本公开的实施例涉及计算机，具体涉及搜索推荐方法和装置。
背景技术：
1、现有的大数据平台通常集成数据查询、数据开发、数据治理等多项功能。其中，数据查询功能使用用户最多，包括研发人员以及各业务条线的业务人员。无论是研发人员还是业务人员在使用数据查询功能前，一般都会键入数据模型名称中的关键字以检索数据模型名称，从而筛选获得用户期望数据模型的完整名称，进而使用确定的数据模型来查询数据。
2、现有的数据模型推荐功能，推荐原理比较简单。首先，基于数据模型名称中的关键字进行检索，如模糊匹配识别到相同关键字即返回查询结果，如模糊匹配识别不到相同关键字即不返回结果。然后，匹配结果推荐给用户原理完全按照ascii码值顺序排序返回展示。一般情况下，用户键入的关键字信息比较短少，其返回的推荐结果非常多，用户需要通过肉眼逐一识别模型名称，工作繁琐，浪费大量时间。
技术实现思路
1、本公开的实施例提出了搜索推荐方法和装置。
2、第一方面，本公开的实施例提供了一种搜索推荐方法，包括：响应于接收到用户的包括关键字的查询请求，获取所述用户的标签信息，其中，所述标签信息包括：至少一个用户特征、查询过的包括所述关键字的数据模型和相应的查询次数；将所述关键字与数据库中数据模型的名称进行模糊匹配；如果模糊匹配成功，则将模糊匹配成功的至少一个第一数据模型加载到缓存中，并获取查询过所述至少一个第一数据模型的至少一个目标用户的标签信息；按照预定的特征优先级将所述用户的用户特征与所述至少一个目标用户的特征进行匹配，确定出匹配成功的目标用户查询过的包括所述关键字的第二数据模型；按照匹配成功的目标用户的标签信息中的第二数据模型的查询次数由大到小的顺序输出第二数据模型。
3、在一些实施例中，所述方法还包括：在所述第二数据模型的后面按ascii码值由小到大顺序输出所述至少一个第一数据模型中不属于第二数据模型的其它数据模型。
4、在一些实施例中，所述至少一个用户特征包括职位；以及所述按照预定的特征优先级将所述用户的用户特征与所述至少一个目标用户的特征进行匹配，确定出匹配成功的目标用户查询过的包括所述关键字的第二数据模型，包括：若所述至少一个目标用户包括所述用户，则将所述用户查询过的包括所述关键字的数据模型确定为第二数据模型；否则，若所述至少一个目标用户包括与所述用户的职位相同的目标用户，则将与所述用户的职位相同的目标用户查询过的包括所述关键字的数据模型确定为第二数据模型。
5、在一些实施例中，所述至少一个用户特征包括部门；以及所述按照预定的特征优先级将所述用户的用户特征与所述至少一个目标用户的特征进行匹配，确定出匹配成功的目标用户查询过的包括所述关键字的第二数据模型，还包括：若所述至少一个目标用户不包括与所述用户的职位相同的目标用户，则判断所述至少一个目标用户是否包括与所述用户的部门相同的目标用户；若包括，则将与所述用户的部门相同的目标用户查询过的包括所述关键字的数据模型确定为第二数据模型。
6、在一些实施例中，所述方法还包括：记录查询时间；按预定时间段统计查询过的包括所述关键字的数据模型的查询次数。
7、在一些实施例中，所述按照匹配成功的目标用户的标签信息中的第二数据模型的查询次数由大到小的顺序输出第二数据模型，包括：按照匹配成功的目标用户的标签信息中的第二数据模型的预定时间段内的查询次数由大到小的顺序输出第二数据模型。
8、在一些实施例中，所述方法还包括：响应于检测到所述用户选择出目标数据模型，将所述用户的标签信息中的查询过所述目标数据模型的查询次数乘以加权系数。
9、第二方面，本公开的实施例提供了一种搜索推荐装置，包括：获取单元，被配置成响应于接收到用户的包括关键字的查询请求，获取所述用户的标签信息，其中，所述标签信息包括：至少一个用户特征、查询过的包括所述关键字的数据模型和相应的查询次数；第一匹配单元，被配置成将所述关键字与数据库中数据模型的名称进行模糊匹配；加载单元，被配置成如果模糊匹配成功，则将模糊匹配成功的至少一个第一数据模型加载到缓存中，并获取查询过所述至少一个第一数据模型的至少一个目标用户的标签信息；第二匹配单元，被配置成按照预定的特征优先级将所述用户的用户特征与所述至少一个目标用户的特征进行匹配，确定出匹配成功的目标用户查询过的包括所述关键字的第二数据模型；排序单元，被配置成按照匹配成功的目标用户的标签信息中的第二数据模型的查询次数由大到小的顺序输出第二数据模型。
10、在一些实施例中，所述排序单元进一步被配置成：在所述第二数据模型的后面按ascii码值由小到大顺序输出所述至少一个第一数据模型中不属于第二数据模型的其它数据模型。
11、在一些实施例中，所述至少一个用户特征包括职位；以及第二匹配单元进一步被配置成：若所述至少一个目标用户包括所述用户，则将所述用户查询过的包括所述关键字的数据模型确定为第二数据模型；否则，若所述至少一个目标用户包括与所述用户的职位相同的目标用户，则将与所述用户的职位相同的目标用户查询过的包括所述关键字的数据模型确定为第二数据模型。
12、在一些实施例中，所述至少一个用户特征包括部门；以及第二匹配单元进一步被配置成：若所述至少一个目标用户不包括与所述用户的职位相同的目标用户，则判断所述至少一个目标用户是否包括与所述用户的部门相同的目标用户；若包括，则将与所述用户的部门相同的目标用户查询过的包括所述关键字的数据模型确定为第二数据模型。
13、在一些实施例中，所述装置还包括统计单元，被配置成：记录查询时间；按预定时间段统计查询过的包括所述关键字的数据模型的查询次数。
14、在一些实施例中，所述第二匹配单元进一步被配置成：按照匹配成功的目标用户的标签信息中的第二数据模型的预定时间段内的查询次数由大到小的顺序输出第二数据模型。
15、在一些实施例中，所述装置还包括加权单元，被配置成：响应于检测到所述用户选择出目标数据模型，将所述用户的标签信息中的查询过所述目标数据模型的查询次数乘以加权系数。
16、第三方面，本公开的实施例提供了一种用于搜索推荐的电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个计算机程序，当所述一个或多个计算机程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面中任一项所述的方法。
17、第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如第一方面中任一项所述的方法。
18、本公开的实施例提供的搜索推荐方法和装置，用户键入关键字检索数据模型时，基于后台算法分析用户行为或属性等特征，然后根据算法分析结论智能排序推荐给用户结果。在用户特征分析支持下，返回的数据模型结果大概率在前三名，相较于根据ascii码值顺序排序返回结果再逐一识别，智能排序推荐会帮助用户节省大量时间成本。
1.一种搜索推荐方法，包括：
2.根据权利要求1所述的方法，其中，所述方法还包括：
3.根据权利要求1所述的方法，其中，所述至少一个用户特征包括职位；以及
4.根据权利要求3所述的方法，其中，所述至少一个用户特征包括部门；以及
5.根据权利要求1所述的方法，其中，所述方法还包括：
6.根据权利要求5所述的方法，其中，所述按照匹配成功的目标用户的标签信息中的第二数据模型的查询次数由大到小的顺序输出第二数据模型，包括：
7.根据权利要求1所述的方法，其中，所述方法还包括：
8.一种搜索推荐装置，包括：
9.一种用于搜索推荐的电子设备，包括：
10.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
