System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及自智化运维,特别涉及一种基于门户系统的自智编排方法。
技术介绍
1、随着互联网信息的爆炸式增长,门户网站作为信息集成和分发的重要平台,面临着越来越大的挑战。如何有效地组织和编排信息,提高用户满意度,成为了一个亟待解决的问题。
2、然而,传统的信息编排方法通常缺乏智能化和个性化,无法准确地满足用户的需求,进而衍生出基于各种算法的自动编排能力通过分析用户的行为和需求,自动地为用户推荐最适合的服务和应用。
3、为了提高用户体验和满意度,本专利技术提出了一种基于门户系统的自智编排方法。
技术实现思路
1、本专利技术为了弥补现有技术的缺陷,提供了一种简单高效的基于门户系统的自智编排方法。
2、本专利技术是通过如下技术方案实现的:
3、一种基于门户系统的自智编排方法,其特征在于:包括以下步骤:
4、步骤s1,根据实际业务需要,收集和存储不同场景下各个业务的信息,包括用户关注的业务数据和反映用户行为的数据;
5、步骤s2,对收集的数据进行清洗、转换、标准化处理和特征提取,得到原始数据集,用于后续的分析和建模;
6、步骤s3,在k-means算法的基础上利用模糊逻辑和机器学习技术构建一种基于k-means算法的新型聚类算法模型,对信息进行分类和预测,根据k-means算法的处理结果确定信息的模糊属性;
7、步骤s4,根据信息的模糊属性制定信息编排策略,利用模糊集合和模糊正态分布隶属函数模型
8、步骤s5,将编排后的信息呈现给用户,并根据用户反馈调整信息编排策略。
9、所述步骤s2中,数据预处理时,通过数据清理删除重复或错误的脏数据,通过标准化梳理将数据转化为统一的格式和尺度,通过特征提取从原始数据中提取出有意义的特征。
10、所述步骤s3中,在k-means算法的基础上将原始数据集中的预处理的业务数据进行切分化处理,对切分后的小模块数据进行聚类分析,计算聚类中心点,并自动判断目标函数是否收敛,若不收敛则主动迭代,直至最终目标函数收敛,输出聚类结果。
11、所述步骤s4中,采用模糊逻辑处理对聚类结果数据的关键特征属性进行定位,根据模糊属性结果推送相关业务信息;
12、所述步骤s5中,通过不同类型信息选取不同组件进行呈现,最终构建成门户界面。
13、具体的,所述步骤s4中,将聚类结果数据通过模糊正态分布隶属函数模型进行模糊化属性定位,确定模糊属性,以及不同模糊属性在信息编排中的权重、关注度与业务类型;所述模糊正态分布隶属函数模型将业务特征信息和用户实际关注内容进行有效关联,根据用户的关注度自动进行组件编排,并根据组件特性和自智处理后的信息进行内容呈现。
14、用已处理的数据对基于k-means算法的新型聚类算法模型和模糊正态分布隶属函数模型进行训练,调整模型的参数,以适应不同场景下的业务需求,并使模型的预测结果尽可能准确;同时,不断自动收集反馈信息,进行自定过滤优化,从而实现不断迭代,得到最优结果。
15、该基于门户系统的自智编排方法的系统,包括门户页面模块、组件管理模块、api管理模块和数据源管理模块;
16、所述数据源管理模块负责对底层数据进行收集与管理,并将其发送到对应的api接口;
17、所述api管理模块负责对api接口进行管理,并将api接口接收的底层数据发送到组件管理模块;
18、所述组件管理模块负责对呈现组件进行管理,实现步骤s3~步骤s4。
19、所述门户页面模块负责实现编排信息的最终呈现。
20、一种基于门户系统的自智编排设备,其特征在于:包括存储器和处理器;所述存储器用于存储计算机程序,所述处理器用于执行所述计算机程序时实现上述的方法步骤。
21、一种可读存储介质,其特征在于:所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法步骤。
22、本专利技术的有益效果是:该基于门户系统的自智编排方法,能够有效地处理不确定性和模糊性,并自动生成个性化的信息编排,从而助力门户系统的快速生成与信息查询,提高了用户满意度。
本文档来自技高网...【技术保护点】
1.一种基于门户系统的自智编排方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的基于门户系统的自智编排方法,其特征在于:所述步骤S2中,数据预处理时,通过数据清理删除重复或错误的脏数据,通过标准化梳理将数据转化为统一的格式和尺度,通过特征提取从原始数据中提取出有意义的特征。
3.根据权利要求1所述的基于门户系统的自智编排方法,其特征在于:所述步骤S3中,在K-means算法的基础上将原始数据集中的预处理的业务数据进行切分化处理,对切分后的小模块数据进行聚类分析,计算聚类中心点,并自动判断目标函数是否收敛,若不收敛则主动迭代,直至最终目标函数收敛,输出聚类结果。
4.根据权利要求1所述的基于门户系统的自智编排方法,其特征在于:所述步骤S4中,采用模糊逻辑处理对聚类结果数据的关键特征属性进行定位,根据模糊属性结果推送相关业务信息;
5.根据权利要求4所述的基于门户系统的自智编排方法,其特征在于:所述步骤S4中,将聚类结果数据通过模糊正态分布隶属函数模型进行模糊化属性定位,确定模糊属性,以及不同模糊属性在信息编排中的权重、关注度与
6.根据权利要求1所述的基于门户系统的自智编排方法,其特征在于:用已处理的数据对基于K-means算法的新型聚类算法模型和模糊正态分布隶属函数模型进行训练,调整模型的参数,以适应不同场景下的业务需求,并使模型的预测结果尽可能准确;同时,不断自动收集反馈信息,进行自定过滤优化,从而实现不断迭代,得到最优结果。
7.根据权利要求1~6任意一项所述的基于门户系统的自智编排方法的系统,其特征在于:包括门户页面模块、组件管理模块、API管理模块和数据源管理模块;
8.一种基于门户系统的自智编排设备,其特征在于:包括存储器和处理器;所述存储器用于存储计算机程序,所述处理器用于执行所述计算机程序时实现如权利要求1至6任意一项所述的方法步骤。
9.一种可读存储介质,其特征在于:所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任意一项所述的方法步骤。
...【技术特征摘要】
1.一种基于门户系统的自智编排方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的基于门户系统的自智编排方法,其特征在于:所述步骤s2中,数据预处理时,通过数据清理删除重复或错误的脏数据,通过标准化梳理将数据转化为统一的格式和尺度,通过特征提取从原始数据中提取出有意义的特征。
3.根据权利要求1所述的基于门户系统的自智编排方法,其特征在于:所述步骤s3中,在k-means算法的基础上将原始数据集中的预处理的业务数据进行切分化处理,对切分后的小模块数据进行聚类分析,计算聚类中心点,并自动判断目标函数是否收敛,若不收敛则主动迭代,直至最终目标函数收敛,输出聚类结果。
4.根据权利要求1所述的基于门户系统的自智编排方法,其特征在于:所述步骤s4中,采用模糊逻辑处理对聚类结果数据的关键特征属性进行定位,根据模糊属性结果推送相关业务信息;
5.根据权利要求4所述的基于门户系统的自智编排方法,其特征在于:所述步骤s4中,将聚类结果数据通过模糊正态分布隶属函数模型进行模糊化属性定位,确定模糊属性,以及不同模糊属性在信息编排中的权重、关注度与...
【专利技术属性】
技术研发人员:马洪岳,徐靓,洪金磊,
申请(专利权)人:浪潮通信信息系统有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。