平台推荐方法、电子设备和计算机可读存储介质与流程

技术特征：
1.一种平台推荐方法，其特征在于，所述方法包括：将智能方案包含的基础算法作为目标算法，基于多种所述基础算法在多个类型的平台上运行的历史数据，确定多个参考维度内每个所述目标算法在多个类型的平台上运行时的初始特征信息；对每个所述参考维度内每种所述目标算法与同一所述平台之间的所述初始特征信息进行融合，得到每个所述参考维度内每个所述平台对应的融合特征信息；对同一所述平台对应在多个所述参考维度内的所述融合特征信息进行融合，得到每个所述平台对应的目标特征信息；将每个所述平台对应的所述目标特征信息输入至推荐模型，得到所述智能方案对应的目标平台；其中，所述推荐模型基于所述历史数据中多种所述基础算法与所述平台的匹配信息训练后获得。2.根据权利要求1所述的平台推荐方法，其特征在于，所述对每个所述参考维度内每种所述目标算法与同一所述平台之间的所述初始特征信息进行融合，得到每个所述参考维度内每个所述平台对应的融合特征信息，包括：对每个所述参考维度内每种所述目标算法与同一所述平台之间的所述初始特征信息进行加权求和，得到每个所述参考维度内每个所述平台对应的融合特征信息。3.根据权利要求2所述的平台推荐方法，其特征在于，所述对每个所述参考维度内每种所述目标算法与同一所述平台之间的所述初始特征信息进行加权求和，得到每个所述参考维度内每个所述平台对应的融合特征信息，包括：基于每种目标算法在同一所述平台上运行的时间以及所述目标算法在同一所述平台上运行的总时间，确定同一所述平台上每种所述目标算法对应的第一权重；在每个所述参考维度内遍历所有所述平台，利用所述第一权重对每种所述目标算法与同一所述平台之间的所述初始特征信息进行加权求和，得到每个所述参考维度内每个所述平台对应的融合特征信息。4.根据权利要求1所述的平台推荐方法，其特征在于，所述对同一所述平台对应在多个所述参考维度内的所述融合特征信息进行融合，得到每个所述平台对应的目标特征信息，包括：对同一所述平台对应在多个所述参考维度内的所述融合特征信息进行加权求和，得到每个所述平台对应的目标特征信息。5.根据权利要求4所述的平台推荐方法，其特征在于，所述对同一所述平台对应在多个所述参考维度内的所述融合特征信息进行加权求和，得到每个所述平台对应的目标特征信息，包括：基于每个所述参考维度对应的维度类型，确定每个所述参考维度对应的第二权重；其中，每个所述维度类型对应有权重区间；遍历所有所述平台，利用所述第二权重对同一所述平台对应在所有所述参考维度内的所述融合特征信息进行加权求和，得到每个所述平台对应的目标特征信息；其中，所述维度类型包括算力占用、内存占用、处理器占用和成本占用，所述算力占用和所述内存占用对应的权重区间大于所述处理器占用和所述成本占用对应的权重区间。6.根据权利要求1所述的平台推荐方法，其特征在于，所述推荐模型包括多个分类器，
所述将每个所述平台对应的所述目标特征信息输入至推荐模型，得到所述智能方案对应的目标平台，包括：将每个所述平台对应的所述目标特征信息输入至推荐模型，得到每个所述分类器输出的推荐平台；在所有所述分类器输出的所述推荐平台中，确定所述智能方案对应的所述目标平台。7.根据权利要求6所述的平台推荐方法，其特征在于，每个所述分类器对应有第三权重；所述在所有所述分类器输出的所述推荐平台中，确定所述智能方案对应的所述目标平台，包括：将相同类型的所述推荐平台对应的所述第三权重相加，得到每个类型的所述推荐平台对应的推荐权重；将所述推荐权重最大的所述推荐平台作为所述智能方案对应的目标平台。8.根据权利要求7所述的平台推荐方法，其特征在于，所述将所述推荐权重最大的所述推荐平台作为所述智能方案对应的目标平台之后，包括：基于所述目标平台将所有所述分类器分成第一分类器和第二分类器；其中，所述第一分类器输出的所述推荐平台的类型与所述目标平台的类型相同，所述第二分类器输出的所述推荐平台的类型与所述目标平台的类型不同；将所述第一分类器对应的第三权重加上预设增量，更新所述第一分类器对应的第三权重，将所述第二分类器对应的第三权重减去预设减量，更新所述第二分类器对应的第三权重；其中，所有所述分类器的第三权重大于或等于权重最小值，且小于或等于权重最大值。9.一种电子设备，其特征在于，包括：相互耦接的存储器和处理器，其中，所述存储器存储有程序数据，所述处理器调用所述程序数据以执行如权利要求1-8中任一项所述的方法。10.一种计算机可读存储介质，其上存储有程序数据，其特征在于，所述程序数据被处理器执行时实现如权利要求1-8中任一项所述的方法。

技术总结
本申请公开了一种平台推荐方法、电子设备和计算机可读存储介质，该方法包括：将智能方案包含的基础算法作为目标算法，基于多种基础算法在多个类型的平台上运行的历史数据，确定多个参考维度内每个目标算法在多个类型的平台上运行时的初始特征信息；对每个参考维度内每种目标算法与同一平台之间的初始特征信息进行融合，得到每个参考维度内每个平台对应的融合特征信息；对同一平台对应在多个参考维度内的融合特征信息进行融合，得到每个平台对应的目标特征信息；将每个平台对应的目标特征信息输入至推荐模型，得到智能方案对应的目标平台；推荐模型基于历史数据中基础算法与平台的匹配信息训练后获得。上述方案，能够提高平台推荐的效率和准确率。推荐的效率和准确率。推荐的效率和准确率。


技术研发人员：虞响 黄鹏 钱康 陈波扬 殷俊
受保护的技术使用者：浙江大华技术股份有限公司
技术研发日：2022.11.22
技术公布日：2022/12/30