一种数据中心构建的方法及系统技术方案

本申请提供的一种数据中心构建的方法及系统，将当前支付互动数据划分为多个数据种类，按照获取各种类的兴趣内容构建数据，基于各种类的兴趣内容构建数据构建当前支付互动数据的兴趣内容特征向量。在遍历到当前种类的时候，就可获取到当前种类的兴趣内容构建数据，相较于遍历完支付互动数据的种类才能获取到当前种类的兴趣内容构建数据的方式，能够提高获取当前种类的兴趣内容构建数据的实时性，降低获取当前种类的兴趣内容构建数据时所需要耗费的时间资源。在获取当前种类的兴趣内容构建数据时，综合考虑了已经获取到的种类的兴趣内容构建数据，能够提高获取到的当前种类的兴趣内容构建数据的准确性，进而提高对当前数据中心构建的的有效性。据中心构建的的有效性。据中心构建的的有效性。

【技术实现步骤摘要】
一种数据中心构建的方法及系统


[0001]本申请涉及数据处理
，具体而言，涉及一种数据中心构建的方法及系统。

技术介绍

[0002]在数据化时代中，相关支付数据量不断的累积，这样就可能导致相关支付数据堆积，从而无法进行及时的处理，这样就需要构建一个数据中心对相关支付数据进行及时的处理，能快速的东西的购买。然后，在构建相关支付数据技术中，还存在一些缺陷。

技术实现思路

[0003]鉴于此，本申请提供了一种数据中心构建的方法及系统。
[0004]第一方面，提供一种数据中心构建的方法，包括：
[0005]将当前支付互动数据划分为多个数据种类；
[0006]按照将每个所述种类作为当前种类，获取所述当前种类的兴趣内容构建数据，其中，获取所述当前种类的兴趣内容构建数据时用到了已经获取到的种类的兴趣内容构建数据；
[0007]基于所述兴趣内容构建数据构建所述当前支付互动数据的兴趣内容特征向量。
[0008]进一步地，所述兴趣内容构建数据包括兴趣内容构建加权系数，所述获取所述当前种类的兴趣内容构建数据，包括：
[0009]获取所述当前种类的兴趣内容特征向量和对应历史种类的兴趣内容特征向量；
[0010]基于所述兴趣内容特征向量获取所述当前种类与对应所述历史种类的兴趣内容误特征向量差量；
[0011]基于所述兴趣内容误特征向量差量获取所述当前种类的兴趣内容构建加权系数，所述兴趣内容误特征向量差量与所述兴趣内容构建加权系数比例。
[0012]进一步地，所述兴趣内容构建数据还包括兴趣内容构建特征向量，所述获取所述当前种类的兴趣内容构建数据，包括：
[0013]基于所述当前种类的兴趣内容构建加权系数和对应的所述兴趣内容误特征向量差量，获取所述当前种类的兴趣内容构建特征向量；
[0014]所述基于所述兴趣内容构建数据构建所述当前支付互动数据的兴趣内容特征向量，包括：基于所述兴趣内容构建特征向量构建所述当前支付互动数据的兴趣内容特征向量；
[0015]其中，所述基于所述当前种类的兴趣内容构建加权系数和对应的所述兴趣内容误特征向量差量，获取所述当前种类的兴趣内容构建特征向量，包括：
[0016]基于所述当前种类的兴趣内容构建加权系数和所述已经获取到的种类的兴趣内容构建加权系数，对所述当前种类的兴趣内容误特征向量差量和所述已经获取到的种类的兴趣内容误特征向量差量进行加权平均，得到所述当前种类的兴趣内容构建特征向量；
[0017]其中，在所述基于所述兴趣内容构建特征向量构建所述当前支付互动数据的兴趣
内容特征向量之前，还包括：
[0018]将所述当前种类的兴趣内容构建特征向量转换为所述当前种类所在行的最后一个种类的所述兴趣内容构建特征向量；
[0019]其中，所述基于所述兴趣内容构建特征向量构建所述当前支付互动数据的兴趣内容特征向量，包括：
[0020]对所述当前支付互动数据的兴趣内容构建特征向量进行特征提取处理，得到所述当前支付互动数据最终的兴趣内容构建特征向量，其中，所述当前支付互动数据的兴趣内容构建特征向量由所述当前支付互动数据中每个所述种类的兴趣内容构建特征向量组成；
[0021]基于所述当前支付互动数据最终的兴趣内容构建特征向量构建所述当前支付互动数据的兴趣内容特征向量。
[0022]进一步地，所述基于所述兴趣内容特征向量获取所述当前种类与对应所述历史种类的兴趣内容误特征向量差量，包括：
[0023]获取所述当前种类的兴趣内容特征向量和对应所述历史种类的兴趣内容特征向量的比较特征向量；
[0024]获取所述比较特征向量与1的特征向量差量的相对特征向量，并将所述相对特征向量作为所述当前种类与对应所述历史种类的兴趣内容误特征向量差量；
[0025]所述基于所述当前支付互动数据最终的兴趣内容构建特征向量构建所述当前支付互动数据的兴趣内容特征向量，包括：将所述各支付关键内容的兴趣内容特征向量与所述最终的兴趣内容构建特征向量对应相乘，得到构建结果。
[0026]进一步地，所述基于所述兴趣内容特征向量获取所述当前种类与对应所述历史种类的兴趣内容误特征向量差量，包括：
[0027]获取所述当前种类的兴趣内容特征向量与对应所述历史种类的兴趣内容特征向量之间的特征向量差量，并将所述特征向量差量的相对特征向量作为所述当前种类与对应所述历史种类的兴趣内容误特征向量差量；
[0028]所述基于所述当前支付互动数据最终的兴趣内容构建特征向量构建所述当前支付互动数据的兴趣内容特征向量，包括：将所述各支付关键内容的兴趣内容特征向量与所述最终的兴趣内容构建特征向量对应相加，得到构建结果。
[0029]第二方面，提供一种数据中心构建的系统，包括数据采集端和数据处理终端，所述数据采集端和所述数据处理终端通信连接，所述数据处理终端具体用于：
[0030]将当前支付互动数据划分为多个数据种类；
[0031]按照将每个所述种类作为当前种类，获取所述当前种类的兴趣内容构建数据，其中，获取所述当前种类的兴趣内容构建数据时用到了已经获取到的种类的兴趣内容构建数据；
[0032]基于所述兴趣内容构建数据构建所述当前支付互动数据的兴趣内容特征向量。
[0033]进一步地，所述数据处理终端具体用于：
[0034]获取所述当前种类的兴趣内容特征向量和对应历史种类的兴趣内容特征向量；
[0035]基于所述兴趣内容特征向量获取所述当前种类与对应所述历史种类的兴趣内容误特征向量差量；
[0036]基于所述兴趣内容误特征向量差量获取所述当前种类的兴趣内容构建加权系数，
所述兴趣内容误特征向量差量与所述兴趣内容构建加权系数比例。
[0037]进一步地，所述数据处理终端具体用于：
[0038]基于所述当前种类的兴趣内容构建加权系数和对应的所述兴趣内容误特征向量差量，获取所述当前种类的兴趣内容构建特征向量；
[0039]所述基于所述兴趣内容构建数据构建所述当前支付互动数据的兴趣内容特征向量，包括：基于所述兴趣内容构建特征向量构建所述当前支付互动数据的兴趣内容特征向量；
[0040]其中，所述数据处理终端具体用于：
[0041]基于所述当前种类的兴趣内容构建加权系数和所述已经获取到的种类的兴趣内容构建加权系数，对所述当前种类的兴趣内容误特征向量差量和所述已经获取到的种类的兴趣内容误特征向量差量进行加权平均，得到所述当前种类的兴趣内容构建特征向量；
[0042]其中，所述数据处理终端具体还用于：
[0043]将所述当前种类的兴趣内容构建特征向量转换为所述当前种类所在行的最后一个种类的所述兴趣内容构建特征向量；
[0044]其中，所述数据处理终端具体用于：
[0045]对所述当前支付互动数据的兴趣内容构建特征向量进行特征提取处理，得到所述当前支付互动数据最终的兴趣内容构建特征向量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据中心构建的方法，其特征在于，包括：将当前支付互动数据划分为多个数据种类；按照将每个所述种类作为当前种类，获取所述当前种类的兴趣内容构建数据，其中，获取所述当前种类的兴趣内容构建数据时用到了已经获取到的种类的兴趣内容构建数据；基于所述兴趣内容构建数据构建所述当前支付互动数据的兴趣内容特征向量。2.根据权利要求1所述的方法，其特征在于，所述兴趣内容构建数据包括兴趣内容构建加权系数，所述获取所述当前种类的兴趣内容构建数据，包括：获取所述当前种类的兴趣内容特征向量和对应历史种类的兴趣内容特征向量；基于所述兴趣内容特征向量获取所述当前种类与对应所述历史种类的兴趣内容误特征向量差量；基于所述兴趣内容误特征向量差量获取所述当前种类的兴趣内容构建加权系数，所述兴趣内容误特征向量差量与所述兴趣内容构建加权系数比例。3.根据权利要求2所述的方法，其特征在于，所述兴趣内容构建数据还包括兴趣内容构建特征向量，所述获取所述当前种类的兴趣内容构建数据，包括：基于所述当前种类的兴趣内容构建加权系数和对应的所述兴趣内容误特征向量差量，获取所述当前种类的兴趣内容构建特征向量；所述基于所述兴趣内容构建数据构建所述当前支付互动数据的兴趣内容特征向量，包括：基于所述兴趣内容构建特征向量构建所述当前支付互动数据的兴趣内容特征向量；其中，所述基于所述当前种类的兴趣内容构建加权系数和对应的所述兴趣内容误特征向量差量，获取所述当前种类的兴趣内容构建特征向量，包括：基于所述当前种类的兴趣内容构建加权系数和所述已经获取到的种类的兴趣内容构建加权系数，对所述当前种类的兴趣内容误特征向量差量和所述已经获取到的种类的兴趣内容误特征向量差量进行加权平均，得到所述当前种类的兴趣内容构建特征向量；其中，在所述基于所述兴趣内容构建特征向量构建所述当前支付互动数据的兴趣内容特征向量之前，还包括：将所述当前种类的兴趣内容构建特征向量转换为所述当前种类所在行的最后一个种类的所述兴趣内容构建特征向量；其中，所述基于所述兴趣内容构建特征向量构建所述当前支付互动数据的兴趣内容特征向量，包括：对所述当前支付互动数据的兴趣内容构建特征向量进行特征提取处理，得到所述当前支付互动数据最终的兴趣内容构建特征向量，其中，所述当前支付互动数据的兴趣内容构建特征向量由所述当前支付互动数据中每个所述种类的兴趣内容构建特征向量组成；基于所述当前支付互动数据最终的兴趣内容构建特征向量构建所述当前支付互动数据的兴趣内容特征向量。4.根据权利要求3所述的方法，其特征在于，所述基于所述兴趣内容特征向量获取所述当前种类与对应所述历史种类的兴趣内容误特征向量差量，包括：获取所述当前种类的兴趣内容特征向量和对应所述历史种类的兴趣内容特征向量的比较特征向量；获取所述比较特征向量与1的特征向量差量的相对特征向量，并将所述相对特征向量
作为所述当前种类与对应所述历史种类的兴趣内容误特征向量差量；所述基于所述当前支付互动数据最终的兴趣内容构建特征向量构建所述当前支付互动数据的兴趣内容特征向量，包括：将所述各支付关键内容的兴趣内容特征向量与所述最终的兴趣内容构建特征向量对应相乘，得到构建结果。5.根据权利要求3所述的方法，其特征在于，所述基于所述兴趣内容特征向量获取所述当前种类与对应所述历史种类的兴趣内容误特征向量差量，包括：获取所述当前种类的兴趣内容特征向量与对应所述历史种类的兴趣内容特征向量之间的特征向量差量，并将所述特征向量差量的相对特征向量作为所述当前种类与对应所述历史种类的兴趣内容误特征向量差量；所述基于...

【专利技术属性】
技术研发人员：张军，
申请(专利权)人：上海德衡数据科技有限公司，
类型：发明
国别省市：