[发明专利]跨数据信息知识模态的面向本质计算的差分内容推荐方法

说明书

本发明提供一种跨数据信息知识模态的面向本质计算的差分内容推荐方法，该方法包括以下步骤：S1、获取目标用户基本信息，连接存储有目标用户隐私信息的数据库；S2、根据数据库公开统计内容构造查询函数查询目标用户个人信息数据表，获取数据资源和信息资源；S3、对数据资源和信息资源进行分析获得新信息资源，根据目标用户的新信息资源匹配推送内容并向目标用户进行推送。本发明能够在隐私数据库公开数据不完全的情况下实现差分内容推送，提高推送内容的准确率。

技术领域

本发明涉及内容推荐技术领域，尤其涉及一种跨数据信息知识模态的面向本质计算的差分内容推荐方法。

背景技术

数据库是长期存储在计算机内、有组织的、可共享的数据集合，是数据资源的重要组成部分，对其中存在的数据可由统一软件进行增、删、改、查等管理和控制行为。数据库由多个数据集构成。数据集是一种由数据所组成的集合，是数据资源的重要组成部分，通常以表格形式出现，每一列代表一个特定变量，表示不同属性，每一行都代表某一成员对应于不同特定变量的值，表格中的每一个值都属于数据资源，若对表格中的内容进行对应理解，即对表格内容所在的行与列进行关联分析，能够表达丰富的语义，描述出现实世界的实体以及实体的不同属性值，此时数据资源转化成为信息资源。对应于行数，数据集的数据可能包括一个或多个成员。当一个受信任机构作为数据持有方持有多个用户的敏感个人信息数据集，例如医疗记录、购买记录、通话记录等，为了保护隐私，数据持有方规定第三方无法直接获取数据表上的数据资源，第三方只能通过数据库提供的查询算法获取一些全局性统计数据，使得数据查询的准确性最大化，同时减少识别数据表上具体记录的机会，目前的推荐系统难以基于此类数据库对用户进行需求分析从而进行内容推荐，导致推荐准确率较低。

发明内容

本发明的目的在于提供一种跨数据信息知识模态的面向本质计算的差分内容推荐方法，以克服或至少部分解决现有技术所存在的上述问题。

一种跨数据信息知识模态的面向本质计算的差分内容推荐方法，包括以下步骤：

S1、获取目标用户基本信息，连接存储有目标用户隐私信息的数据库；

S2、根据数据库公开统计内容构造查询函数查询目标用户个人信息数据表，获取数据资源和信息资源；

S3、对数据资源和信息资源进行分析获得新信息资源，根据目标用户的新信息资源匹配推送内容并向目标用户进行推送。

进一步的，所述步骤S2具体包括：

S21、获取数据库所提供查询函数和限制规则信息，所述查询函数包括Q1(i,j)、Q2{(i₁,j₁),(i₂,j₂),...}、Q3(i,j)和Q4{j,“Value₁”,“Value₂”,...,“Value_m”}，Q1(i,j)用于查询用户个人信息数据表中第j列前i行的部分总和；Q2{(i₁,j₁),(i₂,j₂),...}用于查询用户个人信息数据表中第i行第j列的部分总和；Q3(i,j)用于查询用户个人信息数据表中与第i行第j列的属性值相同的记录总数；Q4用于查询用户个人信息数据表j列中与指定属性值相同的记录总数，若指定属性值有多个则顺序输出与各个指定属性值对应的记录总数；所述限制规则信息用于描述相应推送方式的查询限制；

S22、根据查询函数、限制规则信息和已知数据存储位置信息，设置查询函数参数并发送至数据库进行查询；

S23、根据查询结果获取数据资源和信息资源。

进一步的，当数据库所提供查询函数为Q1(i,j)时，所述步骤S22具体包括：

判断所查询数据是否为布尔型，若为布尔型则判断已知数据存储位置信息；