CN111931064A - 基于大数据和人工智能的信息解析方法及云服务信息平台 - Google Patents
基于大数据和人工智能的信息解析方法及云服务信息平台 Download PDFInfo
- Publication number
- CN111931064A CN111931064A CN202010889103.3A CN202010889103A CN111931064A CN 111931064 A CN111931064 A CN 111931064A CN 202010889103 A CN202010889103 A CN 202010889103A CN 111931064 A CN111931064 A CN 111931064A
- Authority
- CN
- China
- Prior art keywords
- information
- feature
- association structure
- push
- matching
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Abstract
本发明实施例提供一种基于大数据和人工智能的信息解析方法及云服务信息平台，在信息推送索引内容数据的推送过程中，加入了对于字段名关联结构或关键词关联结构的操作元数据的考虑，从而可以反映在用户操作行为大数据的各个知识挖掘元素中存在的按逻辑关系关联的字段名和关键词的操作节点信息，进而由此进行知识挖掘元素的筛选后再进行知识图谱挖掘，从而可以在数据内容复杂、尤其是噪声数据较多的情况下提高后续兴趣推送索引策略更新过程的针对性和准确性，从而提高索引推送内容的精确度。
Description
技术领域
本发明涉及信息推送处理技术领域，具体而言，涉及一种基于大数据和人工智能的信息解析方法及云服务信息平台。
背景技术
目前，对于每个信息推送订阅项目而言，为了提高信息安全性，通常为为其在区块链中预先训练信息推送模型，在常规的信息推送索引（即信息推送过程中基于信息推送的词向量策略所对应的内容索引策略）的服务中，当推送相关的信息推送索引内容数据之后，通常会基于反馈的大数据操作情况进行推送策略优化，然而常规设计中，在数据内容复杂、尤其是噪声数据较多的情况下，难以保证后续兴趣推送索引策略更新过程的针对性和准确性，从而导致索引推送内容的精确度不高。
发明内容
为了至少克服现有技术中的上述不足，本发明的目的在于提供一种基于大数据和人工智能的信息解析方法及云服务信息平台，在信息推送索引内容数据的推送过程中，加入了对于字段名关联结构或关键词关联结构的操作元数据的考虑，从而可以反映在用户操作行为大数据的各个知识挖掘元素中存在的按逻辑关系关联的字段名和关键词的操作节点信息，进而由此进行知识挖掘元素的筛选后再进行知识图谱挖掘，从而可以在数据内容复杂、尤其是噪声数据较多的情况下提高后续兴趣推送索引策略更新过程的针对性和准确性，从而提高索引推送内容的精确度。
第一方面，本发明实施例提供一种基于大数据和人工智能的信息解析方法，其特征在于，应用于云服务信息平台，所述云服务信息平台与多个信息推送订阅终端通信连接，并与用于在每个信息推送订阅终端进行信息推送控制的区块链服务终端通信连接，所述方法包括：
提取每个信息推送订阅终端上传的针对信息推送索引内容数据的用户操作行为大数据中的字段名关联结构或关键词关联结构的操作元数据，并计算所述用户操作行为大数据中与所述字段名关联结构或关键词关联结构的操作元数据对应的第一知识挖掘元素序列，所述字段名关联结构或关键词关联结构的操作元数据用于表征在所述用户操作行为大数据的各个知识挖掘元素中存在的按逻辑关系关联的字段名和关键词的操作节点信息；
获取所述用户操作行为大数据所对应的舆情热点对象的预设舆情推送统计特征，并根据所述第一知识挖掘元素序列计算所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息；
根据所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息从所述第一知识挖掘元素序列中提取出对应的第二知识挖掘元素序列；
基于所述用户操作行为大数据确定所述第二知识挖掘元素序列每个目标知识挖掘元素的知识图谱挖掘数据，并根据所述字段名关联结构或关键词关联结构的操作元数据从每个目标知识挖掘元素的知识图谱挖掘数据中提取对应的操作热度趋势图谱，以基于所述操作热度趋势图谱更新所述区块链服务终端所训练的存储在区块链中的信息推送策略。
2.根据权利要求1所述的大数据和人工智能的信息解析方法，其特征在于，所述提取每个信息推送订阅终端上传的针对信息推送索引内容数据的用户操作行为大数据中的字段名关联结构或关键词关联结构的操作元数据，并计算所述用户操作行为大数据中与所述字段名关联结构或关键词关联结构的操作元数据对应的第一知识挖掘元素序列的步骤，包括：
对所述用户操作行为大数据进行规则树匹配，得到规则树匹配特征，其中，所述规则树匹配特征用于表示所述用户操作行为大数据中每个知识挖掘元素对应的规则树节点向量；
针对所述规则树匹配特征进行预设无效特征的信息剔除处理，得到第一目标规则树匹配特征，并获取所述第一目标规则树匹配特征中所有规则树节点向量的相似规则树节点，并根据所述所有规则树节点向量的相似规则树节点从所述第一目标规则树匹配特征中筛选掉相似规则树节点的数量大于设定节点数量的规则树节点向量，得到第二目标规则树匹配特征；
对所述第二目标规则树匹配特征进行范式化模板特征提取，得到第一范式化模板特征集，并将所述第一范式化模板特征集中特征长度大于设定值的规则树节点向量进行过滤，得到第一筛选规则树节点向量序列；
根据所述第一筛选规则树节点向量序列对所述第一范式化模板特征集进行映射比较，确定所述第二目标规则树匹配特征的范式化模板特征维度的所有时间维度以及所有空间维度的载体指标分量，其中，所述时间维度和所述空间维度为规则树节点向量在预先构建的内容匹配规则中相反量化指标上的维度，所述量化指标用于表示内容统计特征的量化参数；
根据所述第二目标规则树匹配特征的范式化模板特征维度的所有时间维度以及所有空间维度的载体指标分量，确定出字段名关联结构或关键词关联结构的操作元数据，并确定所述用户操作行为大数据中与所述字段名关联结构或关键词关联结构的操作元数据对应的第一知识挖掘元素序列。
3.根据权利要求2所述的大数据和人工智能的信息解析方法，其特征在于，所述根据所述第二目标规则树匹配特征的范式化模板特征维度的所有时间维度以及所有空间维度的载体指标分量，确定出字段名关联结构或关键词关联结构的操作元数据，并确定所述用户操作行为大数据中与所述字段名关联结构或关键词关联结构的操作元数据对应的第一知识挖掘元素序列的步骤，包括：
根据所述第二目标规则树匹配特征的范式化模板特征维度的所有时间维度以及所有空间维度的载体指标分量，分别得到第一时间维度载体指标分量组以及第一空间维度载体指标分量组；
根据所述第一时间维度载体指标分量组以及第一空间维度载体指标分量组提取出所有的范式化模板特征维度的范式化模板关联对象；
对所述第二目标规则树匹配特征做非范式化模板特征提取，得到第二范式化模板特征集，并将所述第二范式化模板特征集中特征长度大于设定值的规则树节点向量进行过滤，得到第二筛选规则树节点向量序列；
根据所述第二筛选规则树节点向量序列对所述第二范式化模板特征集进行映射比较，确定所述第二目标规则树匹配特征的非范式化模板特征维度的所有时间维度以及所有空间维度的载体指标分量，其中，所述时间维度和所述空间维度为规则树节点向量在预先构建的内容匹配规则中相反量化指标上的方向，所述量化指标用于表示内容统计特征的量化参数；
根据所述第二目标规则树匹配特征的非范式化模板特征维度的所有时间维度以及所有空间维度的载体指标分量，分别得到第二时间维度载体指标分量组以及第二空间维度载体指标分量组；
根据所述第二时间维度载体指标分量组以及第二空间维度载体指标分量组提取出所有的非范式化模板特征维度的非范式化模板关联对象；
根据所述范式化模板关联对象和非范式化模板关联对象确定所有关联节点，并确定每个关联节点上所有相似规则树节点的单位知识挖掘元素集合、元素挖掘数量集合以及元素频繁统计度集合；
当确定所述单位知识挖掘元素集合、元素挖掘数量集合以及元素频繁统计度集合的中位数与平均数之比和平均数与中位数之比的两者中的最大值小于设定值时，确定所述相似规则树节点为候选相似规则树节点的待定节点；
对于一个关联节点中的每一个相似规则树节点，确定该相似规则树节点中各个非范式化模板特征相关联的相似规则树节点间的非范式化模板特征的特征片段位置，根据所述特征片段位置确定与每个所述候选相似规则树节点的非范式化模板特征的特征片段位置；
根据所述每个所述候选相似规则树节点的非范式化模板特征的特征片段位置确定出字段名关联结构或关键词关联结构的操作元数据；
确定所述用户操作行为大数据中与所述字段名关联结构或关键词关联结构的操作元数据对应的第一知识挖掘元素序列。
4.根据权利要求1所述的大数据和人工智能的信息解析方法，其特征在于，所述获取所述用户操作行为大数据所对应的舆情热点对象的预设舆情推送统计特征，并根据所述第一知识挖掘元素序列计算所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息的步骤，包括：
获取所述用户操作行为大数据所对应的舆情热点对象的舆情热点标签；
根据所述舆情热点标签从预设的舆情热点对象特征数据库中获取包含所述舆情热点对象的预设舆情推送统计特征，其中，所述预设的舆情热点对象特征数据库中包括舆情热点标签与预设舆情推送统计特征之间的对应关系，所述预设舆情推送统计特征用于表征所述舆情热点对象的统计过程的舆情热度更新情况，并随着所述舆情热点对象的变化而适应性变化；
根据所述第一知识挖掘元素序列获取包含当前所述舆情热点对象的遍历知识挖掘元素，根据所述遍历知识挖掘元素确定以所述预设舆情推送统计特征为基准特征的参考搜索意图特征，将所述遍历知识挖掘元素以所述字段名关联结构或关键词关联结构的操作元数据为基准，依次划分为与参考搜索意图特征对应的多个候选搜索意图特征，对每一候选搜索意图特征分别与所述参考搜索意图特征进行比对得到对应的意图匹配值范围，当意图匹配值范围不满足设定的参考值范围时，记录所述意图匹配值范围对应的候选搜索意图特征为第一搜索意图特征，所述参考搜索意图特征为第二搜索意图特征，以得到由至少一个由所述第一搜索意图特征和所述第二搜索意图特征形成的搜索意图特征组合；
基于所述由至少一个由所述第一搜索意图特征和所述第二搜索意图特征形成的搜索意图特征组合计算所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息。
5.根据权利要求4所述的大数据和人工智能的信息解析方法，其特征在于，所述基于所述由至少一个由所述第一搜索意图特征和所述第二搜索意图特征形成的搜索意图特征组合计算所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息的步骤，包括：
基于至少一个所述搜索意图特征组合确定对应的第一对象单元，并以第一对象单元为基准，根据设置的单元数量大小对所述遍历知识挖掘元素进行划分，分别得到与每一所述单元数量大小对应的多个包含第一对象单元的第二对象单元；
对所述第二对象单元进行解析，得到所述第二对象单元中各搜索意图特征组合的特征信息，并根据所述搜索意图特征组合的特征信息确定搜索意图特征组合的候选量级以及对应的特征值，并根据所述搜索意图特征组合的候选量级以及对应的特征值确定第一搜索意图特征序列；
基于所述第一搜索意图特征序列、搜索意图特征组合的候选量级以及对应的特征值确定满足设置条件的搜索意图特征组合构成的线性意图分类簇，确定每一所述对象单元的第一线性意图分类簇和第二线性意图分类簇的其中一个，根据所述第一线性意图分类簇和所述第二线性意图分类簇的其中一个对每一所述对象单元进行筛选得到与每一所述对象单元对应的筛选后的对象单元；
基于每一所述对象单元对应的筛选后的对象单元得到第一线性意图分类簇和第二线性意图分类簇的其中另一个；
根据所述对象单元分别对应的第一线性意图分类簇得到第一线性意图分类簇集、以及根据所述对象单元分别对应的第二线性意图分类簇得到第二线性意图分类簇集；
确定所述第一线性意图分类簇集对应的第一参考线性意图分类簇和所述第二线性意图分类簇集对应的第二参考线性意图分类簇，并基于所述第一线性意图分类簇集与所述第一参考线性意图分类簇以及所述第二线性意图分类簇集与所述第二参考线性意图分类簇分别确定对应所述第一线性意图分类簇集的第一待匹配簇节点以及对应所述第二线性意图分类簇集的第二待匹配簇节点；
对所述第一线性意图分类簇集的第一待匹配簇节点以及对应所述第二线性意图分类簇集的第二待匹配簇节点进行比对，得到所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息。
6.根据权利要求1所述的大数据和人工智能的信息解析方法，其特征在于，所述根据所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息从第一知识挖掘元素序列提取出对应的第二知识挖掘元素序列的步骤，包括
根据所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息，确定出所述第一知识挖掘元素序列中存在与所述内容匹配信息相匹配的知识挖掘元素；
根据与所述内容匹配信息相匹配的知识挖掘元素从第一知识挖掘元素序列提取出对应的第二知识挖掘元素序列。
7.根据权利要求1所述的大数据和人工智能的信息解析方法，其特征在于，所述根据所述字段名关联结构或关键词关联结构的操作元数据从每个目标知识挖掘元素的知识图谱挖掘数据中提取对应的操作热度趋势图谱的步骤，包括：
从每个目标知识挖掘元素的知识图谱挖掘数据中筛选出与所述字段名关联结构或关键词关联结构的操作元数据之间的匹配度大于设定匹配度的多个候选操作热度趋势图谱以及所述多个候选操作热度趋势图谱各自对应的匹配度；
根据所述匹配度从所述多个候选操作热度趋势图谱中选取至少一个候选图谱单元，形成候选图谱单元组，并根据所述候选图谱单元组中的各候选图谱单元与所述知识图谱挖掘数据中的各数据区域的关联度确定各候选图谱单元的操作热度指数；
确定所述多个候选操作热度趋势图谱各自对应的匹配度与预设匹配度之间的差异的匹配度差值，并基于所述匹配度差值的等级与所述操作热度指数的乘积，生成候选操作热度趋势参数，其中，所述匹配度差值的等级通过预先配置的匹配度差值与等级之间的映射关系获得；
基于所述候选操作热度趋势参数，生成每个目标知识挖掘元素的知识图谱挖掘数据对应的操作热度趋势图谱。
8.根据权利要求1-7中任意一项所述的大数据和人工智能的信息解析方法，其特征在于，所述方法还包括：
根据每个信息推送订阅项目的区块链中训练的信息推送模型向每个信息推送订阅终端推送所述信息推送索引内容数据。
9.根据权利要求8所述的大数据和人工智能的信息解析方法，其特征在于，所述根据每个信息推送订阅项目的区块链中训练的信息推送模型向每个信息推送订阅终端推送所述信息推送索引内容数据的步骤，包括：
通过每个信息推送订阅项目的区块链中训练的信息推送模型，对所述信息推送订阅终端与对应的区块链服务终端之间所建立的兴趣文本推送进程中的推送词向量序列进行信息推送更新标记；
确定在信息推送更新标记过程中所述信息推送订阅终端当前进行信息浏览展示的浏览模板化控件中第一模板化控件业务节点及第二模板化控件业务节点，其中，所述浏览模板化控件为兴趣文本推送进程中预先设定的浏览结构化展示策略所对应的模板化浏览控件；
在所述兴趣文本推送进程中，确定所述第一模板化控件业务节点对应的与所述信息推送订阅项目相匹配的第三模板化控件业务节点，以及所述第二模板化控件业务节点对应的与所述信息推送订阅项目相匹配的第四模板化控件业务节点；
根据所述第一模板化控件业务节点、所述第二模板化控件业务节点、所述第三模板化控件业务节点、所述第四模板化控件业务节点及所述浏览结构化展示策略，确定所述兴趣文本推送进程中的关联兴趣覆盖业务信息，并根据所述兴趣文本推送进程中的关联兴趣覆盖业务信息对所述信息推送模型的兴趣推送索引策略进行更新，基于更新后的兴趣推送索引策略向每个信息推送订阅终端推送所述信息推送索引内容数据。
第二方面，本发明实施例还提供一种基于大数据和人工智能的信息解析装置，应用于云服务信息平台，所述云服务信息平台与多个信息推送订阅终端通信连接，并与用于在每个信息推送订阅终端进行信息推送控制的区块链服务终端通信连接，所述装置包括：
第一提取模块，用于提取每个信息推送订阅终端上传的针对信息推送索引内容数据的用户操作行为大数据中的字段名关联结构或关键词关联结构的操作元数据，并计算所述用户操作行为大数据中与所述字段名关联结构或关键词关联结构的操作元数据对应的第一知识挖掘元素序列，所述字段名关联结构或关键词关联结构的操作元数据用于表征在所述用户操作行为大数据的各个知识挖掘元素中存在的按逻辑关系关联的字段名和关键词的操作节点信息；
计算模块，用于获取所述用户操作行为大数据所对应的舆情热点对象的预设舆情推送统计特征，并根据所述第一知识挖掘元素序列计算所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息；
第二提取模块，用于根据所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息从所述第一知识挖掘元素序列中提取出对应的第二知识挖掘元素序列；
第三提取模块，用于基于所述用户操作行为大数据确定所述第二知识挖掘元素序列每个目标知识挖掘元素的知识图谱挖掘数据，并根据所述字段名关联结构或关键词关联结构的操作元数据从每个目标知识挖掘元素的知识图谱挖掘数据中提取对应的操作热度趋势图谱，以基于所述操作热度趋势图谱更新所述区块链服务终端所训练的存储在区块链中的信息推送策略。
第三方面，本发明实施例还提供一种基于大数据和人工智能的信息解析系统，所述基于大数据和人工智能的信息解析系统包括云服务信息平台以及与所述云服务信息平台通信连接的多个信息推送订阅终端，所述云服务信息平台还与用于在每个信息推送订阅终端进行信息推送控制的区块链服务终端通信连接；
所述云服务信息平台用于提取每个信息推送订阅终端上传的针对信息推送索引内容数据的用户操作行为大数据中的字段名关联结构或关键词关联结构的操作元数据，并计算所述用户操作行为大数据中与所述字段名关联结构或关键词关联结构的操作元数据对应的第一知识挖掘元素序列，所述字段名关联结构或关键词关联结构的操作元数据用于表征在所述用户操作行为大数据的各个知识挖掘元素中存在的按逻辑关系关联的字段名和关键词的操作节点信息；
所述云服务信息平台用于获取所述用户操作行为大数据所对应的舆情热点对象的预设舆情推送统计特征，并根据所述第一知识挖掘元素序列计算所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息；
所述云服务信息平台用于根据所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息从所述第一知识挖掘元素序列中提取出对应的第二知识挖掘元素序列；
所述云服务信息平台用于基于所述用户操作行为大数据确定所述第二知识挖掘元素序列每个目标知识挖掘元素的知识图谱挖掘数据，并根据所述字段名关联结构或关键词关联结构的操作元数据从每个目标知识挖掘元素的知识图谱挖掘数据中提取对应的操作热度趋势图谱，以基于所述操作热度趋势图谱更新所述区块链服务终端所训练的存储在区块链中的信息推送策略。
第四方面，本发明实施例还提供一种云服务信息平台，所述云服务信息平台包括处理器、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信息推送订阅终端通信连接，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设计中的基于大数据和人工智能的信息解析方法。
第五方面，本发明实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当其被执行时，使得计算机执行上述第一方面或者第一方面中任意一个可能的设计中的基于大数据和人工智能的信息解析方法。
基于上述任意一个方面，本发明在信息推送索引内容数据的推送过程中，加入了对于字段名关联结构或关键词关联结构的操作元数据的考虑，从而可以反映在用户操作行为大数据的各个知识挖掘元素中存在的按逻辑关系关联的字段名和关键词的操作节点信息，进而由此进行知识挖掘元素的筛选后再进行知识图谱挖掘，从而可以在数据内容复杂、尤其是噪声数据较多的情况下提高后续兴趣推送索引策略更新过程的针对性和准确性，从而提高索引推送内容的精确度。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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。
图1为本发明实施例提供的基于大数据和人工智能的信息解析系统的应用场景示意图；
图2为本发明实施例提供的基于大数据和人工智能的信息解析方法的流程示意图；
图3为本发明实施例提供的基于大数据和人工智能的信息解析装置的功能模块示意图；
图4为本发明实施例提供的用于实现上述的基于大数据和人工智能的信息解析方法的服务器的结构示意框图。
具体实施方式
下面结合说明书附图对本发明进行具体说明，以下方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。
图1是本发明一种实施例提供的基于大数据和人工智能的信息解析系统10的交互示意图。基于大数据和人工智能的信息解析系统10可以包括云服务信息平台100、与所述云服务信息平台100通信连接的多个信息推送订阅终端200（图1中仅示出两个），云服务信息平台100还与用于在每个信息推送订阅终端200进行信息推送控制的区块链服务终端300（图1中仅示出两个）通信连接。图1所示的基于大数据和人工智能的信息解析系统10仅为一种可行的示例，在其它可行的实施例中，该基于大数据和人工智能的信息解析系统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。
本实施例中，信息推送订阅终端200可以用于提供区块链服务终端300与相关的信息共享终端在某个区域范围内的兴趣文本推送进程，可以便于实现区域级别的信息共享终端管理。
本实施例中，区块链服务终端300可以包括移动设备、平板计算机、膝上型计算机等或其任意组合。在一些实施例中，移动设备可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等，或其任意组合。在一些实施例中，智能家居设备可以包括智能电器设备的控制设备、智能监控设备、智能电视、智能摄像机等，或其任意组合。在一些实施例中，可穿戴设备可包括智能手环、智能鞋带、智能玻璃、智能头盔、智能手表、智能服装、智能背包、智能配件等，或其任何组合。在一些实施例中，智能移动设备可以包括智能手机、个人数字助理、游戏设备等，或其任意组合。在一些实施例中，虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实玻璃、虚拟现实贴片、增强现实头盔、增强现实玻璃、或增强现实贴片等，或其任意组合。例如，虚拟现实设备和/或增强现实设备可以包括各种虚拟现实产品等。
本实施例中，基于大数据和人工智能的信息解析系统10中的云服务信息平台100、信息推送订阅终端200以及区块链服务终端300可以通过配合执行以下方法实施例所描述的基于大数据和人工智能的信息解析方法，具体云服务信息平台100、信息推送订阅终端200以及区块链服务终端300的执行步骤部分可以参照以下方法实施例的详细描述。
基于本申请提供的技术方案的发明构思出发，本申请提供的云服务信息平台100可以应用在例如智慧医疗、智慧城市管理、智慧工业互联网、通用业务监控管理等可以应用大数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。
为了解决前述背景技术中的技术问题，图2为本发明实施例提供的基于大数据和人工智能的信息解析方法的流程示意图，本实施例提供的基于大数据和人工智能的信息解析方法可以由图1中所示的云服务信息平台100执行，下面对该基于大数据和人工智能的信息解析方法进行详细介绍。
步骤S110，提取每个信息推送订阅终端200上传的针对信息推送索引内容数据的用户操作行为大数据中的字段名关联结构或关键词关联结构的操作元数据，并计算用户操作行为大数据中与字段名关联结构或关键词关联结构的操作元数据对应的第一知识挖掘元素序列。
步骤S120，获取用户操作行为大数据所对应的舆情热点对象的预设舆情推送统计特征，并根据第一知识挖掘元素序列计算字段名关联结构或关键词关联结构的操作元数据与预设舆情推送统计特征之间的内容匹配信息。
步骤S130，根据字段名关联结构或关键词关联结构的操作元数据与预设舆情推送统计特征之间的内容匹配信息从第一知识挖掘元素序列中提取出对应的第二知识挖掘元素序列。
步骤S140，基于用户操作行为大数据确定第二知识挖掘元素序列每个目标知识挖掘元素的知识图谱挖掘数据，并根据字段名关联结构或关键词关联结构的操作元数据从每个目标知识挖掘元素的知识图谱挖掘数据中提取对应的操作热度趋势图谱，以基于操作热度趋势图谱更新区块链服务终端300所训练的存储在区块链中的信息推送策略。
本实施例中，字段名关联结构或关键词关联结构的操作元数据，具体可以用于表征在用户操作行为大数据的各个知识挖掘元素中存在的按逻辑关系关联的字段名和关键词的操作节点信息。其中，字段名可以是指不同的应用程序业务所对应的标识字段信息，关键词可以是指不同的应用程序业务所对应的信息推送项目的词信息，操作节点信息可以是指针对各个知识挖掘元素中存在的按逻辑关系关联的字段名和关键词的用户的所有操作记录构成的节点集合。
本实施例中，知识挖掘元素可以是指存在知识挖掘价值的业务项目，例如前述的操作节点信息可以反映对于每个用户的兴趣吸引情况，从而可以设置一些规则进行筛选来确定知识挖掘元素。
本实施例中，在基于操作热度趋势图谱更新区块链服务终端300所训练的存储在区块链中的信息推送策略的过程中，譬如，可以将操作热度趋势图谱中操作热度趋势满足预设趋势规则的图谱单元构成的业务元素，在区块链服务终端300所训练的存储在区块链中的信息推送策略中提高预设权重，否则减少预设权重。
基于上述设计，在信息推送索引内容数据的推送过程中，加入了对于字段名关联结构或关键词关联结构的操作元数据的考虑，从而可以反映在用户操作行为大数据的各个知识挖掘元素中存在的按逻辑关系关联的字段名和关键词的操作节点信息，进而由此进行知识挖掘元素的筛选后再进行知识图谱挖掘，从而可以在数据内容复杂、尤其是噪声数据较多的情况下提高后续兴趣推送索引策略更新过程的针对性和准确性，从而提高索引推送内容的精确度。
在一种可能的实现方式中，对于步骤S110而言，在提取每个信息推送订阅终端200上传的针对信息推送索引内容数据的用户操作行为大数据中的字段名关联结构或关键词关联结构的操作元数据，并计算用户操作行为大数据中与字段名关联结构或关键词关联结构的操作元数据对应的第一知识挖掘元素序列的过程中，可以通过以下示例性的子步骤来实现，详细描述如下。
子步骤S111，对用户操作行为大数据进行规则树匹配，得到规则树匹配特征。
例如，规则树匹配特征用于表示用户操作行为大数据中每个知识挖掘元素对应的规则树节点向量。
子步骤S112，针对规则树匹配特征进行预设无效特征的信息剔除处理，得到第一目标规则树匹配特征，并获取第一目标规则树匹配特征中所有规则树节点向量的相似规则树节点，并根据所有规则树节点向量的相似规则树节点从第一目标规则树匹配特征中筛选掉相似规则树节点的数量大于设定节点数量的规则树节点向量，得到第二目标规则树匹配特征。
子步骤S113，对第二目标规则树匹配特征进行范式化模板特征提取，得到第一范式化模板特征集，并将第一范式化模板特征集中特征长度大于设定值的规则树节点向量进行过滤，得到第一筛选规则树节点向量序列。
子步骤S114，根据第一筛选规则树节点向量序列对第一范式化模板特征集进行映射比较，确定第二目标规则树匹配特征的范式化模板特征维度的所有时间维度以及所有空间维度的载体指标分量。
例如，时间维度和空间维度为规则树节点向量在预先构建的内容匹配规则中相反量化指标上的维度，量化指标用于表示内容统计特征的量化参数。
子步骤S115，根据第二目标规则树匹配特征的范式化模板特征维度的所有时间维度以及所有空间维度的载体指标分量，确定出字段名关联结构或关键词关联结构的操作元数据，并确定用户操作行为大数据中与字段名关联结构或关键词关联结构的操作元数据对应的第一知识挖掘元素序列。
示例性地，在子步骤S115中，可以通过以下示例性的实施方式来进一步实施，详细描述如下。
（1）根据第二目标规则树匹配特征的范式化模板特征维度的所有时间维度以及所有空间维度的载体指标分量，分别得到第一时间维度载体指标分量组以及第一空间维度载体指标分量组。
（2）根据第一时间维度载体指标分量组以及第一空间维度载体指标分量组提取出所有的范式化模板特征维度的范式化模板关联对象。
（3）对第二目标规则树匹配特征做非范式化模板特征提取，得到第二范式化模板特征集，并将第二范式化模板特征集中特征长度大于设定值的规则树节点向量进行过滤，得到第二筛选规则树节点向量序列。
（4）根据第二筛选规则树节点向量序列对第二范式化模板特征集进行映射比较，确定第二目标规则树匹配特征的非范式化模板特征维度的所有时间维度以及所有空间维度的载体指标分量。
例如，时间维度和空间维度为规则树节点向量在预先构建的内容匹配规则中相反量化指标上的方向，量化指标用于表示内容统计特征的量化参数。
（5）根据第二目标规则树匹配特征的非范式化模板特征维度的所有时间维度以及所有空间维度的载体指标分量，分别得到第二时间维度载体指标分量组以及第二空间维度载体指标分量组。
（6）根据第二时间维度载体指标分量组以及第二空间维度载体指标分量组提取出所有的非范式化模板特征维度的非范式化模板关联对象。
（7）根据范式化模板关联对象和非范式化模板关联对象确定所有关联节点，并确定每个关联节点上所有相似规则树节点的单位知识挖掘元素集合、元素挖掘数量集合以及元素频繁统计度集合。
（8）当确定单位知识挖掘元素集合、元素挖掘数量集合以及元素频繁统计度集合的中位数与平均数之比和平均数与中位数之比的两者中的最大值小于设定值时，确定相似规则树节点为候选相似规则树节点的待定节点。
（9）对于一个关联节点中的每一个相似规则树节点，确定该相似规则树节点中各个非范式化模板特征相关联的相似规则树节点间的非范式化模板特征的特征片段位置，根据特征片段位置确定与每个候选相似规则树节点的非范式化模板特征的特征片段位置。
（10）根据每个候选相似规则树节点的非范式化模板特征的特征片段位置确定出字段名关联结构或关键词关联结构的操作元数据。
（11）确定用户操作行为大数据中与字段名关联结构或关键词关联结构的操作元数据对应的第一知识挖掘元素序列。
在一种可能的实现方式中，对于步骤S120而言，在获取用户操作行为大数据所对应的舆情热点对象的预设舆情推送统计特征，并根据第一知识挖掘元素序列计算字段名关联结构或关键词关联结构的操作元数据与预设舆情推送统计特征之间的内容匹配信息的过程中，可以通过以下示例性的子步骤来实现，详细描述如下。
子步骤S121，获取用户操作行为大数据所对应的舆情热点对象的舆情热点标签。
子步骤S122，根据舆情热点标签从预设的舆情热点对象特征数据库中获取包含舆情热点对象的预设舆情推送统计特征。
例如，预设的舆情热点对象特征数据库中包括舆情热点标签与预设舆情推送统计特征之间的对应关系，预设舆情推送统计特征用于表征舆情热点对象的统计过程的舆情热度更新情况，并随着舆情热点对象的变化而适应性变化。
子步骤S123，根据第一知识挖掘元素序列获取包含当前舆情热点对象的遍历知识挖掘元素，根据遍历知识挖掘元素确定以预设舆情推送统计特征为基准特征的参考搜索意图特征，将遍历知识挖掘元素以字段名关联结构或关键词关联结构的操作元数据为基准，依次划分为与参考搜索意图特征对应的多个候选搜索意图特征，对每一候选搜索意图特征分别与参考搜索意图特征进行比对得到对应的意图匹配值范围，当意图匹配值范围不满足设定的参考值范围时，记录意图匹配值范围对应的候选搜索意图特征为第一搜索意图特征，参考搜索意图特征为第二搜索意图特征，以得到由至少一个由第一搜索意图特征和第二搜索意图特征形成的搜索意图特征组合。
子步骤S124，基于由至少一个由第一搜索意图特征和第二搜索意图特征形成的搜索意图特征组合计算字段名关联结构或关键词关联结构的操作元数据与预设舆情推送统计特征之间的内容匹配信息。
示例性地，在子步骤S124中，可以通过以下示例性的实施方式来进一步实施，详细描述如下。
（1）基于至少一个搜索意图特征组合确定对应的第一对象单元，并以第一对象单元为基准，根据设置的单元数量大小对遍历知识挖掘元素进行划分，分别得到与每一单元数量大小对应的多个包含第一对象单元的第二对象单元。
（2）对第二对象单元进行解析，得到第二对象单元中各搜索意图特征组合的特征信息，并根据搜索意图特征组合的特征信息确定搜索意图特征组合的候选量级以及对应的特征值，并根据搜索意图特征组合的候选量级以及对应的特征值确定第一搜索意图特征序列。
（3）基于第一搜索意图特征序列、搜索意图特征组合的候选量级以及对应的特征值确定满足设置条件的搜索意图特征组合构成的线性意图分类簇，确定每一对象单元的第一线性意图分类簇和第二线性意图分类簇的其中一个，根据第一线性意图分类簇和第二线性意图分类簇的其中一个对每一对象单元进行筛选得到与每一对象单元对应的筛选后的对象单元。
（4）基于每一对象单元对应的筛选后的对象单元得到第一线性意图分类簇和第二线性意图分类簇的其中另一个。
（5）根据对象单元分别对应的第一线性意图分类簇得到第一线性意图分类簇集、以及根据对象单元分别对应的第二线性意图分类簇得到第二线性意图分类簇集。
（6）确定第一线性意图分类簇集对应的第一参考线性意图分类簇和第二线性意图分类簇集对应的第二参考线性意图分类簇，并基于第一线性意图分类簇集与第一参考线性意图分类簇以及第二线性意图分类簇集与第二参考线性意图分类簇分别确定对应第一线性意图分类簇集的第一待匹配簇节点以及对应第二线性意图分类簇集的第二待匹配簇节点。
（7）对第一线性意图分类簇集的第一待匹配簇节点以及对应第二线性意图分类簇集的第二待匹配簇节点进行比对，得到字段名关联结构或关键词关联结构的操作元数据与预设舆情推送统计特征之间的内容匹配信息。
在一种可能的实现方式中，对于步骤S130而言，在根据字段名关联结构或关键词关联结构的操作元数据与预设舆情推送统计特征之间的内容匹配信息从第一知识挖掘元素序列提取出对应的第二知识挖掘元素序列的过程中，可以通过以下示例性的子步骤来实现，详细描述如下。
子步骤S131，根据字段名关联结构或关键词关联结构的操作元数据与预设舆情推送统计特征之间的内容匹配信息，确定出第一知识挖掘元素序列中存在与内容匹配信息相匹配的知识挖掘元素。
子步骤S132，根据与内容匹配信息相匹配的知识挖掘元素从第一知识挖掘元素序列提取出对应的第二知识挖掘元素序列。
在一种可能的实现方式中，对于步骤S130而言，在根据字段名关联结构或关键词关联结构的操作元数据从每个目标知识挖掘元素的知识图谱挖掘数据中提取对应的操作热度趋势图谱的过程中，可以通过以下示例性的子步骤来实现，详细描述如下。
子步骤S131，从每个目标知识挖掘元素的知识图谱挖掘数据中筛选出与字段名关联结构或关键词关联结构的操作元数据之间的匹配度大于设定匹配度的多个候选操作热度趋势图谱以及多个候选操作热度趋势图谱各自对应的匹配度。
子步骤S132，根据匹配度从多个候选操作热度趋势图谱中选取至少一个候选图谱单元，形成候选图谱单元组，并根据候选图谱单元组中的各候选图谱单元与知识图谱挖掘数据中的各数据区域的关联度确定各候选图谱单元的操作热度指数。
子步骤S133，确定多个候选操作热度趋势图谱各自对应的匹配度与预设匹配度之间的差异的匹配度差值，并基于匹配度差值的等级与操作热度指数的乘积，生成候选操作热度趋势参数。
例如，匹配度差值的等级通过预先配置的匹配度差值与等级之间的映射关系获得。
子步骤S134，基于候选操作热度趋势参数，生成每个目标知识挖掘元素的知识图谱挖掘数据对应的操作热度趋势图谱。
进一步地，在一种可能的实现方式中，在步骤S110之前，还可以包括以下步骤。
步骤S101，根据每个信息推送订阅项目的区块链中训练的信息推送模型向每个信息推送订阅终端200推送信息推送索引内容数据。
示例性地，本步骤S101可以通过以下子步骤实现。
子步骤S1011，通过每个信息推送订阅项目的区块链中训练的信息推送模型对信息推送订阅终端200与对应的区块链服务终端300之间所建立的兴趣文本推送进程中的推送词向量序列进行信息推送更新标记。
子步骤S1012，确定在信息推送更新标记过程中信息推送订阅终端200当前进行信息浏览展示的浏览模板化控件中第一模板化控件业务节点及第二模板化控件业务节点。
子步骤S1013，在兴趣文本推送进程中，确定第一模板化控件业务节点对应的与信息推送订阅项目相匹配的第三模板化控件业务节点，以及第二模板化控件业务节点对应的与信息推送订阅项目相匹配的第四模板化控件业务节点。
子步骤S1014，根据第一模板化控件业务节点、第二模板化控件业务节点、第三模板化控件业务节点、第四模板化控件业务节点及浏览结构化展示策略，确定兴趣文本推送进程中的关联兴趣覆盖业务信息，并根据兴趣文本推送进程中的关联兴趣覆盖业务信息对信息推送模型的兴趣推送索引策略进行更新。
本实施例中，浏览模板化控件可以为兴趣文本推送进程中预先设定的浏览结构化展示策略所对应的模板化浏览控件，浏览结构化展示策略可以理解为在本次信息推送过程中所订阅的推送特效浏览业务的展示策略。
本实施例中，每个模板化控件业务节点可以用于表征在信息推送索引过程中的多个模板选择项目构成的业务集合，在此不作详细限定。
基于上述步骤，在兴趣文本推送进程中，通过确定第一模板化控件业务节点对应的与信息推送订阅项目相匹配的第三模板化控件业务节点，以及第二模板化控件业务节点对应的与信息推送订阅项目相匹配的第四模板化控件业务节点，从而根据第一模板化控件业务节点、第二模板化控件业务节点、第三模板化控件业务节点、第四模板化控件业务节点及浏览结构化展示策略，确定兴趣文本推送进程中的关联兴趣覆盖业务信息，并由此对信息推送模型的兴趣推送索引策略进行更新。如此，能够基于存在关联关系的模板化控件业务节点对当前的信息推送模型的兴趣推送索引策略进行更新，这样可以便于在下一轮信息推送控制过程中适应性调整兴趣推送索引的过程，进而提高信息推送精确度。
在一种可能的实现方式中，譬如，对于子步骤S1014而言，在根据第一模板化控件业务节点、第二模板化控件业务节点、第三模板化控件业务节点、第四模板化控件业务节点及浏览结构化展示策略，确定兴趣文本推送进程中的关联兴趣覆盖业务信息的过程中，可以通过以下示例性的子步骤来实现，详细描述如下。
（1）根据第一模板化控件业务节点、第二模板化控件业务节点、第三模板化控件业务节点、第四模板化控件业务节点及浏览模板化控件，确定兴趣文本推送进程中的关联兴趣覆盖业务检测信息。
作为一种可能的示例，浏览模板化控件可以包括浏览结构化展示策略，关联兴趣覆盖业务检测信息可以包括关联兴趣覆盖业务信息。
例如，可以根据第一模板化控件业务节点与第二模板化控件业务节点的第一业务推送关联关系，及第三模板化控件业务节点与第四模板化控件业务节点之间的第二业务推送关联关系，对浏览模板化控件进行模板化控件业务节点更新，使得第一业务推送关联关系与第二业务推送关联关系相匹配。
然后，可以根据模板化控件业务节点更新后的浏览模板化控件，以及第三模板化控件业务节点和第四模板化控件业务节点，确定兴趣文本推送进程中的关联兴趣覆盖业务检测信息。
如在一种可能的设计中，可以根据第一模板化控件业务节点、第二模板化控件业务节点分别在模板化控件业务节点更新后的浏览模板化控件中对应的信息推送索引更新信息、模板化控件业务节点更新后的浏览模板化控件中浏览结构化展示策略、模板化控件业务节点更新后的浏览模板化控件的行为上下文业务逻辑，以及第三模板化控件业务节点和第四模板化控件业务节点，计算得到兴趣文本推送进程中的关联兴趣覆盖业务检测信息。
又如，在另一种可能的设计中，还可以在兴趣文本推送进程中更新模板化控件业务节点更新后的浏览模板化控件，使得第一模板化控件业务节点在模板化控件业务节点更新后的浏览模板化控件中对应的兴趣点对象与第三模板化控件业务节点对应的兴趣点对象重合，且第二模板化控件业务节点在模板化控件业务节点更新后的浏览模板化控件中对应的兴趣点对象与第四模板化控件业务节点对应的兴趣点对象重合，并根据兴趣点对象的更新信息，确定兴趣文本推送进程中的关联兴趣覆盖业务检测信息。
在一种可能的实现方式中，譬如，对于步骤S1012而言，在确定在信息推送更新标记过程中信息推送订阅终端200当前进行信息浏览展示的浏览模板化控件中第一模板化控件业务节点及第二模板化控件业务节点的过程中，可以确定在信息推送更新标记过程中信息推送订阅终端200当前进行信息浏览展示的浏览模板化控件中存在协同信息推送索引关系的第一模板化控件业务节点及第二模板化控件业务节点，或者存在信息推送索引时序前后关系的第一模板化控件业务节点及第二模板化控件业务节点。
其中值得说明的是，协同信息推送索引关系用于表示存在协同的共同信息推送索引关系，信息推送索引时序前后关系用于表示存在信息推送索引时序的前后关系。
在一种可能的实现方式中，譬如，对于步骤S1012而言，在兴趣文本推送进程中，确定第一模板化控件业务节点对应的与信息推送订阅项目相匹配的第三模板化控件业务节点，以及第二模板化控件业务节点对应的与信息推送订阅项目相匹配的第四模板化控件业务节点的过程中，例如可以在兴趣文本推送进程中，确定第一模板化控件业务节点的信息推送索引标签类型对应的与信息推送订阅项目相匹配的信息推送索引标签类型的第三模板化控件业务节点，以及第二模板化控件业务节点的信息推送索引标签类型对应的与信息推送订阅项目相匹配的信息推送索引标签类型的第四模板化控件业务节点。
在一种可能的实现方式中，譬如，仍旧对于步骤S1014而言，在根据兴趣文本推送进程中的关联兴趣覆盖业务信息对信息推送模型的兴趣推送索引策略进行更新的过程中，可以通过以下示例性的子步骤来实现，详细描述如下。
（2）获取兴趣文本推送进程中的关联兴趣覆盖业务信息表征的兴趣业务搜寻元素，针对信息推送模型的兴趣推送索引策略中的每个对应的兴趣标签特征图谱的标签构成要素，获取该兴趣标签特征图谱的标签构成要素的第一推送更新关键词向量信息。
例如，第一推送更新关键词向量信息用于表征该兴趣标签特征图谱的信息推送索引节点的信息推送配置内容和信息推送配置规则。
（3）根据兴趣业务搜寻元素所关联的每个兴趣包订阅特征分别对第一推送更新关键词向量信息进行联动更新，获得第一兴趣推送索引策略联动信息和与第一兴趣推送索引策略联动信息对应的信息推送配置规则信息。
（4）获取该兴趣标签特征图谱的标签构成要素的第一业务场景特征和业务场景轨迹特征，提取第一业务场景特征的场景特征向量，第一业务场景特征的场景特征向量包括特定场景特征向量。
（5）获取信息推送模型的兴趣推送索引策略关联的历史标签构成要素的特定场景特征向量，并根据该特定场景特征向量更新第一业务场景特征的特定场景特征向量，使第一业务场景特征中各个特定场景特征向量之间的关联顺序与预设历史标签构成要素中各个特定场景特征向量之间的关联顺序匹配。
（6）在更新结束后，获得第二业务场景特征的场景特征向量，并根据第二业务场景特征的场景特征向量生成第二业务场景特征。
（7）根据业务场景轨迹特征和第二业务场景特征的场景特征向量，查找得到与业务场景轨迹特征相匹配的信息推送配置规则信息以及与信息推送配置规则信息对应的第一兴趣推送索引策略联动信息，根据第二业务场景特征的场景特征向量对与信息推送配置规则信息对应的第一兴趣推送索引策略联动信息进行更新，获得第二兴趣推送索引策略联动信息。
（8）将第二兴趣推送索引策略联动信息与第二业务场景特征进行融合处理，得到该兴趣标签特征图谱的标签构成要素与兴趣业务搜寻元素所关联的每个兴趣包订阅特征相匹配的融合信息推送索引参考特征。
（9）对该兴趣标签特征图谱的融合信息推送索引参考特征进行联动更新，得到该兴趣标签特征图谱的联动更新结果，联动更新结果包括每个兴趣标签特征图谱的标签构成要素与兴趣业务搜寻元素所关联的每个兴趣包订阅特征相匹配的联动更新内容信息。
（10）将每个兴趣标签特征图谱的联动更新结果更新到信息推送模型的兴趣推送索引策略中。
在一种可能的实现方式中，譬如，针对步骤S1011而言，在通过每个信息推送订阅项目的区块链中训练的信息推送模型对信息推送订阅终端200与对应的区块链服务终端300之间所建立的兴趣文本推送进程中的推送词向量序列进行信息推送更新标记的过程中，可以通过以下示例性的子步骤来实现，详细描述如下。
（1）获取区块链服务终端300发送的针对目标信息推送订阅终端200的建立的信息推送请求线程，并从信息推送请求线程中获取对应的信息推送订阅项目信息和推送对象信息。
（2）提取信息推送订阅项目信息中每个信息推送订阅项目相对于目标信息推送订阅终端200的预设数据索引脚本，根据预设数据索引脚本确定推送对象信息对应的信息推送模型，并将每个信息推送模型分别关联到对应的信息推送订阅项目的区块链中后，向目标信息推送订阅终端200下发区块链服务终端300的推送展示配置信息并使目标信息推送订阅终端200将区块链服务终端300的推送展示配置信息记录到信息推送控制序列所对应的目标服务终端序列中。
（3）当接收到区块链服务终端300发送的针对目标信息推送订阅终端200所对应的目标信息推送订阅项目的视频互动服务请求时，向目标信息推送订阅终端200请求建立区块链服务终端300与视频互动服务请求对应的目标信息共享终端之间的兴趣文本推送进程，并通过目标信息推送订阅项目的区块链中训练的信息推送模型对兴趣文本推送进程中的推送词向量序列进行信息推送更新标记。
本实施例中，区块链服务终端300可以选择某个目标信息推送订阅终端200请求云服务信息平台100进行信息推送服务的调度，在请求进行信息推送服务的调度过程中需要选择相关的信息推送订阅项目信息和推送对象信息。其中，信息推送订阅项目信息可以用于表示区块链服务终端300所选定的信息推送订阅项目的具体情况，信息推送订阅项目可以是指信息共享终端相关的项目，在此不做具体限定。推送对象信息可以是指推送共享的在线生成的推送对象，在此不做具体限定。
本实施例中，信息推送控制序列可以包括多个可供区块链服务终端300控制的信息共享终端，例如虚拟现实设备、增强现实设备、智慧医疗终端等。
本实施例中，兴趣文本推送进程可以作为兴趣订阅推送服务的调度入口，提供兴趣文本推送的传输渠道。
基于上述步骤，本实施例通过提取信息推送订阅项目信息中每个信息推送订阅项目相对于目标信息推送订阅终端200的预设数据索引脚本，从而确定推送对象信息对应的信息推送模型并分别关联到对应的信息推送订阅项目的区块链中，在需要互动时向目标信息推送订阅终端200请求建立区块链服务终端300与目标信息共享终端之间的兴趣文本推送进程，并通过相对应的信息推送模型对兴趣文本推送进程中的推送词向量序列进行信息推送更新标记。如此，能够更有针对性地对信息推送订阅终端200进行不同信息推送订阅项目在兴趣文本推送进程过程中的信息推送更新标记，实现了以信息推送订阅项目为信息推送更新标记对象的针对性控制，提高推送效果。
基于同一发明构思，请参阅图3，示出了本申请实施例提供的基于大数据和人工智能的信息解析装置400的功能模块示意图，本实施例可以根据上述方法实施例对基于大数据和人工智能的信息解析装置400进行功能模块的划分。例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请实施例中对模块的划分是示意性的，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。比如，在采用对应各个功能划分各个功能模块的情况下，图3示出的基于大数据和人工智能的信息解析装置400只是一种装置示意图。其中，基于大数据和人工智能的信息解析装置400可以包括第一提取模块410、计算模块420、第二提取模块430以及第三提取模块440，下面分别对该基于大数据和人工智能的信息解析装置400的各个功能模块的功能进行详细阐述。
第一提取模块410，用于提取每个信息推送订阅终端200上传的针对信息推送索引内容数据的用户操作行为大数据中的字段名关联结构或关键词关联结构的操作元数据，并计算所述用户操作行为大数据中与所述字段名关联结构或关键词关联结构的操作元数据对应的第一知识挖掘元素序列，所述字段名关联结构或关键词关联结构的操作元数据用于表征在所述用户操作行为大数据的各个知识挖掘元素中存在的按逻辑关系关联的字段名和关键词的操作节点信息。其中，第一提取模块410可以用于执行上述的步骤S110，关于第一提取模块410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。
计算模块420，用于获取所述用户操作行为大数据所对应的舆情热点对象的预设舆情推送统计特征，并根据所述第一知识挖掘元素序列计算所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息。其中，计算模块420可以用于执行上述的步骤S120，关于计算模块420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。
第二提取模块430，用于根据所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息从所述第一知识挖掘元素序列中提取出对应的第二知识挖掘元素序列。其中，第二提取模块430可以用于执行上述的步骤S130，关于第二提取模块430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。
第三提取模块440，用于基于所述用户操作行为大数据确定所述第二知识挖掘元素序列每个目标知识挖掘元素的知识图谱挖掘数据，并根据所述字段名关联结构或关键词关联结构的操作元数据从每个目标知识挖掘元素的知识图谱挖掘数据中提取对应的操作热度趋势图谱，以基于所述操作热度趋势图谱更新所述区块链服务终端300所训练的存储在区块链中的信息推送策略。其中，第三提取模块440可以用于执行上述的步骤S140，关于第三提取模块440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。
需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以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，确定模块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确定模块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。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(application specific integrated circuit，ASIC)，或，一个或多个微处理器(digital signal processor，DSP)，或，一个或者多个现场可编程门阵列(field programmable gate array，FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(centralprocessing unit，CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，SOC)的形式实现。
图4示出了本发明实施例提供的用于实现上述的基于大数据和人工智能的信息解析方法的云服务信息平台100的硬件结构示意图，如图4所示，云服务信息平台100可包括处理器110、机器可读存储介质120、总线130以及收发器140。
在具体实现过程中，至少一个处理器110执行所述机器可读存储介质120存储的计算机执行指令（例如图3中所示的基于大数据和人工智能的信息解析装置400包括的第一提取模块410、计算模块420、第二提取模块430以及第三提取模块440），使得处理器110可以执行如上方法实施例的基于大数据和人工智能的信息解析方法，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，从而可以与前述的信息推送订阅终端200进行数据收发。
处理器110的具体实现过程可参见上述云服务信息平台100执行的各个方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
在上述的图4所示的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(英文：Digital Signal Processor，DSP)、专用集成电路(英文：ApplicationSpecificIntegrated 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。
机器可读存储介质120可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。
总线130可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component Interconnect，PCI)总线或扩展工业标准体系结构(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。
此外，本发明实施例还提供一种可读存储介质，所述可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上基于大数据和人工智能的信息解析方法。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和偏移处理。该类修改、改进和偏移处理在本说明书中被建议，所以该类修改、改进、偏移处理仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一种可能的实现方式”、“一种可能的示例”、和/或“示例性地”意指与本说明书至少一个实施例相关的某一特征、结构或特点。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“一种可能的实现方式”、“一种可能的示例”、和/或“示例性地”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。
此外，本领域技术人员可以理解，本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或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信息推送索引。
计算机存储介质可能包含一个内含有计算机程序信息推送索引的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。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、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序信息推送索引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。
本说明书各部分操作所需的计算机程序信息推送索引可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其它编程语言等。该程序信息推送索引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云服务信息平台上运行。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）。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其它名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各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偏移处理和等价组合。例如，虽然以上所描述的系统组件可以通过互动业务实现，但是也可以只通过软件的解决方案得以实现，如在现有的云服务信息平台或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。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。
需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其它的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可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。
Claims (10)
1.一种基于大数据和人工智能的信息解析方法，其特征在于，应用于云服务信息平台，所述云服务信息平台与多个信息推送订阅终端通信连接，并与用于在每个信息推送订阅终端进行信息推送控制的区块链服务终端通信连接，所述方法包括：
提取每个信息推送订阅终端上传的针对信息推送索引内容数据的用户操作行为大数据中的字段名关联结构或关键词关联结构的操作元数据，并计算所述用户操作行为大数据中与所述字段名关联结构或关键词关联结构的操作元数据对应的第一知识挖掘元素序列，所述字段名关联结构或关键词关联结构的操作元数据用于表征在所述用户操作行为大数据的各个知识挖掘元素中存在的按逻辑关系关联的字段名和关键词的操作节点信息；
获取所述用户操作行为大数据所对应的舆情热点对象的预设舆情推送统计特征，并根据所述第一知识挖掘元素序列计算所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息；
根据所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息从所述第一知识挖掘元素序列中提取出对应的第二知识挖掘元素序列；
基于所述用户操作行为大数据确定所述第二知识挖掘元素序列每个目标知识挖掘元素的知识图谱挖掘数据，并根据所述字段名关联结构或关键词关联结构的操作元数据从每个目标知识挖掘元素的知识图谱挖掘数据中提取对应的操作热度趋势图谱，以基于所述操作热度趋势图谱更新所述区块链服务终端所训练的存储在区块链中的信息推送策略。
2.根据权利要求1所述的大数据和人工智能的信息解析方法，其特征在于，所述提取每个信息推送订阅终端上传的针对信息推送索引内容数据的用户操作行为大数据中的字段名关联结构或关键词关联结构的操作元数据，并计算所述用户操作行为大数据中与所述字段名关联结构或关键词关联结构的操作元数据对应的第一知识挖掘元素序列的步骤，包括：
对所述用户操作行为大数据进行规则树匹配，得到规则树匹配特征，其中，所述规则树匹配特征用于表示所述用户操作行为大数据中每个知识挖掘元素对应的规则树节点向量；
针对所述规则树匹配特征进行预设无效特征的信息剔除处理，得到第一目标规则树匹配特征，并获取所述第一目标规则树匹配特征中所有规则树节点向量的相似规则树节点，并根据所述所有规则树节点向量的相似规则树节点从所述第一目标规则树匹配特征中筛选掉相似规则树节点的数量大于设定节点数量的规则树节点向量，得到第二目标规则树匹配特征；
对所述第二目标规则树匹配特征进行范式化模板特征提取，得到第一范式化模板特征集，并将所述第一范式化模板特征集中特征长度大于设定值的规则树节点向量进行过滤，得到第一筛选规则树节点向量序列；
根据所述第一筛选规则树节点向量序列对所述第一范式化模板特征集进行映射比较，确定所述第二目标规则树匹配特征的范式化模板特征维度的所有时间维度以及所有空间维度的载体指标分量，其中，所述时间维度和所述空间维度为规则树节点向量在预先构建的内容匹配规则中相反量化指标上的维度，所述量化指标用于表示内容统计特征的量化参数；
根据所述第二目标规则树匹配特征的范式化模板特征维度的所有时间维度以及所有空间维度的载体指标分量，确定出字段名关联结构或关键词关联结构的操作元数据，并确定所述用户操作行为大数据中与所述字段名关联结构或关键词关联结构的操作元数据对应的第一知识挖掘元素序列。
3.根据权利要求2所述的大数据和人工智能的信息解析方法，其特征在于，所述根据所述第二目标规则树匹配特征的范式化模板特征维度的所有时间维度以及所有空间维度的载体指标分量，确定出字段名关联结构或关键词关联结构的操作元数据，并确定所述用户操作行为大数据中与所述字段名关联结构或关键词关联结构的操作元数据对应的第一知识挖掘元素序列的步骤，包括：
根据所述第二目标规则树匹配特征的范式化模板特征维度的所有时间维度以及所有空间维度的载体指标分量，分别得到第一时间维度载体指标分量组以及第一空间维度载体指标分量组；
根据所述第一时间维度载体指标分量组以及第一空间维度载体指标分量组提取出所有的范式化模板特征维度的范式化模板关联对象；
对所述第二目标规则树匹配特征做非范式化模板特征提取，得到第二范式化模板特征集，并将所述第二范式化模板特征集中特征长度大于设定值的规则树节点向量进行过滤，得到第二筛选规则树节点向量序列；
根据所述第二筛选规则树节点向量序列对所述第二范式化模板特征集进行映射比较，确定所述第二目标规则树匹配特征的非范式化模板特征维度的所有时间维度以及所有空间维度的载体指标分量，其中，所述时间维度和所述空间维度为规则树节点向量在预先构建的内容匹配规则中相反量化指标上的方向，所述量化指标用于表示内容统计特征的量化参数；
根据所述第二目标规则树匹配特征的非范式化模板特征维度的所有时间维度以及所有空间维度的载体指标分量，分别得到第二时间维度载体指标分量组以及第二空间维度载体指标分量组；
根据所述第二时间维度载体指标分量组以及第二空间维度载体指标分量组提取出所有的非范式化模板特征维度的非范式化模板关联对象；
根据所述范式化模板关联对象和非范式化模板关联对象确定所有关联节点，并确定每个关联节点上所有相似规则树节点的单位知识挖掘元素集合、元素挖掘数量集合以及元素频繁统计度集合；
当确定所述单位知识挖掘元素集合、元素挖掘数量集合以及元素频繁统计度集合的中位数与平均数之比和平均数与中位数之比的两者中的最大值小于设定值时，确定所述相似规则树节点为候选相似规则树节点的待定节点；
对于一个关联节点中的每一个相似规则树节点，确定该相似规则树节点中各个非范式化模板特征相关联的相似规则树节点间的非范式化模板特征的特征片段位置，根据所述特征片段位置确定与每个所述候选相似规则树节点的非范式化模板特征的特征片段位置；
根据所述每个所述候选相似规则树节点的非范式化模板特征的特征片段位置确定出字段名关联结构或关键词关联结构的操作元数据；
确定所述用户操作行为大数据中与所述字段名关联结构或关键词关联结构的操作元数据对应的第一知识挖掘元素序列。
4.根据权利要求1所述的大数据和人工智能的信息解析方法，其特征在于，所述获取所述用户操作行为大数据所对应的舆情热点对象的预设舆情推送统计特征，并根据所述第一知识挖掘元素序列计算所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息的步骤，包括：
获取所述用户操作行为大数据所对应的舆情热点对象的舆情热点标签；
根据所述舆情热点标签从预设的舆情热点对象特征数据库中获取包含所述舆情热点对象的预设舆情推送统计特征，其中，所述预设的舆情热点对象特征数据库中包括舆情热点标签与预设舆情推送统计特征之间的对应关系，所述预设舆情推送统计特征用于表征所述舆情热点对象的统计过程的舆情热度更新情况，并随着所述舆情热点对象的变化而适应性变化；
根据所述第一知识挖掘元素序列获取包含当前所述舆情热点对象的遍历知识挖掘元素，根据所述遍历知识挖掘元素确定以所述预设舆情推送统计特征为基准特征的参考搜索意图特征，将所述遍历知识挖掘元素以所述字段名关联结构或关键词关联结构的操作元数据为基准，依次划分为与参考搜索意图特征对应的多个候选搜索意图特征，对每一候选搜索意图特征分别与所述参考搜索意图特征进行比对得到对应的意图匹配值范围，当意图匹配值范围不满足设定的参考值范围时，记录所述意图匹配值范围对应的候选搜索意图特征为第一搜索意图特征，所述参考搜索意图特征为第二搜索意图特征，以得到由至少一个由所述第一搜索意图特征和所述第二搜索意图特征形成的搜索意图特征组合；
基于所述由至少一个由所述第一搜索意图特征和所述第二搜索意图特征形成的搜索意图特征组合计算所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息。
5.根据权利要求4所述的大数据和人工智能的信息解析方法，其特征在于，所述基于所述由至少一个由所述第一搜索意图特征和所述第二搜索意图特征形成的搜索意图特征组合计算所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息的步骤，包括：
基于至少一个所述搜索意图特征组合确定对应的第一对象单元，并以第一对象单元为基准，根据设置的单元数量大小对所述遍历知识挖掘元素进行划分，分别得到与每一所述单元数量大小对应的多个包含第一对象单元的第二对象单元；
对所述第二对象单元进行解析，得到所述第二对象单元中各搜索意图特征组合的特征信息，并根据所述搜索意图特征组合的特征信息确定搜索意图特征组合的候选量级以及对应的特征值，并根据所述搜索意图特征组合的候选量级以及对应的特征值确定第一搜索意图特征序列；
基于所述第一搜索意图特征序列、搜索意图特征组合的候选量级以及对应的特征值确定满足设置条件的搜索意图特征组合构成的线性意图分类簇，确定每一所述对象单元的第一线性意图分类簇和第二线性意图分类簇的其中一个，根据所述第一线性意图分类簇和所述第二线性意图分类簇的其中一个对每一所述对象单元进行筛选得到与每一所述对象单元对应的筛选后的对象单元；
基于每一所述对象单元对应的筛选后的对象单元得到第一线性意图分类簇和第二线性意图分类簇的其中另一个；
根据所述对象单元分别对应的第一线性意图分类簇得到第一线性意图分类簇集、以及根据所述对象单元分别对应的第二线性意图分类簇得到第二线性意图分类簇集；
确定所述第一线性意图分类簇集对应的第一参考线性意图分类簇和所述第二线性意图分类簇集对应的第二参考线性意图分类簇，并基于所述第一线性意图分类簇集与所述第一参考线性意图分类簇以及所述第二线性意图分类簇集与所述第二参考线性意图分类簇分别确定对应所述第一线性意图分类簇集的第一待匹配簇节点以及对应所述第二线性意图分类簇集的第二待匹配簇节点；
对所述第一线性意图分类簇集的第一待匹配簇节点以及对应所述第二线性意图分类簇集的第二待匹配簇节点进行比对，得到所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息。
6.根据权利要求1所述的大数据和人工智能的信息解析方法，其特征在于，所述根据所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息从第一知识挖掘元素序列提取出对应的第二知识挖掘元素序列的步骤，包括
根据所述字段名关联结构或关键词关联结构的操作元数据与所述预设舆情推送统计特征之间的内容匹配信息，确定出所述第一知识挖掘元素序列中存在与所述内容匹配信息相匹配的知识挖掘元素；
根据与所述内容匹配信息相匹配的知识挖掘元素从第一知识挖掘元素序列提取出对应的第二知识挖掘元素序列。
7.根据权利要求1所述的大数据和人工智能的信息解析方法，其特征在于，所述根据所述字段名关联结构或关键词关联结构的操作元数据从每个目标知识挖掘元素的知识图谱挖掘数据中提取对应的操作热度趋势图谱的步骤，包括：
从每个目标知识挖掘元素的知识图谱挖掘数据中筛选出与所述字段名关联结构或关键词关联结构的操作元数据之间的匹配度大于设定匹配度的多个候选操作热度趋势图谱以及所述多个候选操作热度趋势图谱各自对应的匹配度；
根据所述匹配度从所述多个候选操作热度趋势图谱中选取至少一个候选图谱单元，形成候选图谱单元组，并根据所述候选图谱单元组中的各候选图谱单元与所述知识图谱挖掘数据中的各数据区域的关联度确定各候选图谱单元的操作热度指数；
确定所述多个候选操作热度趋势图谱各自对应的匹配度与预设匹配度之间的差异的匹配度差值，并基于所述匹配度差值的等级与所述操作热度指数的乘积，生成候选操作热度趋势参数，其中，所述匹配度差值的等级通过预先配置的匹配度差值与等级之间的映射关系获得；
基于所述候选操作热度趋势参数，生成每个目标知识挖掘元素的知识图谱挖掘数据对应的操作热度趋势图谱。
8.根据权利要求1-7中任意一项所述的大数据和人工智能的信息解析方法，其特征在于，所述方法还包括：
根据每个信息推送订阅项目的区块链中训练的信息推送模型向每个信息推送订阅终端推送所述信息推送索引内容数据。
9.根据权利要求1所述的大数据和人工智能的信息解析方法，其特征在于，所述根据每个信息推送订阅项目的区块链中训练的信息推送模型向每个信息推送订阅终端推送所述信息推送索引内容数据的步骤，包括：
通过每个信息推送订阅项目的区块链中训练的信息推送模型，对所述信息推送订阅终端与对应的区块链服务终端之间所建立的兴趣文本推送进程中的推送词向量序列进行信息推送更新标记；
确定在信息推送更新标记过程中所述信息推送订阅终端当前进行信息浏览展示的浏览模板化控件中第一模板化控件业务节点及第二模板化控件业务节点，其中，所述浏览模板化控件为兴趣文本推送进程中预先设定的浏览结构化展示策略所对应的模板化浏览控件；
在所述兴趣文本推送进程中，确定所述第一模板化控件业务节点对应的与所述信息推送订阅项目相匹配的第三模板化控件业务节点，以及所述第二模板化控件业务节点对应的与所述信息推送订阅项目相匹配的第四模板化控件业务节点；
根据所述第一模板化控件业务节点、所述第二模板化控件业务节点、所述第三模板化控件业务节点、所述第四模板化控件业务节点及所述浏览结构化展示策略，确定所述兴趣文本推送进程中的关联兴趣覆盖业务信息，并根据所述兴趣文本推送进程中的关联兴趣覆盖业务信息对所述信息推送模型的兴趣推送索引策略进行更新，基于更新后的兴趣推送索引策略向每个信息推送订阅终端推送所述信息推送索引内容数据。
10.一种云服务信息平台，其特征在于，所述云服务信息平台包括处理器、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信息推送订阅终端通信连接，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1-9中任意一项的基于大数据和人工智能的信息解析方法。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110596669.1A CN113392173A (zh) | 2020-08-28 | 2020-08-28 | 基于区块链的信息推送更新方法、系统及云服务信息平台 |
| CN202010889103.3A CN111931064B (zh) | 2020-08-28 | 2020-08-28 | 基于大数据和人工智能的信息解析方法及云服务信息平台 |
| CN202110596681.2A CN113392174A (zh) | 2020-08-28 | 2020-08-28 | 基于大数据和人工智能的信息解析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010889103.3A CN111931064B (zh) | 2020-08-28 | 2020-08-28 | 基于大数据和人工智能的信息解析方法及云服务信息平台 |
Related Child Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110596669.1A Division CN113392173A (zh) | 2020-08-28 | 2020-08-28 | 基于区块链的信息推送更新方法、系统及云服务信息平台 |
| CN202110596681.2A Division CN113392174A (zh) | 2020-08-28 | 2020-08-28 | 基于大数据和人工智能的信息解析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111931064A true CN111931064A (zh) | 2020-11-13 |
| CN111931064B CN111931064B (zh) | 2021-07-06 |
Family
ID=73308415
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010889103.3A Active CN111931064B (zh) | 2020-08-28 | 2020-08-28 | 基于大数据和人工智能的信息解析方法及云服务信息平台 |
| CN202110596681.2A Withdrawn CN113392174A (zh) | 2020-08-28 | 2020-08-28 | 基于大数据和人工智能的信息解析方法及系统 |
| CN202110596669.1A Withdrawn CN113392173A (zh) | 2020-08-28 | 2020-08-28 | 基于区块链的信息推送更新方法、系统及云服务信息平台 |
Family Applications After (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110596681.2A Withdrawn CN113392174A (zh) | 2020-08-28 | 2020-08-28 | 基于大数据和人工智能的信息解析方法及系统 |
| CN202110596669.1A Withdrawn CN113392173A (zh) | 2020-08-28 | 2020-08-28 | 基于区块链的信息推送更新方法、系统及云服务信息平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (3) | CN111931064B (zh) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112434086A (zh) * | 2020-12-04 | 2021-03-02 | 崔秀芬 | 基于云计算和大数据的信息流挖掘方法及云计算互动中心 |
| CN112433655A (zh) * | 2020-12-04 | 2021-03-02 | 崔秀芬 | 基于云计算的信息流交互处理方法及云计算验证互动中心 |
| CN112463890A (zh) * | 2020-12-10 | 2021-03-09 | 电子科技大学 | 基于区块链和机器学习的跨系统数据共享方法 |
| CN112532750A (zh) * | 2021-01-18 | 2021-03-19 | 深圳博士创新技术转移有限公司 | 一种大数据推送处理方法、系统及云平台 |
| CN112527865A (zh) * | 2020-12-16 | 2021-03-19 | 平安养老保险股份有限公司 | 数据关系挖掘方法、装置、计算机设备及可读存储介质 |
| CN112671885A (zh) * | 2020-12-21 | 2021-04-16 | 刚倩 | 基于云计算和大数据的信息解析方法及数字金融服务平台 |
| CN112687395A (zh) * | 2020-12-30 | 2021-04-20 | 上海京知信息科技有限公司 | 人工智能的医疗信息处理方法、装置、设备及存储介质 |
| CN112699112A (zh) * | 2020-12-31 | 2021-04-23 | 东莞市盟大商业保理有限公司 | 一种基于区块链技术的数据挖掘流程分享方法 |
| CN112905871A (zh) * | 2021-03-29 | 2021-06-04 | 中国平安人寿保险股份有限公司 | 热点关键词推荐方法、装置、终端及存储介质 |
| CN112990324A (zh) * | 2021-03-23 | 2021-06-18 | 李光伟 | 基于大数据线上模式的资源推送方法及深度学习服务系统 |
| CN113032547A (zh) * | 2021-03-31 | 2021-06-25 | 龙关玲 | 基于人工智能的大数据处理方法、系统及云平台 |
| CN113312396A (zh) * | 2021-05-12 | 2021-08-27 | 上海哲锦信息科技有限公司 | 一种基于大数据的元数据处理方法及设备 |
| CN113656683A (zh) * | 2021-07-12 | 2021-11-16 | 北京旷视科技有限公司 | 订阅数据推送方法、装置、系统、电子设备及存储介质 |
| CN114221991A (zh) * | 2021-11-08 | 2022-03-22 | 梅瑞生 | 基于大数据的会话推荐反馈处理方法及深度学习服务系统 |
| CN114416753A (zh) * | 2022-04-01 | 2022-04-29 | 国网山东省电力公司营销服务中心(计量中心) | 基于时空量体四维数据的窃电证据数据处理方法及系统 |
| CN114564522A (zh) * | 2022-03-08 | 2022-05-31 | 哈尔滨腾达网络科技发展有限公司 | 基于区块链和大数据挖掘的智能推送处理方法及系统 |
| CN115408616A (zh) * | 2022-09-14 | 2022-11-29 | 何日妹 | 针对云服务推送的大数据分析方法及云服务推送系统 |
| CN115422452A (zh) * | 2022-08-30 | 2022-12-02 | 温州佳润科技发展有限公司 | 基于大数据的智能家居控制方法、装置、设备及存储介质 |
| CN115766725A (zh) * | 2022-12-06 | 2023-03-07 | 烟台雪寻梅信息咨询有限公司 | 基于工业互联网的数据处理方法及系统 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114154069B (zh) * | 2021-12-07 | 2022-08-12 | 湖南湘谷信息科技有限公司 | 基于大数据信息反馈的信息推送方法及人工智能预测系统 |
| CN115374186B (zh) * | 2022-09-29 | 2023-08-08 | 上海罗盘信息科技有限公司 | 基于大数据的数据处理方法及ai系统 |
| CN115641191B (zh) * | 2022-12-02 | 2023-09-29 | 广州市原象信息科技有限公司 | 一种基于数据分析的数据推送方法及ai系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080086469A1 (en) * | 2006-10-04 | 2008-04-10 | International Business Machines Corporation | Model-based self-optimizing distributed information management |
| CN106933889A (zh) * | 2015-12-31 | 2017-07-07 | 华为技术有限公司 | 用于筛选的规则的配置方法、显示方法和客户端 |
| US20170308595A1 (en) * | 2016-04-26 | 2017-10-26 | Informatica Llc | Learning from historical logs and recommending database operations on a data-asset in an etl tool |
| CN111078868A (zh) * | 2019-06-04 | 2020-04-28 | 中国人民解放军92493部队参谋部 | 基于知识图谱分析的装备试验体系规划决策的方法及系统 |
| CN111310057A (zh) * | 2020-03-20 | 2020-06-19 | 张明 | 在线学习挖掘方法、装置、在线学习系统及服务器 |
-
2020
- 2020-08-28 CN CN202010889103.3A patent/CN111931064B/zh active Active
- 2020-08-28 CN CN202110596681.2A patent/CN113392174A/zh not_active Withdrawn
- 2020-08-28 CN CN202110596669.1A patent/CN113392173A/zh not_active Withdrawn
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080086469A1 (en) * | 2006-10-04 | 2008-04-10 | International Business Machines Corporation | Model-based self-optimizing distributed information management |
| CN106933889A (zh) * | 2015-12-31 | 2017-07-07 | 华为技术有限公司 | 用于筛选的规则的配置方法、显示方法和客户端 |
| US20170308595A1 (en) * | 2016-04-26 | 2017-10-26 | Informatica Llc | Learning from historical logs and recommending database operations on a data-asset in an etl tool |
| CN111078868A (zh) * | 2019-06-04 | 2020-04-28 | 中国人民解放军92493部队参谋部 | 基于知识图谱分析的装备试验体系规划决策的方法及系统 |
| CN111310057A (zh) * | 2020-03-20 | 2020-06-19 | 张明 | 在线学习挖掘方法、装置、在线学习系统及服务器 |
Non-Patent Citations (3)
| Title |
|---|
| MATT-MOULE BOUAMRANE等: "Managing Complexity in Pre-Operative Information Management Systems", 《MANAGING INTEROPERABILITY AND COMPLEXITY IN HEALTH SYSTEMS》 * |
| 徐荣振等: "基于序列模式挖掘的变型设计知识推送", 《计算机集成制造系统》 * |
| 陈川: "基于学科元数据中心的知识服务平台建设研究与应用", 《情报理论与实践》 * |
Cited By (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112433655B (zh) * | 2020-12-04 | 2021-09-07 | 武汉迈异信息科技有限公司 | 基于云计算的信息流交互处理方法及云计算验证互动中心 |
| CN112433655A (zh) * | 2020-12-04 | 2021-03-02 | 崔秀芬 | 基于云计算的信息流交互处理方法及云计算验证互动中心 |
| CN112434086A (zh) * | 2020-12-04 | 2021-03-02 | 崔秀芬 | 基于云计算和大数据的信息流挖掘方法及云计算互动中心 |
| CN112434086B (zh) * | 2020-12-04 | 2021-09-21 | 上海东方财富证券投资咨询有限公司 | 基于云计算和大数据的信息流挖掘方法及云计算互动中心 |
| CN112463890A (zh) * | 2020-12-10 | 2021-03-09 | 电子科技大学 | 基于区块链和机器学习的跨系统数据共享方法 |
| CN112463890B (zh) * | 2020-12-10 | 2023-05-26 | 电子科技大学 | 基于区块链和机器学习的跨系统数据共享方法 |
| CN112527865A (zh) * | 2020-12-16 | 2021-03-19 | 平安养老保险股份有限公司 | 数据关系挖掘方法、装置、计算机设备及可读存储介质 |
| CN112671885A (zh) * | 2020-12-21 | 2021-04-16 | 刚倩 | 基于云计算和大数据的信息解析方法及数字金融服务平台 |
| CN112671885B (zh) * | 2020-12-21 | 2021-09-14 | 上海路贸通实业集团有限公司 | 基于云计算和大数据的信息解析方法及数字金融服务平台 |
| CN112687395A (zh) * | 2020-12-30 | 2021-04-20 | 上海京知信息科技有限公司 | 人工智能的医疗信息处理方法、装置、设备及存储介质 |
| CN112699112A (zh) * | 2020-12-31 | 2021-04-23 | 东莞市盟大商业保理有限公司 | 一种基于区块链技术的数据挖掘流程分享方法 |
| CN112699112B (zh) * | 2020-12-31 | 2024-02-06 | 东莞盟大集团有限公司 | 一种基于区块链技术的数据挖掘流程分享方法 |
| CN112532750A (zh) * | 2021-01-18 | 2021-03-19 | 深圳博士创新技术转移有限公司 | 一种大数据推送处理方法、系统及云平台 |
| CN112990324A (zh) * | 2021-03-23 | 2021-06-18 | 李光伟 | 基于大数据线上模式的资源推送方法及深度学习服务系统 |
| CN112905871A (zh) * | 2021-03-29 | 2021-06-04 | 中国平安人寿保险股份有限公司 | 热点关键词推荐方法、装置、终端及存储介质 |
| CN112905871B (zh) * | 2021-03-29 | 2023-05-30 | 中国平安人寿保险股份有限公司 | 热点关键词推荐方法、装置、终端及存储介质 |
| CN113032547A (zh) * | 2021-03-31 | 2021-06-25 | 龙关玲 | 基于人工智能的大数据处理方法、系统及云平台 |
| CN113032547B (zh) * | 2021-03-31 | 2021-12-07 | 三峡高科信息技术有限责任公司 | 基于人工智能的大数据处理方法、系统及云平台 |
| CN113312396A (zh) * | 2021-05-12 | 2021-08-27 | 上海哲锦信息科技有限公司 | 一种基于大数据的元数据处理方法及设备 |
| CN113312396B (zh) * | 2021-05-12 | 2024-04-19 | 上海哲锦信息科技有限公司 | 一种基于大数据的元数据处理方法及设备 |
| CN113656683A (zh) * | 2021-07-12 | 2021-11-16 | 北京旷视科技有限公司 | 订阅数据推送方法、装置、系统、电子设备及存储介质 |
| CN114221991A (zh) * | 2021-11-08 | 2022-03-22 | 梅瑞生 | 基于大数据的会话推荐反馈处理方法及深度学习服务系统 |
| CN114564522A (zh) * | 2022-03-08 | 2022-05-31 | 哈尔滨腾达网络科技发展有限公司 | 基于区块链和大数据挖掘的智能推送处理方法及系统 |
| CN114416753A (zh) * | 2022-04-01 | 2022-04-29 | 国网山东省电力公司营销服务中心(计量中心) | 基于时空量体四维数据的窃电证据数据处理方法及系统 |
| CN115422452A (zh) * | 2022-08-30 | 2022-12-02 | 温州佳润科技发展有限公司 | 基于大数据的智能家居控制方法、装置、设备及存储介质 |
| CN115408616A (zh) * | 2022-09-14 | 2022-11-29 | 何日妹 | 针对云服务推送的大数据分析方法及云服务推送系统 |
| CN115766725A (zh) * | 2022-12-06 | 2023-03-07 | 烟台雪寻梅信息咨询有限公司 | 基于工业互联网的数据处理方法及系统 |
| CN115766725B (zh) * | 2022-12-06 | 2023-11-07 | 北京国联视讯信息技术股份有限公司 | 基于工业互联网的数据处理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111931064B (zh) | 2021-07-06 |
| CN113392174A (zh) | 2021-09-14 |
| CN113392173A (zh) | 2021-09-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111931064B (zh) | 基于大数据和人工智能的信息解析方法及云服务信息平台 | |
| CN111931063B (zh) | 基于区块链和人工智能的信息推送处理方法及云服务平台 | |
| US20200226133A1 (en) | Knowledge map building system and method | |
| CN112184872B (zh) | 基于大数据和云计算的游戏渲染优化方法及云端计算中心 | |
| WO2022007434A1 (zh) | 可视化方法及相关设备 | |
| CN112671886B (zh) | 基于边缘计算和人工智能的信息推送方法及大数据服务器 | |
| US9129296B2 (en) | Augmenting recommendation algorithms based on similarity between electronic content | |
| CN109255037B (zh) | 用于输出信息的方法和装置 | |
| CN113536107B (zh) | 基于区块链的大数据决策方法、系统及云端服务中心 | |
| US11126682B1 (en) | Hyperlink based multimedia processing | |
| CN109862100B (zh) | 用于推送信息的方法和装置 | |
| CN112434811A (zh) | 知识图谱构建方法及装置、计算设备、存储介质 | |
| TW201931163A (zh) | 影像搜尋方法、系統和索引建構方法和媒體 | |
| WO2022095661A1 (zh) | 推荐模型的更新方法、装置、计算机设备和存储介质 | |
| CN111970539B (zh) | 基于深度学习和云计算服务的数据编码方法及大数据平台 | |
| CN112818195A (zh) | 数据获取方法、装置、系统及计算机存储介质 | |
| CN116186197A (zh) | 话题推荐方法、装置、电子设备及存储介质 | |
| CN112114907A (zh) | 基于电子商务云计算的应用加载方法及人工智能计算中心 | |
| CN112967138A (zh) | 基于区块链和云计算的信息推送方法及信息推送系统 | |
| CN111970540B (zh) | 基于远程互动和云计算的媒体数据处理方法及大数据平台 | |
| CN114492584A (zh) | 一种针对安卓中文应用市场的自动内容分级方法 | |
| US20240127406A1 (en) | Image quality adjustment method and apparatus, device, and medium | |
| US20220121964A1 (en) | System and/or method for an autonomous linked managed semantic model based knowledge graph generation framework | |
| CN117493649A (zh) | 资讯内容生成方法、装置、设备及存储介质 | |
| CN117807444A (zh) | 标签生成方法、装置、电子设备、可读介质和产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210226 Address after: No.70 Xitan village, Xitan administrative village, Louzhuang Township, Cao County, Heze City, Shandong Province, 274406 Applicant after: Guo Ju Address before: 510700 1st floor, building F, Guangdong Software Park, Guangzhou hi tech Industrial Development Zone, Guangzhou City, Guangdong Province Applicant before: Zhang Jianwei |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210616 Address after: 210000 4th floor, building C, Wanbo Science Park, 20 Fengxin Road, Yuhuatai District, Nanjing City, Jiangsu Province Applicant after: NANJING GUIJI INTELLIGENT TECHNOLOGY Co.,Ltd. Address before: No.70 Xitan village, Xitan administrative village, Louzhuang Township, Cao County, Heze City, Shandong Province, 274406 Applicant before: Guo Ju |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |