本发明涉及计算机信息技术、电子数据信息分析、与大数据信息检索领域，具体地，涉及一种基于推荐权值的大数据检索方法。
背景技术：
随着信息技术的快速发展，特别是随着自动化信息处理技术、大容量硬盘存储技术、电子数据快速存储技术、电子数据分析技术等与计算机相关的信息技术快速发展，新的数字化时代中的互联网+、人工智能、VR(AR、MR)、云计算、共享经济等产生的数据与目俱增，并使得电子数据呈现出井喷式增涨态势。
面对大数时代，面对与日俱增的海量电子数据信息，如何更加有效地对大数据进行高效分析，以更好地满足广大信息化应用用户对大数据的高效、准确检查查询，以及一些个性化检索查询需求，已经成为人员越来越关注的一道课题。虽然现有许多电子数据信息检索与查询的技术和方法，大数据检索与查询方法也有些，但是深入研究其应用，要从大数据中获取到满足用户检索查询需求的数据信息，仍然需求花费较多的时间，经常有难以忍受的情况发生，此外，对迅速要求较高的大数据交互式检索查询，更是一个非常艰巨的挑战。
在实现本发明的过程中，发明人发现现有技术与方法，至少存在数据检索查询速度不快，检索效率低下、应用体验差等缺陷。
技术实现要素：
本发明的目的在于针对上述技术背景下存在的一系列问题，提出一种基于推荐权值的大数据检索方法，可以有效解决据检索查询速度不快，检索效率低下、应用体验差等缺陷，节省大数据处理与分析时间，实现快速而高效的大数据检索与查询。
为实现如上所述目的，本发明采用的技术方案是：一种基于推荐权值的大数据检索方法，其主要包括
a.高概率匹配检索，依据核心信息词在高密度推荐权值信息库中进行信息检索，如果检索到目标数据则为用户提供数据，并对该检索数据的推荐权值作加1权处理；
b.次高概率匹配检索，在a中，如果没检索到目标数据，则在低密度推荐权值信息库中进行信息检索，如果检索到目标数据则为用户提供，并对该检索数据的推荐权值作加1权处理，当推荐权值高于某一阀值时，将该数据从低密度推荐权值信息库中移至高密度推荐权值信息库中；
c.原生态匹配检索，如果在a与b中没有检索到目标数据，则进行原生态大数据环境下的检索，并将检索结果反馈给用户的同时，构建次高密度推荐权值信息库，同时赋予推荐权值为1。
进一步地，在步骤a中，所述对高概率匹配检索的操作，具体包括：
a.用户以关键词形式，向高密度推荐权值信息库提交核心信息检索请求；
b.如果在高密度推荐权值信息库中检索到目标数据，在返给用户的同时，对检索数据的推荐权值进行加1处理。
进一步地，在步骤b中，所述对次高概率匹配检索的操作，具体包括：
a.当在高密度推荐权值信息库中没有检索到目标数据时，自动触发本操作，即本操作为步骤a操作中的检索无果情况的后续；
b.在次高密度推荐权值信息库中检索到目标数据，如果获取检索结果，则在返给用户的同时，对检索数据的推荐权值进行加1处理。
进一步地，在步骤c中，所述对原生态匹配检索的操作，具体包括：
a.当在次高密度推荐权值信息库中没有检索到目标数据时，自动触发本操作，即本操作为步骤b操作中的检索无果情况的后续；
b.在原生态大数据环境下的检索目标数据，如果检索到了目标数据，则将检索结果反馈给用户的同时，构建次高密度推荐权值信息库，同时赋予推荐权值为1，如果没有检索到目标数据，是未检索到目标数据的提示信息反馈给用户。
进一步地，在所有步骤综合集成中，所述为基于推荐权值的大数据检索方法的操作，具有包括：通过设定密度推荐权值作为高密度推荐权值信息库信息进入阀值，将高密度检索信息与低密度检索信息适应隔离，以空间换时间的理念，节省了数据检索时间，达到快速检索的目标。
本发明一种基于关联聚合的数据取证推荐方法，包括：高概率匹配检索；次高概率匹配检索和原生态匹配检索，从而有效解决据检索查询速度不快，检索效率低下、应用体验差等缺陷，节省大数据处理与分析时间，实现快速而高效的大数据检索与查询。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明一种基于推荐权值的大数据检索方法示意图。
具体实施方式
以下通过实施例形式对本发明的上述内容再作进一步的详细说明，但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明上述内容所实现的技术均属于本发明的范围。
在针对目前大数据检索与查询方法的优劣，为了增强有效解决据检索查询速度不快，检索效率低下、应用体验差等缺陷，节省大数据处理与分析时间，实现快速而高效的大数据检索与查询。
根据本发明实施例，提供了一种基于推荐权值的大数据检索方法，利用这种基于推荐权值的大数据检索方法，可以有效解决据检索查询速度不快，检索效率低下、应用体验差等缺陷，节省大数据处理与分析时间，实现快速而高效的大数据检索与查询。
如图1所示，本实施例的利用基于推荐权值的大数据检索方法示意图，主要采用以下技术方案：建立基于推荐权值的大数据检索方法模型，该方法应用模型包括三个部分：
第一部分为高概率匹配检索：依据核心信息词在高密度推荐权值信息库中进行信息检索，如果检索到目标数据则为用户提供数据，并对该检索数据的推荐权值作加1权处理；
第二部分为次高概率匹配检索：在第一部分中，如果没检索到目标数据，则在低密度推荐权值信息库中进行信息检索，如果检索到目标数据则为用户提供，并对该检索数据的推荐权值作加1权处理，当推荐权值高于某一阀值时，将该数据从低密度推荐权值信息库中移至高密度推荐权值信息库中；
第三部分原生态匹配检索：如果在第二部分仍然没有检索到目标数据，则进行原生态大数据环境下的检索，并将检索结果反馈给用户的同时，构建次高密度推荐权值信息库，同时赋予推荐权值为1。
在第一部分中，对高概率匹配检索的操作，具体操作为：
1、用户以关键词形式，向高密度推荐权值信息库提交核心信息检索请求；
2、如果在高密度推荐权值信息库中检索到目标数据，在返给用户的同时，对检索数据的推荐权值进行加1处理。
在第二部分中，对次高概率匹配检索的操作，具体操作为：
1、当在高密度推荐权值信息库中没有检索到目标数据时，自动触发本操作，即本操作为步骤a操作中的检索无果情况的后续；
2、在次高密度推荐权值信息库中检索到目标数据，如果获取检索结果，则在返给用户的同时，对检索数据的推荐权值进行加1处理。
第三部分中，原生态匹配检索,对原生态匹配检索的操作，具体包括：
1、当在次高密度推荐权值信息库中没有检索到目标数据时，自动触发本操作，即本操作为步骤b操作中的检索无果情况的后续；
2、在原生态大数据环境下的检索目标数据，如果检索到了目标数据，则将检索结果反馈给用户的同时，构建次高密度推荐权值信息库，同时赋予推荐权值为1，如果没有检索到目标数据，是未检索到目标数据的提示信息反馈给用户。
综上所述，本发明上述各实施例的利用一种基于关联聚合的数据取证推荐方法，主要包括：高概率匹配检索；次高概率匹配检索和原生态匹配检索，从而有效解决据检索查询速度不快，检索效率低下、应用体验差等缺陷，节省大数据处理与分析时间，实现快速而高效的大数据检索与查询，通过设定密度推荐权值作为高密度推荐权值信息库信息进入阀值，将高密度检索信息与低密度检索信息适应隔离，以空间换时间的理念，节省了数据检索时间，达到快速检索的目标。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。