【技术实现步骤摘要】
本公开涉及计算机数据处理领域，具体涉及一种基于大数据的计算机数据处理方法及系统。
技术介绍
1、在数字化时代，大数据的应用已经渗透到各行各业，特别是在计算机数据处理领域。随着信息技术的飞速发展，用户生成的数据量呈指数级增长，这些数据中蕴含着丰富的价值等待挖掘。例如，用户行为数据和用户评价数据包含了用户对产品的丰富信息，为企业了解用户需求、改进产品和服务提供了宝贵的机会。因此，如何利用计算机来有效地处理和分析这些关于用户的大规模数据集合，已经成为了计算机科学研究的一个重要课题。
2、然而，传统的计算机数据处理方法难以有效处理海量且复杂的用户行为和评价数据。聚类分析则是一种常用的数据挖掘技术，可以将数据点分组为具有相似特征的簇。然而，传统的聚类算法通常只考虑单一数据源，无法充分利用用户行为和评价数据的语义关联和互补性，导致挖掘到的用户数据语义很难应用于实际。
3、因此，期望一种优化的计算机数据处理方案。
技术实现思路
1、考虑到以上问题而做出了本公开。本公开的一个目的是...
【技术保护点】
1.一种基于大数据的计算机数据处理方法，其特征在于，包括：
2.根据权利要求1所述的基于大数据的计算机数据处理方法，其特征在于，使用基于特征值粒度的语义交互模块对所述用户行为语义编码特征向量和所述用户评价数据语义编码特征向量进行处理以得到所述用户行为-用户评价协同表征特征向量，包括：
3.根据权利要求2所述的基于大数据的计算机数据处理方法，其特征在于，将所述用户行为-用户评价协同表征特征向量的集合输入联合聚类分析网络以得到用户行为-评价全局聚类表征特征矩阵作为用户行为-评价全局聚类表征特征，包括：
4.根据权利要求3所述的基于大数据...
【技术特征摘要】
1.一种基于大数据的计算机数据处理方法，其特征在于，包括：
2.根据权利要求1所述的基于大数据的计算机数据处理方法，其特征在于，使用基于特征值粒度的语义交互模块对所述用户行为语义编码特征向量和所述用户评价数据语义编码特征向量进行处理以得到所述用户行为-用户评价协同表征特征向量，包括：
3.根据权利要求2所述的基于大数据的计算机数据处理方法，其特征在于，将所述用户行为-用户评价协同表征特征向量的集合输入联合聚类分析网络以得到用户行为-评价全局聚类表征特征矩阵作为用户行为-评价全局聚类表征特征，包括：
4.根据权利要求3所述的基于大数据的计算机数据处理方法，其特征在于，构造所述用户行为-用户评价协同表征特征向量的集合的邻接矩阵和度矩阵，包括：
5.根...
【专利技术属性】
技术研发人员：程跃洋，姚永志，贾素梅，崔春霞，季志燕，
申请(专利权)人：南昌理工学院，
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。