CN112765462B - 针对大数据业务以及人工智能的数据处理方法及云服务器 - Google Patents

针对大数据业务以及人工智能的数据处理方法及云服务器 Download PDF

Info

Publication number
CN112765462B
CN112765462B CN202110035127.7A CN202110035127A CN112765462B CN 112765462 B CN112765462 B CN 112765462B CN 202110035127 A CN202110035127 A CN 202110035127A CN 112765462 B CN112765462 B CN 112765462B
Authority
CN
China
Prior art keywords
service
content
information
user interest
event
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
CN202110035127.7A
Other languages
English (en)
Other versions
CN112765462A (zh
Inventor
陈漩
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.)
Beijing Digital 100 Information Technology Co.,Ltd.
Original Assignee
Beijing Digital 100 Information Technology 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 Beijing Digital 100 Information Technology Co ltd filed Critical Beijing Digital 100 Information Technology Co ltd
Priority to CN202110831803.1A priority Critical patent/CN113536126A/zh
Priority to CN202110831804.6A priority patent/CN113536127A/zh
Priority to CN202110035127.7A priority patent/CN112765462B/zh
Publication of CN112765462A publication Critical patent/CN112765462A/zh
Application granted granted Critical
Publication of CN112765462B publication Critical patent/CN112765462B/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
    • G06F16/90—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
    • 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
    • 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • 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
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Health & Medical Sciences (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

本申请实施例公开了针对大数据业务以及人工智能的数据处理方法及云服务器，能够在获取到待挖掘业务需求清单滞后确定关联业务事件内容，并进一步确定满足第一需求挖掘指标条件的修正业务交互数据和修正用户兴趣数据，以进行隐性业务需求挖掘，得到待挖掘业务需求清单对应的目标隐性业务需求。由于在进行隐性业务需求挖掘时考虑了对应的显性业务需求，因而能够确保在进行隐性业务需求挖掘时充分考虑修正业务交互数据和修正用户兴趣数据之间的用户兴趣命中情况，从而确保目标隐性业务需求与用户的高度匹配。如此，能够实现对用户的隐性业务需求的进一步挖掘，保证用户需求挖掘的全面性，为后续的产品推送或者服务推送提供精准、完整的决策依据。

Description

针对大数据业务以及人工智能的数据处理方法及云服务器
技术领域
本申请涉及大数据和人工智能技术领域，特别涉及一种针对大数据业务以及人工智能的数据处理方法及云服务器。
背景技术
随着大数据时代的到来，人们的生产生活发生了翻天覆地的变化，各类业务办理也逐渐云端化，为了提高云业务办理的效率，通常需要进行数据挖掘。数据挖掘(DataMining)是指从大量的、不完全的、有噪声的、模糊的、随机的业务数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的数据信息和知识的过程。
大数据挖掘的方法包括神经网络方法、遗传算法和决策树方法等，通过这些方法能够对用户的业务需求进行挖掘。然而在通过常见的数据挖掘方法进行用户需求挖掘时还存在诸多缺陷。
发明内容
本申请实施例之一提供一种针对大数据业务以及人工智能的数据处理方法，应用于云服务器，所述方法包括：
获取待挖掘业务需求清单，确定所述待挖掘业务需求清单的关联业务事件内容，所述关联业务事件内容包括关联交互行为内容和关联服务状态内容；
通过所述待挖掘业务需求清单以及所述关联业务事件内容，确定基于满足第一需求挖掘指标条件的修正业务交互数据和修正用户兴趣数据，并基于满足第一需求挖掘指标条件的修正业务交互数据和修正用户兴趣数据进行隐性业务需求挖掘，得到所述待挖掘业务需求清单对应的目标隐性业务需求。
优选的，通过所述待挖掘业务需求清单以及所述关联业务事件内容，确定基于满足第一需求挖掘指标条件的修正业务交互数据和修正用户兴趣数据，包括：
从所述待挖掘业务需求清单对应的当前显性业务需求中选取当前显性交互行为内容，基于所述待挖掘业务需求清单获取对应的待处理显性服务状态内容；
基于所述当前显性交互行为内容、所述待处理显性服务状态内容和所述关联业务事件内容进行用户兴趣识别，得到修正用户兴趣数据；根据修正用户兴趣数据从所述当前显性业务需求中选取修正显性服务状态内容，根据所述修正显性服务状态内容和所述当前显性交互行为内容确定所述当前显性业务需求对应的修正业务交互数据；
基于所述修正用户兴趣数据将所述修正显性服务状态内容和所述当前显性交互行为内容进行业务状态匹配得到关联匹配内容，根据所述关联匹配内容与所述关联业务事件内容的第一事件更新信息修正所述当前显性交互行为内容和待处理显性服务状态内容，返回所述用户兴趣识别的步骤，直到满足第一需求挖掘指标条件。
优选的，在所述根据所述关联匹配内容与所述关联业务事件内容的第一事件更新信息修正所述当前显性交互行为内容和待处理显性服务状态内容，返回所述用户兴趣识别的步骤，直到满足第一需求挖掘指标条件，包括：
基于所述关联匹配内容与所述关联业务事件内容确定得到第一事件更新信息，当所述第一事件更新信息未满足第一需求挖掘指标条件时，基于所述修正业务交互数据修正所述当前显性业务需求，得到修正显性业务需求；
从所述修正显性业务需求中选取修正显性交互行为内容，得到修正的当前显性交互行为内容，并将所述修正显性服务状态内容作为修正的待处理显性服务状态内容，返回基于所述当前显性交互行为内容、所述待处理显性服务状态内容、所述关联业务事件内容进行用户兴趣识别，得到修正用户兴趣数据的步骤，直到满足第一需求挖掘指标条件。
优选的，所述待挖掘业务需求清单为实时业务需求清单，所述关联匹配内容包括关联匹配交互行为内容和关联匹配服务状态内容；基于所述关联匹配内容与所述关联业务事件内容确定得到第一事件更新信息，包括：
基于所述关联匹配交互行为内容与所述关联交互行为内容确定得到交互行为内容对应的事件更新信息，并基于所述关联匹配服务状态内容与所述关联服务状态内容确定得到服务状态内容对应的事件更新信息；
基于所述服务状态内容对应的事件更新信息与所述交互行为内容对应的事件更新信息，得到所述关联匹配内容与所述关联业务事件内容的第一事件更新信息。
优选的，所述待挖掘业务需求清单为延时业务需求清单，所述关联匹配内容包括关联匹配交互行为内容和关联匹配服务状态内容；基于所述关联匹配内容与所述关联业务事件内容确定得到第一事件更新信息，包括：
基于所述关联匹配交互行为内容与所述关联交互行为内容确定得到交互行为内容对应的事件更新信息，并基于所述关联匹配服务状态内容与所述关联服务状态内容确定得到服务状态内容对应的事件更新信息；
获取所述延时业务需求清单的已标记业务需求清单对应的已标记业务交互数据，所述已标记业务交互数据是所述已标记业务需求清单在隐性业务需求挖掘时使用的业务交互数据；
确定所述已标记业务交互数据与所述修正业务交互数据的业务交互事件更新信息，基于所述服务状态内容对应的事件更新信息、所述交互行为内容对应的事件更新信息和所述业务交互事件更新信息，得到所述关联匹配内容与所述关联业务事件内容的第一事件更新信息。
优选的，所述确定所述待挖掘业务需求清单对应的关联交互行为内容和关联服务状态内容，包括：
基于所述待挖掘业务需求清单进行业务需求识别，得到业务需求事件集；
在所述业务需求事件集中进行业务需求关联内容识别，得到所述待挖掘业务需求清单对应的业务需求关联内容；
从所述业务需求关联内容中确定关联交互行为内容和关联服务状态内容。
优选的，所述待挖掘业务需求清单为实时业务需求清单；所述基于所述待挖掘业务需求清单获取对应的待处理显性服务状态内容，包括：
获取目标业务产品服务信息，根据所述目标业务产品服务信息将所述当前显性交互行为内容匹配到关联内容块，得到匹配交互行为内容，基于所述匹配交互行为内容和所述关联交互行为内容进行用户兴趣识别，得到实时用户兴趣数据；
根据所述实时用户兴趣数据从所述当前显性业务需求的服务状态内容事件集中选取所述实时业务需求清单对应的待处理显性服务状态内容；
其中，所述获取目标业务产品服务信息，包括：
获取各个预设业务产品服务信息，从所述各个预设业务产品服务信息选取当前业务产品服务信息；
根据所述当前业务产品服务信息将所述当前显性交互行为内容匹配到关联内容块，得到业务产品服务信息对应的匹配交互行为内容，基于所述业务产品服务信息对应的匹配交互行为内容和所述关联交互行为内容进行用户兴趣识别，得到业务产品服务信息对应的用户兴趣数据；
根据所述业务产品服务信息对应的用户兴趣数据从所述当前显性业务需求的服务状态内容事件集中选取业务产品服务信息对应的显性服务状态内容；
基于所述业务产品服务信息对应的显性服务状态内容、所述当前显性交互行为内容和所述关联业务事件内容进行业务产品服务信息的用户兴趣识别，得到业务产品服务信息对应的修正用户兴趣数据；
根据所述业务产品服务信息对应的修正用户兴趣数据从所述服务状态内容事件集中选取业务产品服务信息对应的修正显性服务状态内容；
根据所述业务产品服务信息对应的修正显性服务状态内容和所述当前显性交互行为内容确定所述当前显性业务需求对应的业务产品服务信息的修正业务交互数据；
基于所述业务产品服务信息对应的修正用户兴趣数据将所述业务产品服务信息对应的修正显性服务状态内容和所述当前显性交互行为内容进行业务状态匹配，得到业务产品服务信息对应的关联匹配内容，根据所述业务产品服务信息对应的关联匹配内容和所述关联业务事件内容的第二事件更新信息修正所述业务产品服务信息对应的显性服务状态内容和当前显性交互行为内容，返回所述业务产品服务信息的用户兴趣识别的步骤，直到满足第二需求挖掘指标条件，得到所述当前业务产品服务信息对应的当前第二事件更新信息；
遍历所述各个预设业务产品服务信息，得到所述各个预设业务产品服务信息对应的各个当前第二事件更新信息，比较所述各个当前第二事件更新信息，得到目标第二事件更新信息，将所述目标第二事件更新信息对应的预设业务产品服务信息作为所述目标业务产品服务信息；
其中，所述根据所述业务产品服务信息对应的关联匹配内容和所述关联业务事件内容的第二事件更新信息修正所述业务产品服务信息对应的显性服务状态内容和当前显性交互行为内容，返回所述业务产品服务信息的用户兴趣识别的步骤，直到满足第二需求挖掘指标条件，包括：
当所述第二事件更新信息未满足第二需求挖掘指标条件时，基于所述业务产品服务信息的修正业务交互数据修正所述当前显性业务需求，得到业务产品服务信息对应的修正显性业务需求；
从所述业务产品服务信息对应的修正显性业务需求中选取业务产品服务信息对应的修正显性交互行为内容，将所述业务产品服务信息对应的修正显性交互行为内容作为当前显性交互行为内容，并将所述业务产品服务信息对应的修正显性服务状态内容作为业务产品服务信息对应的显性服务状态内容，返回基于所述业务产品服务信息对应的显性服务状态内容、所述当前显性交互行为内容和所述关联业务事件内容进行业务产品服务信息的用户兴趣识别，得到业务产品服务信息对应的修正用户兴趣数据的步骤，直到满足第二需求挖掘指标条件；
其中，所述基于所述匹配交互行为内容和所述关联交互行为内容进行用户兴趣识别，得到实时用户兴趣数据，包括：
获取所述实时业务需求清单对应的第一初始用户兴趣数据，基于所述第一初始用户兴趣数据将所述当前显性交互行为内容匹配到关联内容块，得到第一实时匹配交互行为内容；
基于所述第一实时匹配交互行为内容与所述关联交互行为内容确定得到第三事件更新信息；
根据所述第三事件更新信息更新所述第一初始用户兴趣数据，并返回所述基于所述第一初始用户兴趣数据将所述当前显性交互行为内容匹配到关联内容块，得到第一实时匹配交互行为内容的步骤，直到所述第三事件更新信息满足第三需求挖掘指标条件；
将满足第三需求挖掘指标条件的第一初始用户兴趣数据作为所述实时用户兴趣数据。
优选的，所述待挖掘业务需求清单为延时业务需求清单；所述基于所述待挖掘业务需求清单获取对应的待处理显性服务状态内容，包括：
获取所述延时业务需求清单的已标记业务需求清单对应的已标记显性服务状态内容，所述已标记显性服务状态内容是所述已标记业务需求清单对应的显性业务需求中的显性服务状态内容；
将所述已标记显性服务状态内容作为所述待处理显性服务状态内容。
优选的，所述待挖掘业务需求清单为实时业务需求清单；所述基于所述当前显性交互行为内容、所述待处理显性服务状态内容和所述关联业务事件内容进行用户兴趣识别，得到修正用户兴趣数据，包括：
获取所述实时业务需求清单对应的第二初始用户兴趣数据，基于所述第二初始用户兴趣数据将所述当前显性交互行为内容和所述待处理显性服务状态内容匹配到关联内容块，得到实时关联匹配内容；
基于所述实时关联匹配内容与所述关联业务事件内容确定得到第四事件更新信息；
根据所述第四事件更新信息更新所述第二初始用户兴趣数据，并返回所述基于所述第二初始用户兴趣数据将所述当前显性交互行为内容和所述待处理显性服务状态内容匹配到关联内容块，得到实时关联匹配内容的步骤，直到所述第四事件更新信息满足第四需求挖掘指标条件；
将满足第四需求挖掘指标条件的第二初始用户兴趣数据作为所述实时业务需求清单对应的修正用户兴趣数据；
或，
所述待挖掘业务需求清单为延时业务需求清单；所述基于所述当前显性交互行为内容、所述待处理显性服务状态内容和所述关联业务事件内容进行用户兴趣识别，得到修正用户兴趣数据，包括：
获取所述延时业务需求清单对应的第三初始用户兴趣数据，根据所述第三初始用户兴趣数据将所述当前显性交互行为内容和所述待处理显性服务状态内容匹配到关联内容块，得到延时关联匹配内容；
基于所述延时关联匹配内容与所述关联业务事件内容确定得到第五事件更新信息，并获取所述延时业务需求清单的已标记业务需求清单对应的已标记用户兴趣数据，所述已标记用户兴趣数据是所述已标记业务需求清单对应的显性业务需求的用户兴趣数据；
确定所述已标记用户兴趣数据与所述第三初始用户兴趣数据的用户兴趣事件更新信息，根据所述第五事件更新信息和所述用户兴趣事件更新信息，得到目标第五事件更新信息；
根据所述目标第五事件更新信息更新所述延时业务需求清单对应的第三初始用户兴趣数据，并返回所述根据所述第三初始用户兴趣数据将所述当前显性交互行为内容和所述待处理显性服务状态内容匹配到关联内容块，得到延时关联匹配内容的步骤，直到所述目标第五事件更新信息满足第五需求挖掘指标条件；
将满足第五需求挖掘指标条件的第三初始用户兴趣数据作为所述延时业务需求清单对应的修正用户兴趣数据。
本申请实施例之一提供一种云服务器，包括处理引擎、网络模块和存储器；所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机程序并运行，以执行上述的方法。
在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。
附图说明
本申请将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本发明的一些实施例所示的一种示例性针对大数据业务以及人工智能的数据处理方法和/或过程的流程图；
图2是根据本发明的一些实施例所示的一种示例性针对大数据业务以及人工智能的数据处理装置的框图；
图3是根据本发明的一些实施例所示的一种示例性针对大数据业务以及人工智能的数据处理系统的框图，以及
图4是根据本发明的一些实施例所示的一种示例性云服务器中硬件和软件组成的示意图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
发明人经研究和分析发现，用户需求一般分为显性用户需求和隐性用户需求，在进行用户需求挖掘时，现有技术大多仅仅针对显性用户需求进行挖掘，而难以实现对隐性用户需求的挖掘，这样一来，很难确保对目标用户的需求的深度分析，从而导致用户需求挖掘不完全，可能降低后续的产品推送或者服务推送的效率。
针对上述问题，发明人创新性地提供了一种针对大数据业务以及人工智能的数据处理方法及云服务器，能够实现对用户的隐性业务需求的进一步挖掘，从而保证用户需求挖掘的全面性，进而为后续的产品推送或者服务推送提供精准、完整的决策依据。
在本实施例中，上述的针对大数据业务以及人工智能的数据处理方法及服务器可以应用于区块链支付、在线电商直播、大数据挖掘、云游戏服务、智慧城市管理、智能工业等，在此不作限定。
首先，对针对大数据业务以及人工智能的数据处理方法进行示例性的说明，请参阅图1，是根据本发明的一些实施例所示的一种示例性针对大数据业务以及人工智能的数据处理方法和/或过程的流程图，针对大数据业务以及人工智能的数据处理方法可以包括以下步骤S11和步骤S12所描述的技术方案。
步骤S11，获取待挖掘业务需求清单，确定所述待挖掘业务需求清单的关联业务事件内容，所述关联业务事件内容包括关联交互行为内容和关联服务状态内容。
在本方案中，待挖掘业务需求清单可以记载不同业务时段的待挖掘业务需求。比如可以记录2020年12月1日~2020年12月31日之间的待挖掘业务需求。其中，云服务器可以将待挖掘业务需求清单以列表形式进行记录或统计。例如待挖掘业务需求清单可以是：
2020.12.1--待挖掘业务需求a--用户健身需求；
2020.12.5--待挖掘业务需求b--用户旅游需求；
2020.12.16--待挖掘业务需求c--用户资金配置需求；
2020.12.30--待挖掘业务需求d--用户线上购物需求。
当然，以上待挖掘业务需求仅作为示例，在此不作限定。
进一步地，关联业务事件内容可以用于表征与不同的待挖掘业务需求存在关联的信息，例如，关联业务事件内容可以是针对不同健身房的运营情况和客户流动情况的业务处理内容，该内容可以对应待挖掘业务需求a。又例如，关联业务事件内容可以是针对不同电商平台的产品销售情况的内容，该内容可以对应待挖掘业务需求d。
在本方案中，关联交互行为内容用于表征用户与服务方之间的交互行为对应的内容，例如用户终端与电商平台之间的通信交互内容。关联服务状态内容用于表征服务方侧的业务产品或者业务服务的状态信息，例如旅游平台的各个旅游线上产品的更新内容，在此不作限定。
在本方案中，确定所述待挖掘业务需求清单对应的关联交互行为内容和关联服务状态内容，包括：基于所述待挖掘业务需求清单进行业务需求识别，得到业务需求事件集；在所述业务需求事件集中进行业务需求关联内容识别，得到所述待挖掘业务需求清单对应的业务需求关联内容；从所述业务需求关联内容中确定关联交互行为内容和关联服务状态内容。
步骤S12，通过所述待挖掘业务需求清单以及所述关联业务事件内容，确定基于满足第一需求挖掘指标条件的修正业务交互数据和修正用户兴趣数据，并基于满足第一需求挖掘指标条件的修正业务交互数据和修正用户兴趣数据进行隐性业务需求挖掘，得到所述待挖掘业务需求清单对应的目标隐性业务需求。
在本方案中，第一需求挖掘指标条件可以是与业务需求覆盖范围相关的，可以理解，通过预先设置第一需求挖掘指标条件，能够确保挖掘得到的目标隐性业务需求是能够覆盖较多的业务需求的，或者说目标隐性业务需求是尽可能趋于大众化的，这样能够避免挖掘得到的隐性业务需求偏小众化。进一步地，修正业务交互数据和修正用户兴趣数据分别从业务交互层面和用户兴趣层面提供了隐性业务需求挖掘的指导信息，这样能够确保在进行隐性业务需求挖掘时充分考虑修正业务交互数据和修正用户兴趣数据之间的用户兴趣命中情况，从而确保目标隐性业务需求与用户的高度匹配。
为实现这一目的，步骤S12所描述的基于满足第一需求挖掘指标条件的修正业务交互数据和修正用户兴趣数据进行隐性业务需求挖掘，得到所述待挖掘业务需求清单对应的目标隐性业务需求，可以包括以下步骤S121-步骤S124所描述的内容。
步骤S121，在提取到满足第一需求挖掘指标条件的修正业务交互数据对应的交互行为标签集，以及提取到满足第一需求挖掘指标条件的修正用户兴趣数据对应的用户兴趣标签集之后，分别确定所述交互行为标签集和所述用户兴趣标签集各自包括的多个不同标签热度的画像标签；提取所述满足第一需求挖掘指标条件的修正业务交互数据在所述交互行为标签集的任一画像标签的初始标签指向信息，将所述用户兴趣标签集中具有最小标签热度的画像标签确定为目标画像标签。在本方案中，标签热度可以根据标签的使用次数计算得到。初始标签指向信息用于表征画像标签所指代的用户在业务处理过程中的多个维度的信息，包括但不限于业务需求、业务处理记录以及业务评价等。
步骤S122，根据第一需求挖掘指标条件对应的业务需求覆盖指数将所述初始标签指向信息与所述目标画像标签进行绑定，并基于所述目标画像标签得到与所述初始标签指向信息对应的初始绑定结果，并根据所述初始标签指向信息以及所述初始绑定结果，生成所述满足第一需求挖掘指标条件的修正业务交互数据和所述满足第一需求挖掘指标条件的修正用户兴趣数据之间的用户兴趣命中信息。在本方案中，业务需求覆盖指数用于表征业务需求的受众面，例如，业务需求覆盖指数越高，表明对应的业务需求的受众面越广。以购物需求为例，食品购买需求对应的业务需求覆盖指数可以为d1，奢侈品购买需求对应的业务需求覆盖指数可以为d2，一般而言，d1>d2。通过将初始标签指向信息与目标画像标签进行绑定，不仅可以分析出受众面较广的业务需求，还可以确定出受众面较窄的业务需求，从而为后续的隐性业务需求提供挖掘依据，避免挖掘到的隐性业务需求是受众面较窄的业务需求。用户兴趣命中信息可以用于表征所述满足第一需求挖掘指标条件的修正业务交互数据和所述满足第一需求挖掘指标条件的修正用户兴趣数据之间的匹配情况。
步骤S123，以所述初始绑定结果为参考结果获取所述目标画像标签对应的关联指向信息，根据所述用户兴趣命中信息对应的兴趣内容的命中记录，将所述关联指向信息与所述初始标签指向信息所对应的画像标签进行绑定，并基于所述初始标签指向信息所对应的画像标签得到所述关联指向信息对应的目标绑定结果，并确定所述目标绑定结果的目标标签指向信息。在本方案中，关联指向信息是与目标画像标签存在画像关联性的指向信息。
步骤S124，根据目标标签指向信息，获取将所述初始标签指向信息与所述目标画像标签进行绑定时的标签属性匹配记录；根据所述目标绑定结果与所述标签属性匹配记录上的多个兴趣属性匹配事项对应的兴趣标签信息之间的关联指数，在所述用户兴趣标签集中遍历所述目标标签指向信息对应的待挖掘标签，直至获取到的所述待挖掘标签所对应的画像标签的业务需求热度与所述目标标签指向信息相对于所述交互行为标签集的业务需求热度一致时，停止获取下一画像标签中的待挖掘标签，并根据所述目标标签指向信息与最后一次获取到的待挖掘标签确定隐性业务需求挖掘模型；通过所述隐性业务需求挖掘模型对所述待挖掘业务需求清单进行挖掘，得到所述目标隐性业务需求。在本方案中，关联指数的取值范围可以为0~1，业务需求热度用于表征业务需求的受欢迎程度，业务需求热度越大，对应的业务需求的受欢迎程度越高。
进一步地，在本方案中，隐性业务需求挖掘模型可以是决策树模型，通过隐性业务需求挖掘模型对所述待挖掘业务需求清单进行挖掘可以理解为基于决策树模型进行隐性业务需求挖掘，在挖掘过程中，可以预先设定挖掘深度，例如可以将挖掘深度设置为depth，针对购物业务需求，depth可以设置为相对较大的数值例如50，对于资金管理业务需求，depth可以设置为相对较少的数值例如10，当然，depth也可以取其他数值，在此不作限定。可以理解，在其他实施例中，隐性业务需求挖掘模型还可以是卷积神经网络模型，在采用卷积神经网络进行隐性业务需求的挖掘时，可以预先调整卷积神经网络模型对应的模型参数以迎合对应的挖掘指标，比如表征相关函数的类型（线性调整为非线性等）。
可以理解，通过实施上述步骤S121-步骤S124，能够确保在进行隐性业务需求挖掘时充分考虑修正业务交互数据和修正用户兴趣数据之间的用户兴趣命中情况，从而确保目标隐性业务需求与用户的高度匹配。
在实际实施过程中，满足第一需求挖掘指标条件的修正业务交互数据和修正用户兴趣数据的精准确定是很重要的，因此，可替换地，在上述步骤S12中，通过所述待挖掘业务需求清单以及所述关联业务事件内容，确定基于满足第一需求挖掘指标条件的修正业务交互数据和修正用户兴趣数据，可以包括以下步骤a-步骤c。
步骤a，从所述待挖掘业务需求清单对应的当前显性业务需求中选取当前显性交互行为内容，基于所述待挖掘业务需求清单获取对应的待处理显性服务状态内容。在本方案中，当前显性业务需求可以是预先确定的显性业务需求，可以理解，显性业务需求是可以通过常规的数据挖掘方法挖掘得到的。然而，显性业务需求背后可能还隐藏着更加丰富的更加有价值的信息，因此，为了便于后续的隐性业务需求的挖掘，可以将当前显性交互行为内容以及待处理显性服务状态内容考虑在内。进一步地，当前显性交互行为内容可以是能够直接检测到的交互行为内容，例如用户的聊天行为、操作行为等。待处理显性服务状态内容可以是已经被输出的服务状态内容，例如服务商平台已推出的相关业务功能服务等。
在另外的一些示例中，当所述待挖掘业务需求清单为实时业务需求清单时，所述基于所述待挖掘业务需求清单获取对应的待处理显性服务状态内容，包括：获取目标业务产品服务信息，根据所述目标业务产品服务信息将所述当前显性交互行为内容匹配到关联内容块，得到匹配交互行为内容，基于所述匹配交互行为内容和所述关联交互行为内容进行用户兴趣识别，得到实时用户兴趣数据；根据所述实时用户兴趣数据从所述当前显性业务需求的服务状态内容事件集中选取所述实时业务需求清单对应的待处理显性服务状态内容。在本方案中，关联内容块用于进行关联内容的汇总和分块化处理，实时用户兴趣数据是可以直接反应用户当前兴趣状态的数据，这样能够确保实时用户兴趣数据和实时业务需求清单的匹配，进而确保待处理显性服务状态内容的实时性以及与用户需求的高度匹配性。
在本方案中，所述基于所述匹配交互行为内容和所述关联交互行为内容进行用户兴趣识别，得到实时用户兴趣数据，包括：获取所述实时业务需求清单对应的第一初始用户兴趣数据，基于所述第一初始用户兴趣数据将所述当前显性交互行为内容匹配到关联内容块，得到第一实时匹配交互行为内容；基于所述第一实时匹配交互行为内容与所述关联交互行为内容确定得到第三事件更新信息；根据所述第三事件更新信息更新所述第一初始用户兴趣数据，并返回所述基于所述第一初始用户兴趣数据将所述当前显性交互行为内容匹配到关联内容块，得到第一实时匹配交互行为内容的步骤，直到所述第三事件更新信息满足第三需求挖掘指标条件；将满足第三需求挖掘指标条件的第一初始用户兴趣数据作为所述实时用户兴趣数据。
在本方案中，第三需求挖掘指标条件可以是基于兴趣分类集中度层面的条件。例如，在判定第三事件更新信息是否满足第三需求挖掘指标条件时，可以确定第三事件更新信息对应的用户兴趣的兴趣类型集中度，其中，兴趣类型集中度可以根据不同兴趣类型之间的相关性计算得到，比如健身和游泳之间的相关性系数可以为L1，健身和旅游之间的相关性系数可以为L2，L1>L2。兴趣类型集中度可以是不同兴趣类型之间的相关性的均值，例如第三事件更新信息的兴趣类型集中度可以是Z，Z=（L1+L2+...+Ln）/n。进一步地，若Z大于Z0，则判定第三事件更新信息满足第三需求挖掘指标条件，Z0可以是预先设定的兴趣类型集中度阈值。如此设计，能够确保确定出的实时用户兴趣数据在兴趣分类层面上较为集中，从而为业务需求挖掘提供较为精准的挖掘方向。
在本方案的进一步实施例中，目标业务产品服务信息可以通过以下步骤（1）-步骤（6）获得。
（1）获取各个预设业务产品服务信息，从所述各个预设业务产品服务信息选取当前业务产品服务信息。
在本方案中，预设业务产品服务信息可以是服务商提供的相关业务产品的服务信息，例如旅游平台提供的旅游产品的各类服务信息（旅游线路、费用等），当前业务产品服务信息可以是最新更新或者最新上架的业务产品服务信息。
（2）根据所述当前业务产品服务信息将所述当前显性交互行为内容匹配到关联内容块，得到业务产品服务信息对应的匹配交互行为内容，基于所述业务产品服务信息对应的匹配交互行为内容和所述关联交互行为内容进行用户兴趣识别，得到业务产品服务信息对应的用户兴趣数据。
（3）根据所述业务产品服务信息对应的用户兴趣数据从所述当前显性业务需求的服务状态内容事件集中选取业务产品服务信息对应的显性服务状态内容。基于所述业务产品服务信息对应的显性服务状态内容、所述当前显性交互行为内容和所述关联业务事件内容进行业务产品服务信息的用户兴趣识别，得到业务产品服务信息对应的修正用户兴趣数据。
（4）根据所述业务产品服务信息对应的修正用户兴趣数据从所述服务状态内容事件集中选取业务产品服务信息对应的修正显性服务状态内容。根据所述业务产品服务信息对应的修正显性服务状态内容和所述当前显性交互行为内容确定所述当前显性业务需求对应的业务产品服务信息的修正业务交互数据。
（5）基于所述业务产品服务信息对应的修正用户兴趣数据将所述业务产品服务信息对应的修正显性服务状态内容和所述当前显性交互行为内容进行业务状态匹配，得到业务产品服务信息对应的关联匹配内容，根据所述业务产品服务信息对应的关联匹配内容和所述关联业务事件内容的第二事件更新信息修正所述业务产品服务信息对应的显性服务状态内容和当前显性交互行为内容，返回所述业务产品服务信息的用户兴趣识别的步骤，直到满足第二需求挖掘指标条件，得到所述当前业务产品服务信息对应的当前第二事件更新信息。
在本方案中，第二需求挖掘指标条件可以是时效性条件，例如，根据所述业务产品服务信息对应的关联匹配内容和所述关联业务事件内容的第二事件更新信息修正所述业务产品服务信息对应的显性服务状态内容和当前显性交互行为内容，返回所述业务产品服务信息的用户兴趣识别的步骤，直到满足第二需求挖掘指标条件，包括：当所述第二事件更新信息未满足第二需求挖掘指标条件时，基于所述业务产品服务信息的修正业务交互数据修正所述当前显性业务需求，得到业务产品服务信息对应的修正显性业务需求；从所述业务产品服务信息对应的修正显性业务需求中选取业务产品服务信息对应的修正显性交互行为内容，将所述业务产品服务信息对应的修正显性交互行为内容作为当前显性交互行为内容，并将所述业务产品服务信息对应的修正显性服务状态内容作为业务产品服务信息对应的显性服务状态内容，返回基于所述业务产品服务信息对应的显性服务状态内容、所述当前显性交互行为内容和所述关联业务事件内容进行业务产品服务信息的用户兴趣识别，得到业务产品服务信息对应的修正用户兴趣数据的步骤，直到满足第二需求挖掘指标条件。在本方案中，当第二事件更新信息对应的更新耗时低于设定耗时，可以判定第二事件更新信息满足第二需求挖掘指标条件，当第二事件更新信息对应的更新耗时大于等于设定耗时，可以判定第二事件更新信息满足第二需求挖掘指标条件。设定耗时可以理解为与第二需求挖掘指标条件对应的时效性条件。
（6）遍历所述各个预设业务产品服务信息，得到所述各个预设业务产品服务信息对应的各个当前第二事件更新信息，比较所述各个当前第二事件更新信息，得到目标第二事件更新信息，将所述目标第二事件更新信息对应的预设业务产品服务信息作为所述目标业务产品服务信息。在本方案中，在比较各个当前第二事件更新信息时，可以比较它们的更新耗时，并选择更新耗时最小的当前第二事件更新信息作为目标第二事件更新信息，进而确定出目标业务产品服务信息，这样能够确保目标业务产品服务信息的信息更新的时效性。
在另外的一些示例中，当所述待挖掘业务需求清单为延时业务需求清单；所述基于所述待挖掘业务需求清单获取对应的待处理显性服务状态内容，包括：获取所述延时业务需求清单的已标记业务需求清单对应的已标记显性服务状态内容，所述已标记显性服务状态内容是所述已标记业务需求清单对应的显性业务需求中的显性服务状态内容；将所述已标记显性服务状态内容作为所述待处理显性服务状态内容。
步骤b，基于所述当前显性交互行为内容、所述待处理显性服务状态内容和所述关联业务事件内容进行用户兴趣识别，得到修正用户兴趣数据；根据修正用户兴趣数据从所述当前显性业务需求中选取修正显性服务状态内容，根据所述修正显性服务状态内容和所述当前显性交互行为内容确定所述当前显性业务需求对应的修正业务交互数据。在本方案中，修正用户兴趣数据是在时序层面、交互层面以及服务状态层面上进行了修正的，修正显性服务状态以及修正业务交互数据与修正用户兴趣数据存在时序一致性。如此，能够确保修正用户兴趣数据和修正业务交互数据的时序匹配性，便于后续进行准确的隐性业务需求的挖掘。
在实际实施过程中，当所述待挖掘业务需求清单为实时业务需求清单时，所述基于所述当前显性交互行为内容、所述待处理显性服务状态内容和所述关联业务事件内容进行用户兴趣识别，得到修正用户兴趣数据，包括：获取所述实时业务需求清单对应的第二初始用户兴趣数据，基于所述第二初始用户兴趣数据将所述当前显性交互行为内容和所述待处理显性服务状态内容匹配到关联内容块，得到实时关联匹配内容；基于所述实时关联匹配内容与所述关联业务事件内容确定得到第四事件更新信息；根据所述第四事件更新信息更新所述第二初始用户兴趣数据，并返回所述基于所述第二初始用户兴趣数据将所述当前显性交互行为内容和所述待处理显性服务状态内容匹配到关联内容块，得到实时关联匹配内容的步骤，直到所述第四事件更新信息满足第四需求挖掘指标条件；将满足第四需求挖掘指标条件的第二初始用户兴趣数据作为所述实时业务需求清单对应的修正用户兴趣数据。
在实际实施过程中，当所述待挖掘业务需求清单为延时业务需求清单时，所述基于所述当前显性交互行为内容、所述待处理显性服务状态内容和所述关联业务事件内容进行用户兴趣识别，得到修正用户兴趣数据，包括：获取所述延时业务需求清单对应的第三初始用户兴趣数据，根据所述第三初始用户兴趣数据将所述当前显性交互行为内容和所述待处理显性服务状态内容匹配到关联内容块，得到延时关联匹配内容；基于所述延时关联匹配内容与所述关联业务事件内容确定得到第五事件更新信息，并获取所述延时业务需求清单的已标记业务需求清单对应的已标记用户兴趣数据，所述已标记用户兴趣数据是所述已标记业务需求清单对应的显性业务需求的用户兴趣数据；确定所述已标记用户兴趣数据与所述第三初始用户兴趣数据的用户兴趣事件更新信息，根据所述第五事件更新信息和所述用户兴趣事件更新信息，得到目标第五事件更新信息；根据所述目标第五事件更新信息更新所述延时业务需求清单对应的第三初始用户兴趣数据，并返回所述根据所述第三初始用户兴趣数据将所述当前显性交互行为内容和所述待处理显性服务状态内容匹配到关联内容块，得到延时关联匹配内容的步骤，直到所述目标第五事件更新信息满足第五需求挖掘指标条件；将满足第五需求挖掘指标条件的第三初始用户兴趣数据作为所述延时业务需求清单对应的修正用户兴趣数据。
在上述内容中，第四需求挖掘指标条件和第五需求挖掘指标条件同样可以是基于兴趣分类集中度层面的条件，相关描述可以参阅上述对第三需求挖掘指标条件的说明，在此不作赘述。
在一个可替换的实施例中，所述根据修正用户兴趣数据从所述当前显性业务需求中选取修正显性服务状态内容，包括：获取所述当前显性业务需求的服务状态内容事件集中的预设数量的服务状态记录，获取操作行为解析结果，根据所述操作行为解析结果从所述预设数量的服务状态记录中选取对应的各个显性过渡状态内容；根据所述修正用户兴趣数据将所述各个显性过渡状态内容匹配到关联内容块，得到各个过渡状态匹配内容；分别基于所述各个过渡状态匹配内容与所述关联服务状态内容确定得到第六事件更新信息，比较所述各个过渡状态匹配内容对应的第六事件更新信息，得到目标第六事件更新信息，将所述目标第六事件更新信息对应的显性过渡状态内容作为所述关联服务状态内容对应的修正显性服务状态内容。
进一步地，所述获取操作行为解析结果，根据所述操作行为解析结果从所述预设数量的服务状态记录中选取对应的显性过渡状态内容，包括：从所述预设数量的服务状态记录中确定当前服务状态记录，并从所述当前服务状态记录中选取初始显性内容，确定所述初始显性内容的操作响应解析结果；获取操作行为解析结果，根据所述操作响应解析结果与所述操作行为解析结果进行状态响应分析，得到状态响应信息；当所述状态响应信息未符合预设状态响应条件时，返回从所述当前服务状态记录中选取初始显性内容的步骤，直到状态响应信息符合预设状态响应条件时，将符合预设状态响应条件的初始显性内容作为所述当前服务状态记录对应的显性过渡状态内容。在本方案中，预设状态响应条件可以是基于响应耗时层面的条件，例如，当状态响应信息对应的响应耗时低于设定耗时时，可以确定状态响应信息符合预设状态响应条件。
如此设计，能够通过上述内容确保确定出的显性过渡状态内容具有较高的时效性，避免显性过渡状态内容出现状态滞后的问题。
步骤c，基于所述修正用户兴趣数据将所述修正显性服务状态内容和所述当前显性交互行为内容进行业务状态匹配得到关联匹配内容，根据所述关联匹配内容与所述关联业务事件内容的第一事件更新信息修正所述当前显性交互行为内容和待处理显性服务状态内容，返回所述用户兴趣识别的步骤，直到满足第一需求挖掘指标条件。在本方案中，第一事件更新信息用于表征所述关联匹配内容与所述关联业务事件内容之间的更新变化情况，可以理解，步骤a-步骤c可以是多次迭代的，每修正一次所述当前显性交互行为内容和待处理显性服务状态内容，能够确保修正用户兴趣数据和修正业务交互数据更加接近业务需求覆盖指标的判定条件。因此，在一些示例中，第一需求挖掘指标条件可以是：根据修正用户兴趣数据和修正业务交互数据确定出的当前业务需求覆盖指数达到设定指数。而设定指数可以根据实际历史业务需求信息进行灵活调整，在此不作限定。
在一些实施例中，在所述根据所述关联匹配内容与所述关联业务事件内容的第一事件更新信息修正所述当前显性交互行为内容和待处理显性服务状态内容，返回所述用户兴趣识别的步骤，直到满足第一需求挖掘指标条件，包括：基于所述关联匹配内容与所述关联业务事件内容确定得到第一事件更新信息，当所述第一事件更新信息未满足第一需求挖掘指标条件时，基于所述修正业务交互数据修正所述当前显性业务需求，得到修正显性业务需求；从所述修正显性业务需求中选取修正显性交互行为内容，得到修正的当前显性交互行为内容，并将所述修正显性服务状态内容作为修正的待处理显性服务状态内容，返回基于所述当前显性交互行为内容、所述待处理显性服务状态内容、所述关联业务事件内容进行用户兴趣识别，得到修正用户兴趣数据的步骤，直到满足第一需求挖掘指标条件。可以理解，通过通过多次修正并重复进行用户兴趣识别，能够确保得到的修正用户兴趣数据满足第一需求挖掘指标条件，这样能够保证修正用户兴趣数据的实时性和精准性。
在本实施例中，待挖掘业务需求清单可以为实时的或者延时的，针对两种不同的清单类型，本方案给出了两种实现方式，它们分别是实施方式1和实施方式2，下面对这两种实施方式进行进一步说明，可以理解，在这两种不同的实施方式下，确定第一事件更新信息的步骤略有不同。
实施方式1，所述待挖掘业务需求清单为实时业务需求清单，所述关联匹配内容包括关联匹配交互行为内容和关联匹配服务状态内容；基于所述关联匹配内容与所述关联业务事件内容确定得到第一事件更新信息，包括：基于所述关联匹配交互行为内容与所述关联交互行为内容确定得到交互行为内容对应的事件更新信息，并基于所述关联匹配服务状态内容与所述关联服务状态内容确定得到服务状态内容对应的事件更新信息；基于所述服务状态内容对应的事件更新信息与所述交互行为内容对应的事件更新信息，得到所述关联匹配内容与所述关联业务事件内容的第一事件更新信息。
在实施方式1中，能够通过不同的时间更新信息准确得到所述关联匹配内容与所述关联业务事件内容的第一事件更新信息。
实施方式2，所述待挖掘业务需求清单为延时业务需求清单，所述关联匹配内容包括关联匹配交互行为内容和关联匹配服务状态内容；基于所述关联匹配内容与所述关联业务事件内容确定得到第一事件更新信息，包括：基于所述关联匹配交互行为内容与所述关联交互行为内容确定得到交互行为内容对应的事件更新信息，并基于所述关联匹配服务状态内容与所述关联服务状态内容确定得到服务状态内容对应的事件更新信息；获取所述延时业务需求清单的已标记业务需求清单对应的已标记业务交互数据，所述已标记业务交互数据是所述已标记业务需求清单在隐性业务需求挖掘时使用的业务交互数据；确定所述已标记业务交互数据与所述修正业务交互数据的业务交互事件更新信息，基于所述服务状态内容对应的事件更新信息、所述交互行为内容对应的事件更新信息和所述业务交互事件更新信息，得到所述关联匹配内容与所述关联业务事件内容的第一事件更新信息。
在实施方式2中，能够结合已标记业务需求清单及其对应的已标记业务交互数据确定业务交互事件更新信息，这样可以通过所述服务状态内容对应的事件更新信息、所述交互行为内容对应的事件更新信息和所述业务交互事件更新信息确定出第一事件更新信息。
可以理解，上述实施方式1和实施方式2可以择一使用也可以合并使用，在合并使用时，待挖掘业务需求清单可以理解为一部分是实时的，另一部分是延时的，这样一来，能够提高针对待挖掘业务需求清单的处理灵活性，并提高确定第一事件更新信息的准确性和效率。
如此设计，通过实施上述步骤a-步骤c，能够基于多次迭代修正精准地确定出修正业务交互数据和修正用户兴趣数据，同时保证修正业务交互数据和修正用户兴趣数据之间的时序匹配性和时序一致性。
综上所述，通过实施上述步骤S11和步骤S12，能够在获取到待挖掘业务需求清单滞后确定关联业务事件内容，并进一步确定满足第一需求挖掘指标条件的修正业务交互数据和修正用户兴趣数据，以进行隐性业务需求挖掘，得到待挖掘业务需求清单对应的目标隐性业务需求。由于在进行隐性业务需求挖掘时考虑了对应的显性业务需求，因而能够确保在进行隐性业务需求挖掘时充分考虑修正业务交互数据和修正用户兴趣数据之间的用户兴趣命中情况，从而确保目标隐性业务需求与用户的高度匹配。如此设计，能够实现对用户的隐性业务需求的进一步挖掘，从而保证用户需求挖掘的全面性，进而为后续的产品推送或者服务推送提供精准、完整的决策依据。
其次，针对上述针对大数据业务以及人工智能的数据处理方法，本发明实施例还提出了一种示例性的针对大数据业务以及人工智能的数据处理装置，如图2所示，针对大数据业务以及人工智能的数据处理装置可以包括以下的功能模块。
获取模块210，用于获取待挖掘业务需求清单，确定所述待挖掘业务需求清单的关联业务事件内容，所述关联业务事件内容包括关联交互行为内容和关联服务状态内容。
挖掘模块220，用于通过所述待挖掘业务需求清单以及所述关联业务事件内容，确定基于满足第一需求挖掘指标条件的修正业务交互数据和修正用户兴趣数据，并基于满足第一需求挖掘指标条件的修正业务交互数据和修正用户兴趣数据进行隐性业务需求挖掘，得到所述待挖掘业务需求清单对应的目标隐性业务需求。
然后，基于上述的方法实施例和装置实施例，本发明实施例还提出了一种系统实施例，也即针对大数据业务以及人工智能的数据处理系统，请结合参阅图3，针对大数据业务以及人工智能的数据处理系统30可以包括云服务器10和服务商平台20。其中，云服务器10和服务商平台20通信用以实施上述方法，进一步地，针对大数据业务以及人工智能的数据处理系统30的功能性描述如下。
一种针对大数据业务以及人工智能的数据处理系统，包括互相之间通信的云服务器和服务商平台；
所述云服务器用于：获取待挖掘业务需求清单，确定所述待挖掘业务需求清单的关联业务事件内容，所述关联业务事件内容包括关联交互行为内容和关联服务状态内容；通过所述待挖掘业务需求清单以及所述关联业务事件内容，确定基于满足第一需求挖掘指标条件的修正业务交互数据和修正用户兴趣数据，并基于满足第一需求挖掘指标条件的修正业务交互数据和修正用户兴趣数据进行隐性业务需求挖掘，得到所述待挖掘业务需求清单对应的目标隐性业务需求，将所述目标隐性业务需求发送给所述服务商平台；
所述服务商平台用于：基于所述目标隐性业务需求进行业务服务产品推送。
进一步地，请结合参阅图4，云服务器10可以包括处理引擎110、网络模块120和存储器130，处理引擎110和存储器130通过网络模块120通信。
处理引擎110可以处理相关的信息和/或数据以执行本申请中描述的一个或多个功能。例如，在一些实施例中，处理引擎110可以包括至少一个处理引擎(例如，单核处理引擎或多核处理器)。仅作为示例，处理引擎110可以包括中央处理单元(Central ProcessingUnit，CPU)、专用集成电路(Application-Specific Integrated Circuit，ASIC)、专用指令集处理器(Application-Specific Instruction-set Processor，ASIP)、图形处理单元(Graphics Processing Unit，GPU)、物理处理单元(Physics Processing Unit，PPU)、数字信号处理器(Digital Signal Processor，DSP)、现场可编程门阵列(Field ProgrammableGate Array，FPGA)、可编程逻辑器件(Programmable Logic Device，PLD)、控制器、微控制器单元、精简指令集计算机(Reduced Instruction-Set Computer，RISC)、微处理器等或其任意组合。
网络模块120可以促进信息和/或数据的交换。在一些实施例中，网络模块120可以是任何类型的有线或无线网络或其组合。仅作为示例，网络模块120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(Local Area Network，LAN)、广域网(Wide Area Network，WAN)、无线局域网络(Wireless Local Area Network，WLAN)、城域网(Metropolitan Area Network，MAN)、公用电话交换网(Public Telephone SwitchedNetwork，PSTN)、蓝牙网络、无线个域网络、近场通讯(Near Field Communication，NFC)网络等或上述举例的任意组合。在一些实施例中，网络模块120可以包括至少一个网络接入点。例如，网络模块120可以包括有线或无线网路接入点，如基站和/或网路接入点。
存储器130可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。其中，存储器130用于存储程序，所述处理引擎110在接收到执行指令后，执行所述程序。
可以理解，图4所示的结构仅为示意，云服务器10还可包括比图2中所示更多或者更少的组件，或者具有与图4所示不同的配置。图4中所示的各组件可以采用硬件、软件或其组合实现。
需要理解的是，针对上述内容，本领域技术人员可以根据上述所公开的内容进行前后推导毫无疑义地确定相关技术术语所指代的含义，例如针对一些值、系数、权重、指数、因子等术语，本领域技术人员可以根据前后的逻辑关系进行推导和确定，这些数值的取值范围可以根据实际情况进行选取，例如0~1，又例如1~10，再例如50~100，在此均不作限定。
本领域技术人员可以根据上述已公开的内容毫无疑义对一些预设的、基准的、预定的、设定的以及目标的技术特征/技术术语进行确定，例如阈值、阈值区间、阈值范围等。对于一些未作解释的技术特征术语，本领域技术人员完全能够基于前后文的逻辑关系进行合理地、毫无疑义地推导，从而清楚、完整地实施上述技术方案。未作解释的技术特征术语的前缀，例如“第一”、“第二”、“上一个”、“下一个”、“前一个”、“后一个”、“当前”、“历史”、“最新”、“最佳”、“目标”、“指定”和“实时”等，可以根据前后文进行毫无疑义地推导和确定。未作解释的技术特征术语的后缀，例如“列表”、“特征”、“序列”、“集合”、“矩阵”、“单元”、“元素”、“轨迹”和“清单”等，也可以根据前后文进行毫无疑义地推导和确定。
本发明实施例公开的上述内容对于本领域技术人员而言是清楚完整的。应当理解，本领域技术人员基于上述公开的内容对未作解释的技术术语进行推导和分析的过程是基于本申请所记载的内容进行的，因此上述内容并不是对整体方案的创造性的评判。
应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
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，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请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，本申请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，本申请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，本申请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，本申请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、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。
本申请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、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。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，本申请所述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，并非用于限定本申请流程和方法的顺序。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申请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，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，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申请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。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (9)

1.一种针对大数据业务以及人工智能的数据处理方法，其特征在于，应用于云服务器，所述方法包括：
获取待挖掘业务需求清单，确定所述待挖掘业务需求清单的关联业务事件内容，所述关联业务事件内容包括关联交互行为内容和关联服务状态内容；
通过所述待挖掘业务需求清单以及所述关联业务事件内容，确定基于满足第一需求挖掘指标条件的修正业务交互数据和修正用户兴趣数据，并基于满足第一需求挖掘指标条件的修正业务交互数据和修正用户兴趣数据进行隐性业务需求挖掘，得到所述待挖掘业务需求清单对应的目标隐性业务需求；
其中，通过所述待挖掘业务需求清单以及所述关联业务事件内容，确定基于满足第一需求挖掘指标条件的修正业务交互数据和修正用户兴趣数据，包括：
从所述待挖掘业务需求清单对应的当前显性业务需求中选取当前显性交互行为内容，基于所述待挖掘业务需求清单获取对应的待处理显性服务状态内容；
基于所述当前显性交互行为内容、所述待处理显性服务状态内容和所述关联业务事件内容进行用户兴趣识别，得到修正用户兴趣数据；根据修正用户兴趣数据从所述当前显性业务需求中选取修正显性服务状态内容，根据所述修正显性服务状态内容和所述当前显性交互行为内容确定所述当前显性业务需求对应的修正业务交互数据；
基于所述修正用户兴趣数据将所述修正显性服务状态内容和所述当前显性交互行为内容进行业务状态匹配得到关联匹配内容，根据所述关联匹配内容与所述关联业务事件内容的第一事件更新信息修正所述当前显性交互行为内容和待处理显性服务状态内容，返回所述用户兴趣识别的步骤，直到满足第一需求挖掘指标条件；
其中，基于满足第一需求挖掘指标条件的修正业务交互数据和修正用户兴趣数据进行隐性业务需求挖掘，得到所述待挖掘业务需求清单对应的目标隐性业务需求，包括：
在提取到满足第一需求挖掘指标条件的修正业务交互数据对应的交互行为标签集，以及提取到满足第一需求挖掘指标条件的修正用户兴趣数据对应的用户兴趣标签集之后，分别确定所述交互行为标签集和所述用户兴趣标签集各自包括的多个不同标签热度的画像标签；提取所述满足第一需求挖掘指标条件的修正业务交互数据在所述交互行为标签集的任一画像标签的初始标签指向信息，将所述用户兴趣标签集中具有最小标签热度的画像标签确定为目标画像标签；
根据第一需求挖掘指标条件对应的业务需求覆盖指数将所述初始标签指向信息与所述目标画像标签进行绑定，并基于所述目标画像标签得到与所述初始标签指向信息对应的初始绑定结果，并根据所述初始标签指向信息以及所述初始绑定结果，生成所述满足第一需求挖掘指标条件的修正业务交互数据和所述满足第一需求挖掘指标条件的修正用户兴趣数据之间的用户兴趣命中信息；
以所述初始绑定结果为参考结果获取所述目标画像标签对应的关联指向信息，根据所述用户兴趣命中信息对应的兴趣内容的命中记录，将所述关联指向信息与所述初始标签指向信息所对应的画像标签进行绑定，并基于所述初始标签指向信息所对应的画像标签得到所述关联指向信息对应的目标绑定结果，并确定所述目标绑定结果的目标标签指向信息；
根据目标标签指向信息，获取将所述初始标签指向信息与所述目标画像标签进行绑定时的标签属性匹配记录；根据所述目标绑定结果与所述标签属性匹配记录上的多个兴趣属性匹配事项对应的兴趣标签信息之间的关联指数，在所述用户兴趣标签集中遍历所述目标标签指向信息对应的待挖掘标签，直至获取到的所述待挖掘标签所对应的画像标签的业务需求热度与所述目标标签指向信息相对于所述交互行为标签集的业务需求热度一致时，停止获取下一画像标签中的待挖掘标签，并根据所述目标标签指向信息与最后一次获取到的待挖掘标签确定隐性业务需求挖掘模型；通过所述隐性业务需求挖掘模型对所述待挖掘业务需求清单进行挖掘，得到所述目标隐性业务需求。
2.根据权利要求1所述的方法，其特征在于，在所述根据所述关联匹配内容与所述关联业务事件内容的第一事件更新信息修正所述当前显性交互行为内容和待处理显性服务状态内容，返回所述用户兴趣识别的步骤，直到满足第一需求挖掘指标条件，包括：
基于所述关联匹配内容与所述关联业务事件内容确定得到第一事件更新信息，当所述第一事件更新信息未满足第一需求挖掘指标条件时，基于所述修正业务交互数据修正所述当前显性业务需求，得到修正显性业务需求；
从所述修正显性业务需求中选取修正显性交互行为内容，得到修正的当前显性交互行为内容，并将所述修正显性服务状态内容作为修正的待处理显性服务状态内容，返回基于所述当前显性交互行为内容、所述待处理显性服务状态内容、所述关联业务事件内容进行用户兴趣识别，得到修正用户兴趣数据的步骤，直到满足第一需求挖掘指标条件。
3.根据权利要求2所述的方法，其特征在于，所述待挖掘业务需求清单为实时业务需求清单，所述关联匹配内容包括关联匹配交互行为内容和关联匹配服务状态内容；基于所述关联匹配内容与所述关联业务事件内容确定得到第一事件更新信息，包括：
基于所述关联匹配交互行为内容与所述关联交互行为内容确定得到交互行为内容对应的事件更新信息，并基于所述关联匹配服务状态内容与所述关联服务状态内容确定得到服务状态内容对应的事件更新信息；
基于所述服务状态内容对应的事件更新信息与所述交互行为内容对应的事件更新信息，得到所述关联匹配内容与所述关联业务事件内容的第一事件更新信息。
4.根据权利要求2所述的方法，其特征在于，所述待挖掘业务需求清单为延时业务需求清单，所述关联匹配内容包括关联匹配交互行为内容和关联匹配服务状态内容；基于所述关联匹配内容与所述关联业务事件内容确定得到第一事件更新信息，包括：
基于所述关联匹配交互行为内容与所述关联交互行为内容确定得到交互行为内容对应的事件更新信息，并基于所述关联匹配服务状态内容与所述关联服务状态内容确定得到服务状态内容对应的事件更新信息；
获取所述延时业务需求清单的已标记业务需求清单对应的已标记业务交互数据，所述已标记业务交互数据是所述已标记业务需求清单在隐性业务需求挖掘时使用的业务交互数据；
确定所述已标记业务交互数据与所述修正业务交互数据的业务交互事件更新信息，基于所述服务状态内容对应的事件更新信息、所述交互行为内容对应的事件更新信息和所述业务交互事件更新信息，得到所述关联匹配内容与所述关联业务事件内容的第一事件更新信息。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述确定所述待挖掘业务需求清单对应的关联交互行为内容和关联服务状态内容，包括：
基于所述待挖掘业务需求清单进行业务需求识别，得到业务需求事件集；
在所述业务需求事件集中进行业务需求关联内容识别，得到所述待挖掘业务需求清单对应的业务需求关联内容；
从所述业务需求关联内容中确定关联交互行为内容和关联服务状态内容。
6.根据权利要求1所述的方法，其特征在于，所述待挖掘业务需求清单为实时业务需求清单；所述基于所述待挖掘业务需求清单获取对应的待处理显性服务状态内容，包括：
获取目标业务产品服务信息，根据所述目标业务产品服务信息将所述当前显性交互行为内容匹配到关联内容块，得到匹配交互行为内容，基于所述匹配交互行为内容和所述关联交互行为内容进行用户兴趣识别，得到实时用户兴趣数据；
根据所述实时用户兴趣数据从所述当前显性业务需求的服务状态内容事件集中选取所述实时业务需求清单对应的待处理显性服务状态内容；
其中，所述获取目标业务产品服务信息，包括：
获取各个预设业务产品服务信息，从所述各个预设业务产品服务信息选取当前业务产品服务信息；
根据所述当前业务产品服务信息将所述当前显性交互行为内容匹配到关联内容块，得到业务产品服务信息对应的匹配交互行为内容，基于所述业务产品服务信息对应的匹配交互行为内容和所述关联交互行为内容进行用户兴趣识别，得到业务产品服务信息对应的用户兴趣数据；
根据所述业务产品服务信息对应的用户兴趣数据从所述当前显性业务需求的服务状态内容事件集中选取业务产品服务信息对应的显性服务状态内容；
基于所述业务产品服务信息对应的显性服务状态内容、所述当前显性交互行为内容和所述关联业务事件内容进行业务产品服务信息的用户兴趣识别，得到业务产品服务信息对应的修正用户兴趣数据；
根据所述业务产品服务信息对应的修正用户兴趣数据从所述服务状态内容事件集中选取业务产品服务信息对应的修正显性服务状态内容；
根据所述业务产品服务信息对应的修正显性服务状态内容和所述当前显性交互行为内容确定所述当前显性业务需求对应的业务产品服务信息的修正业务交互数据；
基于所述业务产品服务信息对应的修正用户兴趣数据将所述业务产品服务信息对应的修正显性服务状态内容和所述当前显性交互行为内容进行业务状态匹配，得到业务产品服务信息对应的关联匹配内容，根据所述业务产品服务信息对应的关联匹配内容和所述关联业务事件内容的第二事件更新信息修正所述业务产品服务信息对应的显性服务状态内容和当前显性交互行为内容，返回所述业务产品服务信息的用户兴趣识别的步骤，直到满足第二需求挖掘指标条件，得到所述当前业务产品服务信息对应的当前第二事件更新信息；
遍历所述各个预设业务产品服务信息，得到所述各个预设业务产品服务信息对应的各个当前第二事件更新信息，比较所述各个当前第二事件更新信息，得到目标第二事件更新信息，将所述目标第二事件更新信息对应的预设业务产品服务信息作为所述目标业务产品服务信息；
其中，所述根据所述业务产品服务信息对应的关联匹配内容和所述关联业务事件内容的第二事件更新信息修正所述业务产品服务信息对应的显性服务状态内容和当前显性交互行为内容，返回所述业务产品服务信息的用户兴趣识别的步骤，直到满足第二需求挖掘指标条件，包括：
当所述第二事件更新信息未满足第二需求挖掘指标条件时，基于所述业务产品服务信息的修正业务交互数据修正所述当前显性业务需求，得到业务产品服务信息对应的修正显性业务需求；
从所述业务产品服务信息对应的修正显性业务需求中选取业务产品服务信息对应的修正显性交互行为内容，将所述业务产品服务信息对应的修正显性交互行为内容作为当前显性交互行为内容，并将所述业务产品服务信息对应的修正显性服务状态内容作为业务产品服务信息对应的显性服务状态内容，返回基于所述业务产品服务信息对应的显性服务状态内容、所述当前显性交互行为内容和所述关联业务事件内容进行业务产品服务信息的用户兴趣识别，得到业务产品服务信息对应的修正用户兴趣数据的步骤，直到满足第二需求挖掘指标条件；
其中，所述基于所述匹配交互行为内容和所述关联交互行为内容进行用户兴趣识别，得到实时用户兴趣数据，包括：
获取所述实时业务需求清单对应的第一初始用户兴趣数据，基于所述第一初始用户兴趣数据将所述当前显性交互行为内容匹配到关联内容块，得到第一实时匹配交互行为内容；
基于所述第一实时匹配交互行为内容与所述关联交互行为内容确定得到第三事件更新信息；
根据所述第三事件更新信息更新所述第一初始用户兴趣数据，并返回所述基于所述第一初始用户兴趣数据将所述当前显性交互行为内容匹配到关联内容块，得到第一实时匹配交互行为内容的步骤，直到所述第三事件更新信息满足第三需求挖掘指标条件；
将满足第三需求挖掘指标条件的第一初始用户兴趣数据作为所述实时用户兴趣数据。
7.根据权利要求1所述的方法，其特征在于，所述待挖掘业务需求清单为延时业务需求清单；所述基于所述待挖掘业务需求清单获取对应的待处理显性服务状态内容，包括：
获取所述延时业务需求清单的已标记业务需求清单对应的已标记显性服务状态内容，所述已标记显性服务状态内容是所述已标记业务需求清单对应的显性业务需求中的显性服务状态内容；
将所述已标记显性服务状态内容作为所述待处理显性服务状态内容。
8.根据权利要求1所述的方法，其特征在于，所述待挖掘业务需求清单为实时业务需求清单；所述基于所述当前显性交互行为内容、所述待处理显性服务状态内容和所述关联业务事件内容进行用户兴趣识别，得到修正用户兴趣数据，包括：
获取所述实时业务需求清单对应的第二初始用户兴趣数据，基于所述第二初始用户兴趣数据将所述当前显性交互行为内容和所述待处理显性服务状态内容匹配到关联内容块，得到实时关联匹配内容；
基于所述实时关联匹配内容与所述关联业务事件内容确定得到第四事件更新信息；
根据所述第四事件更新信息更新所述第二初始用户兴趣数据，并返回所述基于所述第二初始用户兴趣数据将所述当前显性交互行为内容和所述待处理显性服务状态内容匹配到关联内容块，得到实时关联匹配内容的步骤，直到所述第四事件更新信息满足第四需求挖掘指标条件；
将满足第四需求挖掘指标条件的第二初始用户兴趣数据作为所述实时业务需求清单对应的修正用户兴趣数据；
或，
所述待挖掘业务需求清单为延时业务需求清单；所述基于所述当前显性交互行为内容、所述待处理显性服务状态内容和所述关联业务事件内容进行用户兴趣识别，得到修正用户兴趣数据，包括：
获取所述延时业务需求清单对应的第三初始用户兴趣数据，根据所述第三初始用户兴趣数据将所述当前显性交互行为内容和所述待处理显性服务状态内容匹配到关联内容块，得到延时关联匹配内容；
基于所述延时关联匹配内容与所述关联业务事件内容确定得到第五事件更新信息，并获取所述延时业务需求清单的已标记业务需求清单对应的已标记用户兴趣数据，所述已标记用户兴趣数据是所述已标记业务需求清单对应的显性业务需求的用户兴趣数据；
确定所述已标记用户兴趣数据与所述第三初始用户兴趣数据的用户兴趣事件更新信息，根据所述第五事件更新信息和所述用户兴趣事件更新信息，得到目标第五事件更新信息；
根据所述目标第五事件更新信息更新所述延时业务需求清单对应的第三初始用户兴趣数据，并返回所述根据所述第三初始用户兴趣数据将所述当前显性交互行为内容和所述待处理显性服务状态内容匹配到关联内容块，得到延时关联匹配内容的步骤，直到所述目标第五事件更新信息满足第五需求挖掘指标条件；
将满足第五需求挖掘指标条件的第三初始用户兴趣数据作为所述延时业务需求清单对应的修正用户兴趣数据。
9.一种云服务器，其特征在于，包括处理引擎、网络模块和存储器；所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机程序并运行，以执行权利要求1-8任一项所述的方法。
CN202110035127.7A 2021-01-12 2021-01-12 针对大数据业务以及人工智能的数据处理方法及云服务器 Active CN112765462B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110831803.1A CN113536126A (zh) 2021-01-12 2021-01-12 基于大数据的业务需求挖掘方法及云服务器
CN202110831804.6A CN113536127A (zh) 2021-01-12 2021-01-12 基于大数据和人工智能的数据处理方法及云服务器
CN202110035127.7A CN112765462B (zh) 2021-01-12 2021-01-12 针对大数据业务以及人工智能的数据处理方法及云服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110035127.7A CN112765462B (zh) 2021-01-12 2021-01-12 针对大数据业务以及人工智能的数据处理方法及云服务器

Related Child Applications (2)

Application Number Title Priority Date Filing Date
CN202110831804.6A Division CN113536127A (zh) 2021-01-12 2021-01-12 基于大数据和人工智能的数据处理方法及云服务器
CN202110831803.1A Division CN113536126A (zh) 2021-01-12 2021-01-12 基于大数据的业务需求挖掘方法及云服务器

Publications (2)

Publication Number Publication Date
CN112765462A CN112765462A (zh) 2021-05-07
CN112765462B true CN112765462B (zh) 2021-09-21

Family

ID=75701591

Family Applications (3)

Application Number Title Priority Date Filing Date
CN202110035127.7A Active CN112765462B (zh) 2021-01-12 2021-01-12 针对大数据业务以及人工智能的数据处理方法及云服务器
CN202110831804.6A Withdrawn CN113536127A (zh) 2021-01-12 2021-01-12 基于大数据和人工智能的数据处理方法及云服务器
CN202110831803.1A Withdrawn CN113536126A (zh) 2021-01-12 2021-01-12 基于大数据的业务需求挖掘方法及云服务器

Family Applications After (2)

Application Number Title Priority Date Filing Date
CN202110831804.6A Withdrawn CN113536127A (zh) 2021-01-12 2021-01-12 基于大数据和人工智能的数据处理方法及云服务器
CN202110831803.1A Withdrawn CN113536126A (zh) 2021-01-12 2021-01-12 基于大数据的业务需求挖掘方法及云服务器

Country Status (1)

Country Link
CN (3) CN112765462B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113836191B (zh) * 2021-08-12 2022-08-02 中投国信(北京)科技发展有限公司 基于大数据的智能化业务处理方法及系统
CN113779431B (zh) * 2021-11-12 2022-02-08 杭银消费金融股份有限公司 基于时序特征的业务信息处理方法及服务器
CN114757721B (zh) * 2022-05-25 2022-12-30 广州小飞信息科技有限公司 用于联合大数据挖掘的业务预测分析方法及ai挖掘系统
CN117112915B (zh) * 2023-10-24 2024-02-20 广州美术学院 基于用户特征及大数据训练的智能设计方法和系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103714088A (zh) * 2012-10-09 2014-04-09 深圳市世纪光速信息技术有限公司 搜索词获取方法、服务器、搜索词推荐方法及系统
CN105446994A (zh) * 2014-07-11 2016-03-30 华为技术有限公司 业务推荐方法和具有智能助手的装置
CN109257193A (zh) * 2017-07-11 2019-01-22 中国移动通信有限公司研究院 边缘缓存管理方法、个人云系统和计算机可读存储介质
CN107832440B (zh) * 2017-11-17 2020-10-13 北京锐安科技有限公司 一种数据挖掘方法、装置、服务器及计算机可读存储介质
CN111814030B (zh) * 2019-04-10 2023-10-27 百度在线网络技术（北京）有限公司 推送方法、装置、设备和介质
CN111680908A (zh) * 2020-06-05 2020-09-18 河海大学常州校区 一种基于Kano模型的消费电子产品设计方法

Also Published As

Publication number Publication date
CN113536126A (zh) 2021-10-22
CN113536127A (zh) 2021-10-22
CN112765462A (zh) 2021-05-07

Similar Documents

Publication Publication Date Title
CN112765462B (zh) 针对大数据业务以及人工智能的数据处理方法及云服务器
CN106548210B (zh) 基于机器学习模型训练的信贷用户分类方法及装置
CN108492194A (zh) 产品推荐方法、装置及存储介质
CN114610773A (zh) 基于大数据的数据应用场景识别方法及云计算服务器
CN111241412B (zh) 一种确定用于信息推荐的图谱的方法、系统、及装置
CN112288572B (zh) 业务数据处理方法及计算机设备
CN113468338A (zh) 针对数字化云业务的大数据分析方法及大数据服务器
CN113779431B (zh) 基于时序特征的业务信息处理方法及服务器
CN110555713A (zh) 一种确定销量预测模型的方法和装置
CN111309975A (zh) 一种增强图模型抗攻击能力的方法和系统
CN110650170A (zh) 用于推送信息的方法和装置
CN108376301A (zh) 股票走势预测装置、方法及可读存储介质
CN113472860A (zh) 大数据和数字化环境下的业务资源分配方法及服务器
CN112949746A (zh) 应用于用户行为分析的大数据处理方法及人工智能服务器
CN113313463A (zh) 应用于大数据云办公的数据分析方法及数据分析服务器
CN113536121A (zh) 基于大数据的数据处理方法及云计算服务器
CN110866785A (zh) 一种成本确定方法、系统及装置
CN110286587A (zh) 实现模型迭代控制的方法、服务器及计算机可读存储介质
CN111274377B (zh) 一种训练标记预测模型的方法及系统
CN114092057A (zh) 一种项目模型的构建方法、装置、终端设备和存储介质
CN110705975B (zh) 一种扣款指令发起方法及装置
CN109697528A (zh) 营收数据预测方法、装置、计算机设备和存储介质
CN113837183B (zh) 基于实时挖掘的多阶段凭证智能生成方法、系统及介质
CN117815674B (zh) 游戏信息的推荐方法、装置、计算机可读介质及电子设备
CN114611478B (zh) 一种基于人工智能的信息处理方法、系统及云平台

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: 20210901

Address after: 101599 room 313-3111, floor 3, Shanshui building, No. 3 Gulou East Street, Miyun District, Beijing

Applicant after: Beijing Digital 100 Information Technology Co.,Ltd.

Address before: No. 603-9, building A6, phase II, Yunnan University Science Park, No. 139, Kefa Road, high tech Zone, Kunming, Yunnan 650000

Applicant before: Chen Xuan

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Data processing methods and cloud servers for big data business and AI

Effective date of registration: 20230103

Granted publication date: 20210921

Pledgee: Zhongguancun Beijing technology financing Company limited by guarantee

Pledgor: Beijing Digital 100 Information Technology Co.,Ltd.

Registration number: Y2022990000840

PE01 Entry into force of the registration of the contract for pledge of patent right