[發(fā)明專利]一種基于大數(shù)據(jù)的科技信息聚類方法

在審

• 申請?zhí)枺?/td>: 202010150066.4
• 申請日: 2020-03-06
• 公開（公告）號: CN111460046A
• 公開（公告）日: 2020-07-28
• 發(fā)明（設(shè)計）人: 丁榮榮
• 申請（專利權(quán)）人: 合肥海策科技信息服務(wù)有限公司
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06F16/215;G06F16/245
• 代理公司: 合肥律通專利代理事務(wù)所(普通合伙) 34140
• 代理人: 吳奇

本發(fā)明公開了一種基于大數(shù)據(jù)的科技信息聚類方法，包括以下步驟：采集用戶行為歷史數(shù)據(jù)；用戶行為特征分析處理；建立用戶行為特征集；建立大數(shù)據(jù)聚類模型；利用聚類模型對數(shù)據(jù)集進(jìn)行聚類處理；將聚類后的信息資源推送給用戶。本發(fā)明利用云計算的高性能集群系統(tǒng)的并行計算能力來解決科技信息聚類面臨的大數(shù)據(jù)處理問題，基于云計算的大數(shù)據(jù)挖掘開發(fā)方便，以并行聚類為目標(biāo)，屏蔽了底層，提高對大規(guī)模數(shù)據(jù)的處理能力和速度，實(shí)現(xiàn)了云計算對數(shù)據(jù)挖掘中聚類分析的作用，避免簡單基于文本近似來進(jìn)行科技信息推薦，使得科技人員獲得更為全面、精準(zhǔn)的信息。

技術(shù)領(lǐng)域

本發(fā)明涉及大數(shù)據(jù)處理技術(shù)領(lǐng)域，特別涉及一種基于大數(shù)據(jù)的科技信息聚類方法。

背景技術(shù)

科技信息是記載科學(xué)技術(shù)活動、科技知識的信息載體；是記錄和傳播科技信息的主要手段，也是幫助人們認(rèn)識客觀事物、啟發(fā)思路、尋求技術(shù)支持的重要工具。科技信息包括知識產(chǎn)權(quán)、科技論文、科技項(xiàng)目、科技成果、技術(shù)標(biāo)準(zhǔn)、科學(xué)數(shù)據(jù)、信息情報、新產(chǎn)品等。目前隨著社會科技水平的進(jìn)步，科技信息數(shù)據(jù)量呈爆炸性增長。科技信息數(shù)據(jù)無論是開發(fā)還是使用，都離不開網(wǎng)絡(luò)技術(shù)的支撐。但目前網(wǎng)絡(luò)上的科技信息繁雜，全面性和準(zhǔn)確性不高，導(dǎo)致科技企業(yè)和科技人員不容易直接獲得真實(shí)有價值的信息。科技信息碎片化與科技人員時間碎片化、信息需求個性化和多樣化之間存在著很大的矛盾，另外終端設(shè)備由PC轉(zhuǎn)向手持智能終端，也導(dǎo)致科技人員對科技信息展示和推薦的智能化需求也越來越高。如果能夠過濾無用信息，并對各種科技信息進(jìn)行有效分類和提煉，實(shí)現(xiàn)對科技企業(yè)和科技人員的精準(zhǔn)和高質(zhì)量信息推薦，日益變得重要。

現(xiàn)有技術(shù)中，專利CN201310173534.X提供了提供了一種科技信息自動分類篩選的方法，其主要解決的問題是解決現(xiàn)有搜索技術(shù)基于各個單一的詞語而不是對整個頁面概括的弊端，提高了信息檢索的效率，保證數(shù)據(jù)抓取的完整性和可靠性；專利CN201410150100.2提供一種用于科技信息垂直搜索的異構(gòu)數(shù)據(jù)分析方法，其主要解決的問題是提高垂直搜索的準(zhǔn)確度，使得用戶更容易獲取符合實(shí)際需求的信息。雖然以上技術(shù)所針對領(lǐng)域比較接近，設(shè)計思想各有特點(diǎn)，但這些方法都是針對科技信息搜索的，均不是針對科技信息大數(shù)據(jù)處理而設(shè)計的，也不符合實(shí)現(xiàn)科技信息智能化聚類推薦的要求。目前，科技信息的推薦仍然是簡單基于文本近似來進(jìn)行推薦，而科技人員希望獲得的是更為全面、精準(zhǔn)的信息，這也導(dǎo)致了目前科技信息推薦的效果不理想。

因此，發(fā)明一種基于大數(shù)據(jù)的科技信息聚類方法來解決上述問題很有必要。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于大數(shù)據(jù)的科技信息聚類方法，以解決上述背景技術(shù)中提出的問題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

一種基于大數(shù)據(jù)的科技信息聚類方法，其特征在于，包括以下步驟：

S1、采集用戶行為歷史數(shù)據(jù)：客戶端采集用戶數(shù)據(jù)，并上傳到云端服務(wù)器上；采集數(shù)據(jù)包括用戶輸入的關(guān)鍵詞和瀏覽行為以及個人的基本信息；

S2、用戶行為特征分析處理：對用戶數(shù)據(jù)進(jìn)行預(yù)處理和聚合處理，過濾掉不完整的數(shù)據(jù)以及垃圾無用數(shù)據(jù)，并將行為特征完整有用數(shù)據(jù)保存到大數(shù)據(jù)中；

S3、建立用戶行為特征集：系統(tǒng)分析模塊對用戶行為進(jìn)行分析，提取用戶經(jīng)常瀏覽的行為信息，綜合用戶基本信息，建立用戶行為特征集；

S4、建立大數(shù)據(jù)聚類模型：利用深度學(xué)習(xí)算法、機(jī)器學(xué)習(xí)算法及語義分析算法對用戶數(shù)據(jù)中心進(jìn)行深度分析，并建立大數(shù)據(jù)聚類模型算法模型；

S5、利用聚類模型對數(shù)據(jù)集進(jìn)行聚類處理：從大數(shù)據(jù)庫中檢索出基于分析模塊分析出的與用戶行為相關(guān)的科技信息資源，并對子數(shù)據(jù)進(jìn)行局部聚類；

S6、科技信息推送：數(shù)據(jù)推送模塊將將局部聚類后的信息資源推送給用戶。

優(yōu)選的，所述科技信息可以是知識產(chǎn)權(quán)、科技論文、科技項(xiàng)目、科技成果、技術(shù)標(biāo)準(zhǔn)、科學(xué)數(shù)據(jù)、信息情報、新產(chǎn)品。