[发明专利]云服务推荐方法及装置

权利要求书

1.一种云服务推荐方法，其特征在于，包括：

将当前用户信息输入训练好的第一深度学习模型，以根据所述第一深度学习模型，从由历史订单的各服务资源形成的频繁项集合中，确定与所述当前用户信息相匹配的至少一个目标资源频繁项；

将各目标资源频繁项输入训练好的第二深度学习模型，确定各所述目标资源频繁项的服务受理时长；

根据各所述目标资源频繁项的服务受理时长，获取服务受理时长最小的所述目标资源频繁项进行服务推荐；

其中，所述第一深度学习模型由所述历史订单中的各历史客户信息以及所述频繁项集合训练得到，所述频繁项集合包括多个资源频繁项，所述资源频繁项包括多个所述服务资源；

所述第二深度学习模型由各所述历史客户信息、所述频繁项集合以及所述历史订单的各服务资源的服务受理时长训练得到。

2.根据权利要求1所述的云服务推荐方法，其特征在于，还包括：

根据Apriori算法，对历史订单中的各所述服务资源的资源种类进行频繁项提取，获取各种类频繁项；

根据各所述种类频繁项，从所述历史订单中，提取与各所述种类频繁项对应的各资源型号组合集；

根据各资源型号组合集中目标资源型号组合集的任一资源型号组合，在各所述资源型号组合集中的出现频率，从所述目标资源型号组合集中提取出现频率大于预设阈值的资源型号频繁项；

根据所述型号频繁项，以及与所述目标资源型号组合集对应的种类频繁项，确定所述资源频繁项；

根据所述资源频繁项集合以及各历史客户信息建立所述第一深度学习模型进行训练；

其中，所述资源型号组合中包括多个所述资源型号。

3.根据权利要求2所述的云服务推荐方法，其特征在于，所述资源种类包括存储、内存、CPU中的至少一种。

4.根据权利要求1所述的云服务推荐方法，其特征在于，还包括：

将各所述目标资源频繁项的服务受理时长，推送至与所述当前用户信息对应的用户终端。

5.根据权利要求1-4任意一项所述的云服务推荐方法，其特征在于，所述资源频繁项在所述历史订单中的出现频次大于预设频次。

6.根据权利要求1-4任意一项所述的云服务推荐方法，其特征在于，所述资源频繁项中至少包括一组耦合资源；

所述耦合资源为开展云服务资源入驻申请时，须同时申请的服务资源。

7.根据权利要求1-4任意一项所述的云服务推荐方法，其特征在于，所述资源频繁项中各所述服务资源之间的资源种类不同。

8.一种云服务推荐装置，包括：

频繁项确定模块，用于将当前用户信息输入训练好的第一深度学习模型，以根据所述第一深度学习模型，从由历史订单的各服务资源形成的频繁项集合中，确定与所述当前用户信息相匹配的至少一个目标资源频繁项；

时长确定模块，用于将各目标资源频繁项输入训练好的第二深度学习模型，确定各所述目标资源频繁项的服务受理时长；

服务推荐模块，用于根据各所述目标资源频繁项的服务受理时长，获取服务受理时长最小的所述目标资源频繁项进行服务推荐；

其中，所述第一深度学习模型由所述历史订单中的各历史客户信息以及所述频繁项集合训练得到，所述频繁项集合包括多个资源频繁项，所述资源频繁项包括多个所述服务资源；

所述第二深度学习模型由各所述历史客户信息、所述频繁项集合以及所述历史订单的各服务资源的服务受理时长训练得到。

9.一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的云服务推荐方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的云服务推荐方法的步骤。