【技术实现步骤摘要】
本申请涉及数据处理，具体涉及一种数据资源推荐匹配方法、装置、设备及存储介质。
技术介绍
1、在数字化时代，数据已成为企业和个人决策不可或缺的重要资源。随着信息技术的迅猛发展，数据量呈现出爆炸式的增长态势，无论是企业还是个人，每天都要面对海量的信息。这种情况下，如何从庞大的数据海洋中快速、准确地找到符合特定需求的数据资源，成为了当前亟待解决的关键问题之一。对于企业而言，高效的资源获取能力直接影响着决策的速度和质量；而对于个人用户来说，能否迅速找到所需信息则直接关系到生活和工作的便捷程度。
2、然而，传统的数据搜索和推荐方法往往依赖于关键词匹配或简单的分类过滤技术，这些方法虽然在一定程度上可以满足基本的搜索需求，但在实际应用中却暴露出诸多局限性。例如，推荐精度不高，难以满足用户的个性化需求；用户体验不佳，搜索结果与用户真实需求可能存在较大偏差。更为重要的是，单一的数据模型由于其自身的局限性，可能无法全面捕捉用户需求和数据资源的复杂特征，这进一步导致了推荐结果的不理想。
技术实现思路
1、鉴于以上所述现有技术的缺点，本专利技术提供一种数据资源推荐匹配方法、装置、设备及存储介质，以解决上述技术问题。
2、本专利技术提供一种数据资源推荐匹配方法，所述方法包括：获取数据资源和用户的目标需求；基于至少两种预设的数据模型，分别对目标需求和数据资源进行特征提取得到需求特征和资源特征；根据需求特征和数据资源特征，对目标需求和数据资源进行匹配，以生成多个数据资源推荐列表；对不同数
3、于本专利技术的一实施例中，所述预设的数据模型包括第一数据模型、第二数据模型、第三数据模型中的至少两种，其中，第一数据模型，用于从目标需求和数据资源中提取技术热词，并通过将数据资源的技术热词和目标需求的技术热词相匹配，生成与目标需求相对应的热词数据资源推荐列表；第二数据模型，用于根据预设的领域划分规则确定目标需求的所属的目标
，并基于所述目标
的影响力列表，生成与目标需求相匹配的领域数据资源推荐列表；第三数据模型，用于将目标需求和数据资源的描述信息转换为语义向量，并通过计算目标需求的语义向量与数据资源的语义向量的相似度，生成与目标需求相匹配的语义数据资源推荐列表。
4、于本专利技术的一实施例中，生成与目标需求相对应的热词数据资源推荐列表，包括：分别提取所述目标需求和所述数据资源的关键词，以得到目标技术热词和数据资源技术热词；计算所述目标技术热词和所述数据资源技术热词之间的热词相似度；将所述热词相似度大于预设热词相似度阈值的数据资源，确定为第一候选数据资源，并基于所述第一候选数据资源的热词相似度排序生成热词数据资源推荐列表。
5、于本专利技术的一实施例中，生成与目标需求相匹配的领域数据资源推荐列表，包括：基于预设的
划分规则，将数据资源划分为多个不同的
，并确定所述目标需求所属的目标
；识别各项数据资源在其所属的
的影响力，并生成影响力列表；从所述目标
的影响力列表中选择前预设项数的数据资源，作为候选数据资源，并基于所述候选数据资源的影响力排序生成
数据资源推荐列表。
6、于本专利技术的一实施例中，生成与目标需求相匹配的语义数据资源推荐列表，包括：获取所述目标需求和所述数据资源的描述信息，并对所述描述信息进行数据预处理，所述数据预处理至少包括文本清洗、分词、去除停用词；将所述目标需求和数据资源的描述信息，分别转换为目标语义向量和数据资源语义向量；计算所述目标语义向量和所述数据资源语义向量之间的向量相似度；将所述向量相似度大于预设向量相似度阈值的数据资源，确定为第三候选数据资源，并基于所述第三候选数据资源的向量相似度排序生成语义数据资源推荐列表。
7、于本专利技术的一实施例中，对不同数据模型生成的多个数据资源推荐列表进行合并处理以得到综合推荐列表，包括：获取综合推荐列表的候选数据资源总项数；分别从各数据资源推荐列表中选择相同项数的候选数据资源，或，基于预设的模型权重分别从各数据资源推荐列表中选择候选数据资源；对选择后得到的候选数据资源进行去重处理，以基于去重处理后的候选数据资源生成综合推荐列表，各数据资源推荐列表中选择数据资源项数的总和与所述候选数据资源总项数相等。
8、于本专利技术的一实施例中，对不同数据模型生成的多个数据资源推荐列表进行合并处理以得到综合推荐列表，还包括：将来自不同数据资源推荐列表中的候选数据资源进行组合；或，以任一数据资源推荐列表中的候选数据资源数量为基准，根据预设的模型权重调整其他数据模型生成的候选数据资源数量，从各数据资源推荐列表中选取相应数量的候选数据资源并组合；将组合后得到的候选数据资源进行去重处理，以基于去重处理后的候选数据资源生成综合推荐列表。
9、本申请提供一种数据资源推荐匹配装置，所述装置包括：数据采集模块，获取数据资源和用户的目标需求；推荐列表生成模块，用于基于至少两种预设的数据模型，分别对目标需求和数据资源进行特征提取得到需求特征和资源特征；根据需求特征和数据资源特征，对目标需求和数据资源进行匹配，以生成多个数据资源推荐列表；推荐信息整合模块，用于对不同数据模型生成的多个数据资源推荐列表进行合并处理，以得到综合推荐列表，以基于所述综合推荐列表向用户推荐数据资源。
10、本申请提供一种电子设备，其特征在于，包括处理器、存储器和通信总线；所述通信总线用于将所述处理器和存储器连接；所述处理器用于执行所述存储器中存储的计算机程序，以实现如上所述的数据资源推荐匹配方法。
11、本申请提供一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序用于使计算机执行如上所述的数据资源推荐匹配方法。
12、本专利技术的有益效果：本专利技术中的数据资源推荐匹配方法，通过获取数据资源和用户的目标需求，利用至少两种预设的数据模型对需求和数据资源进行深入分析，提取出各自的关键特征，形成需求特征信息和资源特征信息，确保了从多个角度全面理解和捕捉用户需求以及数据资源的特性，避免了单一模型带来的局限性。基于提取到的特征信息生成多个数据资源推荐列表，每个列表都是基于不同模型的分析结果，而后对这些不同的推荐列表进行整合处理，最终产生一个综合推荐列表，向用户推荐最符合其需求的数据资源，不仅提高了推荐的准确性和多样性，还增强了系统的灵活性和适应性，能够更好地满足不同用户在不同场景下的个性化需求。
13、此外，本专利技术通过多模型融合的方式，有效解决了传统推荐方法中存在的推荐精度不高、用户体验不佳等问题，为用户提供更加精准、高效的数据资源推荐服务，从而大幅提升了用户满意度和资源利用效率。
14、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
本文档来自技高网...【技术保护点】
1.一种数据资源推荐匹配方法，其特征在于，所述方法包括：
2.根据权利要求1所述的数据资源推荐匹配方法，其特征在于，所述预设的数据模型包括第一数据模型、第二数据模型、第三数据模型中的至少两种，其中，
3.根据权利要求2所述的数据资源推荐匹配方法，其特征在于，生成与目标需求相对应的热词数据资源推荐列表，包括：
4.根据权利要求2所述的数据资源推荐匹配方法，其特征在于，生成与目标需求相匹配的领域数据资源推荐列表，包括：
5.根据权利要求2所述的数据资源推荐匹配方法，其特征在于，生成与目标需求相匹配的语义数据资源推荐列表，包括：
6.根据权利要求1-5任一项所述的数据资源推荐匹配方法，其特征在于，对不同数据模型生成的多个数据资源推荐列表进行合并处理以得到综合推荐列表，包括：
7.根据权利要求1-5任一项所述的数据资源推荐匹配方法，其特征在于，对不同数据模型生成的多个数据资源推荐列表进行合并处理以得到综合推荐列表，还包括：
8.一种数据资源推荐匹配装置，其特征在于，所述装置包括：
9.一种电子
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序用于使计算机执行如权利要求1-7任一项所述的数据资源推荐匹配方法。
...【技术特征摘要】
1.一种数据资源推荐匹配方法，其特征在于，所述方法包括：
2.根据权利要求1所述的数据资源推荐匹配方法，其特征在于，所述预设的数据模型包括第一数据模型、第二数据模型、第三数据模型中的至少两种，其中，
3.根据权利要求2所述的数据资源推荐匹配方法，其特征在于，生成与目标需求相对应的热词数据资源推荐列表，包括：
4.根据权利要求2所述的数据资源推荐匹配方法，其特征在于，生成与目标需求相匹配的领域数据资源推荐列表，包括：
5.根据权利要求2所述的数据资源推荐匹配方法，其特征在于，生成与目标需求相匹配的语义数据资源推荐列表，包括：
6.根据权利要求1-5任一项所述的数据资源推荐匹配方法，其特征在于，对不同数据模型生...
【专利技术属性】
技术研发人员：周江，徐灿，陈星植，汤槟，丁向东，韦祎，孙小东，彭燕华，
申请(专利权)人：中冶赛迪信息技术重庆有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。