[發明專利]一種用于大數據的學習方法

在審

• 申請號: 202011097798.8
• 申請日: 2020-10-14
• 公開（公告）號: CN112269921A
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 馬喜萍
• 申請（專利權）人: 廣州春筍科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/33;G06Q50/20
• 代理公司: 北京冠和權律師事務所 11399
• 代理人: 趙真

1.一種用于大數據的學習方法，其特征在于，包括以下步驟：

接通用戶所在終端與大數據服務器端的連接；連接成功后，驗證用戶的身份信息；

驗證完畢后，獲取所述終端發送的網絡請求，識別所述網絡請求的網絡標識以及解析所述網絡請求的流程信息，所述流程信息包括請求內容和流程進度表；

根據所述網絡標識和流程信息從所述大數據服務器端獲取當前學習數據；

將所述當前學習數據傳輸到所述終端上以供用戶進行學習。

2.根據權利要求1所述用于大數據的學習方法，其特征在于，所述接通用戶所在終端與大數據服務器端的連接；連接成功后，驗證用戶的身份信息，包括：

將所述終端的識別信息和連接請求發送至所述大數據服務器端以使所述大數據服務器端對所述識別信息和連接請求進行校驗，檢驗完畢后生成反饋信息至所述終端；

若所述反饋信息為可以連接，則接通所述終端與所述大數據服務器端的連接；

若所述反饋結果為無法連接，則將“無法連接服務器端”的消息顯示在所述終端上；

在連接成功后，獲取所述用戶所在的當前場景信息并對所述當前場景信息進行分析，分析所述當前場景信息是否為常用預設場景信息；

若所述當前場景信息為所述常用預設場景信息時，向所述終端發出獲取用戶所注冊的用戶名和密碼的提示；

若所述當前場景信息不是所述常用預設場景信息時，向所述終端發出獲取用戶所注冊的用戶名和密碼以及人臉識別的提示；

在獲取到所述用戶輸入的用戶名和密碼以及當前人臉圖像后，確認所述用戶名和密碼是否正確以及確認所述當前人臉圖像是否為預設人臉圖像；

若是，向所述終端發出身份確認的提示；

否則，向所述終端發出身份無效的提醒。

3.根據權利要求1所述用于大數據的學習方法，其特征在于，在若所述反饋結果為無法連接，則將“無法連接服務器端”的消息顯示在所述終端上之后，所述方法還包括：

解析所述終端無法連接所述大數據服務器端的原因，生成解析報告；

將所述解析報告顯示在所述終端上以使所述用戶針對所述解析報告進行處理。

4.根據權利要求1所述用于大數據的學習方法，其特征在于，所述驗證完畢后，獲取所述終端發送的網絡請求，識別所述網絡請求的網絡標識以及解析所述網絡請求的流程信息，所述流程信息包括請求內容和流程進度表，包括：

獲取所述網絡請求所對應的網絡參數；

為所述網絡參數分配唯一的標識，將所述唯一的標識確認為所述網絡標識；

解析所述網絡請求以獲得請求內容，所述請求內容包括：學科知識、論文、周刊中的一個或者多個；

在解析出請求內容后，生成所述流程進度表。

5.根據權利要求1所述用于大數據的學習方法，其特征在于，所述根據所述網絡標識和流程信息從所述大數據服務器端獲取當前學習數據，包括：

根據所述請求內容從大數據服務器端里的大數據庫中獲取知識推介集；

將所述知識推介集推送至所述終端以獲得所述用戶對所述知識推介集中每個學習數據的興趣度，獲得n個興趣度；

基于所述n個興趣度，構建用戶興趣矩陣；

在所述用戶興趣矩陣中選擇興趣度最大的目標興趣度，獲取所述目標興趣度對應的目標學習數據；

將所述目標學習數據確認為所述當前學習數據。

6.根據權利要求5所述用于大數據的學習方法，其特征在于，所述方法還包括：

獲取不同用戶的用戶興趣矩陣，利用相似度算法計算每個用戶興趣矩陣的相似度，構建用戶相似度矩陣；

獲取所述不同用戶的用戶興趣矩陣中每個用戶興趣矩陣包含的學習數據，利用相似度算法計算學習數據的相似度，構建學習數據相似度矩陣；

根據所述用戶相似度矩陣和所述學習數據相似度矩陣構造用戶推薦矩陣和學習數據推薦矩陣；

構造完畢后，調度出預先建立的網絡模型，將所述用戶推薦矩陣中的多個用戶信息以及所述學習數據推薦矩陣中的多個學習數據輸入到所述網絡模型中進行訓練直到所述網絡模型收斂。