CN112115162A - 基于电子商务云计算的大数据处理方法及人工智能服务器 - Google Patents

Abstract

本申请涉及电子商务云计算技术领域，涉及一种基于电子商务云计算的大数据处理方法及人工智能服务器。本发明可以结合采集业务标签的优先级顺序以及大数据处理程序体信息对采集项目的大数据采集信息进行分析，可以将大数据处理程序体、业务数据采集轨迹以及采集业务标签相结合。通过对业务数据采集轨迹信息进行分析，能够确保在符合预设轨迹范围条件之后确定采集模板配置信息对应的配置更新信息，能够按照配置更新信息为待更新采集模板分配采集业务标签变更数据，从而控制待更新采集模板进行更新。如此，能够结合大数据处理程序体数据、业务数据采集轨迹以及采集业务标签实现对待更新采集模板的全局性更新，避免采集过程出现业务混乱。

Description

基于电子商务云计算的大数据处理方法及人工智能服务器

技术领域

本申请涉及电子商务云计算技术领域，具体而言，涉及一种基于电子商务云计算的大数据处理方法及人工智能服务器。

背景技术

随着移动互联网和电子商务的高速发展，电子商务服务通常会给用户提供一系列可供个性化定制的服务扩展组件，例如电子商务直播的服务扩展组件，电子商务资讯分享的服务扩展组件等，云计算技术的日趋成熟，用户的电子商务服务终端与云端高性能计算资源互联，可以在电子商务服务终端更好地应用服务扩展组件。

相关技术中，在针对电子商务用户进行大数据挖掘过程中，通常会基于每个用户的个性化意图喜好从而针对用户在电子商务平台上的相关用户行为进行针对性地采集，然而在实际大数据采集过程中可能会出现业务混乱的情况，例如可能会由于一些采集模板与实际业务的不协调匹配导致大数据采集过程中出现业务混乱。

发明内容

为了至少克服现有技术中的上述不足，本申请的目的在于提供一种基于电子商务云计算的大数据处理方法及人工智能服务器，能够对大数据采集描述向量进行分析，从而确定出不同采集项目的采集环节信息，这样可以结合采集业务标签的优先级顺序以及大数据处理程序体信息对采集项目的大数据采集信息进行分析，可以将大数据处理程序体、业务数据采集轨迹以及采集业务标签相结合。通过对业务数据采集轨迹信息进行分析，能够确保在符合预设轨迹范围条件之后确定采集模板配置信息对应的配置更新信息，能够按照配置更新信息为待更新采集模板分配采集业务标签变更数据，从而控制待更新采集模板进行更新。如此，能够结合大数据处理程序体数据、业务数据采集轨迹以及采集业务标签实现对待更新采集模板的全局性更新，避免采集过程出现业务混乱。

第一方面，本申请提供一种基于电子商务云计算的大数据处理方法，应用于人工智能服务器，所述人工智能服务器与多个电子商务服务终端通信连接，所述方法包括：

获取预先根据所述多个电子商务服务终端加载的服务扩展组件的服务扩展组件业务的业务表项应用统计数据更新的大数据采集策略，所述大数据采集策略包括每个大数据采集项目的采集模板配置信息；

提取所述采集模板配置信息的大数据采集描述向量，根据所述大数据采集描述向量，获取所述采集模板配置信息对应的各个采集模板的采集环节信息；

按照每个采集模板的采集业务标签的优先级顺序以及所述采集模板配置信息对应的大数据处理程序体信息，获取至少两条目标采集环节信息，得到至少两种目标采集环节组合，对于任一种目标采集环节组合，根据所述目标采集环节组合中每个采集模板在当前大数据采集线程内的实时采集业务标签信息，获取每个采集模板的大数据采集信息；

获取所述目标采集环节组合包括的各个采集模板的大数据采集信息的业务更新列表，得到所述目标采集环节组合的业务数据采集轨迹信息，当至少两种目标采集环节组合的业务数据采集轨迹信息均符合预设轨迹范围条件时，确定所述采集模板配置信息对应的配置更新信息，按照所述配置更新信息为所述采集模板配置信息对应的待更新采集模板分配采集业务标签变更数据；其中，所述待更新采集模板为所述采集模板中的至少一个。

在第一方面的一种可能的实现方式中，所述提取所述采集模板配置信息的大数据采集描述向量的步骤，包括：

将所述采集模板配置信息对应的结构化配置内容划分为至少两个第一配置索引资源集合，每个第一配置索引资源集合具有相同的采集业务范围列表；

采用预设大数据采集特征匹配程序，从每个第一配置索引资源集合中，提取大数据采集描述特征；

对所述至少两个第一配置索引资源集合的大数据采集描述特征进行筛选，得到所述大数据采集描述向量。

在第一方面的一种可能的实现方式中，所述根据所述大数据采集描述向量，获取所述采集模板配置信息对应的各个采集模板的采集环节信息的步骤，包括：

将所述大数据采集描述向量输入到预设采集环节整合模型中，输出所述采集模板配置信息中各个采集模板对应的采集控制指令的采集环节信息；

其中，所述预设采集环节整合模型用于基于采集控制指令的大数据采集描述向量，从采集模板配置信息对应的表达式信息中检测出与采集控制指令的表达式树形结构相匹配的采集环节信息，并获取与采集控制指令的表达式树形结构相匹配的采集环节信息在采集模板配置信息的激活状态内对应的采集控制指令的采集环节信息。

在第一方面的一种可能的实现方式中，所述方法还包括：

以确定所述至少两种目标采集环节组合的业务数据采集轨迹信息均符合预设轨迹范围条件的跳转采集轨迹对象为基准采集轨迹对象，从所述采集模板配置信息对应的动态配置索引资源中获取预设采集业务范围列表的第二配置索引资源集合；

获取所述第二配置索引资源集合的配置索引资源更替信息；

当所述第二配置索引资源集合的配置索引资源更替信息触发跳转变更信息时，确定所述采集模板配置信息对应的配置更新信息；

其中，所述获取所述第二配置索引资源集合的配置索引资源更替信息的步骤，包括：

将所述第二配置索引资源集合划分为至少两个跳转变量集合，每个跳转变量集合具有相同的采集业务范围列表；

获取每个跳转变量集合对应的跳转传递事件的事件依赖关系，从所述至少两个跳转变量集合对应的事件依赖关系中，获取全局事件依赖关系和从属事件依赖关系；基于所述全局事件依赖关系和所述从属事件依赖关系的依赖关系描述信息，确定所述第二配置索引资源集合的配置索引资源更替信息；

其中，所述第二配置索引资源集合包括第三配置索引资源集合和第四配置索引资源集合中至少一个，所述第三配置索引资源集合为以所述跳转采集轨迹对象为基准采集轨迹对象、所述采集模板配置信息对应的动态配置索引资源中位于所述跳转采集轨迹对象之后的预设采集业务范围列表的配置索引资源集合，所述第四配置索引资源集合为以所述跳转采集轨迹对象为基准采集轨迹对象、所述采集模板配置信息对应的动态配置索引资源中位于所述跳转采集轨迹对象之前的预设采集业务范围列表的配置索引资源集合。

在第一方面的一种可能的实现方式中，所述按照每个采集模板的采集业务标签的优先级顺序以及所述采集模板配置信息对应的大数据处理程序体信息，获取至少两条目标采集环节信息，得到至少两种目标采集环节组合的步骤，包括：

基于每个采集模板的采集业务标签指标信息获得各第一采集规则链图谱；

基于预置的第一采集多维指标列表获得与各所述第一采集规则链图谱分别对应的各第一目标采集环节数据，所述第一目标采集环节遍历数据包括该第一采集规则链图谱分别对应预设目标采集环节组合的各组合类别的各目标采集环节数据；

基于所述每个采集模板的采集业务标签指标信息获得各第二采集规则链图谱，并生成各所述第二采集规则链图谱的第一匹配指标，所述第一匹配指标基于与该第二采集规则链图谱对应的各所述第一采集规则链图谱所对应的第一目标采集环节数据生成，其中，所述各第二采集规则链图谱与所述第一采集规则链图谱分别对应于正向采集规则和负向采集规则；

将各所述第一匹配指标添加至预置的第二采集多维指标列表，获得与各所述第二采集规则链图谱分别对应的各第二目标采集环节数据，所述第二目标采集环节遍历数据包括该第二采集规则链图谱对应所述预设目标采集环节组合的目标采集环节数据和/或非对应所述预设目标采集环节组合的目标采集环节数据；

基于所述第二目标采集环节数据确定所述每个采集模板的采集业务标签指标信息中是否存在所述预设目标采集环节组合，获取存在所述预设目标采集环节组合的至少两条目标采集环节信息以得到至少两种目标采集环节组合。

在第一方面的一种可能的实现方式中，所述对于任一种目标采集环节组合，根据所述目标采集环节组合中每个采集模板在当前大数据采集线程内的实时采集业务标签信息，获取每个采集模板的大数据采集信息的步骤，包括：

通过所述目标采集环节组合中每个采集模板在当前大数据采集线程内的实时采集业务标签信息对应的采集业务标签元素，提取每个采集模板的业务采集动态数据，并通过所述目标采集环节组合中每个采集模板在当前大数据采集线程内的实时采集业务标签信息对应的规划评价线程从每个采集模板对应的采集模板执行信息中识别出位于每个业务采集动态数据下的当前检索对象数据，将每个采集模板对应的采集模板执行信息中位于每个业务采集动态数据下的当前检索对象数据筛选为第一检索对象遍历数据，将每个采集模板对应的采集模板执行信息中除所述第一检索对象遍历数据以外的检索对象数据筛选为第二检索对象遍历数据；

在基于业务采集动态数据确定出每个采集模板对应的采集模板执行信息中存在交互式检索对象数据目录和非交互式检索对象数据目录的前提下，根据所述第二检索对象遍历数据中在所述交互式检索对象数据目录下的第一目标当前检索对象数据以及所述第一目标当前检索对象数据的检索对象特征矩阵确定所述第二检索对象遍历数据在所述非交互式检索对象数据目录下的各第二目标当前检索对象数据与所述第二检索对象遍历数据在所述交互式检索对象数据目录下的各第一目标当前检索对象数据之间的检索对象相关参数；

基于所述检索对象相关参数将所述第二检索对象遍历数据在所述非交互式检索对象数据目录下的与在所述交互式检索对象数据目录下的第一目标当前检索对象数据在检索对象相关参数上存在相似性的第二目标当前检索对象数据分配到所述交互式检索对象数据目录下；其中，在所述第二检索对象遍历数据对应的所述非交互式检索对象数据目录下包含有多个在业务采集连续性指标上存在触发行为的当前检索对象数据的情况下，根据所述第二检索对象遍历数据在所述交互式检索对象数据目录下的第一目标当前检索对象数据以及所述第一目标当前检索对象数据的检索对象特征矩阵确定所述第二检索对象遍历数据在所述非交互式检索对象数据目录下的各个在业务采集连续性指标上存在触发行为的当前检索对象数据之间的检索对象相关参数，并根据所述各个在业务采集连续性指标上存在触发行为的当前检索对象数据之间的检索对象相关参数对所述非交互式检索对象数据目录下的各个在业务采集连续性指标上存在触发行为的当前检索对象数据进行筛选；根据所述第二检索对象遍历数据在所述交互式检索对象数据目录下的第一目标当前检索对象数据以及所述第一目标当前检索对象数据的检索对象特征矩阵为上述筛选获得的第三目标当前检索对象数据设置检索对象参考服务，并基于所述检索对象参考服务中的大小顺序将部分第三目标当前检索对象数据依次分配到所述交互式检索对象数据目录下；

确定用于表征所述第一检索对象遍历数据中的当前检索对象数据的第一检索意图特征的第一意图主题向量，用于表征所述第二检索对象遍历数据在所述交互式检索对象数据目录下的当前检索对象数据的第二检索意图特征的第二意图主题向量以及用于表征所述第二检索对象遍历数据在所述非交互式检索对象数据目录下的当前检索对象数据的第三检索意图特征的第三意图主题向量；计算所述第一意图主题向量和所述第二意图主题向量的相关向量，判断所述第三意图主题向量与所述相关向量的比例是否超过目标比例；

在所述第三意图主题向量与所述相关向量的比例没有超过所述目标比例时，将所述非交互式检索对象数据目录下的当前检索对象数据确定为静态检索对象数据，以及根据所述静态检索对象数据、所述第一检索对象遍历数据中的当前检索对象数据以及所述交互式检索对象数据目录下的当前检索对象数据确定每个采集模板的大数据采集信息。

在第一方面的一种可能的实现方式中，所述获取所述目标采集环节组合包括的各个采集模板的大数据采集信息的业务更新列表，得到所述目标采集环节组合的业务数据采集轨迹信息，包括：

根据所述目标采集环节组合包括的各个采集模板的大数据采集信息之间的采集业务数据关联度，确定所述业务更新列表；

提取所述业务更新列表中的列表元素特征，并基于所述列表元素特征得到所述目标采集环节组合的业务数据采集轨迹信息。

在第一方面的一种可能的实现方式中，所述当至少两种目标采集环节组合的业务数据采集轨迹信息均符合预设轨迹范围条件时，确定所述采集模板配置信息对应的配置更新信息，包括：

当至少两种目标采集环节组合的业务数据采集轨迹信息对应的轨迹范围信息均覆盖预设轨迹范围信息时，根据所述业务数据采集轨迹信息对应的轨迹浮动特征对象确定所述配置更新信息。

在第一方面的一种可能的实现方式中，所述按照所述配置更新信息为所述采集模板配置信息对应的待更新采集模板分配采集业务标签变更数据的步骤，包括：

从所述配置更新信息中确定出多个配置更新主题标签信息；

确定每个配置更新主题标签信息对应的采集业务标签影响指数；

选择最小采集业务标签影响指数对应的调整策略对应的采集模板作为所述待更新采集模板；

通过所述配置更新主题标签信息对应的主题标签调整指示以及主题扩展标签调整指示为所述待更新采集模板分配所述采集业务标签变更数据。

第二方面，本申请实施例还提供一种基于电子商务云计算的大数据处理装置，应用于人工智能服务器，所述人工智能服务器与多个电子商务服务终端通信连接，所述装置包括：

第一获取模块，用于获取预先根据所述多个电子商务服务终端加载的服务扩展组件的服务扩展组件业务的业务表项应用统计数据更新的大数据采集策略，所述大数据采集策略包括每个大数据采集项目的采集模板配置信息；

提取模块，用于提取所述采集模板配置信息的大数据采集描述向量，根据所述大数据采集描述向量，获取所述采集模板配置信息对应的各个采集模板的采集环节信息；

第二获取模块，用于按照每个采集模板的采集业务标签的优先级顺序以及所述采集模板配置信息对应的大数据处理程序体信息，获取至少两条目标采集环节信息，得到至少两种目标采集环节组合，对于任一种目标采集环节组合，根据所述目标采集环节组合中每个采集模板在当前大数据采集线程内的实时采集业务标签信息，获取每个采集模板的大数据采集信息；

分配模块，用于获取所述目标采集环节组合包括的各个采集模板的大数据采集信息的业务更新列表，得到所述目标采集环节组合的业务数据采集轨迹信息，当至少两种目标采集环节组合的业务数据采集轨迹信息均符合预设轨迹范围条件时，确定所述采集模板配置信息对应的配置更新信息，按照所述配置更新信息为所述采集模板配置信息对应的待更新采集模板分配采集业务标签变更数据；其中，所述待更新采集模板为所述采集模板中的至少一个。

第三方面，本申请实施例还提供一种基于电子商务云计算的大数据处理系统，所述基于电子商务云计算的大数据处理系统包括人工智能服务器以及与所述人工智能服务器通信连接的多个电子商务服务终端；

所述人工智能服务器，用于：

获取预先根据所述多个电子商务服务终端加载的服务扩展组件的服务扩展组件业务的业务表项应用统计数据更新的大数据采集策略，所述大数据采集策略包括每个大数据采集项目的采集模板配置信息；

提取所述采集模板配置信息的大数据采集描述向量，根据所述大数据采集描述向量，获取所述采集模板配置信息对应的各个采集模板的采集环节信息；

按照每个采集模板的采集业务标签的优先级顺序以及所述采集模板配置信息对应的大数据处理程序体信息，获取至少两条目标采集环节信息，得到至少两种目标采集环节组合，对于任一种目标采集环节组合，根据所述目标采集环节组合中每个采集模板在当前大数据采集线程内的实时采集业务标签信息，获取每个采集模板的大数据采集信息；

获取所述目标采集环节组合包括的各个采集模板的大数据采集信息的业务更新列表，得到所述目标采集环节组合的业务数据采集轨迹信息，当至少两种目标采集环节组合的业务数据采集轨迹信息均符合预设轨迹范围条件时，确定所述采集模板配置信息对应的配置更新信息，按照所述配置更新信息为所述采集模板配置信息对应的待更新采集模板分配采集业务标签变更数据；其中，所述待更新采集模板为所述采集模板中的至少一个。

第四方面，本申请实施例还提供一种人工智能服务器，所述人工智能服务器包括处理器、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电子商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电子商务云计算的大数据处理方法。

第五方面，本申请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实现方式中的基于电子商务云计算的大数据处理方法。

基于上述任意一个方面，本申请能够对大数据采集描述向量进行分析，从而确定出不同采集项目的采集环节信息，这样可以结合采集业务标签的优先级顺序以及大数据处理程序体信息对采集项目的大数据采集信息进行分析，可以将大数据处理程序体、业务数据采集轨迹以及采集业务标签相结合。通过对业务数据采集轨迹信息进行分析，能够确保在符合预设轨迹范围条件之后确定采集模板配置信息对应的配置更新信息，能够按照配置更新信息为待更新采集模板分配采集业务标签变更数据，从而控制待更新采集模板进行更新。如此，能够结合大数据处理程序体数据、业务数据采集轨迹以及采集业务标签实现对待更新采集模板的全局性更新，避免采集过程出现业务混乱。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要调用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，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为本申请实施例提供的基于电子商务云计算的大数据处理系统的应用场景示意图；

图2为本申请实施例提供的基于电子商务云计算的大数据处理方法的流程示意图；

图3为本申请实施例提供的基于电子商务云计算的大数据处理装置的功能模块示意图；

图4为本申请实施例提供的用于实现上述的基于电子商务云计算的大数据处理方法的人工智能服务器的结构组件示意框图。

具体实施方式

下面结合说明书附图对本申请进行具体说明，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是本申请一种实施例提供的基于电子商务云计算的大数据处理系统10的交互示意图。基于电子商务云计算的大数据处理系统10可以包括人工智能服务器100以及与人工智能服务器100通信连接的电子商务服务终端200。图1所示的基于电子商务云计算的大数据处理系统10仅为一种可行的示例，在其它可行的实施例中，该基于电子商务云计算的大数据处理系统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，电子商务服务终端200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，移动设备可以包括物联网设备、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，物联网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，基于电子商务云计算的大数据处理系统10中的人工智能服务器100和电子商务服务终端200可以通过配合执行以下方法实施例所描述的基于电子商务云计算的大数据处理方法，具体人工智能服务器100和电子商务服务终端200的执行步骤部分可以参照以下方法实施例的详细描述。

为了解决前述背景技术中的技术问题，图2为本申请实施例提供的基于电子商务云计算的大数据处理方法的流程示意图，本实施例提供的基于电子商务云计算的大数据处理方法可以由图1中所示的人工智能服务器100执行，下面对该基于电子商务云计算的大数据处理方法进行详细介绍。

步骤S110，获取预先根据多个电子商务服务终端加载的服务扩展组件的服务扩展组件业务的业务表项应用统计数据更新的大数据采集策略。

本实施例中，大数据采集策略具体可以包括每个大数据采集项目的采集模板配置信息。例如，大数据采集项目可以是指针对某个软件服务项目（例如订单搜索项目、商品浏览项目等）的大数据采集立项计划，采集模板配置信息可以是指针对该大数据采集项目在后续的大数据采集过程中所配置的采集规则的配置信息。

步骤S120，提取采集模板配置信息的大数据采集描述向量，根据大数据采集描述向量，获取采集模板配置信息对应的各个采集模板的采集环节信息。

本实施例中，采集环节信息可以用于表征每个采集模板在后续大数据采集控制过程中所需要遍历的各个数据遍历环节。

步骤S130，按照每个采集模板的采集业务标签的优先级顺序以及采集模板配置信息对应的大数据处理程序体信息，获取至少两条目标采集环节信息，得到至少两种目标采集环节组合，对于任一种目标采集环节组合，根据目标采集环节组合中每个采集模板在当前大数据采集线程内的实时采集业务标签信息，获取每个采集模板的大数据采集信息。

步骤S140，获取目标采集环节组合包括的各个采集模板的大数据采集信息的业务更新列表，得到目标采集环节组合的业务数据采集轨迹信息，当至少两种目标采集环节组合的业务数据采集轨迹信息均符合预设轨迹范围条件时，确定采集模板配置信息对应的配置更新信息，按照配置更新信息为采集模板配置信息对应的待更新采集模板分配采集业务标签变更数据。其中，待更新采集模板为采集模板中的至少一个。

基于上述步骤，本实施例能够对大数据采集描述向量进行分析，从而确定出不同采集项目的采集环节信息，这样可以结合采集业务标签的优先级顺序以及大数据处理程序体信息对采集项目的大数据采集信息进行分析，可以将大数据处理程序体、业务数据采集轨迹以及采集业务标签相结合。通过对业务数据采集轨迹信息进行分析，能够确保在符合预设轨迹范围条件之后确定采集模板配置信息对应的配置更新信息，能够按照配置更新信息为待更新采集模板分配采集业务标签变更数据，从而控制待更新采集模板进行更新。如此，能够结合大数据处理程序体数据、业务数据采集轨迹以及采集业务标签实现对待更新采集模板的全局性更新，避免采集过程出现业务混乱。

在一种可能的实现方式中，针对步骤S120而言，在提取采集模板配置信息的大数据采集描述向量的过程中，可以通过以下示例性的子步骤来实现。

子步骤S121，将采集模板配置信息对应的结构化配置内容划分为至少两个第一配置索引资源集合，每个第一配置索引资源集合具有相同的采集业务范围列表。

子步骤S122，采用预设大数据采集特征匹配程序，从每个第一配置索引资源集合中，提取大数据采集描述特征。

子步骤S123，对至少两个第一配置索引资源集合的大数据采集描述特征进行筛选，得到大数据采集描述向量。

在一种可能的实现方式中，仍旧针对步骤S120而言，在根据大数据采集描述向量，获取采集模板配置信息对应的各个采集模板的采集环节信息的过程中，可以通过以下示例性的子步骤来实现。

子步骤S124，将大数据采集描述向量输入到预设采集环节整合模型中，输出采集模板配置信息中各个采集模板对应的采集控制指令的采集环节信息。

其中，值得说明的是，预设采集环节整合模型用于基于采集控制指令的大数据采集描述向量，从采集模板配置信息对应的表达式信息中检测出与采集控制指令的表达式树形结构相匹配的采集环节信息，并获取与采集控制指令的表达式树形结构相匹配的采集环节信息在采集模板配置信息的激活状态内对应的采集控制指令的采集环节信息。

在一种可能的实现方式中，进一步地，本实施例还可以以确定至少两种目标采集环节组合的业务数据采集轨迹信息均符合预设轨迹范围条件的跳转采集轨迹对象为基准采集轨迹对象，从采集模板配置信息对应的动态配置索引资源中获取预设采集业务范围列表的第二配置索引资源集合。

在此基础上，获取第二配置索引资源集合的配置索引资源更替信息，当第二配置索引资源集合的配置索引资源更替信息触发跳转变更信息时，确定采集模板配置信息对应的配置更新信息。

其中，基于以上描述的逻辑，在获取第二配置索引资源集合的配置索引资源更替信息的过程中，可以通过以下示例性的实施方式来实现。

（1）将第二配置索引资源集合划分为至少两个跳转变量集合，每个跳转变量集合具有相同的采集业务范围列表。

（2）获取每个跳转变量集合对应的跳转传递事件的事件依赖关系，从至少两个跳转变量集合对应的事件依赖关系中，获取全局事件依赖关系和从属事件依赖关系。

（3）基于全局事件依赖关系和从属事件依赖关系的依赖关系描述信息，确定第二配置索引资源集合的配置索引资源更替信息。

其中，第二配置索引资源集合包括第三配置索引资源集合和第四配置索引资源集合中至少一个，第三配置索引资源集合为以跳转采集轨迹对象为基准采集轨迹对象、采集模板配置信息对应的动态配置索引资源中位于跳转采集轨迹对象之后的预设采集业务范围列表的配置索引资源集合，第四配置索引资源集合为以跳转采集轨迹对象为基准采集轨迹对象、采集模板配置信息对应的动态配置索引资源中位于跳转采集轨迹对象之前的预设采集业务范围列表的配置索引资源集合。

在此基础上，在一种可能的实现方式中，针对步骤S130而言，在按照每个采集模板的采集业务标签的优先级顺序以及采集模板配置信息对应的大数据处理程序体信息，获取至少两条目标采集环节信息，得到至少两种目标采集环节组合的过程中，可以通过以下示例性的子步骤来实现。

子步骤S131，基于每个采集模板的采集业务标签指标信息获得各第一采集规则链图谱。

子步骤S132，基于预置的第一采集多维指标列表获得与各第一采集规则链图谱分别对应的各第一目标采集环节数据。

例如，第一目标采集环节遍历数据可以包括该第一采集规则链图谱分别对应预设目标采集环节组合的各组合类别的各目标采集环节数据。

子步骤S133，基于每个采集模板的采集业务标签指标信息获得各第二采集规则链图谱，并生成各第二采集规则链图谱的第一匹配指标。

例如，第一匹配指标基于与该第二采集规则链图谱对应的各第一采集规则链图谱所对应的第一目标采集环节数据生成，其中，各第二采集规则链图谱与第一采集规则链图谱分别对应于正向采集规则和负向采集规则。

子步骤S134，将各第一匹配指标添加至预置的第二采集多维指标列表，获得与各第二采集规则链图谱分别对应的各第二目标采集环节数据。

例如，第二目标采集环节遍历数据包括该第二采集规则链图谱对应预设目标采集环节组合的目标采集环节数据和/或非对应预设目标采集环节组合的目标采集环节数据。

子步骤S135，基于第二目标采集环节数据确定每个采集模板的采集业务标签指标信息中是否存在预设目标采集环节组合，获取存在预设目标采集环节组合的至少两条目标采集环节信息以得到至少两种目标采集环节组合。

在此基础上，在一种可能的实现方式中，仍旧针对步骤S130而言，在对于任一种目标采集环节组合，根据目标采集环节组合中每个采集模板在当前大数据采集线程内的实时采集业务标签信息，获取每个采集模板的大数据采集信息的过程中，可以通过以下示例性的子步骤来实现。

子步骤S136，通过目标采集环节组合中每个采集模板在当前大数据采集线程内的实时采集业务标签信息对应的采集业务标签元素，提取每个采集模板的业务采集动态数据，并通过目标采集环节组合中每个采集模板在当前大数据采集线程内的实时采集业务标签信息对应的规划评价线程从每个采集模板对应的采集模板执行信息中识别出位于每个业务采集动态数据下的当前检索对象数据，将每个采集模板对应的采集模板执行信息中位于每个业务采集动态数据下的当前检索对象数据筛选为第一检索对象遍历数据，将每个采集模板对应的采集模板执行信息中除第一检索对象遍历数据以外的检索对象数据筛选为第二检索对象遍历数据。

子步骤S137，在基于业务采集动态数据确定出每个采集模板对应的采集模板执行信息中存在交互式检索对象数据目录和非交互式检索对象数据目录的前提下，根据第二检索对象遍历数据中在交互式检索对象数据目录下的第一目标当前检索对象数据以及第一目标当前检索对象数据的检索对象特征矩阵确定第二检索对象遍历数据在非交互式检索对象数据目录下的各第二目标当前检索对象数据与第二检索对象遍历数据在交互式检索对象数据目录下的各第一目标当前检索对象数据之间的检索对象相关参数。

子步骤S138，基于检索对象相关参数将第二检索对象遍历数据在非交互式检索对象数据目录下的与在交互式检索对象数据目录下的第一目标当前检索对象数据在检索对象相关参数上存在相似性的第二目标当前检索对象数据分配到交互式检索对象数据目录下。

例如，在第二检索对象遍历数据对应的非交互式检索对象数据目录下包含有多个在业务采集连续性指标上存在触发行为的当前检索对象数据的情况下，根据第二检索对象遍历数据在交互式检索对象数据目录下的第一目标当前检索对象数据以及第一目标当前检索对象数据的检索对象特征矩阵确定第二检索对象遍历数据在非交互式检索对象数据目录下的各个在业务采集连续性指标上存在触发行为的当前检索对象数据之间的检索对象相关参数，并根据各个在业务采集连续性指标上存在触发行为的当前检索对象数据之间的检索对象相关参数对非交互式检索对象数据目录下的各个在业务采集连续性指标上存在触发行为的当前检索对象数据进行筛选。根据第二检索对象遍历数据在交互式检索对象数据目录下的第一目标当前检索对象数据以及第一目标当前检索对象数据的检索对象特征矩阵为上述筛选获得的第三目标当前检索对象数据设置检索对象参考服务，并基于检索对象参考服务中的大小顺序将部分第三目标当前检索对象数据依次分配到交互式检索对象数据目录下。

子步骤S139，确定用于表征第一检索对象遍历数据中的当前检索对象数据的第一检索意图特征的第一意图主题向量，用于表征第二检索对象遍历数据在交互式检索对象数据目录下的当前检索对象数据的第二检索意图特征的第二意图主题向量以及用于表征第二检索对象遍历数据在非交互式检索对象数据目录下的当前检索对象数据的第三检索意图特征的第三意图主题向量。计算第一意图主题向量和第二意图主题向量的相关向量，判断第三意图主题向量与相关向量的比例是否超过目标比例。

子步骤S1391，在第三意图主题向量与相关向量的比例没有超过目标比例时，将非交互式检索对象数据目录下的当前检索对象数据确定为静态检索对象数据，以及根据静态检索对象数据、第一检索对象遍历数据中的当前检索对象数据以及交互式检索对象数据目录下的当前检索对象数据确定每个采集模板的大数据采集信息。

在一种可能的实现方式中，针对步骤S140而言，在获取目标采集环节组合包括的各个采集模板的大数据采集信息的业务更新列表，得到目标采集环节组合的业务数据采集轨迹信息的过程中，可以通过以下示例性的子步骤来实现。

子步骤S141，根据目标采集环节组合包括的各个采集模板的大数据采集信息之间的采集业务数据关联度，确定业务更新列表。

子步骤S142，提取业务更新列表中的列表元素特征，并基于列表元素特征得到目标采集环节组合的业务数据采集轨迹信息。

在一种可能的实现方式中，仍旧针对步骤S140而言，在当至少两种目标采集环节组合的业务数据采集轨迹信息均符合预设轨迹范围条件时，确定采集模板配置信息对应的配置更新信息的过程中，可以通过以下示例性的子步骤来实现。

子步骤S143，当至少两种目标采集环节组合的业务数据采集轨迹信息对应的轨迹范围信息均覆盖预设轨迹范围信息时，根据业务数据采集轨迹信息对应的轨迹浮动特征对象确定配置更新信息。

在一种可能的实现方式中，仍旧针对步骤S140而言，在按照配置更新信息为采集模板配置信息对应的待更新采集模板分配采集业务标签变更数据的过程中，可以通过以下示例性的子步骤来实现。

子步骤S144，从配置更新信息中确定出多个配置更新主题标签信息。

子步骤S145，确定每个配置更新主题标签信息对应的采集业务标签影响指数。

子步骤S146，选择最小采集业务标签影响指数对应的调整策略对应的采集模板作为待更新采集模板。

子步骤S147，通过配置更新主题标签信息对应的主题标签调整指示以及主题扩展标签调整指示为待更新采集模板分配采集业务标签变更数据。

譬如，在一种可能的实现方式中，针对步骤S110而言，在获取预先根据多个电子商务服务终端加载的服务扩展组件的服务扩展组件业务的业务表项应用统计数据更新的大数据采集策略的过程中，可以通过以下示例性的子步骤来实现。

子步骤S111，获取向多个电子商务服务终端200加载服务扩展组件的服务扩展组件业务的业务表项应用统计数据中包含目标应用加载对象的应用加载数据，对应用加载数据进行关系网络圈索引，得到应用加载数据对应的关系网络圈数据。

子步骤S112，获取应用加载数据对应的目标人工智能计算模型，通过目标人工智能计算模型从关系网络圈数据中提取第一关系网络圈特征和第二关系网络圈特征，将第一关系网络圈特征和第二关系网络圈特征进行服务流轨迹数据生成，得到与应用加载数据相关联的服务流轨迹数据。

子步骤S113，根据服务流轨迹数据、目标人工智能计算模型，对关系网络圈数据进行需求轨迹字段分析，得到关系网络圈数据对应的需求轨迹字段分析结果。

子步骤S114，若需求轨迹字段分析结果指示应用加载数据中存在满足预设服务需求条件的关系网络圈数据，则将目标应用加载对象确定为大数据采集业务互动字段，并基于大数据采集业务互动字段以及大数据采集业务互动字段对应的满足预设服务需求条件的关系网络圈数据对人工智能服务器的大数据采集策略进行更新。

本实施例中，在获取到包含目标应用加载对象的应用加载数据时，可以对应用加载数据进行关系网络圈索引，以将应用加载数据划分成一个或者多个索引，这里将不对划分后的索引的数量进行限定。应当理解，本申请实施例可以将每个索引对应的关系统计数据统称为关系网络圈数据。此外，可以理解的是，这里的目标应用加载对象可以为分享互动跟踪场景下的某个分析互动节点的操作字段，可选的，这里的目标应用加载对象还可以为标识识别场景下的某个关系网络的操作字段，这里将不对目标应用加载对象的具体类型进行限定。

进一步的，可以将应用加载数据给到训练好的目标人工智能计算模型，以通过该目标人工智能计算模型从前述划分后的关系网络圈数据中提取第一关系网络圈特征和第二关系网络圈特征，进而可以将提取出的第一关系网络圈特征和第二关系网络圈特征进行服务流轨迹数据生成处理，以得到与该应用加载数据相关联的服务流轨迹数据。

可以理解的是，本申请实施例通过对从每个关系网络圈数据所提取到的第一关系网络圈特征和第二关系网络圈特征进行服务流轨迹数据生成处理后，可以提高后续对每个关系网络圈数据所属的需求轨迹字段类型进行分类的准确性。进一步的，可以根据服务流轨迹数据、目标人工智能计算模型，对关系网络圈数据进行需求轨迹字段分析，以得到应用加载数据对应的需求轨迹字段分析结果。

可以理解的是，在本申请实施例中的需求轨迹字段分析结果中可以包含每个关系网络圈数据对应的需求轨迹字段分析结果，所以，可以在检测到这些需求轨迹字段分析结果中存在满足预设服务需求条件的关系网络圈数据对应的需求轨迹字段分析结果时，确定应用加载数据中存在满足预设服务需求条件的关系网络圈数据，进而可以间接地确定出该目标应用加载对象为大数据采集业务互动字段。

由此可见，采用本申请实施例在进行大数据采集策略更新之前，可以预先将应用加载数据划分成一系列的关系网络圈数据，进而可以通过目标人工智能计算模型对每个关系网络圈数据进行需求轨迹字段分析，以识别每个关系网络圈数据所属的需求轨迹字段类型，进而可以提高大数据采集策略更新的准确性。此外，本申请实施例在通过目标人工智能计算模型识别出每个关系网络圈数据所属的需求轨迹字段类型之后，可以将每个关系网络圈数据所属的需求轨迹字段类型统称为应用加载数据对应的需求轨迹字段分析结果，这样，在检测到这些关系网络圈数据中存在满足预设服务需求条件的关系网络圈数据，则可以快速确定出目标应用加载对象可能为携带重点应用加载互动的大数据采集业务互动字段，进而可以进行针对性策略更新之后，减少后续低置信度的大数据采集数据量，提高大数据采集的针对性。

譬如，在一种可能的实现方式中，针对步骤S111，在获取向多个电子商务服务终端200加载服务扩展组件的服务扩展组件业务的业务表项应用统计数据中包含目标应用加载对象的应用加载数据，对应用加载数据进行关系网络圈索引，得到应用加载数据对应的关系网络圈数据的过程中，可以通过以下示例性的子步骤来实现。

子步骤S1111，响应针对服务扩展组件业务的业务接口调用请求，输出服务扩展组件业务对应的业务接口调用实例。

子步骤S1112，启动与服务扩展组件业务相关联的应用加载业务采集程序，在应用加载业务采集程序对应的采集覆盖范围内，对服务扩展组件业务的至少一个应用加载数据进行采集，将采集到的至少一个应用加载数据输出至业务接口调用实例，将业务接口调用实例上显示的至少一个应用加载数据确定为与服务扩展组件业务相关联的应用加载数据序列。

本实施例中，应用加载数据序列可以包含至少一个应用加载数据。

值得说明的是，应用加载业务采集程序对应的采集覆盖范围可以依据不同的云业务的实际运行情况进行灵活设置，采集覆盖范围可以理解为采集的目录范围，或者采集的业务数据范围，在此不作具体限定。

子步骤S1113，从应用加载数据序列的至少一个应用加载数据中获取服务扩展组件业务的应用加载数据，对服务扩展组件业务的应用加载数据进行业务互动字段识别，得到业务互动字段识别结果。

子步骤S1114，若业务互动字段识别结果指示服务扩展组件业务的应用加载数据中存在属于关键关系网络类型的目标数据，则基于目标数据在服务扩展组件业务的应用加载数据中确定服务扩展组件业务的关键关系网络所在的关系工作流引擎，从服务扩展组件业务的应用加载数据中截取关系工作流引擎。

子步骤S1115，在关系工作流引擎中将服务扩展组件业务的关键关系网络作为目标应用加载对象，在关系工作流引擎中将目标应用加载对象对应的关系统计数据作为应用加载数据。目标应用加载对象为服务扩展组件业务的关键关系网络。

子步骤S1116，获取用于对应用加载数据进行关系网络圈索引的索引参数，基于索引参数对应用加载数据进行关系网络圈索引，得到应用加载数据对应的关系网络圈数据。

譬如，在一种可能的实现方式中，针对步骤S112而言，关系网络圈数据的数量可以为多个。由此，在获取应用加载数据对应的目标人工智能计算模型，通过目标人工智能计算模型从关系网络圈数据中提取第一关系网络圈特征和第二关系网络圈特征，将第一关系网络圈特征和第二关系网络圈特征进行服务流轨迹数据生成，得到与应用加载数据相关联的服务流轨迹数据的过程中，可以通过以下示例性的子步骤来实现。

子步骤S1121，获取应用加载数据对应的目标人工智能计算模型。

例如，目标人工智能计算模型可以包括：第一网络圈特征单元和第二网络圈特征单元。可以理解，第一网络圈特征单元和第二网络圈特征单元在目标人工智能计算模型可以是并列设置的不同网络模型层，用于提取不同的网络圈特征。

子步骤S1122，通过第一网络圈特征单元从每个关系网络圈数据中提取时间片分享互动特征，将提取到的每个关系网络圈数据的时间片分享互动特征分别确定为第一关系网络圈特征。

子步骤S1123，通过第二网络圈特征单元从每个关系网络圈数据中提取空间片分享互动特征，将提取到的每个关系网络圈数据的空间片分享互动特征分别确定为第二关系网络圈特征。

子步骤S1124，将每个关系网络圈数据的第一关系网络圈特征和对应关系网络圈数据的第二关系网络圈特征进行服务流轨迹数据生成，得到每个关系网络圈数据的服务流轨迹数据特征，将每个关系网络圈数据的服务流轨迹数据特征确定为与应用加载数据相关联的服务流轨迹数据。

譬如，在一种可能的实现方式中，针对步骤S113而言，目标人工智能计算模型可以包括：预测单元。例如，预测单元具有对应用加载数据中的关系网络圈数据所属的需求轨迹字段类型进行预测分类的功能。由此，在一种可能的实现方式中，在根据服务流轨迹数据、目标人工智能计算模型，对关系网络圈数据进行需求轨迹字段分析，得到关系网络圈数据对应的需求轨迹字段分析结果的过程中，可以通过以下示例性的子步骤来实现。

子步骤S1131，将服务流轨迹数据输入至目标人工智能计算模型中的预测单元，由预测单元确定服务流轨迹数据与预测单元中的多个样本服务流轨迹特征之间的关联度。

其中，关联度可以用于表征服务流轨迹数据分别与每个样本服务流轨迹特征属于相同需求轨迹字段类型的概率。

子步骤S1132，基于关联度，在多个样本服务流轨迹特征中获取与服务流轨迹数据具有最大关联度的样本服务流轨迹特征，将具有最大关联度的样本服务流轨迹特征作为目标样本服务流轨迹特征。

子步骤S1133，将目标样本服务流轨迹特征对应的样本标签信息作为服务流轨迹数据对应的目标需求轨迹字段类型，基于目标需求轨迹字段类型以及与目标需求轨迹字段类型相关联的最大关联度，确定对应用加载数据中的关系网络圈数据进行分类后的需求轨迹字段分析结果。

基于此，在上述描述的基础上，譬如，针对步骤S114而言，一个关系网络圈数据对应一个需求轨迹字段分析结果，多个样本服务流轨迹特征对应的样本标签信息包含需求类标签信息。由此，在一种可能的实现方式中，在若需求轨迹字段分析结果指示应用加载数据中存在满足预设服务需求条件的关系网络圈数据，则将目标应用加载对象确定为大数据采集业务互动字段的过程中，可以通过以下示例性的子步骤来实现。

子步骤S1141，获取目标人工智能计算模型对应的预设服务需求条件。

子步骤S1142，若需求轨迹字段分析结果中存在目标需求轨迹字段类型属于需求类标签信息的需求轨迹字段分析结果，则在关系网络圈数据中将目标需求轨迹字段类型对应的关系网络圈数据，确定为满足预设服务需求条件的关系网络圈数据。

子步骤S1143，将应用加载数据中所包含的目标应用加载对象确定为大数据采集业务互动字段。

进一步地，在一种可能的实现方式中，仍旧针对步骤S1141，在基于大数据采集业务互动字段以及大数据采集业务互动字段对应的满足预设服务需求条件的关系网络圈数据对人工智能服务器的大数据采集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。

子步骤S1144，提取大数据采集业务互动字段对应的满足预设服务需求条件的关系网络圈数据中每个目标关系网络圈业务成员所对应的关系网络标签，在从关系网络标签的分享互动模型中获取关系网络标签在分享互动时所关联的原始分享互动行为列表的同时，并行地提取关系网络标签的分享互动变化监听特征。

子步骤S1145，基于提取到的分享互动变化监听特征确定用于对原始分享互动行为列表进行跟踪模拟分析的分享互动跟踪节点信息，从分享互动跟踪节点信息中提取出多个待使用的跟踪节点的监听信息参数以及不同跟踪节点之间的跟踪协同信息，根据监听信息参数和跟踪协同信息对多个待使用的跟踪节点进行分享互动处理得到至少两个目标跟踪节点的跟踪监听器。

其中，目标跟踪节点的跟踪监听器的监听信息参数的监听接口区间位于设定区间内且不同的目标跟踪节点的跟踪监听器之间的跟踪协同信息的差异度小于设定值。

子步骤S1146，通过目标跟踪节点的跟踪监听器对原始分享互动行为列表进行跟踪模拟分析，得到候选分享互动行为列表。

子步骤S1147，根据从预设的模拟分享互动线程的线程分享互动记录中确定出的目标分享互动变化监听特征确定候选分享互动行为列表的订单分享互动库更新分布，以及根据确定出的候选分享互动行为列表中的互动类别确定候选分享互动行为列表的订单分享互动库扩展分布。

子步骤S1148，基于订单分享互动库更新分布和订单分享互动库扩展分布对候选分享互动行为列表进行关键关系网络圈业务成员提取，得到关键关系网络圈业务成员集。

子步骤S1144，基于关键关系网络圈业务成员集对人工智能服务器的大数据采集策略进行更新。

示例性地，譬如，在一种可能的实现方式中，针对子步骤S1144而言，在从关系网络标签的分享互动模型中获取关系网络标签在分享互动时所关联的原始分享互动行为列表的同时，并行地提取关系网络标签的分享互动变化监听特征的过程中，可以通过以下示例性的实施方式来实现。

（1）生成与分享互动模型的调用结构信息对应的订单分享互动调用条件并通过预先与分享互动模型建立的软件开发接口发送订单分享互动调用条件，并在发送订单分享互动调用条件的同时检测关系网络标签的订单分享互动状态是否处于开启状态。

（2）在检测到订单分享互动状态处于开启状态时，向关系网络标签所对应的订单分享互动引擎关联分享互动业务控件以使得关系网络标签所对应的订单分享互动引擎通过分享互动业务控件将基于订单分享互动调用条件从分享互动模型中查询得到的原始分享互动行为列表以及从订单分享互动状态对应的运行记录中提取的分享互动变化监听特征进行同步反馈。

（3）在检测到订单分享互动状态处于未开启状态时，根据订单分享互动状态的订单分享互动调用顺序延迟生成分享互动业务控件并下发至关系网络标签所对应的订单分享互动引擎，以使得关系网络标签所对应的订单分享互动引擎根据分享互动业务控件启动订单分享互动状态并从订单分享互动状态对应的运行记录中提取的分享互动变化监听特征，并使得关系网络标签所对应的订单分享互动引擎根据分享互动业务控件延迟性地基于订单分享互动调用条件从分享互动模型中查询得到原始分享互动行为列表，同步接收关系网络标签所对应的订单分享互动引擎反馈的分享互动变化监听特征和原始分享互动行为列表。

示例性地，譬如，在一种可能的实现方式中，针对子步骤S1145而言，在基于提取到的分享互动变化监听特征确定用于对原始分享互动行为列表进行跟踪模拟分析的分享互动跟踪节点信息，从分享互动跟踪节点信息中提取出多个待使用的跟踪节点的监听信息参数以及不同跟踪节点之间的跟踪协同信息的过程中，可以通过以下示例性的实施方式来实现。

（1）从分享互动变化监听特征中确定出多个具有不同层级关系的缓冲分配器，根据缓冲分配器构建第一跟踪节点监听数据序列以及第二跟踪节点监听数据序列。

其中，第一跟踪节点监听数据序列为全局跟踪节点监听数据序列，第二跟踪节点监听数据序列为特定对象跟踪节点监听数据序列。

（2）将第一跟踪节点监听数据序列中的任意一个第一跟踪节点监听数据对应的配套域线程分享互动向量映射到第二跟踪节点监听数据序列中的对应节点上的第二跟踪节点监听数据中，并确定配套域线程分享互动向量在第二跟踪节点监听数据中的分享互动关联信息。

（3）基于分享互动关联信息与第二跟踪节点监听数据中的目标配套域线程分享互动向量之间的分层参数确定分享互动变化监听特征在设定层级范围内常用的模板调用元素队列，解析模板调用元素队列对应的模板调用元素排列内容信息并通过模板调用元素排列内容信息所指代的信息特征生成分享互动跟踪节点信息。

（4）将分享互动跟踪节点信息以堆栈结构列出，得到多个初始跟踪节点，根据分享互动跟踪节点信息的堆栈层级确定每个初始跟踪节点的分享互动处理层级，按照分享互动处理层级由大到小的顺序将初始跟踪节点进行排序并选取排序靠前的目标数量个初始跟踪节点作为待使用的跟踪节点。

（5）针对每个待使用的跟踪节点，确定该跟踪节点的监听器实例对象的监听器配置参数和监听器编辑参数，根据监听器配置参数确定该跟踪节点的监听实例分布，根据监听器编辑参数从监听实例分布中提取出监听信息参数。

示例性地，譬如，在一种可能的实现方式中，针对子步骤S1146而言，在通过目标跟踪节点的跟踪监听器对原始分享互动行为列表进行跟踪模拟分析，得到候选分享互动行为列表的过程中，可以通过以下示例性的实施方式来实现。

（1）从目标跟踪节点的跟踪监听器中确定出原始分享互动行为列表的分析互动跳转链接分布。

其中，分析互动跳转链接分布用于表征原始分享互动行为列表在关系网络标签中的跳转链接分布。

（2）根据分析互动跳转链接分布中的跳转链接分布确定原始分享互动行为列表的跳转分享互动参数，获取跳转分享互动参数中存在预设持续时间的跳转分析特征的目标跳转分享互动参数。

（3）根据分析互动跳转链接分布对应的分布矩阵的逆矩阵对原始分享互动行为列表进行跟踪模拟分析，并在分享互动处理过程中采用目标跳转分享互动参数对原始分享互动行为列表中存在与目标跳转分享互动参数的预设持续时间的跳转分析特征对应的分享互动行为所对应的目标分享互动控制字段进行跟踪模拟分析，得到候选分享互动行为列表。

示例性地，譬如，在一种可能的实现方式中，针对子步骤S1147而言，在根据从预设的模拟分享互动线程的线程分享互动记录中确定出的目标分享互动变化监听特征确定候选分享互动行为列表的订单分享互动库更新分布，以及根据确定出的候选分享互动行为列表中的互动类别确定候选分享互动行为列表的订单分享互动库扩展分布的过程中，可以通过以下示例性的实施方式来实现。

（1）从预设的模拟分享互动线程的线程分享互动记录中提取不随模拟分享互动线程的线程分享互动记录的更新而变化的线程分享互动模板消息，提取线程分享互动模板消息中的订单分享互动库所属项目并从订单分享互动库所属项目中识别在建立订单分享互动库所属项目时所生成的分析互动参数。

（2）根据分析互动参数从预设的模拟分享互动线程的线程分享互动记录中确定目标分享互动变化监听特征并将目标分享互动变化监听特征对应的监听包信息导入预设的监听包信息列表中，为每次导入监听包信息列表的监听包信息设置分享互动类别。

（3）按照监听包信息列表中的每个监听包信息以及监听包信息的监听器权重确定不同监听包信息之间的监听包更新分布系数。

（4）根据确定出的每个监听包更新分布系数以及每个监听包更新分布系数在监听包信息列表中的位置生成候选分享互动行为列表的订单分享互动库更新分布。

（5）确定出候选分享互动行为列表中的互动类别所对应的扩展互动类别，并将互动类别和所对应的扩展互动类别进行组合，生成候选分享互动行为列表的订单分享互动库扩展分布。

示例性地，譬如，在一种可能的实现方式中，本实施例中所提供的目标人工智能计算模型通过以下方式训练获得：

（1）获取与样本对象相关联的训练样本信息和训练样本信息的样本标签信息。

例如，训练样本信息中包含用于对初始人工智能计算模型进行训练的第一样本信息和第二样本信息。训练样本信息的样本标签信息包括：第一样本信息对应的非需求类标签信息和第二样本信息对应的需求类标签信息。

（2）对训练样本信息进行关系网络圈索引，得到训练样本信息对应的索引性能样本数据。

（3）通过初始人工智能计算模型从索引性能样本数据中提取第一样本特征和第二样本特征，将第一样本特征和第二样本特征进行特征服务流轨迹数据生成，得到与训练样本信息相关联的样本服务流轨迹数据特征。

（4）基于样本服务流轨迹数据特征、非需求类标签信息和需求类标签信息对初始人工智能计算模型进行训练，将训练后的初始人工智能计算模型确定为用于对目标图像中的目标对象进行预测的目标人工智能计算模型。

示例性地，譬如，在（1）中，在获取与样本对象相关联的训练样本信息和训练样本信息的样本标签信息的过程中，首先可以获取包含样本对象的初始应用加载数据，将初始应用加载数据作为用于对对初始人工智能计算模型进行训练的第一样本信息，将第一样本信息的标签信息确定为非需求类标签信息。

然后，获取与初始人工智能计算模型具有关联关系的对象识别模型，通过对象识别模型确定与初始应用加载数据相关联的目标应用加载数据。 接下来，基于目标应用加载数据和初始应用加载数据，生成包含目标应用加载数据的叠加应用加载数据，将叠加应用加载数据作为用于对初始人工智能计算模型进行训练的第二样本信息，将第二样本信息的标签信息确定为需求类标签信息。

由此，可以将第一样本信息和第二样本信息确定为训练样本信息，将非需求类标签信息和需求类标签信息作为所训练样本信息的样本标签信息。

图3为本公开实施例提供的基于电子商务云计算的大数据处理装置300的功能模块示意图，本实施例可以根据上述人工智能服务器100执行的方法实施例对该基于电子商务云计算的大数据处理装置300进行功能模块的划分，也即该基于电子商务云计算的大数据处理装置300所对应的以下各个功能模块可以用于执行上述人工智能服务器100执行的各个方法实施例。其中，该基于电子商务云计算的大数据处理装置300可以包括第一获取模块310、提取模块320、第二获取模块330以及分配模块340，下面分别对该基于电子商务云计算的大数据处理装置300的各个功能模块的功能进行详细阐述。

第一第一获取模块310，用于获取预先根据所述多个电子商务服务终端加载的服务扩展组件的服务扩展组件业务的业务表项应用统计数据更新的大数据采集策略，所述大数据采集策略包括每个大数据采集项目的采集模板配置信息。其中，第一获取模块310可以用于执行上述的步骤S110，关于第一获取模块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。

提取模块320，用于提取所述采集模板配置信息的大数据采集描述向量，根据所述大数据采集描述向量，获取所述采集模板配置信息对应的各个采集模板的采集环节信息。其中，提取模块320可以用于执行上述的步骤S120，关于提取模块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。

第二获取模块330，用于按照每个采集模板的采集业务标签的优先级顺序以及所述采集模板配置信息对应的大数据处理程序体信息，获取至少两条目标采集环节信息，得到至少两种目标采集环节组合，对于任一种目标采集环节组合，根据所述目标采集环节组合中每个采集模板在当前大数据采集线程内的实时采集业务标签信息，获取每个采集模板的大数据采集信息。其中，第二获取模块330可以用于执行上述的步骤S130，关于第二获取模块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。

分配模块340，用于获取所述目标采集环节组合包括的各个采集模板的大数据采集信息的业务更新列表，得到所述目标采集环节组合的业务数据采集轨迹信息，当至少两种目标采集环节组合的业务数据采集轨迹信息均符合预设轨迹范围条件时，确定所述采集模板配置信息对应的配置更新信息，按照所述配置更新信息为所述采集模板配置信息对应的待更新采集模板分配采集业务标签变更数据；其中，所述待更新采集模板为所述采集模板中的至少一个。其中，分配模块340可以用于执行上述的步骤S140，关于分配模块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。

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，第一获取模块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第一获取模块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。

图4示出了本公开实施例提供的用于实现上述的基于电子商务云计算的大数据处理方法的人工智能服务器100的硬件结构示意图，如图4所示，人工智能服务器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中所示的基于电子商务云计算的大数据处理装置300包括的第一获取模块310、提取模块320、第二获取模块330以及分配模块340），使得处理器110可以执行如上方法实施例的基于电子商务云计算的大数据处理方法，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，从而可以与前述的电子商务服务终端200进行数据收发。

处理器110的具体实现过程可参见上述人工智能服务器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器(英文：CentralProcessing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(英文：DigitalSignal Processor，DSP)、专用集成电路(英文：Application SpecificIntegratedCircuit，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，本申请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，实现如上基于电子商务云计算的大数据处理方法。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来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。

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。

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“一个实施例”、“一实施例”和/或“一些实施例”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。

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，或对他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监听器。

计算机存储介质可能包含一个内含有计算机程序监听器的传播数据信号，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、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监听器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监听器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、VisualBasic、Fortran2003、Perl、COBOL2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序监听器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)。

此外，除非权利要求中明确说明，本说明书处理元素和序列的顺序、数字字母的使用、或其他名称的使用，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。

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。

最后，应当理解的是，本说明书中实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书范围。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)

1.一种基于电子商务云计算的大数据处理方法，其特征在于，应用于人工智能服务器，所述人工智能服务器与多个电子商务服务终端通信连接，所述方法包括：

获取预先根据所述多个电子商务服务终端加载的服务扩展组件的服务扩展组件业务的业务表项应用统计数据更新的大数据采集策略，所述大数据采集策略包括每个大数据采集项目的采集模板配置信息；

提取所述采集模板配置信息的大数据采集描述向量，根据所述大数据采集描述向量，获取所述采集模板配置信息对应的各个采集模板的采集环节信息；

按照每个采集模板的采集业务标签的优先级顺序以及所述采集模板配置信息对应的大数据处理程序体信息，获取至少两条目标采集环节信息，得到至少两种目标采集环节组合，对于任一种目标采集环节组合，根据所述目标采集环节组合中每个采集模板在当前大数据采集线程内的实时采集业务标签信息，获取每个采集模板的大数据采集信息；

获取所述目标采集环节组合包括的各个采集模板的大数据采集信息的业务更新列表，得到所述目标采集环节组合的业务数据采集轨迹信息，当至少两种目标采集环节组合的业务数据采集轨迹信息均符合预设轨迹范围条件时，确定所述采集模板配置信息对应的配置更新信息，按照所述配置更新信息为所述采集模板配置信息对应的待更新采集模板分配采集业务标签变更数据；其中，所述待更新采集模板为所述采集模板中的至少一个。

2.根据权利要求1所述的基于电子商务云计算的大数据处理方法，其特征在于，所述提取所述采集模板配置信息的大数据采集描述向量的步骤，包括：

将所述采集模板配置信息对应的结构化配置内容划分为至少两个第一配置索引资源集合，每个第一配置索引资源集合具有相同的采集业务范围列表；

采用预设大数据采集特征匹配程序，从每个第一配置索引资源集合中，提取大数据采集描述特征；

对所述至少两个第一配置索引资源集合的大数据采集描述特征进行筛选，得到所述大数据采集描述向量。

3.根据权利要求1所述的基于电子商务云计算的大数据处理方法，其特征在于，所述根据所述大数据采集描述向量，获取所述采集模板配置信息对应的各个采集模板的采集环节信息的步骤，包括：

将所述大数据采集描述向量输入到预设采集环节整合模型中，输出所述采集模板配置信息中各个采集模板对应的采集控制指令的采集环节信息；

其中，所述预设采集环节整合模型用于基于采集控制指令的大数据采集描述向量，从采集模板配置信息对应的表达式信息中检测出与采集控制指令的表达式树形结构相匹配的采集环节信息，并获取与采集控制指令的表达式树形结构相匹配的采集环节信息在采集模板配置信息的激活状态内对应的采集控制指令的采集环节信息。

4.根据权利要求1-3中任意一项所述的基于电子商务云计算的大数据处理方法，其特征在于，所述方法还包括：

以确定所述至少两种目标采集环节组合的业务数据采集轨迹信息均符合预设轨迹范围条件的跳转采集轨迹对象为基准采集轨迹对象，从所述采集模板配置信息对应的动态配置索引资源中获取预设采集业务范围列表的第二配置索引资源集合；

获取所述第二配置索引资源集合的配置索引资源更替信息；

当所述第二配置索引资源集合的配置索引资源更替信息触发跳转变更信息时，确定所述采集模板配置信息对应的配置更新信息；

其中，所述获取所述第二配置索引资源集合的配置索引资源更替信息的步骤，包括：

将所述第二配置索引资源集合划分为至少两个跳转变量集合，每个跳转变量集合具有相同的采集业务范围列表；

获取每个跳转变量集合对应的跳转传递事件的事件依赖关系，从所述至少两个跳转变量集合对应的事件依赖关系中，获取全局事件依赖关系和从属事件依赖关系；基于所述全局事件依赖关系和所述从属事件依赖关系的依赖关系描述信息，确定所述第二配置索引资源集合的配置索引资源更替信息；

其中，所述第二配置索引资源集合包括第三配置索引资源集合和第四配置索引资源集合中至少一个，所述第三配置索引资源集合为以所述跳转采集轨迹对象为基准采集轨迹对象、所述采集模板配置信息对应的动态配置索引资源中位于所述跳转采集轨迹对象之后的预设采集业务范围列表的配置索引资源集合，所述第四配置索引资源集合为以所述跳转采集轨迹对象为基准采集轨迹对象、所述采集模板配置信息对应的动态配置索引资源中位于所述跳转采集轨迹对象之前的预设采集业务范围列表的配置索引资源集合。

5.根据权利要求4所述的基于电子商务云计算的大数据处理方法，其特征在于，所述按照每个采集模板的采集业务标签的优先级顺序以及所述采集模板配置信息对应的大数据处理程序体信息，获取至少两条目标采集环节信息，得到至少两种目标采集环节组合的步骤，包括：

基于每个采集模板的采集业务标签指标信息获得各第一采集规则链图谱；

基于预置的第一采集多维指标列表获得与各所述第一采集规则链图谱分别对应的各第一目标采集环节数据，所述第一目标采集环节遍历数据包括该第一采集规则链图谱分别对应预设目标采集环节组合的各组合类别的各目标采集环节数据；

基于所述每个采集模板的采集业务标签指标信息获得各第二采集规则链图谱，并生成各所述第二采集规则链图谱的第一匹配指标，所述第一匹配指标基于与该第二采集规则链图谱对应的各所述第一采集规则链图谱所对应的第一目标采集环节数据生成，其中，所述各第二采集规则链图谱与所述第一采集规则链图谱分别对应于正向采集规则和负向采集规则；

将各所述第一匹配指标添加至预置的第二采集多维指标列表，获得与各所述第二采集规则链图谱分别对应的各第二目标采集环节数据，所述第二目标采集环节遍历数据包括该第二采集规则链图谱对应所述预设目标采集环节组合的目标采集环节数据和/或非对应所述预设目标采集环节组合的目标采集环节数据；

基于所述第二目标采集环节数据确定所述每个采集模板的采集业务标签指标信息中是否存在所述预设目标采集环节组合，获取存在所述预设目标采集环节组合的至少两条目标采集环节信息以得到至少两种目标采集环节组合。

6.根据权利要求5所述的基于电子商务云计算的大数据处理方法，其特征在于，所述对于任一种目标采集环节组合，根据所述目标采集环节组合中每个采集模板在当前大数据采集线程内的实时采集业务标签信息，获取每个采集模板的大数据采集信息的步骤，包括：

通过所述目标采集环节组合中每个采集模板在当前大数据采集线程内的实时采集业务标签信息对应的采集业务标签元素，提取每个采集模板的业务采集动态数据，并通过所述目标采集环节组合中每个采集模板在当前大数据采集线程内的实时采集业务标签信息对应的规划评价线程从每个采集模板对应的采集模板执行信息中识别出位于每个业务采集动态数据下的当前检索对象数据，将每个采集模板对应的采集模板执行信息中位于每个业务采集动态数据下的当前检索对象数据筛选为第一检索对象遍历数据，将每个采集模板对应的采集模板执行信息中除所述第一检索对象遍历数据以外的检索对象数据筛选为第二检索对象遍历数据；

在基于业务采集动态数据确定出每个采集模板对应的采集模板执行信息中存在交互式检索对象数据目录和非交互式检索对象数据目录的前提下，根据所述第二检索对象遍历数据中在所述交互式检索对象数据目录下的第一目标当前检索对象数据以及所述第一目标当前检索对象数据的检索对象特征矩阵确定所述第二检索对象遍历数据在所述非交互式检索对象数据目录下的各第二目标当前检索对象数据与所述第二检索对象遍历数据在所述交互式检索对象数据目录下的各第一目标当前检索对象数据之间的检索对象相关参数；

基于所述检索对象相关参数将所述第二检索对象遍历数据在所述非交互式检索对象数据目录下的与在所述交互式检索对象数据目录下的第一目标当前检索对象数据在检索对象相关参数上存在相似性的第二目标当前检索对象数据分配到所述交互式检索对象数据目录下；其中，在所述第二检索对象遍历数据对应的所述非交互式检索对象数据目录下包含有多个在业务采集连续性指标上存在触发行为的当前检索对象数据的情况下，根据所述第二检索对象遍历数据在所述交互式检索对象数据目录下的第一目标当前检索对象数据以及所述第一目标当前检索对象数据的检索对象特征矩阵确定所述第二检索对象遍历数据在所述非交互式检索对象数据目录下的各个在业务采集连续性指标上存在触发行为的当前检索对象数据之间的检索对象相关参数，并根据所述各个在业务采集连续性指标上存在触发行为的当前检索对象数据之间的检索对象相关参数对所述非交互式检索对象数据目录下的各个在业务采集连续性指标上存在触发行为的当前检索对象数据进行筛选；根据所述第二检索对象遍历数据在所述交互式检索对象数据目录下的第一目标当前检索对象数据以及所述第一目标当前检索对象数据的检索对象特征矩阵为上述筛选获得的第三目标当前检索对象数据设置检索对象参考服务，并基于所述检索对象参考服务中的大小顺序将部分第三目标当前检索对象数据依次分配到所述交互式检索对象数据目录下；

确定用于表征所述第一检索对象遍历数据中的当前检索对象数据的第一检索意图特征的第一意图主题向量，用于表征所述第二检索对象遍历数据在所述交互式检索对象数据目录下的当前检索对象数据的第二检索意图特征的第二意图主题向量以及用于表征所述第二检索对象遍历数据在所述非交互式检索对象数据目录下的当前检索对象数据的第三检索意图特征的第三意图主题向量；计算所述第一意图主题向量和所述第二意图主题向量的相关向量，判断所述第三意图主题向量与所述相关向量的比例是否超过目标比例；

在所述第三意图主题向量与所述相关向量的比例没有超过所述目标比例时，将所述非交互式检索对象数据目录下的当前检索对象数据确定为静态检索对象数据，以及根据所述静态检索对象数据、所述第一检索对象遍历数据中的当前检索对象数据以及所述交互式检索对象数据目录下的当前检索对象数据确定每个采集模板的大数据采集信息。

7.根据权利要求1-6中任意一项所述的基于电子商务云计算的大数据处理方法，其特征在于，所述获取所述目标采集环节组合包括的各个采集模板的大数据采集信息的业务更新列表，得到所述目标采集环节组合的业务数据采集轨迹信息，包括：

根据所述目标采集环节组合包括的各个采集模板的大数据采集信息之间的采集业务数据关联度，确定所述业务更新列表；

提取所述业务更新列表中的列表元素特征，并基于所述列表元素特征得到所述目标采集环节组合的业务数据采集轨迹信息。

8.根据权利要求7所述的基于电子商务云计算的大数据处理方法，其特征在于，所述当至少两种目标采集环节组合的业务数据采集轨迹信息均符合预设轨迹范围条件时，确定所述采集模板配置信息对应的配置更新信息，包括：

当至少两种目标采集环节组合的业务数据采集轨迹信息对应的轨迹范围信息均覆盖预设轨迹范围信息时，根据所述业务数据采集轨迹信息对应的轨迹浮动特征对象确定所述配置更新信息。

9.根据权利要求8所述的基于电子商务云计算的大数据处理方法，其特征在于，所述按照所述配置更新信息为所述采集模板配置信息对应的待更新采集模板分配采集业务标签变更数据的步骤，包括：

从所述配置更新信息中确定出多个配置更新主题标签信息；

确定每个配置更新主题标签信息对应的采集业务标签影响指数；

选择最小采集业务标签影响指数对应的调整策略对应的采集模板作为所述待更新采集模板；

通过所述配置更新主题标签信息对应的主题标签调整指示以及主题扩展标签调整指示为所述待更新采集模板分配所述采集业务标签变更数据。

10.一种人工智能服务器，其特征在于，所述人工智能服务器包括处理器、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电子商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1-9中任意一项的基于电子商务云计算的大数据处理方法。

Images