[發明專利]熱點數據的推薦方法和裝置

在審

• 申請號: 202010215173.0
• 申請日: 2020-03-24
• 公開（公告）號: CN113449175A
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 王穎帥
• 申請（專利權）人: 北京沃東天駿信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/06;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 李陽;郭晗

1.一種熱點數據的推薦方法，其特征在于，包括：

計算數據的熱度得分以生成所述數據的熱度標簽；

使用所述熱度標簽對所述數據的特征向量進行打標，以生成訓練數據；

通過對訓練數據集進行訓練以得到熱點數據推薦模型；

使用所述熱點數據推薦模型確定熱點數據并進行推薦。

2.根據權利要求1所述的方法，其特征在于，計算數據的熱度得分以生成所述數據的熱度標簽包括：

計算數據在最近時段內的訪問增加率；

根據所述訪問增加率計算所述數據的熱度得分；

通過將所述熱度得分與預設閾值進行比較以生成所述數據的熱度標簽。

3.根據權利要求2所述的方法，其特征在于，計算數據在最近時段內的訪問增加率包括：

計算數據在最近時段內平均每天的第一訪問量，以及數據在指定時段內平均每天的第二訪問量，所述指定時段長于所述最近時段且包括所述最近時段；

將所述第一訪問量與所述第二訪問量之比作為所述數據在最近時段內的訪問增加率。

4.根據權利要求2所述的方法，其特征在于，通過將所述熱度得分與預設閾值進行比較以生成所述數據的熱度標簽包括：

將所述熱度得分與預設閾值進行比較，若所述熱度得分大于所述預設閾值，則將所述數據的熱度標簽置為1；否則，將所述數據的熱度標簽置為0。

5.根據權利要求1所述的方法，其特征在于，通過對訓練數據集進行訓練以得到熱點數據推薦模型包括：

將所述訓練數據集中的訓練數據分為離散數據集和連續數據集；

對所述離散數據集和所述連續數據集分別使用不同的網絡進行特征處理，并將處理后的特征進行拼接；

將拼接后的特征輸入至反向聯合訓練層以得到熱點數據推薦模型。

6.根據權利要求5所述的方法，其特征在于，對于所述離散數據集，首先利用梯度下降樹的葉子節點進行特征選擇，然后對選擇的特征通過因子分解機生成低維稠密特征向量以進行特征處理。

7.根據權利要求5所述的方法，其特征在于，對于所述連續數據集，使用深度學習神經網絡進行特征處理。

8.一種熱點數據的推薦裝置，其特征在于，包括：

標簽生成模塊，用于計算數據的熱度得分以生成所述數據的熱度標簽；

數據打標模塊，用于使用所述熱度標簽對所述數據的特征向量進行打標，以生成訓練數據；

模型訓練模塊，用于通過對訓練數據集進行訓練以得到熱點數據推薦模型；

數據推薦模塊，用于使用所述熱點數據推薦模型確定熱點數據并進行推薦。

9.一種推薦熱點數據的電子設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-7中任一所述的方法。

10.一種計算機可讀介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現如權利要求1-7中任一所述的方法。