基于大数据定位和人工智能的业务优化方法及云计算中心转让专利
申请号 : CN202011288919.7
文献号 : CN112464084B
文献日 : 2021-07-02
发明人 : 崔海燕
申请人 : 厦门立马耀网络科技有限公司
摘要 :
权利要求 :
1.一种基于大数据定位和人工智能的业务优化方法,其特征在于,应用于云计算中心,所述云计算中心与多个业务服务终端通信连接,所述方法包括:获取所述业务服务终端的大数据业务定位数据,对所述大数据业务定位数据进行业务流标签提取处理,得到所述大数据业务定位数据中业务服务链路的业务流标签信息,其中,所述大数据业务定位数据为基于单个订阅业务进行采集到的各个业务服务链路所记录的业务数据构成的数据集合;
基于所述业务服务链路的业务流标签信息进行用户意图特征挖掘,得到所述业务服务链路的目标用户意图特征;
基于人工智能模型对所述大数据业务定位数据进行用户画像特征提取处理,得到所述业务服务链路的用户画像特征信息;
将所述大数据业务定位数据中业务服务链路的目标用户意图特征与所述业务服务链路的用户画像特征信息进行业务关系提取,得到所述业务服务链路的业务关系提取信息,并基于所述业务服务链路的业务关系提取信息对所述订阅业务进行业务推送配置更新,得到所述业务服务链路的业务推送配置优化信息;
对所述大数据业务定位数据进行业务流标签提取处理,得到所述大数据业务定位数据中业务服务链路的业务流标签信息,包括:获取所述大数据业务定位数据中的每个大数据语料单元的业务流记录进程所记录的业务流更新数据清单,所述业务流更新数据清单包括以每个业务流更新时序范围为一记录单元范围的业务流更新数据,所述业务流更新数据包括该业务流更新时序范围的语料采集触发信息、语料指向信息以及该业务流更新时序范围内的更新语料记录;
针对每个业务流更新时序范围,根据每个大数据语料单元在该业务流更新时序范围的更新语料记录中的多个行为更新语料中的每一个行为更新语料,根据该行为更新语料中行为语料描述信息的描述特征向量,确定该行为更新语料中每个行为语料描述信息是否为候选目标行为语料描述信息,根据该行为更新语料中候选目标行为语料描述信息的数量,确定该行为更新语料对应的每个候选语料标注语料单元段,针对每个候选语料标注语料单元段,将该候选语料标注语料单元段划分为多个子语料单元段,根据每个子语料单元段内各行为语料描述信息的描述标签及预设的标签范围,确定候选语料标注语料单元段是否为目标语料标注语料单元段,其中,每个行为语料描述信息对应于每个语料单元更新行为;
获取预设业务流规则匹配所述目标语料标注语料单元段内每个行为语料描述信息的业务流节点信息,所述业务流节点信息包括语料单元调用信息和语料单元订阅信息,所述预设业务流规则包括不同语料单元使用类型所对应的匹配方式;
根据所述业务流更新数据清单中的各个不同业务流更新时序范围的每个所述更新语料记录的业务流节点信息确定每个语料单元主题意图拓扑树的语料单元主题特征和每个语料单元摘要意图拓扑树的语料单元摘要特征,并根据所述目标语料标注语料单元段内每个语料单元主题意图拓扑树的语料单元主题特征和每个语料单元摘要意图拓扑树的语料单元摘要特征,确定每个大数据语料单元在该业务流更新时序范围的语料单元标签对象,将位于所述语料单元标签对象的语料单元范围内的特征以及位于所述语料单元标签对象的语料单元范围外而关联于所述语料单元标签对象的语料单元范围的特征作为每个大数据语料单元在该业务流更新时序范围内的语料标签特征后,将每个大数据语料单元在所有业务流更新时序范围内的语料标签特征进行汇总后,得到所述大数据业务定位数据中业务服务链路的业务流标签信息。
2.根据权利要求1所述的基于大数据定位和人工智能的业务优化方法,其特征在于,所述基于所述业务服务链路的业务流标签信息进行用户意图特征挖掘,得到所述业务服务链路的目标用户意图特征的步骤,包括:获取所述业务服务链路的业务流标签信息中的每个语料标签特征的语料描述信息上添加的用户检索指令集合的检索指令请求信息,并确定与所述检索指令请求信息对应的第一检索行为清单,所述检索指令请求信息包括根据所述用户检索指令集合的意图词输入信息和意图词输出信息所确定出的意图词检索信息的访问意图对象信息,所述第一检索行为清单包括所述访问意图对象信息的多个访问意图等级的高低顺序;
确定每个语料标签特征的语料描述信息基于意图词输入信息的第一意图词向量和基于意图词输出信息的第二意图词向量;
根据所述第一意图词向量和所述第二意图词向量的访问意图等级关系确定用于对所述第一检索行为清单进行决策树挖掘的决策树挖掘参数;
基于所述决策树挖掘参数对所述第一检索行为清单进行决策树挖掘获得第二检索行为清单;
对所述第二检索行为清单进行聚类得到多个检索类别聚类簇,对每个检索类别聚类簇进行特征提取得到簇特征向量;
根据所述第二检索行为清单对应的多个簇特征向量所对应的用户意图特征,确定为每个语料标签特征的用户意图特征;
基于每个语料标签特征的用户意图特征获得所述业务服务链路的目标用户意图特征。
3.根据权利要求1所述的基于大数据定位和人工智能的业务优化方法,其特征在于,所述基于人工智能模型对所述大数据业务定位数据进行用户画像特征提取处理,得到所述业务服务链路的用户画像特征信息的步骤,包括:将所述大数据业务定位数据输入到预先训练的人工智能模型中,获得所述大数据业务定位数据匹配于每个预设用户画像的置信度,其中,所述人工智能模型基于训练样本以及训练样本对应的训练标注信息训练获得,所述训练样本为大数据业务定位数据样本,所述训练标注信息为用户画像标注信息;
根据所述大数据业务定位数据匹配于每个预设用户画像的置信度确定所述大数据业务定位数据对应的目标用户画像;
从所述大数据业务定位数据对应的目标用户画像的用户画像描述信息中提取匹配于每个业务服务链路的用户画像特征信息。
4.根据权利要求1所述的基于大数据定位和人工智能的业务优化方法,其特征在于,所述将所述大数据业务定位数据中业务服务链路的目标用户意图特征与所述业务服务链路的用户画像特征信息进行业务关系提取,得到所述业务服务链路的业务关系提取信息的步骤,包括:
将所述业务服务链路的目标用户意图特征和用户画像特征信息添加到业务关系提取空间中,从所述业务关系提取空间中确定出各业务关系提取节点所对应所述业务服务链路的目标用户意图特征和用户画像特征信息的业务溯源脚本;
依据各不同业务溯源脚本中业务关系提取节点之间的业务关系的关系网络标签对各业务溯源脚本进行聚类,得到至少一个业务溯源脚本集;其中,同一业务溯源脚本集中任意两个业务溯源脚本中的业务关系提取节点的业务关系的关系网络标签覆盖预设标签范围;
针对每一业务溯源脚本集,基于该业务溯源脚本集中各业务溯源脚本,从所述业务关系提取空间中确定该业务溯源脚本集针对所述业务服务链路的目标用户意图特征和用户画像特征信息对应的业务溯源特征;其中,所述业务溯源特征至少包括业务溯源脚本集中各业务溯源脚本针对所述业务服务链路的目标用户意图特征和用户画像特征信息的每个业务溯源表项的特征信息数据,所述业务溯源特征用于确定该业务溯源脚本集中各业务溯源脚本中的业务关系提取节点对应所述业务服务链路的目标用户意图特征和用户画像特征信息的业务关系溯源结果;
基于所述业务溯源特征确定该业务溯源脚本集中各业务溯源脚本中的业务关系提取节点对应的业务关系溯源结果,采用预设业务关系分类模型对所述业务关系溯源结果进行分类得到分类结果,根据所述分类结果,得到所述业务服务链路的业务关系提取信息。
5.根据权利要求4所述的基于大数据定位和人工智能的业务优化方法,其特征在于,所述基于所述业务溯源特征确定该业务溯源脚本集中各业务溯源脚本中的业务关系提取节点对应的业务关系溯源结果的步骤,包括:确定所述业务溯源特征的溯源业务轨迹信息和溯源业务类别,根据历史业务关系向量结果中的多个业务关系指标,确定多个溯源业务联动组合,根据每个溯源业务联动组合中各个业务关系指标在所述溯源业务轨迹信息内与所述溯源业务类别的业务匹配度,进行相似度计算,得到分别与所述多个溯源业务联动组合对应的多个相似度计算结果,并将每个相似度计算结果对应的溯源业务联动组合的业务调用频繁度加权值作为每个相似度计算结果的权重值;
基于所述多个相似度计算结果,分别获取在所述溯源业务轨迹信息内确定与所述溯源业务类别对应的各业务溯源脚本的相似业务关系轨迹,得到多个相似业务关系轨迹,根据每个相似度计算结果的权重值,对基于所述多个相似度计算结果获取到的多个相似业务关系轨迹进行整合,得到第一相似业务关系轨迹集,其中,每个溯源业务联动组合中任两个业务关系指标之间的业务调用频繁度加权值相等,且不同溯源业务联动组合对应的业务调用频繁度加权值不等,每个相似度计算结果用于确定在任一设定时序段内与所述溯源业务类别对应的各业务溯源脚本中的业务关系提取节点对应的业务重合数据,所述相似度计算结果通过根据历史业务关系向量结果进行相似度计算后得到;
根据所述历史业务关系向量结果和所述溯源业务类别对应的多个业务关系提取节点的业务重合数据,获取所述多个业务关系提取节点在所述溯源业务轨迹信息内与所述溯源业务类别的之间的业务关系提取识别结果,将所述多个业务关系提取节点对应的业务关系提取识别结果的对应的目标请求报文作为第二相似业务关系轨迹;
计算所述第一相似业务关系轨迹集与所述第二相似业务关系轨迹的业务关系相关参数,根据所述业务关系相关参数以及每个业务关系提取节点的业务重合数据确定每个业务关系提取节点对应的业务关系溯源结果。
6.根据权利要求5所述的基于大数据定位和人工智能的业务优化方法,其特征在于,根据所述业务关系相关参数以及每个业务关系提取节点的业务重合数据确定每个业务关系提取节点对应的业务关系溯源结果,包括:基于所述业务关系相关参数确定每个业务关系提取节点对应的业务关系圈网络的知识图谱信息,通过每个业务关系提取节点的业务重合数据在对应的业务溯源脚本中的业务覆盖区间确定每个业务关系提取节点的业务触发指标信息;
提取所述知识图谱信息对应的第一用户意图特征序列以及所述业务触发指标信息对应的第二用户意图特征序列,并确定所述第一用户意图特征序列和所述第二用户意图特征序列中分别包括的若干个具有不同的特征描述值的业务关系元知识网络;其中,所述业务关系元知识网络为所述第一用户意图特征序列和所述第二用户意图特征序列中的存在关联关系的用户意图特征构成的元知识网络;
在所述第一用户意图特征序列的实体间业务关系和所述第二用户意图特征序列的实体间业务关系相同的前提下,获得所述知识图谱信息在所述第一用户意图特征序列的任一业务关系元知识网络的基础关系图谱信息,并行地将所述第二用户意图特征序列中具有最小特征描述值的业务关系元知识网络确定为目标业务关系元知识网络;
基于每个业务关系提取节点的业务关系提取字段的提取策略,将所述基础关系图谱信息添加到所述目标业务关系元知识网络,在所述目标业务关系元知识网络中确定出与所述基础关系图谱信息对应的业务上下游关系信息;
通过所述基础关系图谱信息和所述业务上下游关系信息之间的业务差异信息,生成所述知识图谱信息和所述业务触发指标信息之间的知识图谱连接边;
以所述业务上下游关系信息为参考信息在所述目标业务关系元知识网络中获取目标实体成员信息,根据所述知识图谱连接边对应的多个信息匹配路径,将所述目标实体成员信息添加到所述基础关系图谱信息所在业务关系元知识网络,以在所述基础关系图谱信息所在业务关系元知识网络中得到所述目标实体成员信息对应的成员匹配结果,并根据所述参考信息确定所述成员匹配结果为业务溯源结果;其中,所述目标实体成员信息为访问动作对应的实体成员的信息;
确定将所述基础关系图谱信息添加到所述目标业务关系元知识网络时对应的业务关系结果;
根据所述成员匹配结果与所述业务关系结果中的多个业务关系溯源节点对应的业务关系特征标签之间的关联度,在所述第二用户意图特征序列中按照时序权重的由大到小的顺序依次获取所述业务溯源结果对应的业务溯源标签,直至获取到的所述业务溯源标签所在业务关系元知识网络的知识产权网络节点数量与所述业务溯源结果在所述第一用户意图特征序列中的知识产权网络节点数量一致时,停止获取下一业务关系元知识网络中的业务溯源标签,并建立所述业务溯源结果与最后一次获取到的业务溯源标签之间的溯源关联信息,基于所述溯源关联信息确定每个业务关系提取节点对应的业务关系溯源结果。
7.根据权利要求5所述的基于大数据定位和人工智能的业务优化方法,其特征在于,采用预设业务关系分类模型对所述业务关系溯源结果进行分类得到分类结果,根据所述分类结果,得到所述业务服务链路的业务关系提取信息,包括:确定预设业务关系分类模型的样本序列的业务关系浮动参数,在所述业务关系浮动参数未达到设定浮动范围时,根据前一业务关系分类结果对所述样本序列进行更新,在所述业务关系浮动参数达到设定浮动范围时,将所述业务关系溯源结果输入所述预设业务关系分类模型,并判断是否接收到所述预设业务关系分类模型输出的分类结果;其中,前一时段根据所述设定时序段确定;
在接收到所述预设业务关系分类模型输出的分类结果时,根据所述分类结果创建模型更新进程;
在预设业务关系分类模型输出有业务溯源分类标签对应的分类结果时,确定所述业务溯源分类标签对应的分类结果在所述模型更新进程中的更新源参数;
当确定出所述业务溯源分类标签对应的分类结果在所述模型更新进程中的更新源参数为动态更新源参数或者为设定类别中的静态更新源参数时,将所述业务溯源分类标签对应的分类结果直接加载至所述模型更新进程的待处理参数集中,或者将所述业务溯源分类标签对应的分类结果加载至所述预设业务关系分类模型的预处理数据集后,经由所述预设业务关系分类模型将所述所述业务溯源分类标签对应的分类结果传导至所述模型更新进程的待处理参数集中;运行所述模型更新进程,获取所述模型更新进程对所述分类结果进行深度特征提取后输出的深度特征分布信息;
确定所述深度特征分布信息的深度特征分布业务节点以及各深度特征标签;
在根据所述深度特征分布业务节点确定出所述深度特征分布信息中包含有偏离特征分布的情况下,根据所述深度特征分布信息的偏离特征分布下的深度特征标签及其分布方式信息确定所述深度特征分布信息的分布区域下的各深度特征标签与所述深度特征分布信息的偏离特征分布下的各深度特征标签之间的相关参数,并将所述深度特征分布信息的分布区域下的与偏离特征分布下的深度特征标签相关的深度特征标签分配到所述偏离特征分布下;
提取所述偏离特征分布的深度特征标签对应的第一特征向量以及所述分布区域下的深度特征标签对应的第二特征向量,确定所述第一特征向量和所述第二特征向量的业务关系提取队列特征,将所述业务关系提取队列特征输入到所述预设业务关系分类模型中,获得所述预设业务关系分类模型针对所述业务关系提取队列特征进行分类输出的分类结果;
根据所述分类结果,得到所述业务服务链路的业务关系提取信息。
8.根据权利要求1所述的基于大数据定位和人工智能的业务优化方法,其特征在于,所述基于所述业务服务链路的业务关系提取信息对所述订阅业务进行业务推送配置更新,得到所述业务服务链路的业务推送配置优化信息,包括:获取所述业务服务链路在所述订阅业务下的业务推送配置信息;
获取所述业务推送配置信息下的业务推送配置项目以及每个所述业务推送配置项目对应的业务关系配置信息;
将所述业务服务链路的业务关系提取信息覆盖配置于每个所述业务推送配置项目对应的业务关系配置信息下,得到所述业务服务链路的业务推送配置优化信息。
9.一种云计算中心,其特征在于,所述云计算中心包括处理器、机器可读存储介质和网络接口,所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连,所述网络接口用于与至少一个业务服务终端通信连接,所述机器可读存储介质用于存储程序、指令或代码,所述处理器用于执行所述机器可读存储介质中的程序、指令或代码,以执行权利要求1‑8中任意一项的基于大数据定位和人工智能的业务优化方法。
说明书 :
基于大数据定位和人工智能的业务优化方法及云计算中心
技术领域
背景技术
业务推广起到重要作用。
发明内容
意图特征与业务服务链路的用户画像特征信息,以综合业务服务链路的业务流标签信息与
业务服务链路的用户画像特征信息,提取到丰富的业务服务链路的业务关系特征信息,为
精准的基于大数据定位的信息推送提供数据支撑;另外,通过业务服务链路的目标用户意
图特征,对业务服务链路进行业务推送配置更新,得到业务服务链路的业务推送配置优化
信息,以实现精准的基于大数据定位的信息推送过程。
其中,所述大数据业务定位数据为基于单个订阅业务进行采集到的各个业务服务链路所记
录的业务数据构成的数据集合;
息,并基于所述业务服务链路的业务关系提取信息对所述订阅业务进行业务推送配置更
新,得到所述业务服务链路的业务推送配置优化信息。
记录单元范围的业务流更新数据,所述业务流更新数据包括该业务流更新时序范围的语料
采集触发信息、语料指向信息以及该业务流更新时序范围内的更新语料记录;
中行为语料描述信息的描述特征向量,确定该行为更新语料中每个行为语料描述信息是否
为候选目标行为语料描述信息,根据该行为更新语料中候选目标行为语料描述信息的数
量,确定该行为更新语料对应的每个候选语料标注语料单元段,针对每个候选语料标注语
料单元段,将该候选语料标注语料单元段划分为多个子语料单元段,根据每个子语料单元
段内各行为语料描述信息的描述标签及预设的标签范围,确定候选语料标注语料单元段是
否为目标语料标注语料单元段,其中,每个行为语料描述信息对应于每个语料单元更新行
为;
所述预设业务流规则包括不同语料单元使用类型所对应的匹配方式;
每个语料单元摘要意图拓扑树的语料单元摘要特征,并根据所述目标语料标注语料单元段
内每个语料单元主题意图拓扑树的语料单元主题特征和每个语料单元摘要意图拓扑树的
语料单元摘要特征,确定每个大数据语料单元在该业务流更新时序范围的语料单元标签对
象,将位于所述语料单元标签对象的语料单元范围内的特征以及位于所述语料单元标签对
象的语料单元范围外而关联于所述语料单元标签对象的语料单元范围的特征作为每个大
数据语料单元在该业务流更新时序范围内的语料标签特征后,将每个大数据语料单元在所
有业务流更新时序范围内的语料标签特征进行汇总后,得到所述大数据业务定位数据中业
务服务链路的业务流标签信息。
的第一检索行为清单,所述检索指令请求信息包括根据所述用户检索指令集合的意图词输
入信息和意图词输出信息所确定出的意图词检索信息的访问意图对象信息,所述第一检索
行为清单包括所述访问意图对象信息的多个访问意图等级的高低顺序;
骤,包括:
以及训练样本对应的训练标注信息训练获得,所述训练样本为大数据业务定位数据样本,
所述训练标注信息为用户画像标注信息;
得到所述业务服务链路的业务关系提取信息的步骤,包括:
链路的目标用户意图特征和用户画像特征信息的业务溯源脚本;
任意两个业务溯源脚本中的业务关系提取节点的业务关系的关系网络标签覆盖预设标签
范围;
用户画像特征信息对应的业务溯源特征;其中,所述业务溯源特征至少包括业务溯源脚本
集中各业务溯源脚本针对所述业务服务链路的目标用户意图特征和用户画像特征信息的
每个业务溯源表项的特征信息数据,所述业务溯源特征用于确定该业务溯源脚本集中各业
务溯源脚本中的业务关系提取节点对应所述业务服务链路的目标用户意图特征和用户画
像特征信息的业务关系溯源结果;
进行分类得到分类结果,根据所述分类结果,得到所述业务服务链路的业务关系提取信息。
括:
合中各个业务关系指标在所述溯源业务轨迹信息内与所述溯源业务类别的业务匹配度,进
行相似度计算,得到分别与所述多个溯源业务联动组合对应的多个相似度计算结果,并将
每个相似度计算结果对应的溯源业务联动组合的业务调用频繁度加权值作为每个相似度
计算结果的权重值;
根据每个相似度计算结果的权重值,对基于所述多个相似度计算结果获取到的多个相似业
务关系轨迹进行整合,得到第一相似业务关系轨迹集,其中,每个溯源业务联动组合中任两
个业务关系指标之间的业务调用频繁度加权值相等,且不同溯源业务联动组合对应的业务
调用频繁度加权值不等,每个相似度计算结果用于确定在任一设定时序段内与所述溯源业
务类别对应的各业务溯源脚本中的业务关系提取节点对应的业务重合数据,所述相似度计
算结果通过根据历史业务关系向量结果进行相似度计算后得到;
溯源业务类别的之间的业务关系提取识别结果,将所述多个业务关系提取节点对应的业务
关系提取识别结果的对应的目标请求报文作为第二相似业务关系轨迹;
业务关系提取节点对应的业务关系溯源结果。
括:
业务覆盖区间确定每个业务关系提取节点的业务触发指标信息;
特征序列中分别包括的若干个具有不同的特征描述值的业务关系元知识网络;其中,所述
业务关系元知识网络为所述第一用户意图特征序列和所述第二用户意图特征序列中的存
在关联关系的用户意图特征构成的元知识网络;
任一业务关系元知识网络的基础关系图谱信息,并行地将所述第二用户意图特征序列中具
有最小特征描述值的业务关系元知识网络确定为目标业务关系元知识网络;
所述基础关系图谱信息对应的业务上下游关系信息;
成员信息添加到所述基础关系图谱信息所在业务关系元知识网络,以在所述基础关系图谱
信息所在业务关系元知识网络中得到所述目标实体成员信息对应的成员匹配结果,并根据
所述参考信息确定所述成员匹配结果为业务溯源结果;其中,所述目标实体成员信息为访
问动作对应的实体成员的信息;
小的顺序依次获取所述业务溯源结果对应的业务溯源标签,直至获取到的所述业务溯源标
签所在业务关系元知识网络的知识产权网络节点数量与所述业务溯源结果在所述第一用
户意图特征序列中的知识产权网络节点数量一致时,停止获取下一业务关系元知识网络中
的业务溯源标签,并建立所述业务溯源结果与最后一次获取到的业务溯源标签之间的溯源
关联信息,基于所述溯源关联信息确定每个业务关系提取节点对应的业务关系溯源结果。
系提取信息,包括:
所述业务关系浮动参数达到设定浮动范围时,将所述业务关系溯源结果输入所述预设业务
关系分类模型,并判断是否接收到所述预设业务关系分类模型输出的分类结果;其中,前一
时段根据所述设定时序段确定;
签对应的分类结果直接加载至所述模型更新进程的待处理参数集中,或者将所述业务溯源
分类标签对应的分类结果加载至所述预设业务关系分类模型的预处理数据集后,经由所述
预设业务关系分类模型将所述所述业务溯源分类标签对应的分类结果传导至所述模型更
新进程的待处理参数集中;运行所述模型更新进程,获取所述模型更新进程对所述分类结
果进行深度特征提取后输出的深度特征分布信息;
布方式信息确定所述深度特征分布信息的分布区域下的各深度特征标签与所述深度特征
分布信息的偏离特征分布下的各深度特征标签之间的相关参数,并将所述深度特征分布信
息的分布区域下的与偏离特征分布下的深度特征标签相关的深度特征标签分配到所述偏
离特征分布下;
务关系提取队列特征,将所述业务关系提取队列特征输入到所述预设业务关系分类模型
中,获得所述预设业务关系分类模型针对所述业务关系提取队列特征进行分类输出的分类
结果;
化信息,包括:
务流标签信息,其中,所述大数据业务定位数据为基于单个订阅业务进行采集到的各个业
务服务链路所记录的业务数据构成的数据集合;
务关系提取信息,并基于所述业务服务链路的业务关系提取信息对所述订阅业务进行业务
推送配置更新,得到所述业务服务链路的业务推送配置优化信息。
心通信连接的多个业务服务终端;
其中,所述大数据业务定位数据为基于单个订阅业务进行采集到的各个业务服务链路所记
录的业务数据构成的数据集合;
息,并基于所述业务服务链路的业务关系提取信息对所述订阅业务进行业务推送配置更
新,得到所述业务服务链路的业务推送配置优化信息。
通过总线系统相连,所述网络接口用于与至少一个业务服务终端通信连接,所述机器可读
存储介质用于存储程序、指令或代码,所述处理器用于执行所述机器可读存储介质中的程
序、指令或代码,以执行第一方面或者第一方面中任意一个可能的实现方式中的基于大数
据定位和人工智能的业务优化方法。
的实现方式中的基于大数据定位和人工智能的业务优化方法。
服务链路的用户画像特征信息,提取到丰富的业务服务链路的业务关系特征信息,为精准
的基于大数据定位的信息推送提供数据支撑;另外,通过业务服务链路的目标用户意图特
征,对业务服务链路进行业务推送配置更新,得到业务服务链路的业务推送配置优化信息,
以实现精准的基于大数据定位的信息推送过程。
附图说明
范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这
些附图获得其它相关的附图。
具体实施方式
与云计算中心100通信连接的业务服务终端200。图1所示的基于大数据定位和人工智能的
业务优化系统10仅为一种可行的示例,在其它可行的实施例中,该基于大数据定位和人工
智能的业务优化系统10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它
的组成部分。
据技术或者是云计算技术等的场景中,再比如,还可以应用在包括但不限于新能源汽车系
统管理、智能云办公、云平台数据处理、云游戏数据处理、云直播处理、云汽车管理平台、区
块链金融数据服务平台等,但不限于此。
能的业务优化方法,具体云计算中心100和业务服务终端200的执行步骤部分可以参照以下
方法实施例的详细描述。
的业务优化方法可以由图1中所示的云计算中心100执行,下面对该基于大数据定位和人工
智能的业务优化方法进行详细介绍。
并基于业务服务链路的业务关系提取信息对订阅业务进行业务推送配置更新,得到业务服
务链路的业务推送配置优化信息。
端200在使用任意互联网服务(例如团购服务、论坛服务、电商服务等)过程中所订阅关注的
业务项目(例如家居业务项目、学习教育业务项目等)。业务服务链路可以是指订阅业务下
形成的业务服务节点构成的链路,业务服务节点可以理解为业务项目下所存在的业务功
能,不同的业务功能之间通常会存在关联关系,因此可以基于关联关系将各个存在关联关
系业务服务节点组成业务服务链路。此外,业务流标签信息可以用于表征业务流数据相关
的用户偏好情况。
规律情况。
关系提取业务服务链路的目标用户意图特征与业务服务链路的用户画像特征信息,以综合
业务服务链路的业务流标签信息与业务服务链路的用户画像特征信息,提取到丰富的业务
服务链路的业务关系特征信息,为精准的基于大数据定位的信息推送提供数据支撑;另外,
通过业务服务链路的目标用户意图特征,对业务服务链路进行业务推送配置更新,得到业
务服务链路的业务推送配置优化信息,以实现精准的基于大数据定位的信息推送过程。
中,可以通过以下示例性的子步骤来实现,详细描述如下。
料采集触发信息、语料指向信息以及该业务流更新时序范围内的更新语料记录。譬如,业务
流更新时序范围可以用于表示业务流更新过程中相关的时间记录区间,语料采集触发信息
可以用于表征语料采集时的触发节点(例如用户的点击或者浏览操作可以作为一个触发节
点),语料指向信息可以用于表征语料采集后所指示的业务跳转信息。
行为更新语料中行为语料描述信息的描述特征向量,确定该行为更新语料中每个行为语料
描述信息是否为候选目标行为语料描述信息,根据该行为更新语料中候选目标行为语料描
述信息的数量,确定该行为更新语料对应的每个候选语料标注语料单元段,针对每个候选
语料标注语料单元段,将该候选语料标注语料单元段划分为多个子语料单元段,根据每个
子语料单元段内各行为语料描述信息的描述标签及预设的标签范围,确定候选语料标注语
料单元段是否为目标语料标注语料单元段,其中,每个行为语料描述信息对应于每个语料
单元更新行为。
息,预设业务流规则包括不同语料单元使用类型所对应的匹配方式。
和每个语料单元摘要意图拓扑树的语料单元摘要特征,并根据目标语料标注语料单元段内
每个语料单元主题意图拓扑树的语料单元主题特征和每个语料单元摘要意图拓扑树的语
料单元摘要特征,确定每个大数据语料单元在该业务流更新时序范围的语料单元标签对
象,将位于语料单元标签对象的语料单元范围内的特征以及位于语料单元标签对象的语料
单元范围外而关联于语料单元标签对象的语料单元范围的特征作为每个大数据语料单元
在该业务流更新时序范围内的语料标签特征后,将每个大数据语料单元在所有业务流更新
时序范围内的语料标签特征进行汇总后,得到大数据业务定位数据中业务服务链路的业务
流标签信息。
过以下示例性的子步骤来实现,详细描述如下。
应的第一检索行为清单,检索指令请求信息包括根据用户检索指令集合的意图词输入信息
和意图词输出信息所确定出的意图词检索信息的访问意图对象信息,第一检索行为清单包
括访问意图对象信息的多个访问意图等级的高低顺序。
的过程中,可以通过以下示例性的子步骤来实现,详细描述如下。
息。具体训练的过程可以参见现有技术中所提供的常规训练方式即可,该训练过程中不属
于本申请实施例旨在解决的技术问题,在此不再过多赘述。
到业务服务链路的业务关系提取信息的过程中,可以通过以下示例性的子步骤来实现,详
细描述如下。
路的目标用户意图特征和用户画像特征信息的业务溯源脚本。
和用户画像特征信息对应的业务溯源特征。
业务溯源特征用于确定该业务溯源脚本集中各业务溯源脚本中的业务关系提取节点对应
业务服务链路的目标用户意图特征和用户画像特征信息的业务关系溯源结果。
果进行分类得到分类结果,根据分类结果,得到业务服务链路的业务关系提取信息。
过程中,可以通过以下可替代的实施方式来实现。
务联动组合中各个业务关系指标在溯源业务轨迹信息内与溯源业务类别的业务匹配度,进
行相似度计算,得到分别与多个溯源业务联动组合对应的多个相似度计算结果,并将每个
相似度计算结果对应的溯源业务联动组合的业务调用频繁度加权值作为每个相似度计算
结果的权重值。
根据每个相似度计算结果的权重值,对基于多个相似度计算结果获取到的多个相似业务关
系轨迹进行整合,得到第一相似业务关系轨迹集。
个相似度计算结果用于确定在任一设定时序段内与溯源业务类别对应的各业务溯源脚本
中的业务关系提取节点对应的业务重合数据,相似度计算结果通过根据历史业务关系向量
结果进行相似度计算后得到。
类别的之间的业务关系提取识别结果,将多个业务关系提取节点对应的业务关系提取识别
结果的对应的目标请求报文作为第二相似业务关系轨迹。
业务关系提取节点对应的业务关系溯源结果。
务覆盖区间确定每个业务关系提取节点的业务触发指标信息。
包括的若干个具有不同的特征描述值的业务关系元知识网络。
知识网络的基础关系图谱信息,并行地将第二用户意图特征序列中具有最小特征描述值的
业务关系元知识网络确定为目标业务关系元知识网络。
图谱信息对应的业务上下游关系信息。
基础关系图谱信息所在业务关系元知识网络,以在基础关系图谱信息所在业务关系元知识
网络中得到目标实体成员信息对应的成员匹配结果,并根据参考信息确定成员匹配结果为
业务溯源结果。
次获取业务溯源结果对应的业务溯源标签,直至获取到的业务溯源标签所在业务关系元知
识网络的知识产权网络节点数量与业务溯源结果在第一用户意图特征序列中的知识产权
网络节点数量一致时,停止获取下一业务关系元知识网络中的业务溯源标签,并建立业务
溯源结果与最后一次获取到的业务溯源标签之间的溯源关联信息,基于溯源关联信息确定
每个业务关系提取节点对应的业务关系溯源结果。
务关系提取信息的过程中,可以通过以下可替代的实施方式来实现。
新,在业务关系浮动参数达到设定浮动范围时,将业务关系溯源结果输入预设业务关系分
类模型,并判断是否接收到预设业务关系分类模型输出的分类结果。其中,前一时段可以根
据设定时序段确定,具体不作限定。
签对应的分类结果直接加载至模型更新进程的待处理参数集中,或者将业务溯源分类标签
对应的分类结果加载至预设业务关系分类模型的预处理数据集后,经由预设业务关系分类
模型将业务溯源分类标签对应的分类结果传导至模型更新进程的待处理参数集中。并且,
运行模型更新进程,获取模型更新进程对分类结果进行深度特征提取后输出的深度特征分
布信息。
布方式信息确定深度特征分布信息的分布区域下的各深度特征标签与深度特征分布信息
的偏离特征分布下的各深度特征标签之间的相关参数,并将深度特征分布信息的分布区域
下的与偏离特征分布下的深度特征标签相关的深度特征标签分配到偏离特征分布下。
系提取队列特征,将业务关系提取队列特征输入到预设业务关系分类模型中,获得预设业
务关系分类模型针对业务关系提取队列特征进行分类输出的分类结果。
的过程中,可以通过以下示例性的子步骤来实现,详细描述如下。
方式中,业务推送配置优化信息中可以具有一个或者多个待推荐页面节点,待推荐页面节
点可以理解为一个推荐页面中所包括的页面内容区,推荐页面可以理解为最终为用户推送
时所展示的完整内容服务界面,页面内容区可以是指针对该完整内容服务界面中某个服务
推送区域的内容展示信息的区域。
体不作限制。此外,待索引推荐对象对应的目标索引数据源可以基于每个待索引推荐对象
预先关联的数据源参数(例如调用数据接口SDK参数等)获得。
订阅标签下的主题相似度,生成选定推荐页面与目标数据源推荐页面之间的推荐权重参
数。
算法模型。此外,推荐权重参数可以用于表示选定推荐页面与目标数据源推荐页面可以被
信息推荐的相对权重。
推荐素材,并向业务服务终端200推送目标推荐素材。
大于预设推荐权重参数的选定推荐页面所包括的推荐页面节点匹配的目标索引推荐对象,
然后再从预设目标推荐素材库中获得与这些目标索引推荐对象所对应的目标推荐素材后
进行推送。
重参数后,通过融合各用户订阅标签下选定推荐页面与目标数据源推荐页面之间的推荐权
重参数,可以利用大量以推荐页面为基础的参考依据,使得获取的目标数据源推荐页面更
多,有利于提高后续素材匹配的准确性,并且,在以推荐页面为最小基础单位时可以避免对
待索引推荐对象进行索引时出现误差的情况,因此,提高了素材匹配的准确性。
定位和人工智能的业务优化装置300进行功能模块的划分,也即该基于大数据定位和人工
智能的业务优化装置300所对应的以下各个功能模块可以用于执行上述云计算中心100执
行的各个方法实施例。其中,该基于大数据定位和人工智能的业务优化装置300可以包括获
取模块310、挖掘模块320、提取模块330以及更新模块340,下面分别对该基于大数据定位和
人工智能的业务优化装置300的各个功能模块的功能进行详细阐述。
签信息,其中,大数据业务定位数据为基于单个订阅业务进行采集到的各个业务服务链路
所记录的业务数据构成的数据集合。其中,获取模块310可以用于执行上述的步骤S110,关
于获取模块310的详细实现方式可以参照上述针对步骤S110的详细描述即可。
S120,关于挖掘模块320的详细实现方式可以参照上述针对步骤S120的详细描述即可。
的步骤S130,关于提取模块330的详细实现方式可以参照上述针对步骤S130的详细描述即
可。
取信息,并基于业务服务链路的业务关系提取信息对订阅业务进行业务推送配置更新,得
到业务服务链路的业务推送配置优化信息。其中,更新模块340可以用于执行上述的步骤
S140,关于更新模块340的详细实现方式可以参照上述针对步骤S140的详细描述即可。
全部以软件通过处理元件调用的形式实现。也可以全部以硬件的形式实现。还可以部分模
块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,获取模块310
可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以
程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以
上获取模块310的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一
起,也可以独立实现。这里所描述的处理元件可以是一种集成电路,具有信号的处理能力。
在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻
辑电路或者软件形式的指令完成。
110、机器可读存储介质120、总线130以及收发器140。
块310、挖掘模块320、提取模块330以及更新模块340),使得处理器110可以执行如上方法实
施例的基于大数据定位和人工智能的业务优化方法,其中,处理器110、机器可读存储介质
120以及收发器140通过总线130连接,处理器110可以用于控制收发器140的收发动作,从而
可以与前述的业务服务终端200进行数据收发。
Signal Processor,DSP)、专用集成电路(英文:Application SpecificIntegrated
Circuit,ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器
等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中
的硬件及软件模块组合执行完成。
结构(Extended Industry Standard Architecture,EISA)总线等。总线130可以分为地址
总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或
一种类型的总线。
的业务优化方法。
执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺
序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可
以的或者可能是有利的。
会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所
以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或
“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或
多个实施例中的某些特征、结构或特点可以进行适当的组合。
对它们的任何新的和有用的改进。相应地,本说明书的各个方面可以完全由硬件执行、可以
完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件
或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本说明书的
各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可
读程序编码。
合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介
质,该介质可以通过连接至一个指令执行系统、系统或设备以实现通讯、传播或传输供使用
的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线
电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
VB.NET、Python等,常规程序化编程语言如C语言、VisualBasic、Fortran2003、Perl、
COBOL2002、PHP、ABAP,被动编程语言如Python、Ruby和Groovy,或其它编程语言等。该程序
编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在
用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种
情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网
(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软
件即服务(SaaS)。
种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的
目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明
书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件
设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上
安装所描述的系统。
图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要
求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描
述的实施例。