及数据资源的最早发布时间在内的热度信息。4.根据权利要求2所述的基于热度分析的数据资源智能推荐系统，其特征在于：所述预测热度估计模块将数据资源实时热度H1输入资源预测热度评估模型，并将资源预测热度评估模型的输出结果作为数据资源预测热度H2；其中，所述资源预测热度评估模型采用深度神经网络DNN，并利用数据资源实时热度
‑
数据资源预测热度训练集进行模型训练。5.根据权利要求4所述的基于热度分析的数据资源智能推荐系统，其特征在于...

【专利技术属性】
技术研发人员：雷沁怡，胡聪，洪德华，刘翠玲，王鹏，孙琦，王伟，赵林燕，孙佳丽，张翠翠，卢锐轩，陈超，张福华，胡才亮，付颖，
申请(专利权)人：安徽明生恒卓科技有限公司国家电网有限公司，
类型：发明
国别省市：