一种基于智慧云的数据分析及推荐方法与流程

本发明涉及数据分析，尤其涉及一种基于智慧云的数据分析及推荐方法。

背景技术：

1、随着云计算技术的迅速发展，大数据的存储、处理和分析变得日益便捷和高效。基于云的数据分析和推荐系统已广泛应用于电子商务、社交网络、金融服务等多个领域，旨在通过分析用户数据来提供个性化的服务或产品推荐。这些系统利用机器学习、数据挖掘技术来识别用户行为模式，预测用户偏好，从而推动销售增长和用户满意度提升。然而，随着数据量的激增，现有技术面临着处理速度、数据整合、实时性分析和个性化推荐准确度等挑战。特别是在处理巨大的、异构的数据集时，如何高效地从中提取有价值的信息，并实现快速且准确的数据分析与推荐，成为提升系统性能的关键。

2、尽管当前的数据分析和推荐系统在许多方面表现出色，但它们在数据处理的效率和推荐准确性方面仍有改进空间。许多系统在处理大规模数据集时，尤其是在数据预处理和特征提取阶段，往往需耗费大量计算资源和时间，这限制了推荐系统的实时响应能力。此外，现有系统在从复杂数据中识别关键信息时，往往依赖于预定义的算法和模型，这可能不足以适应快速变化的用户行为和偏好。此外，现有的推荐算法在处理新用户或少量数据的用户时，往往面临“冷启动”问题，难以提供精准的推荐。

技术实现思路

1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、鉴于上述现有存在的问题，提出了本发明。因此，本发明提供了一种基于智慧云的数据分析及推荐方法，用来解决背景技术中提出的问题。

3、为解决上述技术问题，本发明提供如下技术方案：一种基于智慧云的数据分析及推荐方法，包括：

4、从云端数据集中提取需要分析的数据，并将所述数据转换为数据分析模型的输入数据集；

5、建立数据分析模型，对所述输入数据集进行整合，提取数据中的关键信息，并在提取过程中根据所述关键信息进行数据值的分离操作，得到数据类别，将所述数据类别送入数据推荐模型中进行训练；

6、建立数据推荐模型，基于数据分析模型的数据类别，使用深度学习算法，推荐个性化数据。

7、作为本发明所述的基于智慧云的数据分析及推荐方法的一种优选方案，其中：从云端数据集中提取需要分析的数据，并将所述数据转换为数据分析模型的输入数据集，包括：

8、所述需要分析的数据包含，用户个人信息、用户行为数据、用户社交数据、用户使用的当前设备以及通讯环境、产品内容以及产品与用户交互的时间序列数据；

9、去除以上数据中的重复值并将其转换为标准化数据格式进行存储。

10、作为本发明所述的基于智慧云的数据分析及推荐方法的一种优选方案，其中：建立数据分析模型，对所述输入数据集进行整合，提取数据中的关键信息，包括：

11、在所述数据分析模型中，定义load_dataset函数，将所述数据集从原存储空间中平移到特征空间中，所述特征空间中包含若干个输入数据集中的数据表示的数据块；

12、定义数据块的数据列表list_datablock，通过把所述数据块存储到列表中的每一行，并对每一行的数据块的大小打上对应的标签变量，同时进行编码处理。

13、作为本发明所述的基于智慧云的数据分析及推荐方法的一种优选方案，其中：所述编码处理，包括：

14、使用columntransformer函数对标签数据变量进行编码，缩放数据块大小相同的标签变量；

15、使用onehotencoder函数为所述缩放数据块相同的标签变量创建二进制矩阵；

16、使用minmaxscaler函数将每个创建的二进制矩阵中元素间的最小值距离和最大值距离的比例映射到提取过程中。

17、作为本发明所述的基于智慧云的数据分析及推荐方法的一种优选方案，其中：建立数据分析模型，包括：

18、所述数据分析模型ma表示为：

19、

20、其中，d表示为输入数据集，xi表示为数据集中的第i个数据块，f(xi)表示为关键信息提取过程，μ为关键信息映射比例，g(xi)表示数据块对应的标签操作，z表示为存储空间，c表示为特征空间，表示数据平移通道；λ表示ma模型的参数调整系数。

21、作为本发明所述的基于智慧云的数据分析及推荐方法的一种优选方案，其中：在提取过程中根据所述关键信息进行数据值的分离操作，得到数据类别，将所述数据类别送入数据推荐模型中进行训练，包括：

22、根据所述映射比例改变元素排列顺序，得到分离后的二进制矩阵；

23、对所述每个二进制矩阵进行转换，得到所有关键信息的数据类别。

24、作为本发明所述的基于智慧云的数据分析及推荐方法的一种优选方案，其中：建立数据推荐模型，包括：

25、所述数据推荐模型r(ma(d))表示为：

26、

27、其中，σ表示为r(ma(d))模型的参数调整系数，且σ±λ的结果范围不超过[0,2]，m和n分别表示二进制矩阵的总行数和列数；map表示为分离操作；t表示转换矩阵；s为μ的目标函数，根据关键信息映射比例进行元素排序；ajk表示二进制矩阵中的元素个数。

28、作为本发明所述的基于智慧云的数据分析及推荐方法的一种优选方案，其中：基于数据分析模型的数据类别，使用深度学习算法，推荐个性化数据，包括：

29、所述深度学习算法根据关键信息的数据类别，即map([s(ajk)]t)，构建深度神经网络；

30、其中深度神经网络的输入层依次接收数据分析模型中的数据类别，输出层使用softmax函数，通过输出当前预测数据类别包含的内容并更新下一次接收的数据类别。

31、与现有技术相比，发明有益效果为：本发明通过从云端数据集中提取需要分析的数据，并将数据转换为数据分析模型的输入数据集；建立数据分析模型，对输入数据集进行整合，提取数据中的关键信息，并在提取过程中根据所述关键信息进行数据值的分离操作，得到数据类别，将数据类别送入数据推荐模型中进行训练；建立数据推荐模型，基于数据分析模型的数据类别，使用深度学习算法，推荐个性化数据；本发明通过建立数据分析模型，能够在提取数据的同时进行数据值的分类和关键信息的读取，从而更准确地捕捉到用户的实际需求和行为趋势；此外，通过数据分析模型与数据推荐模型的关联，使用深度学习算法对数据分类进行个性化推荐，不仅提高了推荐的相关性和精确性，还优化了模型对数据的适应性，有效解决了“冷启动”问题，实现了对传统预设模型和算法的改进。

技术特征：

1.一种基于智慧云的数据分析及推荐方法，其特征在于，包括：

2.如权利要求1所述的基于智慧云的数据分析及推荐方法，其特征在于，从云端数据集中提取需要分析的数据，并将所述数据转换为数据分析模型的输入数据集，包括：

3.如权利要求2所述的基于智慧云的数据分析及推荐方法，其特征在于，建立数据分析模型，对所述输入数据集进行整合，提取数据中的关键信息，包括：

4.如权利要求3所述的基于智慧云的数据分析及推荐方法，其特征在于，所述编码处理，包括：

5.如权利要求3或4所述的基于智慧云的数据分析及推荐方法，其特征在于，建立数据分析模型，包括：

6.如权利要求5所述的基于智慧云的数据分析及推荐方法，其特征在于，在提取过程中根据所述关键信息进行数据值的分离操作，得到数据类别，将所述数据类别送入数据推荐模型中进行训练，包括：

7.如权利要求6所述的基于智慧云的数据分析及推荐方法，其特征在于，建立数据推荐模型，包括：

8.如权利要求7所述的基于智慧云的数据分析及推荐方法，其特征在于，基于数据分析模型的数据类别，使用深度学习算法，推荐个性化数据，包括：

技术总结本发明公开了一种基于智慧云的数据分析及推荐方法包括，通过建立数据分析模型，能够在提取数据的同时进行数据值的分类和关键信息的读取，从而更准确地捕捉到用户的实际需求和行为趋势；此外，通过数据分析模型与数据推荐模型的关联，使用深度学习算法对数据分类进行个性化推荐，不仅提高了推荐的相关性和精确性，还优化了模型对数据的适应性，有效解决了“冷启动”问题，实现了对传统预设模型和算法的改进。技术研发人员：高敏受保护的技术使用者：南京涵韬信息科技有限公司技术研发日：技术公布日：2024/9/9