一种智能合约推荐方法及装置与流程

1.本申请涉及区块链技术领域，尤其涉及一种智能合约推荐方法及装置。


背景技术：

2.区块链是一种去中心化的记账技术，它自2008年比特币问世以来，凭借去中心化、隐私保护、难篡改等的特性，在多种应用场景下具发挥着巨大的作用。随着技术的发展，以太坊、hyperledger fabric等具有代表性的区块链平台相继问世，它们也代表着区块链技术领域的蓬勃发展。但另一方面，针对区块链智能合约创建及调用产生的海量数据的利用率并不高。
3.智能合约可以自主地执行全部或部分与合约相关的操作，并产生相应的可以被验证的证据，来说明执行合约操作的有效性。如在以太坊上的智能合约是一段可被以太坊虚拟机执行的代码。智能合约以链上脚本的形式存在于区块链网络的各个节点上，其安全性和成本引起了广泛关注。
4.而针对区块链智能合约创建及调用产生的海量数据的利用率并不高，用户调用智能合约的过程缺乏自适应性，导致区块链平台的使用不够个性化及智能化。


技术实现要素：

5.本申请提供了一种智能合约推荐方法及装置，用于解决现有技术对区块链平台的海量数据利用率较低，且智能合约选用过程缺乏自适应性，导致用户在区块链平台的体验感欠佳技术问题。
6.有鉴于此，本申请第一方面提供了一种智能合约推荐方法，包括：
7.根据预置交易记录构建用户合约矩阵，所述用户合约矩阵用于记录用户的智能合约调用次数；
8.根据所述用户合约矩阵计算出预置相似度，所述预置相似度为用户相似度或智能合约相似度；
9.采用所述预置相似度对用户的所述智能合约调用次数进行分析计算，并根据计算结果为当前用户进行智能合约推荐。
10.优选地，当所述预置相似度为所述用户相似度时，所述根据所述用户合约矩阵计算出预置相似度，包括：
11.计算所述用户合约矩阵中任意两个行向量在欧式空间中的夹角，得到所述两个行向量对应的两个用户之间的用户相似度。
12.优选地，当所述预置相似度为所述用户相似度时，所述采用所述预置相似度对用户的所述智能合约调用次数进行分析计算，并根据计算结果为当前用户进行智能合约推荐，具体包括：
13.根据所述用户相似度为当前用户选取第一预置数量的相似用户；
14.针对第一未调用智能合约集中每一种未调用智能合约，计算所述相似用户对所述
未调用智能合约的调用次数的第一加权平均值，得到若干个所述第一加权平均值，所述第一未调用智能合约集为所述当前用户未调用的所有智能合约；
15.选取最大的所述第一加权平均值对应的智能合约推荐给所述当前用户
16.优选地，当所述预置相似度为所述智能合约相似度时，所述根据所述用户合约矩阵计算出预置相似度，包括：
17.计算所述用户合约矩阵中任意两个列向量在欧式空间中的夹角，得到所述两个列向量对应的两种智能合约之间的智能合约相似度。
18.优选地，当所述预置相似度为所述智能合约相似度时，所述采用所述预置相似度对用户的所述智能合约调用次数进行分析计算，并根据计算结果为当前用户进行智能合约推荐，具体包括：
19.根据所述智能合约相似度为第二未调用智能合约集中每一种未调用智能合约选取第二预置数量的相似智能合约，所述第二未调用智能合约集为所述当前用户未调用的所有智能合约；
20.计算当前用户对每一种所述未调用智能合约对应的所述相似智能合约的调用次数的第二加权平均值，得到若干个所述第二加权平均值；
21.选取最大的所述第二加权平均值对应的智能合约推荐给所述当前用户。
22.本申请第二方面提供了一种智能合约推荐装置，包括：
23.构建模块，用于根据预置交易记录构建用户合约矩阵，所述用户合约矩阵用于记录用户的智能合约调用次数；
24.计算模块，用于根据所述用户合约矩阵计算出预置相似度，所述预置相似度为用户相似度或智能合约相似度；
25.推荐模块，用于采用所述预置相似度对用户的所述智能合约调用次数进行分析计算，并根据计算结果为当前用户进行智能合约推荐。
26.优选地，当所述预置相似度为所述用户相似度时，所述计算模块具体用于：
27.计算所述用户合约矩阵中任意两个行向量在欧式空间中的夹角，得到所述两个行向量对应的两个用户之间的用户相似度。
28.优选地，当所述预置相似度为所述用户相似度时，所述推荐模块具体用于：
29.根据所述用户相似度为当前用户选取第一预置数量的相似用户；
30.针对第一未调用智能合约集中每一种未调用智能合约，计算所述相似用户对所述未调用智能合约的调用次数的第一加权平均值，得到若干个所述第一加权平均值，所述第一未调用智能合约集为所述当前用户未调用的所有智能合约；
31.选取最大的所述第一加权平均值对应的智能合约推荐给所述当前用户。
32.优选地，当所述预置相似度为所述智能合约相似度时，所述计算模块具体用于：
33.计算所述用户合约矩阵中任意两个列向量在欧式空间中的夹角，得到所述两个列向量对应的两种智能合约之间的智能合约相似度。
34.优选地，当所述预置相似度为所述智能合约相似度时，所述推荐模块具体用于：
35.根据所述智能合约相似度为第二未调用智能合约集中每一种未调用智能合约选取第二预置数量的相似智能合约，所述第二未调用智能合约集为所述当前用户未调用的所有智能合约；
36.计算当前用户对每一种所述未调用智能合约对应的所述相似智能合约的调用次数的第二加权平均值，得到若干个所述第二加权平均值；
37.选取最大的所述第二加权平均值对应的智能合约推荐给所述当前用户。
38.从以上技术方案可以看出，本申请实施例具有以下优点：
39.本申请中，提供了一种智能合约推荐方法，包括：根据预置交易记录构建用户合约矩阵，用户合约矩阵用于记录用户的智能合约调用次数；根据用户合约矩阵计算出预置相似度，预置相似度为用户相似度或智能合约相似度；采用预置相似度对用户的智能合约调用次数进行分析计算，并根据计算结果为当前用户进行智能合约推荐。
40.本申请提供的智能合约推荐方法中，用户的智能合约调用次数即为区块链智能合约创建及调用产生的海量数据中的一种，通过数据挖掘的方式对用户的交易行为进行数据分析，通过数据计算得到的预置相似度判断用户的智能合约调用情况，从而为当前用户提供更加符合用户需求的智能合约。因此，本申请能够缓解现有技术对区块链平台的海量数据利用率较低，且智能合约选用过程缺乏自适应性，导致用户在区块链平台的体验感欠佳技术问题。
附图说明
41.图1为本申请实施例提供的一种智能合约推荐方法的流程示意图一；
42.图2为本申请实施例提供的一种智能合约推荐方法的流程示意图二；
43.图3为本申请实施例提供的一种智能合约推荐方法的流程示意图三；
44.图4为本申请实施例提供的一种智能合约推荐装置的结构示意图。
具体实施方式
45.为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
46.术语解释：
47.1、以太坊：是一个开源的有智能合约功能的公共区块链平台，通过其专用加密货币以太币(ether，简称“eth”)提供去中心化的以太虚拟机(ethereum virtual machine)来处理点对点合约。
48.2、智能合约：本质是一段可以根据预先指定的条件被触发执行的软件代码，由区块链内的多个用户共同参与制定，可用于用户之间的任何交易行为。
49.3、交易：即区块链上状态转换的最小单位，由发送方签名发起，将特定的数字资产进行转移，或进行智能合约调用等影响区块链状态的操作。
50.区块链智能合约创建及调用能够产生的海量数据，因此可以采用数据挖掘手段研究智能合约调用数据，使区块链平台的使用更个性化及智能化。
51.为了便于理解，请参阅图1，本申请提供的一种智能合约推荐方法的实施例一，包括：
52.步骤101、根据预置交易记录构建用户合约矩阵，用户合约矩阵用于记录用户的智
能合约调用次数。
53.预置交易记录是区块链记录节点与节点之间的交易过程得到的，具体包括交易节点身份、交易金额、数字签名等交易详情和区块链中的交易次数等信息。本申请实施例中的预置交易记录主要是指用户与调用的智能合约的关系，即用户调用智能合约的次数。
54.用户合约矩阵的每一行是指同一个用户对不同智能合约的调用次数记录，每一列是指同一种智能合约被不同的用户调用的次数。可以用表格的形式举例，请参阅表1，表中列举了五个不同的用户和五种不同的智能合约，表中数据为对应用户调用对应的智能合约的次数。
55.表1用户合约矩阵结构示例表
[0056] 智能合约a智能合约b智能合约c智能合约d智能合约e用户103000100用户232500200用户3001005099用户433508315135用户500003
[0057]
步骤102、根据用户合约矩阵计算出预置相似度，预置相似度为用户相似度或智能合约相似度。
[0058]
预置相似度可以从两种不同方面分析，即用户相似度和智能合约相似度。如果是计算用户相似度，就是计算不同两个用户之间的相似度；如果是计算智能合约相似度，就是计算不同两个智能合约之间的相似度。总之本申请实施例需要对所有元素两两计算相似度。
[0059]
步骤103、采用预置相似度对用户的智能合约调用次数进行分析计算，并根据计算结果为当前用户进行智能合约推荐。
[0060]
智能合约调用次数的分析主要是分析当前用户的合约调用特性，然后根据当前用户的智能合约调用特性为当前用户推荐合理的智能合约；或者分析某一种智能合约被调用的次数，从而分析该智能合约的被使用的规律，从而为有需要的当前用户进行智能合约推荐。
[0061]
从节点交易过程产生的数据对用户的合约调用行为和智能合约的使用规律进行分析，能够更加准确的反映用户的智能合约需求，也在一定程度上合理的利用了区块链上交易产生的数据，且本申请实施例的操作方法简单，可执行度较强。
[0062]
本申请实施例提供的智能合约推荐方法中，用户的智能合约调用次数即为区块链智能合约创建及调用产生的海量数据中的一种，通过数据挖掘的方式对用户的交易行为进行数据分析，通过数据计算得到的预置相似度判断用户的智能合约调用情况，从而为当前用户提供更加符合用户需求的智能合约。因此，本申请实施例能够缓解现有技术对区块链平台的海量数据利用率较低，且智能合约选用过程缺乏自适应性，导致用户在区块链平台的体验感欠佳技术问题。
[0063]
以上为本申请提供的一种智能合约推荐方法的实施例，以下为本申请提供的一种智能合约推荐方法的另一实施例。
[0064]
为了便于理解，请参阅图2，本申请提供了一种智能合约推荐方法的实施例二，包
括：
[0065]
步骤201、根据预置交易记录构建用户合约矩阵，用户合约矩阵用于记录用户的智能合约调用次数。
[0066]
此操作步骤与步骤101的过程相似，在此不再赘述。
[0067]
步骤202、计算用户合约矩阵中任意两个行向量在欧式空间中的夹角，得到两个行向量对应的两个用户之间的用户相似度。
[0068]
欧氏空间是一个特别的度量空间，在包含了欧氏几何和非欧几何的流形的定义上发挥了作用。
[0069]
在预置相似度为用户相似度时，计算的是两两用户之间的相似度，具体的，首先从用户合约矩阵中获取任意两个行向量，一行代表一个用户的不同智能合约调用次数记录；其次，计算两个行向量在欧式空间中的夹角大小，通过夹角大小反映两个用户之间的相似度大小，通常情况下，夹角越小，相应的两个用户之间相似度越大，反之则越小；通过夹角大小量化两个用户之间的相似程度，便于用户行为分析。
[0070]
步骤203、根据用户相似度为当前用户选取第一预置数量的相似用户。
[0071]
对于当前用户而言，可以通过上述计算得到它与所有其他用户的之间的相似度，将这些用户相似度进行降序排序，获取前面第一预置数量个用户作为当前用户的相似用户即可，选取的原理是与当前用户相似度最高；每一个用户都可以如此操作。具体的第一预置数量可以实际的节点规模或者设置需求进行配置，在此不作限定。
[0072]
步骤204、针对第一未调用智能合约集中每一种未调用智能合约，计算相似用户对未调用智能合约的调用次数的第一加权平均值，得到若干个第一加权平均值，第一未调用智能合约集为当前用户未调用的所有智能合约。
[0073]
未调用智能合约是指当前用户对该智能合约的调用次数为0；当前用户没有调用此未调用智能合约，但是相似用户可能存在调用，将所有相似用户对未调用智能合约的调用次数进行计算，可以得到一个第一加权平均值，每一种未调用智能合约都进行如上分析计算，可以得到若干个第一加权平均值，具体数量与未调用智能合约的数量一致。加权平均值计算过程中的权值可以根据实际应用情况设定，在此不作限定。
[0074]
步骤205、选取最大的第一加权平均值对应的智能合约推荐给当前用户。
[0075]
将以上求得的所有第一加权平均值进行降序排列，选取排序第一个的第一加权平均值对应的智能合约推荐给当前用户，其实质就是将用户使用的加权平均值最大的未调用智能合约推荐给当前用户。
[0076]
以上为本申请提供的一种智能合约推荐方法的实施例，以下为本申请提供的一种智能合约推荐方法的另一实施例。
[0077]
为了便于理解，请参阅图3，本申请还提供了一种智能合约推荐方法的实施例三，包括：
[0078]
步骤301、根据预置交易记录构建用户合约矩阵，用户合约矩阵用于记录用户的智能合约调用次数。
[0079]
此操作步骤与步骤101的过程相似，在此不再赘述。
[0080]
步骤302、计算用户合约矩阵中任意两个列向量在欧式空间中的夹角，得到两个列向量对应的两种智能合约之间的智能合约相似度。
[0081]
在预置相似度为智能合约相似度时，计算的是两两智能合约之间的相似度，具体的，首先从用户合约矩阵中获取任意两个列向量，一列代表一种智能合约被不同的用户调用次数记录；其次，计算两个列向量在欧式空间中的夹角大小，通过夹角大小反映两个智能合约之间的相似度大小，通常情况下，夹角越小，相应的两种智能合约之间相似度越大，反之则越小；通过夹角大小量化两种智能合约之间的相似程度，便于智能合约的使用规律的分析。
[0082]
步骤303、根据智能合约相似度为第二未调用智能合约集中每一种未调用智能合约选取第二预置数量的相似智能合约，第二未调用智能合约集为当前用户未调用的所有智能合约。
[0083]
第二为调用智能合约集中均为当前用户调用次数为0的智能合约，根据两两智能合约之间的相似度，每一种智能合约都能找到相对相似度较高的智能合约，第二预置数量根据智能合约的规模或者实际需求设置，在此不作限定。选取过程同样是将相似度降序排序，取前面预置数量的智能合约即可。
[0084]
步骤304、计算当前用户对每一种未调用智能合约对应的相似智能合约的调用次数的第二加权平均值，得到若干个第二加权平均值。
[0085]
相似智能合约并非属于完全未调用的智能合约，其中既可能存在未调用智能合约，也存在一些当前用户调用过的智能合约，每一个未调用智能合约都对应有一个相似智能合约数列，分析当前用户对该序列中相似智能合约的调用次数，计算第二加权平均值，第二加权平均值的数量根据未调用智能合约的数量而定；具体计算加权平均值的权值可以根据实际侧重设置，在此不作限定。
[0086]
步骤305、选取最大的第二加权平均值对应的智能合约推荐给当前用户。
[0087]
将以上求得的所有第二加权平均值进行降序排列，选取排序第一个的第二加权平均值对应的智能合约推荐给当前用户，其实质就是根据用户的智能合约调用习惯分析当前用户可能存在智能合约需求，从而将对应的调用智能合约推荐给当前用户。
[0088]
以上为本申请提供的一种智能合约推荐方法的实施例，以下为本申请提供的一种智能合约推荐装置的实施例。
[0089]
为了便于理解，请参阅图4，本申请还提供了一种智能合约推荐装置的实施例，包括：
[0090]
构建模块401，用于根据预置交易记录构建用户合约矩阵，用户合约矩阵用于记录用户的智能合约调用次数；
[0091]
计算模块402，用于根据用户合约矩阵计算出预置相似度，预置相似度为用户相似度或智能合约相似度；
[0092]
推荐模块403，用于采用预置相似度对用户的智能合约调用次数进行分析计算，并根据计算结果为当前用户进行智能合约推荐。
[0093]
进一步地，当预置相似度为用户相似度时，计算模块402具体用于：
[0094]
计算用户合约矩阵中任意两个行向量在欧式空间中的夹角，得到两个行向量对应的两个用户之间的用户相似度。
[0095]
进一步地，当预置相似度为用户相似度时，推荐模块403具体用于：
[0096]
根据用户相似度为当前用户选取第一预置数量的相似用户；
[0097]
针对第一未调用智能合约集中每一种未调用智能合约，计算相似用户对未调用智能合约的调用次数的第一加权平均值，得到若干个第一加权平均值，第一未调用智能合约集为当前用户未调用的所有智能合约；
[0098]
选取最大的第一加权平均值对应的智能合约推荐给当前用户。
[0099]
进一步地，当预置相似度为智能合约相似度时，计算模块402具体用于：
[0100]
计算用户合约矩阵中任意两个列向量在欧式空间中的夹角，得到两个列向量对应的两种智能合约之间的智能合约相似度。
[0101]
进一步地，当预置相似度为智能合约相似度时，推荐模块403具体用于：
[0102]
根据智能合约相似度为第二未调用智能合约集中每一种未调用智能合约选取第二预置数量的相似智能合约，第二未调用智能合约集为当前用户未调用的所有智能合约；
[0103]
计算当前用户对每一种未调用智能合约对应的相似智能合约的调用次数的第二加权平均值，得到若干个第二加权平均值；
[0104]
选取最大的第二加权平均值对应的智能合约推荐给当前用户。
[0105]
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0106]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0107]
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0108]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以通过一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(英文全称：read
‑
only memory，英文缩写：rom)、随机存取存储器(英文全称：randomaccess memory，英文缩写：ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0109]
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

技术特征：
1.一种智能合约推荐方法，其特征在于，包括：根据预置交易记录构建用户合约矩阵，所述用户合约矩阵用于记录用户的智能合约调用次数；根据所述用户合约矩阵计算出预置相似度，所述预置相似度为用户相似度或智能合约相似度；采用所述预置相似度对用户的所述智能合约调用次数进行分析计算，并根据计算结果为当前用户进行智能合约推荐。2.根据权利要求1所述的智能合约推荐方法，其特征在于，当所述预置相似度为所述用户相似度时，所述根据所述用户合约矩阵计算出预置相似度，包括：计算所述用户合约矩阵中任意两个行向量在欧式空间中的夹角，得到所述两个行向量对应的两个用户之间的用户相似度。3.根据权利要求1所述的智能合约推荐方法，其特征在于，当所述预置相似度为所述用户相似度时，所述采用所述预置相似度对用户的所述智能合约调用次数进行分析计算，并根据计算结果为当前用户进行智能合约推荐，具体包括：根据所述用户相似度为当前用户选取第一预置数量的相似用户；针对第一未调用智能合约集中每一种未调用智能合约，计算所述相似用户对所述未调用智能合约的调用次数的第一加权平均值，得到若干个所述第一加权平均值，所述第一未调用智能合约集为所述当前用户未调用的所有智能合约；选取最大的所述第一加权平均值对应的智能合约推荐给所述当前用户。4.根据权利要求1所述的智能合约推荐方法，其特征在于，当所述预置相似度为所述智能合约相似度时，所述根据所述用户合约矩阵计算出预置相似度，包括：计算所述用户合约矩阵中任意两个列向量在欧式空间中的夹角，得到所述两个列向量对应的两种智能合约之间的智能合约相似度。5.根据权利要求1所述的智能合约推荐方法，其特征在于，当所述预置相似度为所述智能合约相似度时，所述采用所述预置相似度对用户的所述智能合约调用次数进行分析计算，并根据计算结果为当前用户进行智能合约推荐，具体包括：根据所述智能合约相似度为第二未调用智能合约集中每一种未调用智能合约选取第二预置数量的相似智能合约，所述第二未调用智能合约集为所述当前用户未调用的所有智能合约；计算当前用户对每一种所述未调用智能合约对应的所述相似智能合约的调用次数的第二加权平均值，得到若干个所述第二加权平均值；选取最大的所述第二加权平均值对应的智能合约推荐给所述当前用户。6.一种智能合约推荐装置，其特征在于，包括：构建模块，用于根据预置交易记录构建用户合约矩阵，所述用户合约矩阵用于记录用户的智能合约调用次数；计算模块，用于根据所述用户合约矩阵计算出预置相似度，所述预置相似度为用户相似度或智能合约相似度；推荐模块，用于采用所述预置相似度对用户的所述智能合约调用次数进行分析计算，并根据计算结果为当前用户进行智能合约推荐。
7.根据权利要求6所述的智能合约推荐装置，其特征在于，当所述预置相似度为所述用户相似度时，所述计算模块具体用于：计算所述用户合约矩阵中任意两个行向量在欧式空间中的夹角，得到所述两个行向量对应的两个用户之间的用户相似度。8.根据权利要求6所述的智能合约推荐装置，其特征在于，当所述预置相似度为所述用户相似度时，所述推荐模块具体用于：根据所述用户相似度为当前用户选取第一预置数量的相似用户；针对第一未调用智能合约集中每一种未调用智能合约，计算所述相似用户对所述未调用智能合约的调用次数的第一加权平均值，得到若干个所述第一加权平均值，所述第一未调用智能合约集为所述当前用户未调用的所有智能合约；选取最大的所述第一加权平均值对应的智能合约推荐给所述当前用户。9.根据权利要求6所述的智能合约推荐装置，其特征在于，当所述预置相似度为所述智能合约相似度时，所述计算模块具体用于：计算所述用户合约矩阵中任意两个列向量在欧式空间中的夹角，得到所述两个列向量对应的两种智能合约之间的智能合约相似度。10.根据权利要求6所述的智能合约推荐装置，其特征在于，当所述预置相似度为所述智能合约相似度时，所述推荐模块具体用于：根据所述智能合约相似度为第二未调用智能合约集中每一种未调用智能合约选取第二预置数量的相似智能合约，所述第二未调用智能合约集为所述当前用户未调用的所有智能合约；计算当前用户对每一种所述未调用智能合约对应的所述相似智能合约的调用次数的第二加权平均值，得到若干个所述第二加权平均值；选取最大的所述第二加权平均值对应的智能合约推荐给所述当前用户。
技术总结
本申请公开了一种智能合约推荐方法及装置，方法包括：根据预置交易记录构建用户合约矩阵，用户合约矩阵用于记录用户的智能合约调用次数；根据用户合约矩阵计算出预置相似度，预置相似度为用户相似度或智能合约相似度；采用预置相似度对用户的智能合约调用次数进行分析计算，并根据计算结果为当前用户进行智能合约推荐。本申请能够缓解现有技术对区块链平台的海量数据利用率较低，且智能合约选用过程缺乏自适应性，导致用户在区块链平台的体验感欠佳技术问题。欠佳技术问题。欠佳技术问题。


技术研发人员：郑子彬 郭晋彦 蒋子规
受保护的技术使用者：中山大学
技术研发日：2021.03.26
技术公布日：2021/6/29