[发明专利]基于区块链深度学习的数据热度统计方法

说明书

本申请公开了一种基于区块链深度学习的数据热度统计方法。该方法可以包括：获取指定地址的目标数据与目标数据的热度信息；确定目标数据的第一热度值，进而计算目标数据的热度预测值；依据第一热度值与热度预测值计算得到目标数据的目标热度值并统计，获得热度表。本发明同时考虑到了用户行为及未来持续热度的影响，提高了统计数据热度的准确性。

技术领域

本发明涉及数据热度的技术领域，更具体地，涉及一种基于区块链深度学习的数据热度统计方法。

背景技术

随着大数据的发展，数据的需求也越来越丰富，人们通过对数据的各种研究以将其最大利用化，其中数据的热度能直观体现数据的影响范围和重要性，目前的数据热度统计通常是通过统计访问次数来确定数据热度，并没有考虑到用户行为以及未来持续热度的影响，得到的热度数据不够精准。

因此，有必要开发一种基于区块链深度学习的数据热度统计方法。

公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

发明内容

本发明提出了一种基于区块链深度学习的数据热度统计方法，所述方法可以包括：

获取指定地址的目标数据与所述目标数据的热度信息；

确定所述目标数据的第一热度值，进而计算所述目标数据的热度预测值；

依据所述第一热度值与所述热度预测值计算得到所述目标数据的目标热度值并统计，获得热度表。

优选地，还包括：

判断所述目标热度值是否超过预设阈值；

若是，则将所述目标数据存储于预设的信息库，并计算所述信息库中所有数据的目标热度值，将所述信息库中所有数据按照对应的目标热度值的高低进行排序，并按排序好的顺序将数据的信息录入预设的热度表中，将目标热度值低于所述预设阈值的数据排除出所述热度表。

优选地，所述热度信息包括目标数据的数量、最早发布时间以及关联的用户行为数据。

优选地，通过公式(1)计算第一热度值：

其中，q为第一热度值，T_now为当前时间，T₀为目标数据的最早发布时间，k＞0，s为目标数据的数量，p为目标数据关联的用户行为数据，w₁、w₂分别表示目标数据的数量以及用户行为数据影响目标数据热度值的比重。

优选地，计算所述目标数据的热度预测值包括：

将所述热度信息输入至预设的预测模型进行计算，依据计算结果得到对应所述目标数据的热度预测值。

优选地，所述预测模型为基于热度信息数据训练深度网络模型而得的模型。

优选地，依据所述第一热度值与所述热度预测值计算得到所述目标数据的目标热度值包括：

对所述第一热度值以及所述热度预测值进行权重赋值，得到对应的权重；

依据所述权重对所述第一热度值以及所述热度预测值进行计算，得到所述目标热度值。

优选地，将所述目标数据存储于预设的信息库包括：

将所述目标数据输入至预设的分类模型中分类，得到所述目标数据的类型；

判断所述信息库中是否存在所述目标数据所对应的类型的存储区，所述信息库包括多个不同的存储区，每一存储区对应存储一个类型的数据；