CN114969470B - 一种基于大数据的决策方法及*** - Google Patents
一种基于大数据的决策方法及*** Download PDFInfo
- Publication number
- CN114969470B CN114969470B CN202210919641.1A CN202210919641A CN114969470B CN 114969470 B CN114969470 B CN 114969470B CN 202210919641 A CN202210919641 A CN 202210919641A CN 114969470 B CN114969470 B CN 114969470B
- Authority
- CN
- China
- Prior art keywords
- data
- decision
- cloud
- category
- service cluster
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/24569—Query processing with adaptation to specific hardware, e.g. adapted for using GPUs or SSDs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及数据处理领域,尤其涉及一种基于大数据的决策方法及***,包括:云端对上传的数据进行分类,以将分类后的数据存入匹配率最高的数据服务集群;响应于接收到决策请求,云端依据决策请求的类别匹配决策规则;云端依据决策请求的类别从所适配的数据服务集群中调用数据;使用所匹配的决策规则对调用的数据进行处理,得到决策结果;将得到的决策结果发送给用户,以响应其发送的决策请求。本申请可以提高云端的决策效率,提升用户的感受。
Description
技术领域
本申请涉及数据处理领域,尤其涉及一种基于大数据的决策方法及***。
背景技术
近年来,随着互联网的迅速发展,大量应用的使用也越来越普及,在应用的使用过程中注入互联网的数据也呈爆发式增长,例如:每天均有大量的资讯、娱乐、财经、交通、电商等数据注入互联网中。
目前,通常会将海量的数据存储在云端,以通过“云”为我们提供各种各样的服务,例如:存储服务、分析服务、决策服务等。但是,为了向客户提供决策服务,云端需要通过分析其存储的海量数据得出提供给客户的决策结果,而通过分析海量数据得出决策结果会导致云端的决策效率低下,影响用户的感受。
因此,如何提高云端的决策效率,提升用户的感受,是目前本领域技术人员急需解决的技术问题。
发明内容
本申请提供了一种基于大数据的决策方法及***,以提高云端的决策效率,提升用户的感受。
为解决上述技术问题,本申请提供如下技术方案:
一种基于大数据的决策方法,包括如下步骤:步骤S110、云端对上传的数据进行分类,以将分类后的数据存入匹配率最高的数据服务集群;步骤S120、响应于接收到决策请求,云端依据决策请求的类别匹配决策规则;步骤S130、云端依据决策请求的类别从所适配的数据服务集群中调用数据;步骤S140、使用所匹配的决策规则对调用的数据进行处理,得到决策结果;步骤S150、将得到的决策结果发送给用户,以响应其发送的决策请求。
如上所述的基于大数据的决策方法,其特征在于,其中,优选的是,步骤S110包括如下子步骤:计算上传至云端的数据的综合类别特征值,并且将计算得到的综合类别特征值与云端的不同数据服务集群的类别特征值进行匹配,得到匹配率最高的数据服务集群;将上传至云端的数据存储至与该数据匹配最高的数据服务集群中。
如上所述的基于大数据的决策方法,其中,优选的是,将上传至云端的数据的所有特征数据集合在一起形成数据的特征数据集;通过数据的特征数据集和特征数据的权重计算得到该数据的综合类别特征值。
如上所述的基于大数据的决策方法,其中,优选的是,将云端的所有数据服务集群的类别特征值集合在一起形成数据服务集群类别特征值集;通过数据的综合类别特征值和数据服务集群类别特征值集计算得到与该数据匹配率最高的数据服务集群。
如上所述的基于大数据的决策方法,其中,优选的是,步骤S120包括如下子步骤:分析决策请求的决策类别特征;计算决策类别特征与云端预先构建的每一个决策规则的特征值之间的相似度;调用与决策类别特征相似度最高的决策规则。
一种基于大数据的决策***,包括:数据分类模块、数据写入模块、决策规则匹配模块、数据调用模块、数据处理模块和结果发送模块;数据分类模块对上传至云端的数据进行分类,数据写入模块将分类后的数据存入匹配率最高的数据服务集群;响应于云端接收到决策请求,决策规则匹配模块依据决策请求的类别匹配决策规则;数据调用模块依据决策请求的类别从所适配的数据服务集群中调用数据;数据处理模块使用所匹配的决策规则对调用的数据进行处理,得到决策结果;结果发送模块将得到的决策结果发送给用户,以响应其发送的决策请求。
如上所述的基于大数据的决策***,其中,优选的是,计算上传至云端的数据的综合类别特征值,并且将计算得到的综合类别特征值与云端的不同数据服务集群的类别特征值进行匹配,得到匹配率最高的数据服务集群;将上传至云端的数据存储至与该数据匹配最高的数据服务集群中。
如上所述的基于大数据的决策***,其中,优选的是,将上传至云端的数据的所有特征数据集合在一起形成数据的特征数据集;通过数据的特征数据集和特征数据的权重计算得到该数据的综合类别特征值。
如上所述的基于大数据的决策***,其中,优选的是,将云端的所有数据服务集群的类别特征值集合在一起形成数据服务集群类别特征值集;通过数据的综合类别特征值和数据服务集群类别特征值集计算得到与该数据匹配率最高的数据服务集群。
如上所述的基于大数据的决策***,其中,优选的是,分析决策请求的决策类别特征;计算决策类别特征与云端预先构建的每一个决策规则的特征值之间的相似度;调用与决策类别特征相似度最高的决策规则。
相对上述背景技术, 本申请提供的基于大数据的决策方法及***,可以提高云端的决策效率,提升用户的感受。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的基于大数据的决策方法的流程图;
图2是本申请实施例提供的基于大数据的决策***的示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
实施例一
请参阅图1,图1是本申请实施例提供的基于大数据的决策方法的流程图。
本申请提供了一种基于大数据的决策方法,包括如下步骤:
步骤S110、云端对上传的数据进行分类,以将分类后的数据存入匹配率最高的数据服务集群;
不同的应用会向云端上传不同类型的数据(例如:资讯数据、娱乐数据、财经数据、交通数据、电商数据、技术数据、政策数据等),同一应用也会向云端上传不同类型的数据(例如:个人数据、浏览数据、咨询数据、购买数据等),因此云端在接收到应用上传的数据后,对数据进行分类,以将数据存入云端的相应的数据服务集群中。
计算上传至云端的数据的综合类别特征值,并且将计算得到的综合类别特征值与云端的不同数据服务集群的类别特征值进行匹配,得到匹配率最高的数据服务集群。
具体的,上传至云端的数据具有多个特征数据,将上传至云端的数据的所有特征数据集合在一起形成数据的特征数据集。特征数据集,其中,为数据的第1个特征数据,为数据的第2个特征数据,为数据的第个特征数据,为数据的第个特征数据,为特征数据的数量。例如:为数据所产生的应用的标识、为数据中的个人数据、为数据中的浏览数据、为数据中的购买数据。
通过数据的特征数据集和特征数据的权重计算得到数据的综合类别特征值。通过公式 计算得到数据的综合类别特征值;其中,为产生数据的应用的可信度,若产生数据的应用可信,则为1,若产生数据的应用不可信,则为0;为第个特征数据对数据的综合类别特征值的影响权重。
将云端的所有数据服务集群的类别特征值集合在一起形成数据服务集群类别特征值集,其中,为云端的第1个数据服务集群的类别特征值,为云端的第2个数据服务集群的类别特征值,为云端的第个数据服务集群的类别特征值,为云端的第个数据服务集群的类别特征值。数据服务集群是云端按照预定的不同类型的数据划分的不同的数据存储空间,并且依据所存储的预定数据的类型为相应的数据服务集群预设数据服务集群的类别特征值。
通过数据的综合类别特征值和数据服务集群类别特征值集计算得到与数据匹配率最高的数据服务集群。通过公式 计算得到与数据匹配率最高的数据服务集群,其中,是求 为最小值时的取值的函数,为云端的所有数据服务集群的类别特征值的平均值,为与之间的差距,为数据服务集群类别特征值集中所有任意两个数据服务集群的类别特征值和之间的差距,为第个数据服务集群的类别特征值,为第个数据服务集群的类别特征值。
步骤S120、响应于接收到决策请求,云端依据决策请求的类别匹配决策规则;
不同的决策请求具有不同的决策类别特征,例如:用户发送的决策请求是给出是否应该购买的决策请求、用户发送的决策请求是给出是否可以通过某一路段的决策请求、用户发送的决策请求是给出是否要执行某一政策的决策请求等。因此,云端在接收到用户发送的决策请求后,首先分析决策请求的决策类别特征,依靠其决策类别特征调用预先构建的决策规则。
具体的,通过公式计算得到决策类别特征与云端预先构建的每一个决策规则的特征值之间的相似度;其中,是决策类别特征与云端的第个决策规则的特征值之间的相似度,,因此, , 从1取到,是云端预先构建的决策规则的数量。调用与决策类别特征相似度最高的决策规则,以处理该决策请求。例如:与决策类别特征相似度最高的决策规则是第个决策规则,那么调用第个决策规则对接收到决策请求进行处理。
步骤S130、云端依据决策请求的类别从所适配的数据服务集群中调用数据;
决策请求的决策类别特征指示了该决策请求所需要的数据类型,因此依据决策请求的决策类别特征在云端相应的数据服务集群中调用其存储的数据。例如:从云端的第个数据服务集群中调用数据,以用于接下来的处理,得到决策结果。
步骤S140、使用所匹配的决策规则对调用的数据进行处理,得到决策结果;
将调用的数据依靠所匹配的决策规则进行处理,其中决策规则是指决策者在选择决策方案时遵循的程序和方法,处理后得到决策请求所对应的决策结果。例如:使用所匹配的第个决策规则,对调用的数据进行处理,得到决策请求所对应的决策结果。
步骤S150、将得到的决策结果发送给用户,以响应其发送的决策请求。
在云端计算得到决策结果后,将决策结果发送给发出决策请求的用户,从而可以使用户在进行决策时,参考得到的决策请求。
实施例二
请参阅图2,图2是本申请实施例提供的基于大数据的决策***的示意图。
本申请提供了一种基于大数据的决策***200,包括:数据分类模块210、数据写入模块220、决策规则匹配模块230、数据调用模块240、数据处理模块250和结果发送模块260。
数据分类模块210对上传至云端的数据进行分类,数据写入模块220将分类后的数据存入匹配率最高的数据服务集群。
不同的应用会向云端上传不同类型的数据(例如:资讯数据、娱乐数据、财经数据、交通数据、电商数据、技术数据、政策数据等),同一应用也会向云端上传不同类型的数据(例如:个人数据、浏览数据、咨询数据、购买数据等),因此云端在接收到应用上传的数据后,对数据进行分类,以将数据存入云端的相应的数据服务集群中。
计算上传至云端的数据的综合类别特征值,并且将计算得到的综合类别特征值与云端的不同数据服务集群的类别特征值进行匹配,得到匹配率最高的数据服务集群。
具体的,上传至云端的数据具有多个特征数据,将上传至云端的数据的所有特征数据集合在一起形成数据的特征数据集。特征数据集,其中,为数据的第1个特征数据,为数据的第2个特征数据,为数据的第个特征数据,为数据的第个特征数据,为特征数据的数量。例如:为数据所产生的应用的标识、为数据中的个人数据、为数据中的浏览数据、为数据中的购买数据。
通过数据的特征数据集和特征数据的权重计算得到数据的综合类别特征值。通过公式 计算得到数据的综合类别特征值;其中,为产生数据的应用的可信度,若产生数据的应用可信,则为1,若产生数据的应用不可信,则为0;为第个特征数据对数据的综合类别特征值的影响权重。
将云端的所有数据服务集群的类别特征值集合在一起形成数据服务集群类别特征值集,其中,为云端的第1个数据服务集群的类别特征值,为云端的第2个数据服务集群的类别特征值,为云端的第个数据服务集群的类别特征值,为云端的第个数据服务集群的类别特征值。数据服务集群是云端按照预定的不同类型的数据划分的不同的数据存储空间,并且依据所存储的预定数据的类型为相应的数据服务集群预设数据服务集群的类别特征值。
通过数据的综合类别特征值和数据服务集群类别特征值集计算得到与数据匹配率最高的数据服务集群。通过公式 计算得到与数据匹配率最高的数据服务集群,其中,是求为最小值时的取值的函数,为云端的所有数据服务集群的类别特征值的平均值,为与之间的差距,为数据服务集群类别特征值集中所有任意两个数据服务集群的类别特征值和之间的差距,为第个数据服务集群的类别特征值,为第个数据服务集群的类别特征值。
响应于云端接收到决策请求,决策规则匹配模块230依据决策请求的类别匹配决策规则。
不同的决策请求具有不同的决策类别特征,例如:用户发送的决策请求是给出是否应该购买的决策请求、用户发送的决策请求是给出是否可以通过某一路段的决策请求、用户发送的决策请求是给出是否要执行某一政策的决策请求等。因此,云端在接收到用户发送的决策请求后,首先分析决策请求的决策类别特征,依靠其决策类别特征调用预先构建的决策规则。
具体的,通过公式计算得到决策类别特征与云端预先构建的每一个决策规则的特征值之间的相似度;其中,是决策类别特征与云端的第个决策规则的特征值之间的相似度,,因此, , 从1取到,是云端预先构建的决策规则的数量。调用与决策类别特征相似度最高的决策规则,以处理该决策请求。例如:与决策类别特征相似度最高的决策规则是第个决策规则,那么调用第个决策规则对接收到决策请求进行处理。
数据调用模块240依据决策请求的类别从所适配的数据服务集群中调用数据。
决策请求的决策类别特征指示了该决策请求所需要的数据类型,因此依据决策请求的决策类别特征在云端相应的数据服务集群中调用其存储的数据。例如:从云端的第个数据服务集群中调用数据,以用于接下来的处理,得到决策结果。
数据处理模块250使用所匹配的决策规则对调用的数据进行处理,得到决策结果。
将调用的数据依靠所匹配的决策规则进行处理,其中决策规则是指决策者在选择决策方案时遵循的程序和方法,处理后得到决策请求所对应的决策结果。例如:使用所匹配的第个决策规则,对调用的数据进行处理,得到决策请求所对应的决策结果。
结果发送模块260将得到的决策结果发送给用户,以响应其发送的决策请求。
在云端计算得到决策结果后,将决策结果发送给发出决策请求的用户,从而可以使用户在进行决策时,参考得到的决策请求。
由于本申请中上传至云端的数据会进行分类后存入匹配率最高的数据服务集群,因此在进行决策时仅需要在相应的数据服务集群调用数据,从而减少了参与决策的数据,提高了云端的决策效率,提升了用户的感受。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (6)
1.一种基于大数据的决策方法,其特征在于,包括如下步骤:
步骤S110、云端对上传的数据进行分类,以将分类后的数据存入匹配率最高的数据服务集群;
步骤S110包括如下子步骤:
计算上传至云端的数据的综合类别特征值,并且将计算得到的综合类别特征值与云端的不同数据服务集群的类别特征值进行匹配,得到匹配率最高的数据服务集群;
将上传至云端的数据存储至与该数据匹配率最高的数据服务集群中;
步骤S120、响应于接收到决策请求,云端依据决策请求的类别匹配决策规则;
步骤S120包括如下子步骤:
分析决策请求的决策类别特征;
步骤S130、云端依据决策请求的类别从所适配的数据服务集群中调用数据;
步骤S140、使用所匹配的决策规则对调用的数据进行处理,得到决策结果;
步骤S150、将得到的决策结果发送给用户,以响应其发送的决策请求。
2.根据权利要求1所述的基于大数据的决策方法,其特征在于,将上传至云端的数据的所有特征数据集合在一起形成数据的特征数据集;
通过数据的特征数据集和特征数据的权重计算得到该数据的综合类别特征值。
3.根据权利要求2所述的基于大数据的决策方法,其特征在于,将云端的所有数据服务集群的类别特征值集合在一起形成数据服务集群类别特征值集;
通过数据的综合类别特征值和数据服务集群类别特征值集计算得到与该数据匹配率最高的数据服务集群。
4.一种基于大数据的决策***,其特征在于,包括:数据分类模块、数据写入模块、决策规则匹配模块、数据调用模块、数据处理模块和结果发送模块;
数据分类模块对上传至云端的数据进行分类,数据写入模块将分类后的数据存入匹配率最高的数据服务集群;
计算上传至云端的数据的综合类别特征值,并且将计算得到的综合类别特征值与云端的不同数据服务集群的类别特征值进行匹配,得到匹配率最高的数据服务集群;将上传至云端的数据存储至与该数据匹配率最高的数据服务集群中;
响应于云端接收到决策请求,决策规则匹配模块依据决策请求的类别匹配决策规则;
分析决策请求的决策类别特征;通过公式计算得到决策类别特征与云端预先构建的每一个决策规则的特征值之间的相似度;其中,是决策类别特征与云端的第个决策规则的特征值之间的相似度,,, 从1取到 ,是云端预先构建的决策规则的数量;调用与决策类别特征相似度最高的决策规则;
数据调用模块依据决策请求的类别从所适配的数据服务集群中调用数据;
数据处理模块使用所匹配的决策规则对调用的数据进行处理,得到决策结果;
结果发送模块将得到的决策结果发送给用户,以响应其发送的决策请求。
5.根据权利要求4所述的基于大数据的决策***,其特征在于,将上传至云端的数据的所有特征数据集合在一起形成数据的特征数据集;通过数据的特征数据集和特征数据的权重计算得到该数据的综合类别特征值。
6.根据权利要求5所述的基于大数据的决策***,其特征在于,将云端的所有数据服务集群的类别特征值集合在一起形成数据服务集群类别特征值集;通过数据的综合类别特征值和数据服务集群类别特征值集计算得到与该数据匹配率最高的数据服务集群。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210919641.1A CN114969470B (zh) | 2022-08-02 | 2022-08-02 | 一种基于大数据的决策方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210919641.1A CN114969470B (zh) | 2022-08-02 | 2022-08-02 | 一种基于大数据的决策方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114969470A CN114969470A (zh) | 2022-08-30 |
CN114969470B true CN114969470B (zh) | 2022-09-30 |
Family
ID=82969513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210919641.1A Active CN114969470B (zh) | 2022-08-02 | 2022-08-02 | 一种基于大数据的决策方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114969470B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115174580B (zh) * | 2022-09-05 | 2023-01-17 | 睿至科技集团有限公司 | 一种基于大数据的数据处理方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109784736A (zh) * | 2019-01-21 | 2019-05-21 | 成都乐超人科技有限公司 | 一种基于大数据的分析决策*** |
CN110334155A (zh) * | 2019-07-09 | 2019-10-15 | 佛山市伏宸区块链科技有限公司 | 一种基于大数据整合的区块链威胁情报分析方法及*** |
CN110781250A (zh) * | 2019-10-23 | 2020-02-11 | 陕西华筑科技有限公司 | 一种基于大数据的bi决策管理***和方法 |
CN111435344A (zh) * | 2019-01-15 | 2020-07-21 | 中国石油集团川庆钻探工程有限公司长庆钻井总公司 | 一种基于大数据的钻井提速影响因素分析模型 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW202133089A (zh) * | 2020-02-20 | 2021-09-01 | 台灣財金科技股份有限公司 | 最佳化驅動決策之方法及其電腦程式產品 |
-
2022
- 2022-08-02 CN CN202210919641.1A patent/CN114969470B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111435344A (zh) * | 2019-01-15 | 2020-07-21 | 中国石油集团川庆钻探工程有限公司长庆钻井总公司 | 一种基于大数据的钻井提速影响因素分析模型 |
CN109784736A (zh) * | 2019-01-21 | 2019-05-21 | 成都乐超人科技有限公司 | 一种基于大数据的分析决策*** |
CN110334155A (zh) * | 2019-07-09 | 2019-10-15 | 佛山市伏宸区块链科技有限公司 | 一种基于大数据整合的区块链威胁情报分析方法及*** |
CN110781250A (zh) * | 2019-10-23 | 2020-02-11 | 陕西华筑科技有限公司 | 一种基于大数据的bi决策管理***和方法 |
Non-Patent Citations (1)
Title |
---|
基于大数据分析的作战智能决策支持***构建;胡志强,罗荣;《指挥信息***与技术》;20210402;第1-7页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114969470A (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8738467B2 (en) | Cluster-based scalable collaborative filtering | |
US11488225B2 (en) | Method, medium, and system for surfacing recommendations | |
US11651247B2 (en) | Method for verifying lack of bias of deep learning AI systems | |
WO2021239004A1 (zh) | 异常社群检测方法、装置、计算机设备及存储介质 | |
US20100169328A1 (en) | Systems and methods for making recommendations using model-based collaborative filtering with user communities and items collections | |
CN113468227B (zh) | 基于图神经网络的信息推荐方法、***、设备和存储介质 | |
WO2020233432A1 (zh) | 一种信息推荐方法及装置 | |
WO2021155691A1 (zh) | 用户画像生成方法、装置、存储介质及设备 | |
CN114969470B (zh) | 一种基于大数据的决策方法及*** | |
CN112231592A (zh) | 基于图的网络社团发现方法、装置、设备以及存储介质 | |
WO2023134496A1 (zh) | 对象推荐方法、装置、电子设备以及存储介质 | |
WO2023231542A1 (zh) | 表示信息的确定方法、装置、设备及存储介质 | |
CN115238815A (zh) | 异常交易数据获取方法、装置、设备、介质和程序产品 | |
CN113780321A (zh) | 图片审核方法、***、电子设备及计算机可读介质 | |
CN112668482A (zh) | 人脸识别训练方法、装置、计算机设备及存储介质 | |
WO2023024408A1 (zh) | 用户特征向量确定方法、相关设备及介质 | |
CN112132606A (zh) | 一种基于图注意力算法的动态调价方法及*** | |
US20200151200A1 (en) | Feature transformation and missing values | |
US20070239553A1 (en) | Collaborative filtering using cluster-based smoothing | |
US20090077079A1 (en) | Method for classifying interacting entities | |
CN110147481B (zh) | 媒体内容推送方法、装置及存储介质 | |
CN111209489B (zh) | 一种基于差异化资源分配的二部图推荐方法 | |
Balafar et al. | Active learning for constrained document clustering with uncertainty region | |
CN116319576A (zh) | 一种访问流量控制方法、装置、计算机设备及存储介质 | |
CN114863162A (zh) | 对象分类方法、深度学习模型的训练方法、装置和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |