[发明专利]一种基于云端数据分析、态势感知算法

说明书

本发明提供一种基于云端数据分析、态势感知算法，获取面向用户的等待筛选的目标数据；确定目标数据的属性，所述待筛选的目标数据具有评分数据和数据类别属性信息；所述待筛选的目标数据包括第一类型目标数据和第二类型目标数据；对所述待筛选的目标数据进行预筛选处理，对上层属性所对应的数据值建立索引，如果是数值型数据就构建B+树索引结构，如果是字符型数据就构建倒排索引，数据筛选滤出有效数据,然后基于有效数据自动进行物品相似度的计算，使得根据计算得到的相似度数据能够准确进行产品推荐。该数据分析方法兼容多种业务场景，能够有效减少数据生产、校验及运营成本。

技术领域

本发明是一种基于云端数据分析、态势感知算法，属于数据处理领域。

背景技术

现有技术中，数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动，数据分析的数学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得数据分析得以推广。数据分析是数学与计算机科学相结合的产物，传统的数据分析存在较为繁琐的问题，所以需要一种新的方法来解决上述问题。

发明内容

针对现有技术存在的不足，本发明目的是提供一种基于云端数据分析、态势感知算法，以解决上述背景技术中提出的问题。

为了实现上述目的，本发明是通过如下的技术方案来实现：一种基于云端数据分析、态势感知算法，包括如下步骤：

S1：获取面向用户的等待筛选的目标数据；确定目标数据的属性，所述待筛选的目标数据具有评分数据和数据类别属性信息；所述待筛选的目标数据包括第一类型目标数据和第二类型目标数据；

S2：对所述待筛选的目标数据进行预筛选处理，对上层属性所对应的数据值建立索引，如果是数值型数据就构建B+树索引结构，如果是字符型数据就构建倒排索引；

S3：基于所述数据类别属性信息，对不同数据类别属性的所述预筛选处理后的目标数据进行分组，确定数据属性值类型，若是数值型数据，则为其创建B+树索引；若是字符型属性则为其建立倒排索引结构

S4：对每一组的所述预筛选处理后的目标数据，根据目标数据的评分数据进行数据评分的归一化处理，生成所述目标数据的归一化评分参数；所述归一化评分参数具有目标数据的目标对象ID、数据类别ID和所述用户的用户ID的信息；

S5：获取多个用户的目标数据的归一化评分参数，所述归一化评分参数所在的位置为父节点，在所述基于有序多叉树的推荐数据集合中进行深度和/或广度遍历，以便向所述用户输出合适的一个或多个推荐数；

S6：根据所述数据类别ID，对不同用户的多个目标数据的统一化评分参数进行相似度计算，得到相似度度量的值；

S7：根据所述相似度度量的值，确定所述多个目标数据对应的目标对象之间的相关度。

进一步地，所述用户的用户ID和所述目标数据的目标对象ID的格式；所述确定所述第一目标数据是否是无效数据具体包括：确定所述第一目标数据的播放时长是否超过有效播放时间阈值。

本发明的有益效果：本发明的一种基于云端数据分析、态势感知算法，数据筛选滤出有效数据,然后基于有效数据自动进行物品相似度的计算，使得根据计算得到的相似度数据能够准确进行产品推荐。该数据分析方法兼容多种业务场景，能够有效减少数据生产、校验及运营成本。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

本发明提供一种技术方案：一种基于云端数据分析、态势感知算法，包括如下步骤：