CN112434086B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN112434086B
CN112434086B CN202011417365.6A CN202011417365A CN112434086B CN 112434086 B CN112434086 B CN 112434086B CN 202011417365 A CN202011417365 A CN 202011417365A CN 112434086 B CN112434086 B CN 112434086B
Authority
CN
China
Prior art keywords
information
intention
interactive
interaction
rule nodes
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.)
Active
Application number
CN202011417365.6A
Other languages
English (en)
Other versions
CN112434086A (zh
Inventor
崔秀芬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Dongfang Fortune Securities Investment Consulting Co.,Ltd.
Original Assignee
Shanghai Dongfang Fortune Securities Investment Consulting Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Dongfang Fortune Securities Investment Consulting Co ltd filed Critical Shanghai Dongfang Fortune Securities Investment Consulting Co ltd
Priority to CN202110519386.7A priority Critical patent/CN113177079A/zh
Priority to CN202110519388.6A priority patent/CN113190597A/zh
Priority to CN202011417365.6A priority patent/CN112434086B/zh
Publication of CN112434086A publication Critical patent/CN112434086A/zh
Application granted granted Critical
Publication of CN112434086B publication Critical patent/CN112434086B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Fuzzy Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请实施例提供一种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，先基于交互事件验证流的交互意图路径特征得到用于指导所要生成交互意图表示挖掘信息的交互意图路径结构的交互意图路径信息，然后根据交互意图路径信息和交互事件验证流的交互事件特征确定所要生成交互意图表示挖掘信息对应于交互意图路径特征所指示交互意图路径结构的意图主题信息，最后根据意图主题信息为交互事件验证流生成交互意图表示挖掘信息，以此实现为交互事件验证流生成多样化的交互意图表示挖掘信息，有效解决了现有技术中交互意图表示挖掘信息的交互意图路径单一的问题。

Description

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
技术领域
本申请涉及基于云计算的数据挖掘技术领域，具体而言，涉及一种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。
背景技术
云计算（cloud computing）是分布式计算的一种，指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后，通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户。云计算早期，简单地说，就是简单的分布式计算，解决任务分发，并进行计算结果的合并。因而，云计算又称为网格计算。通过这项技术，可以在很短的时间内（几秒钟）完成对数以万计的数据的处理，从而达到强大的网络服务。
随着高速互联网技术和音视频技术的不断发展，多平台多对象的互联网交互越来越流行，采用线上云计算进行信息流交互处理已经变得越来越普遍。互联网交互视频是指通过各种技术手段，将交互体验融入到线性播放的视频的新型视频，通过在云平台上对播放的多对象互动信息流进行展开显示，并为用户配置个性化的交互功能选项，进而可以满足不同观众的个性化观看需求。
在相关技术中，可以通过对多对象互动信息流进行交互事件验证流的生成，从而归纳用户在交互过程中形成的行为画像依据，以便于后续进行功能改进。然而，本申请的发明人研究发现，在对多对象互动信息流进行交互事件验证流的意图挖掘的过程中，所生成的交互意图表示挖掘信息存在交互意图路径单一的问题。
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云计算和大数据的信息流挖掘方法及云计算互动中心，先基于交互事件验证流的交互意图路径特征得到用于指导所要生成交互意图表示挖掘信息的交互意图路径结构的交互意图路径信息，然后根据交互意图路径信息和交互事件验证流的交互事件特征确定所要生成交互意图表示挖掘信息对应于交互意图路径特征所指示交互意图路径结构的意图主题信息，最后根据意图主题信息为交互事件验证流生成交互意图表示挖掘信息，不仅保证了所生成的交互意图表示挖掘信息与交互事件验证流的交互意图路径结构类似，而且保证了所生成的交互意图表示挖掘信息与交互事件验证流的意图主题相关，即该交互意图表示挖掘信息可以准确描述交互事件验证流中的内容。由于所生成交互意图表示挖掘信息的交互意图路径受控于交互事件验证流的交互意图路径特征，那么，针对同一交互事件验证流，若选用不同的交互意图路径结构的交互事件验证流来约束交互意图表示挖掘信息的交互意图路径结构，则可以生成不同交互意图路径结构的交互意图表示挖掘信息，从而，可以通过改变交互事件验证流来为同一交互事件验证流生成不同交互意图路径结构的交互意图表示挖掘信息，以此实现为交互事件验证流生成多样化的交互意图表示挖掘信息，有效解决了现有技术中交互意图表示挖掘信息的交互意图路径单一的问题。
第一方面，本申请提供一种基于云计算和大数据的信息流挖掘方法，应用于云计算互动中心，所述云计算互动中心与多个信息流节点终端通信连接，所述方法包括：
获取所述信息流节点终端所确认的交互事件验证流，并获取所述交互事件验证流的交互意图路径特征；
根据所述交互意图路径特征确定所要生成交互意图表示挖掘信息的交互意图路径，得到交互意图路径信息；
根据所述交互意图路径信息和所述交互事件验证流的交互事件特征，确定所述所要生成交互意图表示挖掘信息对应于所述交互意图路径的意图主题，得到意图主题信息；
根据所述意图主题信息生成所述交互事件验证流的交互意图表示挖掘信息。
在第一方面的一种可能的实现方式中，所述根据所述交互意图路径特征确定所要生成交互意图表示挖掘信息的交互意图路径，得到交互意图路径信息，包括：
由交互意图知识网络所包含的第一意图知识单元根据所述交互意图路径特征生成第一意图分类信息，所述第一意图分类信息用于指示所述交互意图路径信息，所述交互意图知识网络还包括第二意图知识单元，所述第一意图知识单元和第二意图知识单元是基于人工智能的循环深度神经网络单元；
所述根据所述交互意图路径信息和所述交互事件验证流的交互事件特征，确定所述所要生成交互意图表示挖掘信息对应于所述交互意图路径的意图主题，得到意图主题信息，包括：
由所述第二意图知识单元根据所述第一意图分类信息和所述交互事件特征生成第二意图分类信息，所述第二意图分类信息用于指示所述意图主题信息。
在第一方面的一种可能的实现方式中，所述根据所述意图主题信息生成所述交互事件验证流的交互意图表示挖掘信息，包括：
根据所述第二意图知识单元在n个知识规则节点生成的第二意图分类信息确定n个知识规则节点的意图分类分量；
根据各知识规则节点所输出的意图分类分量生成所述交互意图表示挖掘信息；
所述由交互意图知识网络所包含的第一意图知识单元根据所述交互意图路径特征生成第一意图分类信息，包括：
根据n-1知识规则节点的第一意图分类信息对所述交互意图路径特征进行加权计算，得到对应于n个知识规则节点的目标交互意图路径特征；
将所述对应于n个知识规则节点的目标交互意图路径特征与所述n-1知识规则节点的意图分类分量进行融合，得到对应于n个知识规则节点的第一融合分量；
由所述第一意图知识单元以所述对应于n个知识规则节点的第一融合分量作为输入，对应输出n个知识规则节点的第一意图分类信息；
所述由所述第二意图知识单元根据所述第一意图分类信息和所述交互事件特征生成第二意图分类信息，包括：
根据所述n-1知识规则节点的第二意图分类信息对所述交互事件特征进行加权计算，得到对应于n个知识规则节点的交互事件验证流的意图主题向量；
将所述对应于n个知识规则节点的交互事件验证流的意图主题向量与所述n个知识规则节点的第一意图分类信息进行融合，得到对应于n个知识规则节点的第二融合分量；
由所述第二意图知识单元以所述对应于n个知识规则节点的第二融合分量作为输入，对应输出n个知识规则节点的第二意图分类信息。
在第一方面的一种可能的实现方式中，所述第一意图知识单元包括第一连接层、第一特征提取层和第一分类层，所述由所述第一意图知识单元以所述对应于n个知识规则节点的第一融合分量作为输入，对应输出n个知识规则节点的第一意图分类信息，包括：
由所述第一特征提取层根据所述对应于n个知识规则节点的第一融合分量计算得到n个知识规则节点的第一特征提取信息，以及由所述第一连接层根据所述对应于n个知识规则节点的第一融合分量计算得到n个知识规则节点的第一特征连接信息；
根据所述n个知识规则节点的第一特征提取信息、所述n个知识规则节点的第一特征连接信息、n个知识规则节点的第一依赖变迁特征和所述第一意图知识单元所对应n-1知识规则节点的第一目标依赖变迁特征计算得到n个知识规则节点的第一目标依赖变迁特征，所述n个知识规则节点的第一依赖变迁特征是根据所述对应于n个知识规则节点的第一融合分量进行业务挖掘得到的，其中，所述依赖变迁特征用于表示存在依赖关系的意图转移特征信息；
根据所述n个知识规则节点的第一目标依赖变迁特征和n个知识规则节点的第一特征分类信息计算得到n个知识规则节点的第一意图分类信息，所述n个知识规则节点的第一特征分类信息是由所述第一分类层根据所述对应于n个知识规则节点的第一融合分量计算得到的；
其中，所述根据所述n个知识规则节点的第一特征提取信息、所述n个知识规则节点的第一特征连接信息、n个知识规则节点的第一依赖变迁特征和所述第一意图知识单元所对应n-1知识规则节点的第一目标依赖变迁特征计算得到n个知识规则节点的第一目标依赖变迁特征之前，所述方法还包括：
对所述第一意图知识单元中的第一特征连接信息、第一特征提取信息、第一特征分类信息和第一依赖变迁特征分别进行归一化；
根据第一挖掘模板和第一结构化调整信息分别对归一化后的第一特征连接信息、第一特征提取信息、第一特征分类信息和所述第一依赖变迁特征进行变换，得到目标第一特征连接信息、目标第一特征提取信息、目标第一特征分类信息和目标第一依赖变迁特征，所述第一挖掘模板是第一挖掘控件根据所述对应于n个知识规则节点的目标交互意图路径特征输出的，所述第一结构化调整信息是第二挖掘控件根据所述对应于n个知识规则节点的目标交互意图路径特征输出的，所述第一挖掘控件与所述第二挖掘控件相独立；
所述根据所述n个知识规则节点的第一特征提取信息、所述n个知识规则节点的第一特征连接信息、n个知识规则节点的第一依赖变迁特征和所述第一意图知识单元所对应n-1知识规则节点的第一目标依赖变迁特征计算得到n个知识规则节点的第一目标依赖变迁特征，包括：
根据所述目标第一特征提取信息、目标第一特征连接信息、目标第一依赖变迁特征和所述n-1知识规则节点的第一目标依赖变迁特征计算得到n个知识规则节点的第一目标依赖变迁特征。
在第一方面的一种可能的实现方式中，所述第二意图知识单元包括第二连接层、第二特征提取层和第二分类层，所述由所述第二意图知识单元以所述对应于n个知识规则节点的第二融合分量作为输入，对应输出n个知识规则节点的第二意图分类信息，包括：
由所述第二特征提取层根据所述对应于n个知识规则节点的第二融合分量计算得到n个知识规则节点的第二特征提取信息；以及由所述第二连接层根据所述对应于n个知识规则节点的第二融合分量计算得到n个知识规则节点的第二特征连接信息；
根据所述n个知识规则节点的第二特征提取信息、所述n个知识规则节点的第二特征连接信息、n个知识规则节点的第二依赖变迁特征和所述第二意图知识单元所对应n-1知识规则节点的第二目标依赖变迁特征计算得到n个知识规则节点的第二目标依赖变迁特征，所述n个知识规则节点的第二依赖变迁特征是根据所述对应于n个知识规则节点的第二融合分量进行业务挖掘得到的；
根据所述n个知识规则节点的第二目标依赖变迁特征和n个知识规则节点的第二特征分类信息计算得到n个知识规则节点的第二意图分类信息，所述n个知识规则节点的第二特征分类信息是由所述第二分类层根据所述对应于n个知识规则节点的第二融合分量计算得到的；
其中，所述根据所述n个知识规则节点的第二特征提取信息、所述n个知识规则节点的第二特征连接信息、n个知识规则节点的第二依赖变迁特征和所述第二意图知识单元所对应n-1知识规则节点的第二目标依赖变迁特征计算得到n个知识规则节点的第二目标依赖变迁特征之前，所述方法还包括：
对所述第二意图知识单元中的第二特征连接信息、第二特征提取信息、第二特征分类信息和第二依赖变迁特征分别进行归一化；
根据第二挖掘模板和第二结构化调整信息分别对归一化后的第二特征连接信息、第二特征提取信息、第二特征分类信息和所述第二依赖变迁特征进行变换，得到目标第二特征连接信息、目标第二特征提取信息、目标第二特征分类信息和目标第二依赖变迁特征，所述第二挖掘模板是第三挖掘控件根据所述对应于n个知识规则节点的交互事件验证流的意图主题向量输出的，所述第二结构化调整信息是第四挖掘控件根据所述对应于n个知识规则节点的交互事件验证流的意图主题向量输出的，所述第三挖掘控件与所述第四挖掘控件相独立；
所述根据所述n个知识规则节点的第二特征提取信息、所述n个知识规则节点的第二特征连接信息、n个知识规则节点的第二依赖变迁特征和所述第二意图知识单元所对应n-1知识规则节点的第二目标依赖变迁特征计算得到n个知识规则节点的第二目标依赖变迁特征，包括：
根据所述目标第二特征提取信息、目标第二特征连接信息、目标第二依赖变迁特征和所述n-1知识规则节点的第二目标依赖变迁特征计算得到n个知识规则节点的第二目标依赖变迁特征；
所述根据所述n个知识规则节点的第二目标依赖变迁特征和n个知识规则节点的第二特征分类信息计算得到n个知识规则节点的第二意图分类信息，包括：
根据所述n个知识规则节点的第二目标依赖变迁特征和所述目标第二特征分类信息计算得到n个知识规则节点的第二意图分类信息。
在第一方面的一种可能的实现方式中，所述获取所述交互事件验证流的交互意图路径特征，包括：
获取所述交互事件验证流中各交互事件对象所包括交互迁移过程的交互迁移过程结果信息，所述交互迁移过程结果信息是对交互迁移过程进行跟踪得到的；
由第三意图知识单元根据各交互迁移过程的交互迁移过程结果信息输出各交互迁移过程对应的第三意图分类信息；
针对所述交互事件验证流中的每一交互事件对象，根据该交互事件对象中各交互迁移过程对应的第三意图分类信息进行计算，得到该交互事件对象的结果信息；
由第四意图知识单元根据所述交互事件验证流中各交互事件对象的结果信息输出第四意图分类信息序列，所述第四意图分类信息序列作为所述交互意图路径特征，所述第三意图知识单元和所述第四意图知识单元是基于人工智能的循环深度神经网络单元。
譬如，在第一方面的一种可能的实现方式中，所述方法还包括：
获取训练样本集合，所述训练样本集合包括若干交互事件验证流样本和所述交互事件验证流样本对应的挖掘信息样本；
对所述交互事件验证流样本进行意图主题特征提取，得到所述交互事件验证流样本的样本交互事件特征，以及对所述交互事件验证流样本所对应挖掘信息样本进行交互意图路径特征提取，得到所述挖掘信息样本的样本交互意图路径特征；
由所述第一意图知识单元根据所述样本交互意图路径特征输出第一意图分类信息序列，通过第六意图知识单元根据所述第一意图分类信息序列为所述挖掘信息样本分类得到分类结果，所述第六意图知识单元是基于人工智能的循环深度神经网络单元；
根据所分类得到的分类结果和所述挖掘信息样本的实际分类结果计算得到交互意图路径差异；
由所述第二意图知识单元根据所述第一意图分类信息序列和所述交互事件验证流样本的样本交互事件特征输出第二意图分类信息序列，通过第五挖掘控件根据所述第二意图分类信息序列为所述交互事件验证流样本输出目标挖掘信息；
根据所述目标挖掘信息和所述交互事件验证流样本所对应挖掘信息样本计算得到所述意图主题差异；
根据所述交互意图路径差异和所述意图主题差异计算得到目标差异；
基于所述目标差异调整所述交互意图知识网络的参数。
在第一方面的一种可能的实现方式中，所述交互事件验证流的交互事件特征通过以下方式获得：
获取对所述交互事件验证流进行交互事件切分所得到的切分交互事件序列；
针对所述切分交互事件序列中的每个切分交互事件，提取所述切分交互事件中匹配预设事件特征模板的事件特征信息，作为所述交互事件验证流的交互事件特征。
在第一方面的一种可能的实现方式中，所述获取所述信息流节点终端所确认的交互事件验证流的步骤，包括：
获取所述信息流节点终端的多对象互动信息流中互动窗口轨迹的交互事件更新信息；
基于所述交互事件更新信息获取匹配多个待加载交互事件分片的待模拟绘制加载元素以及所述待模拟绘制加载元素对应的目标模拟绘制控件，所述目标模拟绘制控件为所述待模拟绘制加载元素的事件加载信息所属交互组件服务的模拟绘制控件，其中，所述目标模拟绘制控件包括至少一个控件绘制对象；
对多个待加载交互事件分片进行筛选配合，得到与至少一个控件绘制对象存在绘制关联关系的目标加载交互事件，并根据所述目标加载交互事件与至少一个控件绘制对象在目标绘制属性类别下的绘制参数，生成所述目标加载交互事件与目标控件绘制对象之间的加载绘制控制信息；
在每个所述目标模拟绘制控件中录入各绘制属性类别下所述目标加载交互事件与目标控件绘制对象之间的加载绘制控制信息，并根据录入结果从预设目标模拟绘制资源集合中选择与所述待模拟绘制加载元素匹配的目标模拟绘制资源，并向所述信息流节点终端推送所述目标模拟绘制资源的交互事件验证流，以使得所述信息流节点终端对所述交互事件验证流进行验证确认后，将所述交互事件验证流用于所述信息流节点终端的用户的信息挖掘。
在第一方面的一种可能的实现方式中，所述获取所述信息流节点终端的多对象互动信息流中互动窗口轨迹的交互事件更新信息，包括：
获取所述信息流节点终端的多对象互动信息流，对所述多对象互动信息流进行独立可移动窗口提取处理，得到所述多对象互动信息流中互动窗口轨迹的独立可移动窗口信息，其中，所述多对象互动信息流为基于单个互动请求进行采集到的各个互动窗口轨迹所记录的对象互动信息构成的互动信息流；
基于所述互动窗口轨迹的独立可移动窗口信息进行交互行为跟踪提取，得到所述互动窗口轨迹的目标交互行为迁移特征；
基于人工智能模型对所述多对象互动信息流进行交互内容迁移特征提取，得到所述互动窗口轨迹的交互内容迁移特征信息；
将所述多对象互动信息流中互动窗口轨迹的目标交互行为迁移特征与所述互动窗口轨迹的交互内容迁移特征信息进行交互联动事件合成，得到所述互动窗口轨迹的交互联动事件合成信息，并基于所述互动窗口轨迹的交互联动事件合成信息对所述多对象互动信息流的交互事件记录控件进行交互事件更新，得到所述互动窗口轨迹的交互事件更新信息。
第二方面，本申请实施例还提供一种基于云计算和大数据的信息流挖掘装置，应用于云计算互动中心，所述云计算互动中心与多个信息流节点终端通信连接，所述装置包括：
获取模块，用于获取所述信息流节点终端所确认的交互事件验证流，并获取所述交互事件验证流的交互意图路径特征；
第一确定模块，用于根据所述交互意图路径特征确定所要生成交互意图表示挖掘信息的交互意图路径，得到交互意图路径信息；
第二确定模块，用于根据所述交互意图路径信息和所述交互事件验证流的交互事件特征，确定所述所要生成交互意图表示挖掘信息对应于所述交互意图路径的意图主题，得到意图主题信息；
生成模块，用于根据所述意图主题信息生成所述交互事件验证流的交互意图表示挖掘信息。
第三方面，本申请实施例还提供一种基于云计算和大数据的信息流挖掘系统，所述基于云计算和大数据的信息流挖掘系统包括云计算互动中心以及与所述云计算互动中心通信连接的多个信息流节点终端；
所述云计算互动中心，用于：
获取所述信息流节点终端所确认的交互事件验证流，并获取所述交互事件验证流的交互意图路径特征；
根据所述交互意图路径特征确定所要生成交互意图表示挖掘信息的交互意图路径，得到交互意图路径信息；
根据所述交互意图路径信息和所述交互事件验证流的交互事件特征，确定所述所要生成交互意图表示挖掘信息对应于所述交互意图路径的意图主题，得到意图主题信息；
根据所述意图主题信息生成所述交互事件验证流的交互意图表示挖掘信息。
第四方面，本申请实施例还提供一种云计算互动中心，所述云计算互动中心包括处理器、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信息流节点终端通信连接，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云计算和大数据的信息流挖掘方法。
第五方面，本申请实施例提供一种计算机可读存储介质，调取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云计算和大数据的信息流挖掘方法。
基于上述任意一个方面，本申请先基于交互事件验证流的交互意图路径特征得到用于指导所要生成交互意图表示挖掘信息的交互意图路径结构的交互意图路径信息，然后根据交互意图路径信息和交互事件验证流的交互事件特征确定所要生成交互意图表示挖掘信息对应于交互意图路径特征所指示交互意图路径结构的意图主题信息，最后根据意图主题信息为交互事件验证流生成交互意图表示挖掘信息，不仅保证了所生成的交互意图表示挖掘信息与交互事件验证流的交互意图路径结构类似，而且保证了所生成的交互意图表示挖掘信息与交互事件验证流的意图主题相关，即该交互意图表示挖掘信息可以准确描述交互事件验证流中的内容。由于所生成交互意图表示挖掘信息的交互意图路径受控于交互事件验证流的交互意图路径特征，那么，针对同一交互事件验证流，若选用不同的交互意图路径结构的交互事件验证流来约束交互意图表示挖掘信息的交互意图路径结构，则可以生成不同交互意图路径结构的交互意图表示挖掘信息，从而，可以通过改变交互事件验证流来为同一交互事件验证流生成不同交互意图路径结构的交互意图表示挖掘信息，以此实现为交互事件验证流生成多样化的交互意图表示挖掘信息，有效解决了现有技术中交互意图表示挖掘信息的交互意图路径单一的问题。
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云计算和大数据的信息流挖掘系统的应用场景示意图；
图2为本申请实施例提供的基于云计算和大数据的信息流挖掘方法的流程示意图；
图3为本申请实施例提供的基于云计算和大数据的信息流挖掘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云计算和大数据的信息流挖掘方法的云计算互动中心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云计算和大数据的信息流挖掘系统10的交互示意图。基于云计算和大数据的信息流挖掘系统10可以包括云计算互动中心100以及与云计算互动中心100通信连接的信息流节点终端200。图1所示的基于云计算和大数据的信息流挖掘系统10仅为一种可行的示例，在其它可行的实施例中，该基于云计算和大数据的信息流挖掘系统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。
基于本申请提供的技术方案的发明构思出发，本申请提供的云计算互动中心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。
本实施例中，基于云计算和大数据的信息流挖掘系统10中的云计算互动中心100和信息流节点终端200可以通过配合执行以下方法实施例所描述的基于云计算和大数据的信息流挖掘方法，具体云计算互动中心100和信息流节点终端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云计算和大数据的信息流挖掘方法的流程示意图，本实施例提供的基于云计算和大数据的信息流挖掘方法可以由图1中所示的云计算互动中心100执行，下面对该基于云计算和大数据的信息流挖掘方法进行详细介绍。
步骤S110，获取信息流节点终端200所确认的交互事件验证流，并获取交互事件验证流的交互意图路径特征。
步骤S120，根据交互意图路径特征确定所要生成交互意图表示挖掘信息的交互意图路径，得到交互意图路径信息。
步骤S130，根据交互意图路径信息和交互事件验证流的交互事件特征，确定所要生成交互意图表示挖掘信息对应于交互意图路径的意图主题，得到意图主题信息。
步骤S140，根据意图主题信息生成交互事件验证流的交互意图表示挖掘信息。
本实施例中，交互事件验证流可以是指对多对象互动信息流进行推送后经由信息流节点终端200所确认的交互事件验证流，其可以归纳用户在交互过程中形成的行为画像依据，例如在每次交互事件下的行为大数据记录信息。
本实施例中，交互意图路径可以是指用户在交互过程中形成的各个交互意图变化构成的路径。例如，在电商直播交互过程中用户发起电商直播商品A的直播交互行为后，用户对该电商直播商品A的直播交互行为发起多种意图的响应互动（例如包括但不限于购买、收藏、订阅）时，可以理解为一次交互意图的路径过程。
本实施例中，交互事件特征可以用于表示交互事件验证流某些特定的特征，具体将在后续进行描述。
本实施例中，意图主题可以用于表示用户在交互过程中形成的各个交互意图所归纳总结的主题属性，例如针对某个衣服标签类型的直播交互行为发起针对某个衣服种类主题的多种意图的响应互动（例如包括但不限于购买、收藏、订阅）时，可以理解为意图主题为衣服标签类型下的某个衣服种类主题。
本实施例中，在获得意图主题信息后，即可生成交互事件验证流的交互意图表示挖掘信息。例如，意图主题信息可以用于表示后续用于对该用户进行信息推送的参考依据，因此交互事件验证流的交互意图表示挖掘信息可以由这些意图主题信息组成，在一些可替代的实现方式中，可以预先依据用户所订阅的主题对这些意图主题信息设置加权值，例如针对用户所订阅的主题可以设置更高的加权值，反之设置稍低的加权值，具体设置的加权值可以根据实际设计需求进行选择，本实施例对此不作具体限制。
基于上述步骤，本实施例先基于交互事件验证流的交互意图路径特征得到用于指导所要生成交互意图表示挖掘信息的交互意图路径结构的交互意图路径信息，然后根据交互意图路径信息和交互事件验证流的交互事件特征确定所要生成交互意图表示挖掘信息对应于交互意图路径特征所指示交互意图路径结构的意图主题信息，最后根据意图主题信息为交互事件验证流生成交互意图表示挖掘信息，不仅保证了所生成的交互意图表示挖掘信息与交互事件验证流的交互意图路径结构类似，而且保证了所生成的交互意图表示挖掘信息与交互事件验证流的意图主题相关，即该交互意图表示挖掘信息可以准确描述交互事件验证流中的内容。由于所生成交互意图表示挖掘信息的交互意图路径受控于交互事件验证流的交互意图路径特征，那么，针对同一交互事件验证流，若选用不同的交互意图路径结构的交互事件验证流来约束交互意图表示挖掘信息的交互意图路径结构，则可以生成不同交互意图路径结构的交互意图表示挖掘信息，从而，可以通过改变交互事件验证流来为同一交互事件验证流生成不同交互意图路径结构的交互意图表示挖掘信息，以此实现为交互事件验证流生成多样化的交互意图表示挖掘信息，有效解决了现有技术中交互意图表示挖掘信息的交互意图路径单一的问题。
在一种可能的实现方式中，针对步骤S120，在根据交互意图路径特征确定所要生成交互意图表示挖掘信息的交互意图路径，得到交互意图路径信息的过程中，可以由交互意图知识网络所包含的第一意图知识单元根据交互意图路径特征生成第一意图分类信息。
其中，值得说明的是，第一意图分类信息用于指示交互意图路径信息，交互意图知识网络还包括第二意图知识单元，第一意图知识单元和第二意图知识单元是基于人工智能的循环深度神经网络单元，可以用于进行意图知识点的挖掘，例如可以通过对大量的特征信息进行学习后执行信息分类和预测操作。
这样，针对步骤S130，在根据交互意图路径信息和交互事件验证流的交互事件特征，确定所要生成交互意图表示挖掘信息对应于交互意图路径的意图主题，得到意图主题信息的过程中，可以由第二意图知识单元根据第一意图分类信息和交互事件特征生成第二意图分类信息，第二意图分类信息用于指示意图主题信息。
在一种可能的实现方式中，针对步骤S140，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S141，根据第二意图知识单元在n个知识规则节点生成的第二意图分类信息确定n个知识规则节点的意图分类分量。
子步骤S142，根据各知识规则节点所输出的意图分类分量生成交互意图表示挖掘信息。
这样，步骤S120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，根据n-1知识规则节点的第一意图分类信息对交互意图路径特征进行加权计算，得到对应于n个知识规则节点的目标交互意图路径特征。
子步骤S122，将对应于n个知识规则节点的目标交互意图路径特征与n-1知识规则节点的意图分类分量进行融合，得到对应于n个知识规则节点的第一融合分量。
子步骤S123，由第一意图知识单元以对应于n个知识规则节点的第一融合分量作为输入，对应输出n个知识规则节点的第一意图分类信息。
这样，步骤S130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n-1知识规则节点的第二意图分类信息对交互事件特征进行加权计算，得到对应于n个知识规则节点的交互事件验证流的意图主题向量。
子步骤S132，将对应于n个知识规则节点的交互事件验证流的意图主题向量与n个知识规则节点的第一意图分类信息进行融合，得到对应于n个知识规则节点的第二融合分量。
子步骤S133，由第二意图知识单元以对应于n个知识规则节点的第二融合分量作为输入，对应输出n个知识规则节点的第二意图分类信息。
在一种可能的实现方式中，第一意图知识单元可以包括第一连接层、第一特征提取层和第一分类层，在子步骤S123中，可以通过以下实施方式来实现：
（1）由第一特征提取层根据对应于n个知识规则节点的第一融合分量计算得到n个知识规则节点的第一特征提取信息，以及由第一连接层根据对应于n个知识规则节点的第一融合分量计算得到n个知识规则节点的第一特征连接信息。
（2）根据n个知识规则节点的第一特征提取信息、n个知识规则节点的第一特征连接信息、n个知识规则节点的第一依赖变迁特征和第一意图知识单元所对应n-1知识规则节点的第一目标依赖变迁特征计算得到n个知识规则节点的第一目标依赖变迁特征，n个知识规则节点的第一依赖变迁特征是根据对应于n个知识规则节点的第一融合分量进行业务挖掘得到的。
本实施例中，其中，依赖变迁特征用于表示存在依赖关系的意图转移特征信息。
（3）根据n个知识规则节点的第一目标依赖变迁特征和n个知识规则节点的第一特征分类信息计算得到n个知识规则节点的第一意图分类信息，n个知识规则节点的第一特征分类信息是由第一分类层根据对应于n个知识规则节点的第一融合分量计算得到的。
其中，在一种可替代的实施方式中，在上述子步骤S123的（2）之前，还可以对第一意图知识单元中的第一特征连接信息、第一特征提取信息、第一特征分类信息和第一依赖变迁特征分别进行归一化。
在此基础上，可以根据第一挖掘模板和第一结构化调整信息分别对归一化后的第一特征连接信息、第一特征提取信息、第一特征分类信息和第一依赖变迁特征进行变换，得到目标第一特征连接信息、目标第一特征提取信息、目标第一特征分类信息和目标第一依赖变迁特征。
本实施例中，第一挖掘模板是第一挖掘控件根据对应于n个知识规则节点的目标交互意图路径特征输出的，第一结构化调整信息是第二挖掘控件根据对应于n个知识规则节点的目标交互意图路径特征输出的，第一挖掘控件与第二挖掘控件相独立。
这样，在上述子步骤S123的（2）中，可以根据目标第一特征提取信息、目标第一特征连接信息、目标第一依赖变迁特征和n-1知识规则节点的第一目标依赖变迁特征计算得到n个知识规则节点的第一目标依赖变迁特征。
在另一种可能的实现方式中，第二意图知识单元可以包括第二连接层、第二特征提取层和第二分类层，子步骤S133可以通过以下示例性的实施方式来实现：
（1）由第二特征提取层根据对应于n个知识规则节点的第二融合分量计算得到n个知识规则节点的第二特征提取信息，以及由第二连接层根据对应于n个知识规则节点的第二融合分量计算得到n个知识规则节点的第二特征连接信息。
（2）根据n个知识规则节点的第二特征提取信息、n个知识规则节点的第二特征连接信息、n个知识规则节点的第二依赖变迁特征和第二意图知识单元所对应n-1知识规则节点的第二目标依赖变迁特征计算得到n个知识规则节点的第二目标依赖变迁特征。
本实施例中，n个知识规则节点的第二依赖变迁特征是根据对应于n个知识规则节点的第二融合分量进行业务挖掘得到的。
（3）根据n个知识规则节点的第二目标依赖变迁特征和n个知识规则节点的第二特征分类信息计算得到n个知识规则节点的第二意图分类信息，n个知识规则节点的第二特征分类信息是由第二分类层根据对应于n个知识规则节点的第二融合分量计算得到的。
其中，在一种可替代的实施方式中，在上述子步骤S133的（2）之前，还可以对第二意图知识单元中的第二特征连接信息、第二特征提取信息、第二特征分类信息和第二依赖变迁特征分别进行归一化。
在此基础上，可以根据第二挖掘模板和第二结构化调整信息分别对归一化后的第二特征连接信息、第二特征提取信息、第二特征分类信息和第二依赖变迁特征进行变换，得到目标第二特征连接信息、目标第二特征提取信息、目标第二特征分类信息和目标第二依赖变迁特征。
本实施例中，第二挖掘模板是第三挖掘控件根据对应于n个知识规则节点的交互事件验证流的意图主题向量输出的，第二结构化调整信息是第四挖掘控件根据对应于n个知识规则节点的交互事件验证流的意图主题向量输出的，第三挖掘控件与第四挖掘控件相独立。
这样，在上述子步骤S133的（2）中，可以根据目标第二特征提取信息、目标第二特征连接信息、目标第二依赖变迁特征和n-1知识规则节点的第二目标依赖变迁特征计算得到n个知识规则节点的第二目标依赖变迁特征。
在上述子步骤S133的（3）中，可以根据n个知识规则节点的第二目标依赖变迁特征和目标第二特征分类信息计算得到n个知识规则节点的第二意图分类信息。
在一种可能的实现方式中，针对步骤S110而言，在获取交互事件验证流的交互意图路径特征的过程中，可以通过以下示例性的实施方式来实现，详细描述如下。
子步骤S111，获取交互事件验证流中各交互事件对象所包括交互迁移过程的交互迁移过程结果信息。
本实施例中，交互迁移过程结果信息可以是对交互迁移过程进行跟踪得到的。
子步骤S112，由第三意图知识单元根据各交互迁移过程的交互迁移过程结果信息输出各交互迁移过程对应的第三意图分类信息。
子步骤S113，针对交互事件验证流中的每一交互事件对象，根据该交互事件对象中各交互迁移过程对应的第三意图分类信息进行计算，得到该交互事件对象的结果信息。
子步骤S114，由第四意图知识单元根据交互事件验证流中各交互事件对象的结果信息输出第四意图分类信息序列。
本实施例中，第四意图分类信息序列作为交互意图路径特征，第三意图知识单元和第四意图知识单元是基于人工智能的循环深度神经网络单元。
在一种可能的实现方式中，针对步骤S130，交互事件验证流的交互事件特征可以通过以下方式获得：
（1）获取对交互事件验证流进行交互事件切分所得到的切分交互事件序列。
（2）针对切分交互事件序列中的每个切分交互事件，提取切分交互事件中匹配预设事件特征模板的事件特征信息，作为交互事件验证流的交互事件特征。
在本实施例中，交互事件的切分方式具体可以每一交互事件的开始节点和结束节点为一个单位进行切分，或者其它任意可行的实施方式进行切分，在此不作具体限定。此外，预设事件特征模板可以依据实际需求进行选择或者设计，在此也不作具体限定。
在上述描述的基础上，前述的交互意图知识网络可以通过以下方式获得：
（1）获取训练样本集合。
本实施例中，训练样本集合包括若干交互事件验证流样本和交互事件验证流样本对应的挖掘信息样本。
（2）对交互事件验证流样本进行意图主题特征提取，得到交互事件验证流样本的样本交互事件特征，以及对交互事件验证流样本所对应挖掘信息样本进行交互意图路径特征提取，得到挖掘信息样本的样本交互意图路径特征。
（3）由第一意图知识单元根据样本交互意图路径特征输出第一意图分类信息序列，通过第六意图知识单元根据第一意图分类信息序列为挖掘信息样本分类得到分类结果。
本实施例中，第六意图知识单元是基于人工智能的循环深度神经网络单元。
（4）根据所分类得到的分类结果和挖掘信息样本的实际分类结果计算得到交互意图路径差异。
（5）由第二意图知识单元根据第一意图分类信息序列和交互事件验证流样本的样本交互事件特征输出第二意图分类信息序列，通过第五挖掘控件根据第二意图分类信息序列为交互事件验证流样本输出目标挖掘信息。
（6）根据目标挖掘信息和交互事件验证流样本所对应挖掘信息样本计算得到意图主题差异。
（7）根据交互意图路径差异和意图主题差异计算得到目标差异。
（8）基于目标差异调整交互意图知识网络的参数。
在一种可能的实现方式中，仍旧针对步骤S110，在获取信息流节点终端200所确认的交互事件验证流的过程中，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S101，获取信息流节点终端200的多对象互动信息流中互动窗口轨迹的交互事件更新信息。
步骤S102，基于交互事件更新信息获取匹配多个待加载交互事件分片的待模拟绘制加载元素以及待模拟绘制加载元素对应的目标模拟绘制控件。
本实施例中，目标模拟绘制控件可以理解为待模拟绘制加载元素的事件加载信息所属交互组件服务的模拟绘制控件，其中，目标模拟绘制控件可以包括至少一个控件绘制对象。在一种可替代的实现方式中，交互事件更新信息中可以具有一个或者多个待加载交互事件分片，待加载交互事件分片可以理解为一个加载交互事件中所包括的一个具体的交互过程（例如一次针对某个具体的电商商品的电商直播交互过程），加载交互事件可以理解为完整的交互过程（例如一次整体直播过程中针对多个具体的电商商品的电商直播交互过程的过程集合），每个交互过程可以是指针对某个单独对象的交互过程，也可以是多个单独对象构成的一个交互任务的交互过程。
此外，匹配各个待加载交互事件分片的待模拟绘制加载元素可以基于待加载交互事件分片从当前实时的模拟绘制加载元素库中对应获得，或者从预先配置的模拟绘制加载元素库中对应获得，具体不作限制。模拟绘制加载元素可以理解为在进行模拟绘制时加载的场景描述、投票问题、幕后信息以及社交媒体交互等信息，此外，待模拟绘制加载元素对应的目标模拟绘制控件可以基于每个待模拟绘制加载元素预先关联的控件参数（例如调用软件开发包接口SDK等）获得。
步骤S103，对多个待加载交互事件分片进行筛选配合，得到与至少一个控件绘制对象存在绘制关联关系的目标加载交互事件，并根据目标加载交互事件与至少一个控件绘制对象在目标绘制属性类别下的绘制参数，生成目标加载交互事件与目标控件绘制对象之间的加载绘制控制信息。
本实施例中，绘制参数可以理解为目标加载交互事件与至少一个控件绘制对象在目标绘制属性类别下匹配相同绘制属性时的绘制指令，具体确定方式可以参见现有的常见绘制属性算法模型。此外，加载绘制控制信息可以用于表示目标加载交互事件与目标控件绘制对象被加载绘制的控制指令。
步骤S104，在每个所述目标模拟绘制控件中录入各绘制属性类别下所述目标加载交互事件与目标控件绘制对象之间的加载绘制控制信息，并根据录入结果从预设目标模拟绘制资源集合中选择与所述待模拟绘制加载元素匹配的目标模拟绘制资源，并向所述信息流节点终端200推送所述目标模拟绘制资源的交互事件验证流，以使得所述信息流节点终端200对所述交互事件验证流进行验证确认后，将所述交互事件验证流用于所述信息流节点终端200的用户的信息挖掘。
本实施例中，模拟绘制资源可以理解为最终向信息流节点终端200推送的具体绘制资源，例如可以包括但不限于内容提示绘制资源（如一些特效方案）、商品对象绘制资源、会话绘制资源等，但不限于此。
譬如，在根据录入结果从预设目标模拟绘制资源集合中选择与待模拟绘制加载元素匹配的目标模拟绘制资源，并向所述信息流节点终端200推送所述目标模拟绘制资源的交互事件验证流的过程中，可以确定与加载绘制控制信息大于预设加载绘制控制信息的目标加载交互事件所包括的加载交互事件分片匹配的目标模拟绘制加载元素，然后再从预设目标模拟绘制资源集合中获得与这些目标模拟绘制加载元素所对应的目标模拟绘制资源后，对目标模拟绘制资源进行绘制，生成交互事件验证流，向所述信息流节点终端200推送所述目标模拟绘制资源的交互事件验证流。
基于上述步骤，本实施例在根据目标加载交互事件与目标控件绘制对象在至少一个控件绘制对象下的绘制参数，生成目标加载交互事件与目标控件绘制对象之间的加载绘制控制信息后，通过在每个所述目标模拟绘制控件中录入各绘制属性类别下目标加载交互事件与目标控件绘制对象之间的加载绘制控制信息，可以利用大量以加载交互事件为基础的参考依据，使得获取的目标控件绘制对象更多，有利于提高后续模拟绘制资源的信息流匹配的准确性，并且，在以加载交互事件为独立交互处理单元时可以避免对待模拟绘制加载元素进行模拟绘制时出现误差的情况，因此，提高了模拟绘制资源的信息流匹配的准确性。
在一种可能的实现方式中，针对步骤S103而言，在根据目标加载交互事件与至少一个控件绘制对象在目标绘制属性类别下的绘制参数，生成目标加载交互事件与目标控件绘制对象之间的加载绘制控制信息的过程中，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S1031，根据目标加载交互事件与控件绘制对象之间的存在的绘制关联关系关系，确定每个控件绘制对象对应的目标绘制属性类别。
子步骤S1032，基于确定的目标绘制属性类别，调取目标加载交互事件与至少一个控件绘制对象在确定的目标绘制属性类别的绘制参数，并将绘制参数满足预设绘制业务范围的控件绘制对象确定为目标控件绘制对象。
子步骤S1033，根据目标加载交互事件与目标控件绘制对象在至少一个绘制属性类别下的绘制参数，生成目标加载交互事件与目标控件绘制对象之间的加载绘制控制信息。
例如，在子步骤S1032中，可以通过以下三种实现方式来实现。
（一）计算目标加载交互事件与至少一个控件绘制对象在同绘制属性类别下的第一绘制参数，并将第一绘制参数满足预设绘制业务范围的控件绘制对象确定为第一目标控件绘制对象。
（二）计算目标加载交互事件与至少一个控件绘制对象在层级绘制属性类别下的第二绘制参数，并将第二绘制参数满足预设绘制业务范围的控件绘制对象确定为第二目标控件绘制对象。
（三）计算目标加载交互事件与至少一个控件绘制对象在分区绘制属性类别下的第三绘制参数，并将第三绘制参数满足预设绘制业务范围的控件绘制对象确定为第三目标控件绘制对象。
在（一）中，可以在目标模拟绘制控件中选择同绘制属性序列，同绘制属性序列可以包括多个同绘制属性清单，每个同绘制属性清单中包含至少两个绘制属性描述向量相同的控件绘制对象。然后，确定与目标加载交互事件的加载层级绘制属性相同的同绘制属性清单，得到目标同绘制属性清单。在此基础上，调取目标加载交互事件与目标同绘制属性清单中每个控件绘制对象之间的第一绘制参数，并将第一绘制参数满足预设绘制业务范围的控件绘制对象确定第一目标控件绘制对象。
这样，在子步骤S1033中，可以根据目标加载交互事件与第一目标控件绘制对象之间的第一绘制参数，生成目标加载交互事件与第一目标控件绘制对象之间的第一加载绘制控制信息。
或者，在（二）中，可以根据目标加载交互事件的加载层级绘制属性以及每个控件绘制对象的加载层级绘制属性，确定目标加载交互事件与至少一个控件绘制对象之间的层级绘制属性关系。然后，基于确定的层级绘制属性关系，调取目标加载交互事件与对应的上位控件绘制对象之间的第二绘制参数，并将第二绘制参数满足预设绘制业务范围的控件绘制对象确定为第二目标控件绘制对象。
这样，在子步骤S1033中，可以根据目标加载交互事件与第二目标控件绘制对象之间的第二绘制参数，生成目标加载交互事件与第二目标控件绘制对象之间的第二加载绘制控制信息。
或者，在（三）中，可以采集每个控件绘制对象预先建立的绘制属性分区，然后计算目标加载交互事件与每个控件绘制对象之间的绘制贴图显现值，并将绘制贴图显现值大于预设值的控件绘制对象确定为待选关键加载交互事件。在此基础上，可以计算目标加载交互事件与绘制属性分区覆盖预设分区的待选关键加载交互事件的第三绘制参数，并将第三绘制参数满足预设绘制业务范围的待选关键加载交互事件确定为第三目标控件绘制对象。
这样，在子步骤S1033中，可以根据目标加载交互事件与第三目标控件绘制对象之间的第三绘制参数，生成目标加载交互事件与第三目标控件绘制对象之间的第三加载绘制控制信息。
进一步地，在一种可能的实现方式中，针对步骤S104而言，在在每个所述目标模拟绘制控件中录入各绘制属性类别下目标加载交互事件与目标控件绘制对象之间的加载绘制控制信息的过程中，可以通过以下示例性的实施方式来实现，详细描述如下。
子步骤S1041，获取各绘制属性类别对应的预设分区模板。
子步骤S1042，调取获取的分区模板与对应绘制属性类别下目标加载交互事件与目标控件绘制对象之间的加载绘制控制信息的分区模板匹配信息，得到各绘制属性类别对应的分区加载绘制控制信息。
子步骤S1043，在每个所述目标模拟绘制控件中录入各绘制属性类别对应的分区加载绘制控制信息。
进一步地，在一种可能的实现方式中，针对步骤S104而言，在对多个待加载交互事件分片进行筛选配合，得到与至少一个控件绘制对象存在绘制关联关系的目标加载交互事件的过程中，可以通过以下示例性的实施方式来实现，详细描述如下。
子步骤S1031，识别每个待加载交互事件分片的页面推送类别。
子步骤S1032，去除页面推送类别为黑名单加载类别的待加载交互事件分片，并对保留的待加载交互事件分片进行排列筛选配合，得到与至少一个控件绘制对象存在绘制关联关系的目标加载交互事件。
例如，排列筛选配合的方式可以参照针对当前互动请求的页面布局的规则或者配置信息进行排列筛选配合，或者按照各个待加载交互事件分片的尺寸大小进行自适应的排列筛选配合，均在本申请实施例的保护范围内，由此可以得到与至少一个控件绘制对象存在绘制关联关系的目标加载交互事件。
在一种可能的实现方式中，针对步骤S101而言，在获取所述信息流节点终端200的多对象互动信息流中互动窗口轨迹的交互事件更新信息的过程中，可以通过以下示例性的子步骤来实现，详细描述如下
步骤S1011，获取信息流节点终端200的多对象互动信息流，对多对象互动信息流进行独立可移动窗口提取处理，得到多对象互动信息流中互动窗口轨迹的独立可移动窗口信息。
步骤S1012，基于互动窗口轨迹的独立可移动窗口信息进行交互行为跟踪提取，得到互动窗口轨迹的目标交互行为迁移特征。
步骤S1013，基于人工智能模型对多对象互动信息流进行交互内容迁移特征提取，得到互动窗口轨迹的交互内容迁移特征信息。
步骤S1014，将多对象互动信息流中互动窗口轨迹的目标交互行为迁移特征与互动窗口轨迹的交互内容迁移特征信息进行交互联动事件合成，得到互动窗口轨迹的交互联动事件合成信息，并基于所述互动窗口轨迹的交互联动事件合成信息对所述多对象互动信息流的交互事件记录控件进行交互事件更新，得到所述互动窗口轨迹的交互事件更新信息。
本实施例中，多对象互动信息流可以理解为基于单个互动请求进行采集到的各个互动窗口轨迹所记录的对象互动信息构成的互动信息流。其中，互动请求可以是指信息流节点终端200具体向其他互动对象发起的互动指令。互动窗口轨迹可以是指互动请求下形成的互动窗口构成的轨迹，互动窗口可以理解为一个互动单元，用于提供互动所需的各种功能，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的互动窗口组成互动窗口轨迹。此外，独立可移动窗口信息可以用于表征互动窗口数据相关的独立可移动窗口的业务互动情况。
本实施例中，交互行为迁移特征可以用于表征用户发起的交互行为在某个时间节点或者空间节点发生迁移情况的行为特征信息，例如在电商直播过程中用户发起电商直播商品A的直播交互行为后，出现别的用户对该电商直播商品A的直播交互行为发起响应互动（例如包括但不限于购买、收藏、订阅）时，可以理解为一次交互行为迁移过程，由此可以记录此次的交互行为迁移特征。此外，交互内容迁移特征信息可以是表征用户发起的交互行为在某个时间节点或者空间节点发生迁移情况时关注的内容特征信息，例如以上述示例为例，可以理解为别的用户对该电商直播商品A的直播交互行为发起响应互动（例如包括但不限于购买、收藏、订阅）时具体互动的内容。
本实施例中，在获得互动窗口轨迹的交互事件更新信息后，即可基于互动窗口轨迹的交互事件更新信息进行后续的业务信息推送的操作，这样本实施例通过交互联动事件合成互动窗口轨迹的目标交互行为迁移特征与互动窗口轨迹的交互内容迁移特征信息，以综合互动窗口轨迹的独立可移动窗口信息与互动窗口轨迹的交互内容迁移特征信息，提取到丰富的互动窗口轨迹的业务关系特征信息，为精准的交互挖掘提供数据支撑；另外，通过互动窗口轨迹的目标交互行为迁移特征，对互动窗口轨迹进行交互事件更新，得到互动窗口轨迹的交互事件更新信息，以实现精准的交互挖掘过程。
在一种可能的实现方式中，针对步骤S1011而言，在对多对象互动信息流进行独立可移动窗口提取处理，得到多对象互动信息流中互动窗口轨迹的独立可移动窗口信息的过程中，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S10111，获取多对象互动信息流中的每个对象互动事件的窗口服务所记录的交互式图形轨道中的交互式图形元素集合。
本实施例中，值得说明的是，交互式图形轨道中的交互式图形元素集合包括以每个交互式图形轨道为一交互区域的交互式图形元素，交互式图形元素包括该交互式图形轨道的图形交互触发信息、图形属性信息以及该交互式图形轨道内的交互图形记录。譬如，交互式图形轨道可以用于表示互动窗口更新过程中相关的时间记录区间，图形交互触发信息可以用于表征图形采集时的触发节点（例如用户的点击或者浏览操作可以作为一个触发节点），图形属性信息可以用于表征图形采集后所指示的图形属性信息。
子步骤S10112，针对每个交互式图形轨道，根据每个对象互动事件在该交互式图形轨道的更新图形记录中的多个内容编辑图形中的每一个内容编辑图形，根据该内容编辑图形中内容编辑交互页面的页面互动元素，确定该内容编辑图形中每个内容编辑交互页面是否为参考目标内容编辑交互页面，根据该内容编辑图形中参考目标内容编辑交互页面的数量，确定该内容编辑图形对应的每个参考交互指示控件，针对每个参考交互指示控件，将该参考交互指示控件划分为多个子交互指示控件，根据每个子交互指示控件内各内容编辑交互页面的编辑对象及预设的对象范围，确定参考交互指示控件是否为目标交互指示控件，其中，每个内容编辑交互页面对应于每个内容编辑交互行为。
子步骤S10113，获取预设互动窗口规则匹配目标交互指示控件内每个内容编辑交互页面的互动窗口分区信息，互动窗口分区信息包括互动窗口调用信息和互动窗口组件信息，预设互动窗口规则包括不同互动窗口业务所对应的匹配方式。
子步骤S10114，根据交互式图形轨道中的交互式图形元素集合中的各个不同交互式图形轨道的每个更新图形记录的互动窗口分区信息确定每个互动窗口绘制属性图谱的互动窗口绘制属性特征和每个互动窗口摘要图谱的互动窗口前情提要，并根据目标交互指示控件内每个互动窗口绘制属性图谱的互动窗口绘制属性特征和每个互动窗口摘要图谱的互动窗口前情提要，确定每个对象互动事件在该交互式图形轨道的互动窗口标签对象，将位于互动窗口标签对象的互动窗口范围内的特征以及位于互动窗口标签对象的互动窗口范围外而关联于互动窗口标签对象的互动窗口范围的特征作为每个对象互动事件在该交互式图形轨道内的独立可移动窗口特征后，将每个对象互动事件在所有交互式图形轨道内的独立可移动窗口特征进行汇总后，得到多对象互动信息流中互动窗口轨迹的独立可移动窗口信息。
在一种可能的实现方式中，针对步骤S1012而言，在基于互动窗口轨迹的独立可移动窗口信息进行交互行为跟踪提取，得到互动窗口轨迹的目标交互行为迁移特征的过程中，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S10121，获取互动窗口轨迹的独立可移动窗口信息中的每个独立可移动窗口特征的窗口演示信息上添加的用户交互行为集合的交互行为请求信息，并确定与交互行为请求信息对应的第一交互流段清单，交互行为请求信息包括根据用户交互行为集合的交互行为输入信息和交互行为输出信息所确定出的交互行为运行信息的交互行为结果信息，第一交互流段清单包括交互行为结果信息的多个交互流段的顺序。
子步骤S10122，确定每个独立可移动窗口特征的窗口演示信息基于交互行为输入信息的第一交互行为向量和基于交互行为输出信息的第二交互行为向量。
子步骤S10123，根据第一交互行为向量和第二交互行为向量的交互流段顺序关系确定用于对第一交互流段清单进行迁移分析的迁移分析参数。
子步骤S10124，基于迁移分析参数对第一交互流段清单进行迁移分析获得第二交互流段清单。
子步骤S10125，对第二交互流段清单进行迁移节点定位得到多个迁移节点定位部分，对每个迁移节点定位部分进行特征提取得到迁移节点定位特征。
子步骤S10126，根据第二交互流段清单对应的多个迁移节点定位特征所对应的交互行为迁移特征，确定为每个独立可移动窗口特征的交互行为迁移特征。
子步骤S10127，基于每个独立可移动窗口特征的交互行为迁移特征获得互动窗口轨迹的目标交互行为迁移特征。
进一步地，在一种可能的实现方式中，针对步骤S1013而言，在基于人工智能模型对多对象互动信息流进行交互内容迁移特征提取，得到互动窗口轨迹的交互内容迁移特征信息的过程中，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S10131，将多对象互动信息流输入到预先训练的人工智能模型中，获得多对象互动信息流匹配于每个交互内容标签的置信度。
其中，值得说明的是，该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，训练样本为多对象互动信息流样本，训练标注信息为交互内容索引信息标注信息。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。
子步骤S10132，根据多对象互动信息流匹配于每个交互内容标签的置信度确定多对象互动信息流对应的目标交互内容索引信息。
譬如，可以将置信度大于预设置信度阈值的交互内容标签确定为多对象互动信息流对应的目标交互内容索引信息。
子步骤S10133，从多对象互动信息流对应的目标交互内容索引信息的交互内容索引信息描述信息中提取匹配于每个互动窗口轨迹的交互内容迁移特征信息。
譬如，在提取过程中，可以具体提取交互内容索引信息描述信息中匹配于每个互动窗口轨迹的具有迁移节点描述的特征信息。
在一种可能的实现方式中，仍旧针对步骤S1014，在基于所述互动窗口轨迹的交互联动事件合成信息对所述多对象互动信息流的交互事件记录控件进行交互事件更新，得到所述互动窗口轨迹的交互事件更新信息的过程中，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S10145，获取互动窗口轨迹在互动请求下的交互事件信息。
子步骤S10146，获取交互事件信息下的交互事件项目以及每个交互事件项目对应的事件关系配置信息。
子步骤S10147，将互动窗口轨迹的交互联动事件合成信息覆盖配置于每个交互事件项目对应的事件关系配置信息下，得到互动窗口轨迹的交互事件更新信息。
图3为本公开实施例提供的基于云计算和大数据的信息流挖掘装置300的功能模块示意图，本实施例可以根据上述云计算互动中心100执行的方法实施例对该基于云计算和大数据的信息流挖掘装置300进行功能模块的划分，也即该基于云计算和大数据的信息流挖掘装置300所对应的以下各个功能模块可以用于执行上述云计算互动中心100执行的各个方法实施例。其中，该基于云计算和大数据的信息流挖掘装置300可以包括获取模块310、第一确定模块320、第二确定模块330以及生成模块340，下面分别对该基于云计算和大数据的信息流挖掘装置300的各个功能模块的功能进行详细阐述。
获取模块310，用于获取所述信息流节点终端200所确认的交互事件验证流，并获取所述交互事件验证流的交互意图路径特征。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。
第一确定模块320，用于根据所述交互意图路径特征确定所要生成交互意图表示挖掘信息的交互意图路径，得到交互意图路径信息。其中，第一确定模块320可以用于执行上述的步骤S120，关于第一确定模块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。
第二确定模块330，用于根据所述交互意图路径信息和所述交互事件验证流的交互事件特征，确定所述所要生成交互意图表示挖掘信息对应于所述交互意图路径的意图主题，得到意图主题信息。其中，第二确定模块330可以用于执行上述的步骤S130，关于第二确定模块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。
生成模块340，用于根据所述意图主题信息生成所述交互事件验证流的交互意图表示挖掘信息。其中，生成模块340可以用于执行上述的步骤S140，关于生成模块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，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。
图4示出了本公开实施例提供的用于实现上述的基于云计算和大数据的信息流挖掘方法的云计算互动中心100的硬件结构示意图，如图4所示，云计算互动中心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中所示的基于云计算和大数据的信息流挖掘装置300包括的获取模块310、第一确定模块320、第二确定模块330以及生成模块340），使得处理器110可以执行如上方法实施例的基于云计算和大数据的信息流挖掘方法，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流节点终端200进行数据收发。
处理器110的具体实现过程可参见上述云计算互动中心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筛选配合执行完成。
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，实现如上基于云计算和大数据的信息流挖掘方法。
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推送要素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。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，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。
本说明书各部分操作所需的计算机程序编码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，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)。
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。其它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 (8)

1.一种基于云计算和大数据的信息流挖掘方法，其特征在于，应用于云计算互动中心，所述云计算互动中心与多个信息流节点终端通信连接，所述方法包括：
获取所述信息流节点终端所确认的交互事件验证流，并获取所述交互事件验证流的交互意图路径特征；
根据所述交互意图路径特征确定所要生成交互意图表示挖掘信息的交互意图路径，得到交互意图路径信息；
根据所述交互意图路径信息和所述交互事件验证流的交互事件特征，确定所述所要生成交互意图表示挖掘信息对应于所述交互意图路径的意图主题，得到意图主题信息；
根据所述意图主题信息生成所述交互事件验证流的交互意图表示挖掘信息；
其中，所述交互事件验证流是指对多对象互动信息流进行推送后经由信息流节点终端所确认的交互事件验证流，用于归纳用户在交互过程中形成的行为画像依据，所述交互事件验证流包括在每次交互事件下的行为大数据记录信息；
其中，所述交互意图路径是指用户在交互过程中形成的各个交互意图变化构成的路径；
所述根据所述交互意图路径特征确定所要生成交互意图表示挖掘信息的交互意图路径，得到交互意图路径信息，包括：
由交互意图知识网络所包含的第一意图知识单元根据所述交互意图路径特征生成第一意图分类信息，所述第一意图分类信息用于指示所述交互意图路径信息，所述交互意图知识网络还包括第二意图知识单元，所述第一意图知识单元和第二意图知识单元是基于人工智能的循环深度神经网络单元，用于进行意图知识点的挖掘；
所述根据所述交互意图路径信息和所述交互事件验证流的交互事件特征，确定所述所要生成交互意图表示挖掘信息对应于所述交互意图路径的意图主题，得到意图主题信息，包括：
由所述第二意图知识单元根据所述第一意图分类信息和所述交互事件特征生成第二意图分类信息，所述第二意图分类信息用于指示所述意图主题信息；
所述根据所述意图主题信息生成所述交互事件验证流的交互意图表示挖掘信息，包括：
根据所述第二意图知识单元在n个知识规则节点生成的第二意图分类信息确定n个知识规则节点的意图分类分量；
根据各知识规则节点所输出的意图分类分量生成所述交互意图表示挖掘信息；
所述由交互意图知识网络所包含的第一意图知识单元根据所述交互意图路径特征生成第一意图分类信息，包括：
根据n-1知识规则节点的第一意图分类信息对所述交互意图路径特征进行加权计算，得到对应于n个知识规则节点的目标交互意图路径特征；
将所述对应于n个知识规则节点的目标交互意图路径特征与所述n-1知识规则节点的意图分类分量进行融合，得到对应于n个知识规则节点的第一融合分量；
由所述第一意图知识单元以所述对应于n个知识规则节点的第一融合分量作为输入，对应输出n个知识规则节点的第一意图分类信息；
所述由所述第二意图知识单元根据所述第一意图分类信息和所述交互事件特征生成第二意图分类信息，包括：
根据所述n-1知识规则节点的第二意图分类信息对所述交互事件特征进行加权计算，得到对应于n个知识规则节点的交互事件验证流的意图主题向量；
将所述对应于n个知识规则节点的交互事件验证流的意图主题向量与所述n个知识规则节点的第一意图分类信息进行融合，得到对应于n个知识规则节点的第二融合分量；
由所述第二意图知识单元以所述对应于n个知识规则节点的第二融合分量作为输入，对应输出n个知识规则节点的第二意图分类信息。
2.根据权利要求1所述的基于云计算和大数据的信息流挖掘方法，其特征在于，所述第一意图知识单元包括第一连接层、第一特征提取层和第一分类层，所述由所述第一意图知识单元以所述对应于n个知识规则节点的第一融合分量作为输入，对应输出n个知识规则节点的第一意图分类信息，包括：
由所述第一特征提取层根据所述对应于n个知识规则节点的第一融合分量计算得到n个知识规则节点的第一特征提取信息，以及由所述第一连接层根据所述对应于n个知识规则节点的第一融合分量计算得到n个知识规则节点的第一特征连接信息；
根据所述n个知识规则节点的第一特征提取信息、所述n个知识规则节点的第一特征连接信息、n个知识规则节点的第一依赖变迁特征和所述第一意图知识单元所对应n-1知识规则节点的第一目标依赖变迁特征计算得到n个知识规则节点的第一目标依赖变迁特征，所述n个知识规则节点的第一依赖变迁特征是根据所述对应于n个知识规则节点的第一融合分量进行业务挖掘得到的，其中，所述依赖变迁特征用于表示存在依赖关系的意图转移特征信息；
根据所述n个知识规则节点的第一目标依赖变迁特征和n个知识规则节点的第一特征分类信息计算得到n个知识规则节点的第一意图分类信息，所述n个知识规则节点的第一特征分类信息是由所述第一分类层根据所述对应于n个知识规则节点的第一融合分量计算得到的；
其中，所述根据所述n个知识规则节点的第一特征提取信息、所述n个知识规则节点的第一特征连接信息、n个知识规则节点的第一依赖变迁特征和所述第一意图知识单元所对应n-1知识规则节点的第一目标依赖变迁特征计算得到n个知识规则节点的第一目标依赖变迁特征之前，所述方法还包括：
对所述第一意图知识单元中的第一特征连接信息、第一特征提取信息、第一特征分类信息和第一依赖变迁特征分别进行归一化；
根据第一挖掘模板和第一结构化调整信息分别对归一化后的第一特征连接信息、第一特征提取信息、第一特征分类信息和所述第一依赖变迁特征进行变换，得到目标第一特征连接信息、目标第一特征提取信息、目标第一特征分类信息和目标第一依赖变迁特征，所述第一挖掘模板是第一挖掘控件根据所述对应于n个知识规则节点的目标交互意图路径特征输出的，所述第一结构化调整信息是第二挖掘控件根据所述对应于n个知识规则节点的目标交互意图路径特征输出的，所述第一挖掘控件与所述第二挖掘控件相独立；
所述根据所述n个知识规则节点的第一特征提取信息、所述n个知识规则节点的第一特征连接信息、n个知识规则节点的第一依赖变迁特征和所述第一意图知识单元所对应n-1知识规则节点的第一目标依赖变迁特征计算得到n个知识规则节点的第一目标依赖变迁特征，包括：
根据所述目标第一特征提取信息、目标第一特征连接信息、目标第一依赖变迁特征和所述n-1知识规则节点的第一目标依赖变迁特征计算得到n个知识规则节点的第一目标依赖变迁特征。
3.根据权利要求2所述的基于云计算和大数据的信息流挖掘方法，其特征在于，所述第二意图知识单元包括第二连接层、第二特征提取层和第二分类层，所述由所述第二意图知识单元以所述对应于n个知识规则节点的第二融合分量作为输入，对应输出n个知识规则节点的第二意图分类信息，包括：
由所述第二特征提取层根据所述对应于n个知识规则节点的第二融合分量计算得到n个知识规则节点的第二特征提取信息；以及由所述第二连接层根据所述对应于n个知识规则节点的第二融合分量计算得到n个知识规则节点的第二特征连接信息；
根据所述n个知识规则节点的第二特征提取信息、所述n个知识规则节点的第二特征连接信息、n个知识规则节点的第二依赖变迁特征和所述第二意图知识单元所对应n-1知识规则节点的第二目标依赖变迁特征计算得到n个知识规则节点的第二目标依赖变迁特征，所述n个知识规则节点的第二依赖变迁特征是根据所述对应于n个知识规则节点的第二融合分量进行业务挖掘得到的；
根据所述n个知识规则节点的第二目标依赖变迁特征和n个知识规则节点的第二特征分类信息计算得到n个知识规则节点的第二意图分类信息，所述n个知识规则节点的第二特征分类信息是由所述第二分类层根据所述对应于n个知识规则节点的第二融合分量计算得到的；
其中，所述根据所述n个知识规则节点的第二特征提取信息、所述n个知识规则节点的第二特征连接信息、n个知识规则节点的第二依赖变迁特征和所述第二意图知识单元所对应n-1知识规则节点的第二目标依赖变迁特征计算得到n个知识规则节点的第二目标依赖变迁特征之前，所述方法还包括：
对所述第二意图知识单元中的第二特征连接信息、第二特征提取信息、第二特征分类信息和第二依赖变迁特征分别进行归一化；
根据第二挖掘模板和第二结构化调整信息分别对归一化后的第二特征连接信息、第二特征提取信息、第二特征分类信息和所述第二依赖变迁特征进行变换，得到目标第二特征连接信息、目标第二特征提取信息、目标第二特征分类信息和目标第二依赖变迁特征，所述第二挖掘模板是第三挖掘控件根据所述对应于n个知识规则节点的交互事件验证流的意图主题向量输出的，所述第二结构化调整信息是第四挖掘控件根据所述对应于n个知识规则节点的交互事件验证流的意图主题向量输出的，所述第三挖掘控件与所述第四挖掘控件相独立；
所述根据所述n个知识规则节点的第二特征提取信息、所述n个知识规则节点的第二特征连接信息、n个知识规则节点的第二依赖变迁特征和所述第二意图知识单元所对应n-1知识规则节点的第二目标依赖变迁特征计算得到n个知识规则节点的第二目标依赖变迁特征，包括：
根据所述目标第二特征提取信息、目标第二特征连接信息、目标第二依赖变迁特征和所述n-1知识规则节点的第二目标依赖变迁特征计算得到n个知识规则节点的第二目标依赖变迁特征；
所述根据所述n个知识规则节点的第二目标依赖变迁特征和n个知识规则节点的第二特征分类信息计算得到n个知识规则节点的第二意图分类信息，包括：
根据所述n个知识规则节点的第二目标依赖变迁特征和所述目标第二特征分类信息计算得到n个知识规则节点的第二意图分类信息。
4.根据权利要求1所述的基于云计算和大数据的信息流挖掘方法，其特征在于，所述获取所述交互事件验证流的交互意图路径特征，包括：
获取所述交互事件验证流中各交互事件对象所包括交互迁移过程的交互迁移过程结果信息，所述交互迁移过程结果信息是对交互迁移过程进行跟踪得到的；
由第三意图知识单元根据各交互迁移过程的交互迁移过程结果信息输出各交互迁移过程对应的第三意图分类信息；
针对所述交互事件验证流中的每一交互事件对象，根据该交互事件对象中各交互迁移过程对应的第三意图分类信息进行计算，得到该交互事件对象的结果信息；
由第四意图知识单元根据所述交互事件验证流中各交互事件对象的结果信息输出第四意图分类信息序列，所述第四意图分类信息序列作为所述交互意图路径特征，所述第三意图知识单元和所述第四意图知识单元是基于人工智能的循环深度神经网络单元。
5.根据权利要求1-4中任意一项所述的基于云计算和大数据的信息流挖掘方法，其特征在于，所述交互事件验证流的交互事件特征通过以下方式获得：
获取对所述交互事件验证流进行交互事件切分所得到的切分交互事件序列；
针对所述切分交互事件序列中的每个切分交互事件，提取所述切分交互事件中匹配预设事件特征模板的事件特征信息，作为所述交互事件验证流的交互事件特征。
6.根据权利要求1-4中任意一项所述的基于云计算和大数据的信息流挖掘方法，其特征在于，所述获取所述信息流节点终端所确认的交互事件验证流的步骤，包括：
获取所述信息流节点终端的多对象互动信息流中互动窗口轨迹的交互事件更新信息；
基于所述交互事件更新信息获取匹配多个待加载交互事件分片的待模拟绘制加载元素以及所述待模拟绘制加载元素对应的目标模拟绘制控件，所述目标模拟绘制控件为所述待模拟绘制加载元素的事件加载信息所属交互组件服务的模拟绘制控件，其中，所述目标模拟绘制控件包括至少一个控件绘制对象；
对多个待加载交互事件分片进行筛选配合，得到与至少一个控件绘制对象存在绘制关联关系的目标加载交互事件，并根据所述目标加载交互事件与至少一个控件绘制对象在目标绘制属性类别下的绘制参数，生成所述目标加载交互事件与目标控件绘制对象之间的加载绘制控制信息；
在每个所述目标模拟绘制控件中录入各绘制属性类别下所述目标加载交互事件与目标控件绘制对象之间的加载绘制控制信息，并根据录入结果从预设目标模拟绘制资源集合中选择与所述待模拟绘制加载元素匹配的目标模拟绘制资源，并向所述信息流节点终端推送所述目标模拟绘制资源的交互事件验证流，以使得所述信息流节点终端对所述交互事件验证流进行验证确认后，将所述交互事件验证流用于所述信息流节点终端的用户的信息挖掘。
7.根据权利要求6所述的基于云计算和大数据的信息流挖掘方法，其特征在于，所述获取所述信息流节点终端的多对象互动信息流中互动窗口轨迹的交互事件更新信息，包括：
获取所述信息流节点终端的多对象互动信息流，对所述多对象互动信息流进行独立可移动窗口提取处理，得到所述多对象互动信息流中互动窗口轨迹的独立可移动窗口信息，其中，所述多对象互动信息流为基于单个互动请求进行采集到的各个互动窗口轨迹所记录的对象互动信息构成的互动信息流；
基于所述互动窗口轨迹的独立可移动窗口信息进行交互行为跟踪提取，得到所述互动窗口轨迹的目标交互行为迁移特征；
基于人工智能模型对所述多对象互动信息流进行交互内容迁移特征提取，得到所述互动窗口轨迹的交互内容迁移特征信息；
将所述多对象互动信息流中互动窗口轨迹的目标交互行为迁移特征与所述互动窗口轨迹的交互内容迁移特征信息进行交互联动事件合成，得到所述互动窗口轨迹的交互联动事件合成信息，并基于所述互动窗口轨迹的交互联动事件合成信息对所述多对象互动信息流的交互事件记录控件进行交互事件更新，得到所述互动窗口轨迹的交互事件更新信息。
8.一种云计算互动中心，其特征在于，所述云计算互动中心包括处理器、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信息流节点终端通信连接，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1-7中任意一项的基于云计算和大数据的信息流挖掘方法。
CN202011417365.6A 2020-12-04 2020-12-04 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 Active CN112434086B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110519386.7A CN113177079A (zh) 2020-12-04 2020-12-04 基于人工智能的交互事件更新方法及云计算互动中心
CN202110519388.6A CN113190597A (zh) 2020-12-04 2020-12-04 基于人工智能的交互意图知识网络配置方法及系统
CN202011417365.6A CN112434086B (zh) 2020-12-04 2020-12-04 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011417365.6A CN112434086B (zh) 2020-12-04 2020-12-04 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

Related Child Applications (2)

Application Number Title Priority Date Filing Date
CN202110519388.6A Division CN113190597A (zh) 2020-12-04 2020-12-04 基于人工智能的交互意图知识网络配置方法及系统
CN202110519386.7A Division CN113177079A (zh) 2020-12-04 2020-12-04 基于人工智能的交互事件更新方法及云计算互动中心

Publications (2)

Publication Number Publication Date
CN112434086A CN112434086A (zh) 2021-03-02
CN112434086B true CN112434086B (zh) 2021-09-21

Family

ID=74692354

Family Applications (3)

Application Number Title Priority Date Filing Date
CN202110519388.6A Withdrawn CN113190597A (zh) 2020-12-04 2020-12-04 基于人工智能的交互意图知识网络配置方法及系统
CN202110519386.7A Withdrawn CN113177079A (zh) 2020-12-04 2020-12-04 基于人工智能的交互事件更新方法及云计算互动中心
CN202011417365.6A Active CN112434086B (zh) 2020-12-04 2020-12-04 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

Family Applications Before (2)

Application Number Title Priority Date Filing Date
CN202110519388.6A Withdrawn CN113190597A (zh) 2020-12-04 2020-12-04 基于人工智能的交互意图知识网络配置方法及系统
CN202110519386.7A Withdrawn CN113177079A (zh) 2020-12-04 2020-12-04 基于人工智能的交互事件更新方法及云计算互动中心

Country Status (1)

Country Link
CN (3) CN113190597A (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114237402B (zh) * 2021-12-28 2024-01-23 广州卓远虚拟现实科技有限公司 一种虚拟现实的空间移动控制系统及方法
CN114861112B (zh) * 2022-07-05 2022-09-20 广州趣米网络科技有限公司 基于数据存取和大数据分类的信息分发方法及系统
CN116841440A (zh) * 2023-07-03 2023-10-03 甘肃旭禾网络科技有限公司 基于人工智能的软件窗口调整方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103136337A (zh) * 2013-02-01 2013-06-05 北京邮电大学 用于复杂网络的分布式知识数据挖掘装置和挖掘方法
CN105843381A (zh) * 2016-03-18 2016-08-10 北京光年无限科技有限公司 用于实现多模态交互的数据处理方法及多模态交互系统
CN106354862A (zh) * 2016-09-06 2017-01-25 山东大学 一种异构网络中多维个性化推荐方法
CN106372132A (zh) * 2016-08-25 2017-02-01 北京百度网讯科技有限公司 基于人工智能的查询意图预测方法和装置
CN110598847A (zh) * 2019-08-15 2019-12-20 阿里巴巴集团控股有限公司 处理交互序列数据的方法及装置
CN110767317A (zh) * 2019-08-30 2020-02-07 贵州力创科技发展有限公司 一种基于数据挖掘和大数据分析的云计算平台及方法
CN111739649A (zh) * 2020-07-04 2020-10-02 广州云莫凡信息科技有限公司 一种用户画像捕捉方法、装置及系统
CN111931064A (zh) * 2020-08-28 2020-11-13 张坚伟 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

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8311973B1 (en) * 2011-09-24 2012-11-13 Zadeh Lotfi A Methods and systems for applications for Z-numbers
CN104133666B (zh) * 2013-11-29 2017-11-17 腾讯科技(成都)有限公司 确定人工智能行为的方法、装置及人工智能服务器
US10824638B2 (en) * 2016-03-25 2020-11-03 Microsoft Technology Licensing, Llc Enhancing object representations using inferred user intents
CN106503156B (zh) * 2016-10-24 2019-09-03 北京百度网讯科技有限公司 基于人工智能的人机交互方法及装置
CA3098560A1 (en) * 2018-04-24 2019-10-31 Edifecs, Inc. Rapid reconciliation of errors and bottlenecks in data-driven workflows
CN110580259A (zh) * 2018-05-22 2019-12-17 上海大学 基于流程管理大数据的客户需求挖掘方法和设备
CN111046145B (zh) * 2019-12-23 2023-10-27 支付宝(杭州)信息技术有限公司 交互意图路径的挖掘方法以及装置
CN111125309A (zh) * 2019-12-23 2020-05-08 中电云脑(天津)科技有限公司 自然语言处理方法、装置及计算设备、存储介质
CN111860960A (zh) * 2020-06-19 2020-10-30 山西交通建设监理咨询集团有限公司 基于大数据互联网+区块链预测预控云智慧监理共享平台

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103136337A (zh) * 2013-02-01 2013-06-05 北京邮电大学 用于复杂网络的分布式知识数据挖掘装置和挖掘方法
CN105843381A (zh) * 2016-03-18 2016-08-10 北京光年无限科技有限公司 用于实现多模态交互的数据处理方法及多模态交互系统
CN106372132A (zh) * 2016-08-25 2017-02-01 北京百度网讯科技有限公司 基于人工智能的查询意图预测方法和装置
CN106354862A (zh) * 2016-09-06 2017-01-25 山东大学 一种异构网络中多维个性化推荐方法
CN110598847A (zh) * 2019-08-15 2019-12-20 阿里巴巴集团控股有限公司 处理交互序列数据的方法及装置
CN110767317A (zh) * 2019-08-30 2020-02-07 贵州力创科技发展有限公司 一种基于数据挖掘和大数据分析的云计算平台及方法
CN111739649A (zh) * 2020-07-04 2020-10-02 广州云莫凡信息科技有限公司 一种用户画像捕捉方法、装置及系统
CN111931064A (zh) * 2020-08-28 2020-11-13 张坚伟 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

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Islands of Interest: Mining Concentrations of User Search Intent over e-Commerce Product Categories;Neeraj Pradhan 等;《2018 IEEE International Conference on Big Data》;20190124;3717-3722 *
云计算环境下的大数据特征挖掘技术研究;张文 等;《现代电子技术》;20181015;第41卷(第20期);161-164 *
面向多元空间大数据的知识图谱构建及其核心特征提取方法研究;刘卫东;《中国优秀硕士学位论文全文数据库 基础科学辑》;20190515(第05期);A008-54 *

Also Published As

Publication number Publication date
CN112434086A (zh) 2021-03-02
CN113177079A (zh) 2021-07-27
CN113190597A (zh) 2021-07-30

Similar Documents

Publication Publication Date Title
CN112434086B (zh) 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
CN112464084B (zh) 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
JP6681342B2 (ja) 行動イベント計測システム及び関連する方法
CN110069709B (zh) 意图识别方法、装置、计算机可读介质及电子设备
CN110347872B (zh) 视频封面图像提取方法及装置、存储介质及电子设备
WO2024001646A1 (zh) 音频数据的处理方法、装置、电子设备、程序产品及存储介质
CN113536107B (zh) 基于区块链的大数据决策方法、系统及云端服务中心
US20200090246A1 (en) Media enhancement with customized add-on content
CN112884872A (zh) 基于云计算的游戏渲染优化模型训练方法及云端计算中心
CN113688951B (zh) 视频数据处理方法以及装置
CN113326441A (zh) 基于大数据业务定位的信息推送方法及系统
CN112801155B (zh) 基于人工智能的业务大数据分析方法及服务器
CN109286848B (zh) 一种终端视频信息的交互方法、装置及存储介质
CN112182281B (zh) 一种音频推荐方法、装置及存储介质
CN114286154A (zh) 多媒体文件的字幕处理方法、装置、电子设备及存储介质
CN111259975B (zh) 分类器的生成方法及装置、文本的分类方法及装置
CN112084954A (zh) 视频目标的检测方法、装置、电子设备及存储介质
US11934921B2 (en) Dynamic content rating assistant
CN112433655B (zh) 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
CN116980665A (zh) 一种视频处理方法、装置、计算机设备、介质及产品
CN114462417A (zh) 一种应用于大数据的评论文本处理方法及存储介质
CN110569447A (zh) 一种网络资源的推荐方法、装置及存储介质
CN115129975A (zh) 推荐模型训练方法、推荐方法、装置、设备及存储介质
CN117150053A (zh) 多媒体信息推荐模型训练方法、推荐方法及装置
CN116781965B (zh) 虚拟物品合成方法、装置、电子设备和计算机可读介质

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: 20210830

Address after: 200000 area a and B, 4th floor, building 1, No. 188, Pingfu Road, Xuhui District, Shanghai

Applicant after: Shanghai Dongfang Fortune Securities Investment Consulting Co.,Ltd.

Address before: No. 669, Kegao Road, high tech Industrial Development Zone, Wuhua District, Kunming, Yunnan 650106

Applicant before: Cui Xiufen

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant