本發(fā)明涉及氣象數(shù)據(jù)匹配，尤其涉及一種氣象數(shù)據(jù)推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、氣象數(shù)據(jù)智能服務(wù)是指通過(guò)人工智能技術(shù)對(duì)氣象數(shù)據(jù)進(jìn)行智能處理和分析，從而提供更加精準(zhǔn)、高效、個(gè)性化的氣象服務(wù)。未來(lái)的氣象數(shù)據(jù)智能服務(wù)將會(huì)更加注重用戶(hù)體驗(yàn)和服務(wù)質(zhì)量，從而提高用戶(hù)滿(mǎn)意度。

2、然而，傳統(tǒng)的氣象數(shù)據(jù)查詢(xún)方式存在著查詢(xún)效率低下、用戶(hù)體驗(yàn)差等問(wèn)題。大數(shù)據(jù)云平臺(tái)的興起，為氣象數(shù)據(jù)的智能服務(wù)提供了可能。

3、如何快速響應(yīng)這些需求，提高氣象數(shù)據(jù)在業(yè)務(wù)應(yīng)用場(chǎng)景的高效、準(zhǔn)確、快速使用，成為亟待解決的問(wèn)題。

4、基于此，需要開(kāi)發(fā)設(shè)計(jì)出一種氣象數(shù)據(jù)推薦方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明實(shí)施方式提供了一種氣象數(shù)據(jù)推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，用于解決現(xiàn)有技術(shù)中基于語(yǔ)句的氣象數(shù)據(jù)查詢(xún)準(zhǔn)確度較差的問(wèn)題。

2、第一方面，本發(fā)明實(shí)施方式提供了一種氣象數(shù)據(jù)推薦方法，包括：

3、獲取數(shù)據(jù)查詢(xún)語(yǔ)句；

4、對(duì)所述數(shù)據(jù)查詢(xún)語(yǔ)句進(jìn)行分詞路徑分析以及分詞概率分析，獲得多個(gè)第一分詞；

5、將所述多個(gè)第一分詞依次輸入到語(yǔ)句分析模型中，獲得語(yǔ)句特征向量，其中，所述語(yǔ)句分析模型基于多個(gè)分詞樣本集構(gòu)建；

6、根據(jù)所述語(yǔ)句特征向量對(duì)數(shù)據(jù)庫(kù)的氣象數(shù)據(jù)進(jìn)行匹配，根據(jù)匹配結(jié)果對(duì)氣象數(shù)據(jù)進(jìn)行推薦。

7、在一種可能實(shí)現(xiàn)的方式中，所述對(duì)所述數(shù)據(jù)查詢(xún)語(yǔ)句進(jìn)行分詞路徑分析以及分詞概率分析，獲得多個(gè)第一分詞，包括：

8、獲取第一分詞隊(duì)列；

9、從所述數(shù)據(jù)查詢(xún)語(yǔ)句的第一位置提取第一數(shù)量的文字，作為待處理分詞；

10、根據(jù)詞庫(kù)對(duì)所述待處理分詞進(jìn)行匹配；

11、若匹配成功，則基于所述第一分詞隊(duì)列新建分詞隊(duì)列，并將所述待處理分詞加入新建的分詞隊(duì)列；

12、若所述第一數(shù)量的文字未達(dá)到文字上限，則對(duì)所述第一數(shù)量遞增，并跳轉(zhuǎn)至所述從所述數(shù)據(jù)查詢(xún)語(yǔ)句的第一位置提取第一數(shù)量的文字，作為待處理分詞的步驟；

13、若所述第一數(shù)量的文字達(dá)到文字上限時(shí)，未基于第一分詞隊(duì)列新建出分詞隊(duì)列，則刪除第一分詞隊(duì)列；

14、否則，將獲得的多個(gè)新建分詞隊(duì)列作為多個(gè)第一分詞隊(duì)列；

15、對(duì)于未完成對(duì)所述數(shù)據(jù)查詢(xún)語(yǔ)句遍歷分詞的第一分詞隊(duì)列，根據(jù)所述第一分詞隊(duì)列列尾分詞的詞尾調(diào)整所述第一位置，初始化所述第一數(shù)量，并跳轉(zhuǎn)至所述從所述數(shù)據(jù)查詢(xún)語(yǔ)句的第一位置提取第一數(shù)量的文字，作為待處理分詞的步驟；

16、若所有第一分詞隊(duì)列均完成對(duì)所述數(shù)據(jù)查詢(xún)語(yǔ)句遍歷分詞時(shí)，則通過(guò)分詞概率分析從多個(gè)第一分詞隊(duì)列中選出目標(biāo)分詞隊(duì)列；

17、將所述目標(biāo)分詞隊(duì)列的多個(gè)分詞作為所述多個(gè)第一分詞。

18、在一種可能實(shí)現(xiàn)的方式中，所述通過(guò)分詞概率分析從多個(gè)第一分詞隊(duì)列中選出目標(biāo)分詞隊(duì)列，包括：

19、從所述多個(gè)第一分詞隊(duì)列中，選出分詞最少的多個(gè)分詞隊(duì)列作為多個(gè)備選隊(duì)列；

20、根據(jù)第一公式計(jì)算每個(gè)備選隊(duì)列的概率系數(shù)，從而獲得多個(gè)概率系數(shù)，其中，所述第一公式為：

21、

22、式中，為備選隊(duì)列的概率系數(shù)，為備選隊(duì)列中元素的總數(shù)量，為備選隊(duì)列的第個(gè)元素；

23、根據(jù)所述多個(gè)概率系數(shù)，從多個(gè)第一分詞隊(duì)列中選出目標(biāo)分詞隊(duì)列。

24、在一種可能實(shí)現(xiàn)的方式中，所述語(yǔ)句分析模型的構(gòu)建過(guò)程包括：

25、獲取基本關(guān)系模型、多個(gè)系數(shù)數(shù)組以及多個(gè)分詞樣本集，其中，分詞樣本集包括樣本分詞隊(duì)列以及樣本氣象數(shù)據(jù)，所述基本關(guān)系模型包括多個(gè)待定系數(shù)，系數(shù)數(shù)組中數(shù)據(jù)的數(shù)量與所述基本關(guān)系模型中待定系數(shù)的數(shù)量相同；

26、將所述多個(gè)系數(shù)數(shù)組分別代入所述基本關(guān)系模型中，獲得多個(gè)第一模型；

27、依次從所述多個(gè)分詞樣本集中提取樣本集，作為待處理樣本集；

28、將所述待處理樣本集的樣本分詞隊(duì)列分別輸入到每個(gè)第一模型中，獲得多個(gè)第一語(yǔ)句特征向量，其中，每個(gè)第一語(yǔ)句特征向量對(duì)應(yīng)一個(gè)第一模型；

29、根據(jù)第一語(yǔ)句特征向量計(jì)算每個(gè)第一模型的適應(yīng)度，并將獲得的第一適應(yīng)度值加入對(duì)應(yīng)的第一模型的適應(yīng)度隊(duì)列；

30、根據(jù)適應(yīng)度隊(duì)列判斷所述多個(gè)第一模型中是否存在滿(mǎn)足目標(biāo)的模型；

31、若存在滿(mǎn)足目標(biāo)的模型，則將滿(mǎn)足目標(biāo)的模型作為所述語(yǔ)句分析模型；

32、否則，根據(jù)多個(gè)第一適應(yīng)度以及適應(yīng)度隊(duì)列，調(diào)整每個(gè)系數(shù)數(shù)組，并跳轉(zhuǎn)至所述將所述多個(gè)系數(shù)數(shù)組分別代入所述基本關(guān)系模型中，獲得多個(gè)第一模型的步驟。

33、在一種可能實(shí)現(xiàn)的方式中，所述基本關(guān)系模型為：

34、

35、式中，為語(yǔ)句特征向量的第個(gè)元素，為中間節(jié)點(diǎn)的總行數(shù)，為第個(gè)輸出節(jié)點(diǎn)的第個(gè)系數(shù)，為第行第列節(jié)點(diǎn)的第個(gè)系數(shù)，為第行第列中間節(jié)點(diǎn)的輸出，為輸入的第個(gè)輸入變量，為輸入變量的總數(shù)量，為中間節(jié)點(diǎn)的總列數(shù)，為自然常數(shù)，為偏置系數(shù)，為饋入節(jié)點(diǎn)所在的列數(shù)，為語(yǔ)句特征向量元素的總數(shù)量。

36、在一種可能實(shí)現(xiàn)的方式中，所述根據(jù)第一語(yǔ)句特征向量計(jì)算每個(gè)第一模型的適應(yīng)度，包括：

37、對(duì)于每個(gè)第一模型，分別執(zhí)行如下步驟：

38、獲取多個(gè)第一屬性向量，其中，每個(gè)屬性向量對(duì)應(yīng)一個(gè)樣本氣象數(shù)據(jù)，第一屬性向量表征樣本氣象數(shù)據(jù)的多個(gè)維度屬性；

39、分別計(jì)算所述第一語(yǔ)句特征向量與每個(gè)第一屬性向量向量的點(diǎn)積，獲得多個(gè)第一點(diǎn)積結(jié)果；

40、根據(jù)所述多個(gè)第一點(diǎn)積結(jié)果對(duì)多個(gè)樣本氣象數(shù)據(jù)進(jìn)行排序；

41、將參照樣本氣象數(shù)據(jù)在所述多個(gè)樣本氣象數(shù)據(jù)中位次與所述多個(gè)樣本氣象數(shù)據(jù)總數(shù)量的比值，作為第一模型的適應(yīng)度，其中，所述參照樣本氣象數(shù)據(jù)為待處理樣本集中的樣本氣象數(shù)據(jù)。

42、在一種可能實(shí)現(xiàn)的方式中，所述根據(jù)所述語(yǔ)句特征向量對(duì)數(shù)據(jù)庫(kù)的氣象數(shù)據(jù)進(jìn)行匹配，根據(jù)匹配結(jié)果對(duì)氣象數(shù)據(jù)進(jìn)行推薦，包括：

43、根據(jù)數(shù)據(jù)庫(kù)中每個(gè)氣象數(shù)據(jù)的多個(gè)屬性構(gòu)建第二屬性向量，從而獲得多個(gè)第二屬性向量；

44、分別計(jì)算所述語(yǔ)句特征向量與每個(gè)第二屬性向量向量的點(diǎn)積，獲得多個(gè)第二點(diǎn)積結(jié)果；

45、根據(jù)所述多個(gè)第二點(diǎn)積結(jié)果對(duì)多個(gè)氣象數(shù)據(jù)進(jìn)行排序；

46、根據(jù)氣象數(shù)據(jù)排序?qū)庀髷?shù)據(jù)進(jìn)行推薦。

47、第二方面，本發(fā)明實(shí)施方式提供了一種氣象數(shù)據(jù)推薦裝置，用于實(shí)現(xiàn)如上第一方面或第一方面的任一種可能的實(shí)現(xiàn)方式所述的氣象數(shù)據(jù)推薦方法，所述氣象數(shù)據(jù)推薦裝置包括：

48、查詢(xún)語(yǔ)句獲取模塊，用于獲取數(shù)據(jù)查詢(xún)語(yǔ)句；

49、分詞模塊，用于對(duì)所述數(shù)據(jù)查詢(xún)語(yǔ)句進(jìn)行分詞路徑分析以及分詞概率分析，獲得多個(gè)第一分詞；

50、語(yǔ)句分析模塊，用于將所述多個(gè)第一分詞依次輸入到語(yǔ)句分析模型中，獲得語(yǔ)句特征向量，其中，所述語(yǔ)句分析模型基于多個(gè)分詞樣本集構(gòu)建；

51、以及，

52、數(shù)據(jù)推薦模塊，用于根據(jù)所述語(yǔ)句特征向量對(duì)數(shù)據(jù)庫(kù)的氣象數(shù)據(jù)進(jìn)行匹配，根據(jù)匹配結(jié)果對(duì)氣象數(shù)據(jù)進(jìn)行推薦。

53、第三方面，本發(fā)明實(shí)施方式提供了一種電子設(shè)備，包括存儲(chǔ)器以及處理器，所述存儲(chǔ)器中存儲(chǔ)有可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如上第一方面或第一方面的任一種可能的實(shí)現(xiàn)方式所述方法的步驟。

54、第四方面，本發(fā)明實(shí)施方式提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上第一方面或第一方面的任一種可能的實(shí)現(xiàn)方式所述方法的步驟。

55、本發(fā)明實(shí)施方式與現(xiàn)有技術(shù)相比存在的有益效果是：

56、本發(fā)明實(shí)施方式公開(kāi)了一種氣象數(shù)據(jù)推薦方法，其首先獲取數(shù)據(jù)查詢(xún)語(yǔ)句；然后對(duì)所述數(shù)據(jù)查詢(xún)語(yǔ)句進(jìn)行分詞路徑分析以及分詞概率分析，獲得多個(gè)第一分詞；接著將所述多個(gè)第一分詞依次輸入到語(yǔ)句分析模型中，獲得語(yǔ)句特征向量，其中，所述語(yǔ)句分析模型基于多個(gè)分詞樣本集構(gòu)建；最后根據(jù)所述語(yǔ)句特征向量對(duì)數(shù)據(jù)庫(kù)的氣象數(shù)據(jù)進(jìn)行匹配，根據(jù)匹配結(jié)果對(duì)氣象數(shù)據(jù)進(jìn)行推薦。本發(fā)明實(shí)施方式針對(duì)查詢(xún)語(yǔ)句進(jìn)行分詞，基于分詞結(jié)果提取語(yǔ)句特征向量，由于無(wú)需提取語(yǔ)義，因此技術(shù)和開(kāi)發(fā)代價(jià)小，并且能夠保留較多的語(yǔ)句特征，因此推薦的數(shù)據(jù)較為準(zhǔn)確。