[发明专利]基于云计算的数据推送方法、电子设备及系统

说明书

本申请是关于基于云计算的数据推送方法、电子设备及系统。应用本申请方案，能够在用户行为数据的第一特征向量的基础上进一步挖掘额外的特征维度，提高对用户行为数据的特征分析的效率和全面性，避免遗漏特征维度。这样，能够准确、完整地确定出用户行为数据对应的目标特征向量，然后基于该目标特征向量准确地确定期望数据并进行推送，进而提高云端服务器在数据推送过程中的推送准确性，避免数据的误推送。

技术领域

本申请涉及云计算数据推送技术领域，尤其涉及基于云计算的数据推送方法、电子设备及系统。

背景技术

随着云计算的发展，数据交互已广泛应用于各行各业。以数据推送技术为例，云端服务器可以对智能终端的用户行为数据进行分析，从而确定出智能终端所对应的用户的期望数据，然后从数据库中确定出这些期望数据并推送给智能终端。然而，云端服务器在实际的数据推送过程中，往往存在推送准确性低下或误推送的问题。

发明内容

本申请提供基于云计算的数据推送方法、电子设备及系统，以改善现有技术存在的推送准确性低下或误推送的问题。

根据本申请的一个方面，提供一种基于云计算的数据推送方法，应用于电子设备，所述方法包括：

从智能终端处采集所述智能终端通过对用户输入的操作指令进行处理生成的用户行为数据；其中，所述操作指令包括触摸指令、语音指令或面部表情指令；所述用户行为数据包括以下四个类别的行为数据：行为参数、所述行为参数对应的生成时刻信息、所述行为参数对应的参数类别信息以及所述智能终端对应的数据格式信息；

提取所述用户行为数据对应的第一特征向量以及所述行为参数、所述生成时刻信息、所述参数类别信息以及所述数据格式信息分别对应的第二特征向量；其中，所述第一特征向量为N维向量，所述第二特征向量为N+1维向量，N为正整数，所述第二特征向量的最后一维特征值用于表征所述第二特征向量所对应的行为数据类别；

确定所述第一特征向量对应的第一向量网络以及每个第二特征向量的第二向量网络；其中，所述第一向量网络和每个第二向量网络中包括至少多个具有不同网络响应权重的网络节点，每个网络节点对应一个向量值，所述网络响应权重为网络节点对向量网络的收敛性影响系数，所述收敛性影响系数用于表征向量网络对应的特征向量的扩维值，所述第一向量网络和每个第二向量网络中的数网络节点数量均为N个；

确定所述第一特征向量在所述第一向量网络中的任一网络响应权重的初始网络节点，将每个第二向量网络中的具有最大网络响应权重的网络节点确定为目标网络节点；获取所述初始网络节点与每个目标网络节点之间的节点信息相似度，所述节点信息相似度用于表征初始网络节点与每个目标网络节点在向量值层面的匹配度；

基于每个节点信息相似度，确定每个第二特征向量相对于所述第一特征向量的扩维系数；根据确定出的所有扩维系数对所述第一特征向量进行扩维处理得到N+M维的目标特征向量，M为正整数；

根据所述目标特征向量从预设数据库中确定出至少一个期望数据，将所述期望数据推送给所述智能终端。

优选地，所述提取所述用户行为数据对应的第一特征向量，包括：

将所述用户行为数据的多个数据字段按照字段长度由大到小的顺序依次列出，得到所述用户行为数据对应的数据字段序列；针对所述数据字段序列，确定所述数据字段序列中相邻两个数据字段之间的字段长度差值；根据确定出的所有字段长度差值确定所述数据字段序列的序列分布特征；其中，所述数据字段是按照时段进行划分的，序列分布特征用于表征所述数据字段序列的字段长度分布情况；