CN112927004A - 用于大数据画像的信息云计算分析方法及信息推送服务器 - Google Patents

Abstract

本申请实施例提供一种用于大数据画像的信息云计算分析方法及信息推送服务器，将运行占用的软件业务服务划分为运行占用较小的软件微服务，由于一个软件微服务内的服务运行节点数量少于整个软件业务服务内的服务运行节点的数量，因此，通过画像分类网络模型确定一个软件微服务对应的第一单位服务画像的时间较短，且确定多个软件微服务对应的第一单位服务画像是通过不同的画像分类网络模型并行实现的，可以减少画像关联过程占用的时间，进而减少确定软件业务服务内的服务对象的整体服务画像的时间，提高了整体服务画像生成的效率，改善后续应用过程中的更新延迟现象。

Description

用于大数据画像的信息云计算分析方法及信息推送服务器

技术领域

本申请涉及大数据技术领域，具体而言，涉及一种用于大数据画像的信息云计算分析方法及信息推送服务器。

背景技术

在服务画像生成的过程中，可以将软件业务服务中多个服务运行节点生成的大量的微服务运行数据进行关联，从而确定服务对象在软件业务服务中的整体服务画像，以用于各类与服务画像相关的应用，例如，利用服务画像进行相关的热点信息推送等。但微服务运行数据的数量通常比较多，导致进行服务画像关联计算需要耗费较长的时间，进而导致生成的服务画像的效率较低，可能造成后续的应用更新的延迟。

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用于大数据画像的信息云计算分析方法及信息推送服务器，可以预先将软件业务服务划分为多个软件微服务，如此，可以分别确定每个软件微服务对应的第一单位服务画像，在确定过程中对于不同的软件微服务可以通过不同的画像分类网络模型来实现，且一个网络单元用于基于一个软件微服务内的服务运行节点发送的服务对象的微服务运行数据确定对应的第一单位服务画像，确定每个软件微服务对应的第一单位服务画像后，可以将多个软件微服务对应的第一单位服务画像进行区域间关联，得到软件业务服务内服务对象的整体服务画像。如此，将运行占用的软件业务服务划分为运行占用较小的软件微服务，由于一个软件微服务内的服务运行节点数量少于整个软件业务服务内的服务运行节点的数量，因此，通过画像分类网络模型确定一个软件微服务对应的第一单位服务画像的时间较短，且确定多个软件微服务对应的第一单位服务画像是通过不同的画像分类网络模型并行实现的，可以减少画像关联过程占用的时间，进而减少确定软件业务服务内的服务对象的整体服务画像的时间，提高了整体服务画像生成的效率，改善后续应用过程中的更新延迟现象。

第一方面，本申请提供一种用于大数据画像的信息云计算分析方法，应用于信息推送服务器，所述信息推送服务器与多个移动软件服务端通信连接，所述信息推送服务器根据云计算平台实现，所述方法包括：

分别通过多个画像分类网络模型基于多个软件微服务内的服务运行节点发送的服务对象的微服务运行数据，确定所述多个软件微服务中每个软件微服务对应的第一单位服务画像，其中，一个画像分类网络模型用于基于一个软件微服务内的服务对象的微服务运行数据确定对应的第一单位服务画像，所述多个软件微服务是对软件业务服务进行业务区分后得到；

基于所述多个软件微服务中每个软件微服务对应的第一单位服务画像，确定所述软件业务服务内的服务对象的整体服务画像。

在第一方面的一种可能的示例设计中，所述分别通过多个画像分类网络模型基于多个软件微服务内的服务运行节点发送的服务对象的微服务运行数据，确定所述多个软件微服务中每个软件微服务对应的第一单位服务画像的步骤，包括：

对于所述多个画像分类网络模型中的第一画像分类网络模型，通过所述第一画像分类网络模型获取在上一个画像获取节点所确定的第一软件微服务对应的第二单位服务画像，所述第一画像分类网络模型为所述多个画像分类网络模型中的任一画像分类网络模型，所述第一软件微服务为所述多个软件微服务中的一个软件微服务；

通过所述第一画像分类网络模型基于所获取的第二单位服务画像与所述第一软件微服务内的服务对象的微服务运行数据，确定所述第一软件微服务对应的第一单位服务画像。

在第一方面的一种可能的示例设计中，所述通过所述第一画像分类网络模型基于所获取的第二单位服务画像与所述第一软件微服务内的服务对象的微服务运行数据，确定所述第一软件微服务对应的第一单位服务画像的步骤，包括：

若通过所述第一画像分类网络模型确定所获取的第二单位服务画像中存在未处理服务运行数据，将所述第一软件微服务内的服务对象的微服务运行数据与所述未处理服务运行数据进行关联，所述未处理服务运行数据是指所包括的服务数据片段中末尾服务数据片段对应的微服务运行数据的画像分类时间大于画像分类时间阈值的第二单位服务画像；

通过所述第一画像分类网络模型将关联后的服务运行数据进行画像分类以确定所述第一软件微服务对应的第一单位服务画像。

在第一方面的一种可能的示例设计中，所述基于所述多个软件微服务中每个软件微服务对应的第一单位服务画像，确定所述软件业务服务内的服务对象的整体服务画像的步骤，包括：

对于所述多个软件微服务中的每个软件微服务，若所述软件业务服务内存在与每个软件微服务有关联业务程序接口的其它软件微服务，获取在上一个画像获取节点确定的所述软件业务服务内的服务对象的整体服务画像，得到过往整体服务画像；

若所述过往整体服务画像中包括与每个软件微服务有关联业务程序接口的其它软件微服务对应的服务画像，且所述过往整体服务画像中包括与每个软件微服务对应的第一单位服务画像属于同一服务对象的服务画像，将每个软件微服务对应的第一单位服务画像与所述过往整体服务画像中属于同一服务对象的服务画像进行关联；

将每个软件微服务关联后的服务画像进行关联，得到所述软件业务服务内的服务对象的整体服务画像。

在第一方面的一种可能的示例设计中，所述方法还包括：

基于所述软件业务服务的微服务架构信息，确定第一微服务特征信息，所述第一微服务特征信息包括所述软件业务服务内的多个服务运行节点的微服务程序之间的关联业务程序接口信息，其中，所述关联业务程序接口信息的数量为至少一个，且一个关联业务程序接口信息包括一组服务运行节点标签，一组服务运行节点标签包括至少两个服务运行节点标签；

若至少一组服务运行节点标签中包括所述第一软件微服务内的服务运行节点的服务运行节点标签，且包括所述第一软件微服务内的服务运行节点的服务运行节点标签的组中存在存在逻辑业务关联的软件微服务内的服务运行节点的服务运行节点标签，确定存在与所述第一软件微服务存在关联业务程序接口的其它软件微服务，所述存在逻辑业务关联的软件微服务为所述多个软件微服务中与所述第一软件微服务相邻的软件微服务。

在第一方面的一种可能的示例设计中，所述方法还包括：

获取所述软件业务服务内的多个服务运行节点的服务运行范围信息、本节点的服务运行范围信息、以及所述软件业务服务的服务配置信息，所述服务配置信息为与所述软件业务服务内的服务运行节点及服务对象关联配置的信息；

基于所述多个服务运行节点的服务运行范围信息、本节点的服务运行范围信息、以及所述服务配置信息，确定画像分类网络模型数量，所述画像分类网络模型数量是指生成所述软件业务服务内的服务对象的整体服务画像所需的画像分类网络模型的数量；

基于所述画像分类网络模型数量和所述软件业务服务的微服务架构信息，将所述软件业务服务划分成所述多个软件微服务；

其中，所述服务运行节点的服务运行范围信息包括对应的服务运行节点的服务运行业务区域信息，本节点的服务运行范围信息包括本节点的业务边界区域信息，所述服务配置信息包括所述软件业务服务内的服务运行节点的分布情况、服务对象的服务数据量分布及服务对象的综合画像分类需求量；其中，所述服务运行业务区域信息包括对应的服务运行节点的业务项目数量，所述业务边界区域信息是指本节点包括的单个画像分类网络模型能够进行关联计算的最边缘的服务数据片段数，所述分布情况是指所述软件业务服务内的关联业务程序接口对应的服务运行节点的分布平均数量，所述服务数据量分布是指在所述软件业务服务内单位统计时段单位统计区域的服务对象的数据量，所述综合画像分类需求量是指服务对象在所述软件业务服务内单位时间内进行画像分类的平均次数；

所述基于所述多个服务运行节点的服务运行范围信息、本节点的服务运行范围信息、以及所述服务配置信息，确定画像分类网络模型数量的步骤，包括：

基于所述多个服务运行节点的服务运行业务区域信息、本节点的业务边界区域信息、以及所述软件业务服务内的服务运行节点的分布情况、服务对象的服务数据量分布及服务对象的综合画像分类需求量，确定所述画像分类网络模型数量。

在第一方面的一种可能的示例设计中，所述基于所述画像分类网络模型数量和所述软件业务服务的微服务架构信息，将所述软件业务服务划分成所述多个软件微服务的步骤，包括：

将所述软件业务服务中包括的服务运行节点数量与所述画像分类网络模型数量相除，得到目标数值；

基于所述微服务架构信息，确定第二微服务特征信息，所述第二微服务特征信息包括每个服务运行节点所处微服务程序的微服务定位信息以及所述软件业务服务中微服务分割节点的定位信息；

对所述软件业务服务中的多个服务运行节点进行遍历；

每遍历到一个服务运行节点，若基于当前遍历到的服务运行节点所处微服务程序的微服务定位信息、上一个遍历到的服务运行节点所处微服务程序的微服务定位信息、所述软件业务服务中微服务分割节点的定位信息，确定所述当前遍历到的服务运行节点与所述上一个遍历到的服务运行节点处于同一联动的微服务程序内，确定所述上一个遍历到的服务运行节点对应的软件微服务中的服务运行节点数量；

若所述上一个遍历到的服务运行节点对应的软件微服务中服务运行节点数量小于所述目标数值，将所述当前遍历到的服务运行节点对应的微服务程序划分至所述上一个遍历到的服务运行节点对应的软件微服务中；

若所述上一个遍历到的服务运行节点对应的软件微服务中服务运行节点的数量大于或等于所述目标数值，将所述当前遍历到的服务运行节点对应的微服务程序确定为一个新的软件微服务；以及

若基于当前遍历到的服务运行节点所处微服务程序的微服务定位信息、上一个遍历到的服务运行节点所处微服务程序的微服务定位信息、所述软件业务服务中微服务分割节点的定位信息，确定所述当前遍历到的服务运行节点与所述上一个遍历到的服务运行节点处于不同的联动的微服务程序内，将所述当前遍历到的服务运行节点对应的微服务程序确定为一个新的软件微服务。

在第一方面的一种可能的示例设计中，所述方法还包括：

根据所述软件业务服务内的服务对象的整体服务画像，向所述服务对象所对应的移动软件服务端发送推送热点信息；

其中，所述根据所述软件业务服务内的服务对象的整体服务画像，向所述服务对象所对应的移动软件服务端发送推送热点信息的步骤，包括：

根据所述整体服务画像，获取包含候选热点数据源的目标热点主题分布信息，对所述目标热点主题分布信息进行主题迁移行为识别处理，得到所述目标热点主题分布信息对应的热点主题迁移行为内容；

获取所述目标热点主题分布信息对应的目标主题提取模型，通过所述目标主题提取模型从所述热点主题迁移行为内容中提取第一主题迁移分量和第二主题迁移分量，将所述第一主题迁移分量和所述第二主题迁移分量进行主题迁移分量融合，得到与所述目标热点主题分布信息相关联的主题迁移行为内容的全局主题迁移分量；

根据所述主题迁移行为内容的全局主题迁移分量、所述目标主题提取模型，对所述热点主题迁移行为内容进行主题完整迁移事件解析，得到所述热点主题迁移行为内容对应的主题完整迁移事件解析结果；

若所述主题完整迁移事件解析结果表征所述目标热点主题分布信息中存在满足数主题完整迁移指标的热点主题迁移行为内容，则将所述候选热点数据源确定为目标数据源，确认用于指示将所述目标热点主题分布信息推送至与所述移动软件服务端的数据推送进程。

在第一方面的一种可能的示例设计中，所述热点主题迁移行为内容的内容块数量为多个；所述获取所述目标热点主题分布信息对应的目标主题提取模型，通过所述目标主题提取模型从所述热点主题迁移行为内容中提取第一主题迁移分量和第二主题迁移分量，将所述第一主题迁移分量和所述第二主题迁移分量进行主题迁移分量融合，得到与所述目标热点主题分布信息相关联的主题迁移行为内容的全局主题迁移分量的步骤，包括：

获取所述目标热点主题分布信息对应的目标主题提取模型；所述目标主题提取模型包括：订阅主题迁移分量提取网络和非订阅主题迁移分量提取网络；

通过所述订阅主题迁移分量提取网络从每个所述热点主题迁移行为内容中提取主题迁移分量编码段，根据提取到的每个所述热点主题迁移行为内容的主题迁移分量编码段确定所述第一主题迁移分量；

通过所述非订阅主题迁移分量提取网络从每个所述热点主题迁移行为内容中提取主题迁移分量变化信息，根据提取到的每个所述热点主题迁移行为内容的主题迁移分量变化信息确定所述第二主题迁移分量；

将每个所述热点主题迁移行为内容的第一主题迁移分量和对应所述热点主题迁移行为内容的第二主题迁移分量进行主题迁移分量融合，得到每个所述热点主题迁移行为内容的全局主题迁移分量，将每个所述热点主题迁移行为内容的全局主题迁移分量确定为与所述目标热点主题分布信息相关联的主题迁移行为内容的全局主题迁移分量；

其中，所述目标主题提取模型包括：迁移识别网络；所述迁移识别网络用于对所述目标热点主题分布信息中的所述热点主题迁移行为内容所属的热点主题分布信息进行迁移节点追踪；

所述根据所述主题迁移行为内容的全局主题迁移分量、所述目标主题提取模型，对所述热点主题迁移行为内容进行主题完整迁移事件解析，得到所述热点主题迁移行为内容对应的主题完整迁移事件解析结果，包括：

将所述主题迁移行为内容的全局主题迁移分量输入至所述目标主题提取模型中的所述迁移识别网络，由所述迁移识别网络确定所述主题迁移行为内容的全局主题迁移分量与所述迁移识别网络中的多个样本主题迁移分量之间的迁移匹配信息；所述迁移匹配信息用于表征所述主题迁移行为内容的全局主题迁移分量分别与每个样本主题迁移分量对应于相同热点主题分布信息的迁移关系信息；

基于所述迁移匹配信息，在所述多个样本主题迁移分量中获取与所述主题迁移行为内容的全局主题迁移分量具有最大迁移分量值的样本主题迁移分量，将所述具有最大迁移分量的样本主题迁移分量作为目标样本主题迁移分量；

将所述目标样本主题迁移分量对应的样本主题分布作为所述主题迁移行为内容的全局主题迁移分量对应的目标热点主题分布信息，基于所述目标热点主题分布信息以及与所述目标热点主题分布信息相关联的最大迁移分量，确定对所述目标热点主题分布信息中的所述热点主题迁移行为内容进行迁移节点追踪后的主题完整迁移事件解析结果。

第二方面，本申请实施例还提供一种用于大数据画像的信息云计算分析装置，应用于信息推送服务器，所述信息推送服务器与多个移动软件服务端通信连接，所述信息推送服务器根据云计算平台实现，所述装置包括：

第一确定模块，用于分别通过多个画像分类网络模型基于多个软件微服务内的服务运行节点发送的服务对象的微服务运行数据，确定所述多个软件微服务中每个软件微服务对应的第一单位服务画像，其中，一个画像分类网络模型用于基于一个软件微服务内的服务对象的微服务运行数据确定对应的第一单位服务画像，所述多个软件微服务是对软件业务服务进行业务区分后得到；

第二确定模块，用于基于所述多个软件微服务中每个软件微服务对应的第一单位服务画像，确定所述软件业务服务内的服务对象的整体服务画像。

第三方面，本申请实施例还提供一种用于大数据画像的信息云计算分析系统，所述用于大数据画像的信息云计算分析系统包括信息推送服务器以及与所述信息推送服务器通信连接的多个移动软件服务端；

所述信息推送服务器，用于：

分别通过多个画像分类网络模型基于多个软件微服务内的服务运行节点发送的服务对象的微服务运行数据，确定所述多个软件微服务中每个软件微服务对应的第一单位服务画像，其中，一个画像分类网络模型用于基于一个软件微服务内的服务对象的微服务运行数据确定对应的第一单位服务画像，所述多个软件微服务是对软件业务服务进行业务区分后得到；

基于所述多个软件微服务中每个软件微服务对应的第一单位服务画像，确定所述软件业务服务内的服务对象的整体服务画像。

第四方面，本申请实施例还提供一种信息推送服务器，所述信息推送服务器包括处理器、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移动软件服务端通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行第一方面或者第一方面中任意一个可能的设计示例中的用于大数据画像的信息云计算分析方法。

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设计示例中的用于大数据画像的信息云计算分析方法。

根据上述任意一个方面，本申请可以预先将软件业务服务划分为多个软件微服务，如此，可以分别确定每个软件微服务对应的第一单位服务画像，在确定过程中对于不同的软件微服务可以通过不同的画像分类网络模型来实现，且一个网络单元用于基于一个软件微服务内的服务运行节点发送的服务对象的微服务运行数据确定对应的第一单位服务画像，确定每个软件微服务对应的第一单位服务画像后，可以将多个软件微服务对应的第一单位服务画像进行区域间关联，得到软件业务服务内服务对象的整体服务画像。如此，将运行占用的软件业务服务划分为运行占用较小的软件微服务，由于一个软件微服务内的服务运行节点数量少于整个软件业务服务内的服务运行节点的数量，因此，通过画像分类网络模型确定一个软件微服务对应的第一单位服务画像的时间较短，且确定多个软件微服务对应的第一单位服务画像是通过不同的画像分类网络模型并行实现的，可以减少画像关联过程占用的时间，进而减少确定软件业务服务内的服务对象的整体服务画像的时间，提高了整体服务画像生成的效率，改善后续应用过程中的更新延迟现象。

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用于大数据画像的信息云计算分析系统的应用场景示意图；

图2为本申请实施例提供的用于大数据画像的信息云计算分析方法的流程示意图；

图3为本申请实施例提供的用于大数据画像的信息云计算分析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用于大数据画像的信息云计算分析方法的信息推送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用于大数据画像的信息云计算分析系统10的交互示意图。用于大数据画像的信息云计算分析系统10可以包括信息推送服务器100以及与信息推送服务器100通信连接的移动软件服务端200。图1所示的用于大数据画像的信息云计算分析系统10仅为一种可行的示例，在其它可行的实施例中，该用于大数据画像的信息云计算分析系统10也可以仅包括图1所示组成部分的其中的至少部分或者还可以包括其它的组成部分。

根据本申请提供的技术方案的发明构思出发，本申请提供的信息推送服务器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、区块链金融服务平台等，但不限于此。

本实施例中，用于大数据画像的信息云计算分析系统10中的信息推送服务器100和移动软件服务端200可以通过配合执行以下方法实施例所描述的用于大数据画像的信息云计算分析方法，具体信息推送服务器100和移动软件服务端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用于大数据画像的信息云计算分析方法的流程示意图，本实施例提供的用于大数据画像的信息云计算分析方法可以由图1中所示的信息推送服务器100执行，下面对该用于大数据画像的信息云计算分析方法进行详细介绍。

步骤S110，分别通过多个画像分类网络模型基于多个软件微服务内的服务运行节点发送的服务对象的微服务运行数据，确定多个软件微服务中每个软件微服务对应的第一单位服务画像，其中，一个画像分类网络模型用于基于一个软件微服务内的服务对象的微服务运行数据确定对应的第一单位服务画像，多个软件微服务是对软件业务服务进行业务区分后得到。

其中，多个软件微服务可以是预先对软件业务服务进行划分等到的，例如在本实施例中，可以直接使用划分好的多个软件微服务。

其中，微服务运行数据可以包括多个服务数据片段，该多个服务数据片段是发送该微服务运行数据的服务运行节点的微服务程序内的服务对象的服务数据片段，即服务运行节点对微服务程序内的服务对象进行服务运行记录，确定服务对象的微服务运行数据并发送至本节点。

在一种可能的设计示例中，每个服务数据片段可以对应有服务位置节点信息以及对应的服务对象的服务对象意图特征，该目标意图特征可以包括服务对象的整体意图特征和局部意图特征，且目标意图特征是通过相应的服务运行节点对服务对象进行意图识别得到的。

其中，画像分类网络模型是信息推送服务器100中的一个神经网络引擎的程序单元，用于对一个软件微服务内的微服务运行数据进行关联计算，得到该软件微服务内的服务对象的第一单位服务画像。

在一种可能的设计示例中，信息推送服务器100可以接收软件业务服务内的多个服务运行节点发送的服务对象的微服务运行数据，该微服务运行数据可以包括服务运行节点的服务运行节点标签，然后信息推送服务器100根据预先存储的每个软件微服务包括的服务运行节点的服务运行节点标签，将多个服务运行节点发送的服务对象的微服务运行数据分别发送给对应的画像分类网络模型，同一个软件微服务包括的服务运行节点发送的微服务运行数据发送至同一个画像分类网络模型，然后由一个画像分类网络模型基于获取的一个软件微服务内服务对象的微服务运行数据确定该软件微服务对应的第一单位服务画像。

在一种可能的设计示例中，分别通过多个画像分类网络模型基于多个软件微服务内的服务运行节点发送的服务对象的微服务运行数据，确定多个软件微服务中每个软件微服务对应的第一单位服务画像的具体实现可以包括：对于多个画像分类网络模型中的第一画像分类网络模型，通过第一画像分类网络模型获取在上一个画像获取节点所确定的第一软件微服务对应的第二单位服务画像，第一画像分类网络模型为多个画像分类网络模型中的任一画像分类网络模型，第一软件微服务为多个软件微服务中的一个软件微服务。通过第一画像分类网络模型基于所获取的第二单位服务画像与第一软件微服务内的服务对象的微服务运行数据，确定第一软件微服务对应的第一单位服务画像。

其中，画像获取节点指的是一个持续时间段，或者一个随机触发时间段。在一种可能的设计示例中，服务对象的服务画像是周期性进行关联的，一个画像获取节点即为一个画像周期，且每隔一个画像获取节点，获取一次服务运行节点发送的服务对象的微服务运行数据。例如，画像获取节点可以为一天，即服务运行节点每一天上报该一天内确定的微服务运行数据。

其中，第二单位服务画像的数量可以为至少一个，且每个第二单位服务画像可以对应包括多个服务数据片段。

也就是说，对于多个软件微服务中的每个软件微服务，均可以通过上述方式确定每个软件微服务对应的第一单位服务画像。以第一软件微服务为例，在一个软件微服务内，需要将同一个服务对象在不同画像获取节点的服务画像关联起来，即将同一个服务对象在不同画像获取节点的服务画像与相同的微服务对象标签关联起来，更具体来说，是将同一个服务对象的微服务对象标签从上一个画像获取节点的第二单位服务画像延续到下一个画像获取节点的微服务运行数据，其中，微服务对象标签用于在软件微服务唯一标识一个服务对象。因此，需要通过该第一软件微服务对应的第一网络单元，获取上一个画像获取节点所确定的该第一软件微服务对应的第二单位服务画像，然后根据该第二单位服务画像和获取的该第一软件微服务内至少一个服务运行节点发送的服务对象的微服务运行数据，确定该第一软件微服务对应的第一单位服务画像。

在一种可能的设计示例中，可以直接将第二单位服务画像和第一软件微服务内服务对象的微服务运行数据进行关联，得到第一软件微服务对应的第一单位服务画像。

在一种可能的设计示例中，对于第一软件微服务内服务对象的微服务运行数据中的每个微服务运行数据，可以将每个微服务运行数据对应的服务画像与第二单位服务画像进行比对，确定每个微服务运行数据对应的服务画像与第二单位服务画像的匹配度，若对于每个微服务运行数据对应的服务画像存在匹配度大于匹配度阈值的第二单位服务画像，将每个微服务运行数据对应的服务画像与对应的匹配度大于匹配度阈值的第二单位服务画像进行关联，得到第一软件微服务对应的第一单位服务画像。

其中，以上匹配度阈值可以由用户根据实际需求进行设置，也可以由信息推送服务器100默认设置，本申请实施例对此不做限定。例如，匹配度阈值可以为0.75。

在一种可能的设计示例中，以第一软件微服务内服务对象的参考微服务运行数据为例，可以确定参考微服务运行数据对应的服务画像与每个第二单位服务画像的匹配度，若存在匹配度大于匹配度阈值的第二单位服务画像，将匹配度大于匹配度阈值的第二单位服务画像对应的微服务对象标签确定为该参考微服务运行数据的微服务对象标签。

其中，参考微服务运行数据是第一软件微服务内服务对象的微服务运行数据中一个微服务运行数据。

示例性地，假设上一个画像获取节点内第一软件微服务包括两个第二单位服务画像，这两个第二单位服务画像对应的微服务对象标签分别为A和B，当前画像获取节点内第一软件微服务包括两个微服务运行数据，记为微服务运行数据C和微服务运行数据D。对于微服务运行数据C，可以确定微服务运行数据C与A对应的服务画像的匹配度，以及微服务运行数据C与B对应的服务画像的匹配度，若微服务运行数据C与A对应的服务画像的匹配度大于匹配度阈值，可以确定微服务运行数据C与A对应的服务画像是同一个服务对象的服务画像，可以将微服务运行数据C的微服务对象标签确定为A。同理，对于微服务运行数据D，可以确定微服务运行数据D与A对应的服务画像的匹配度，以及微服务运行数据D与B对应的服务画像的匹配度，若微服务运行数据D与B对应的服务画像的匹配度大于匹配度阈值，可以确定微服务运行数据D与B对应的服务画像是同一个服务对象的服务画像，可以将微服务运行数据D的微服务对象标签确定为B。如此，便实现了将微服务运行数据C和D与第二单位服务画像相关联的目的。

譬如在一种可能的设计示例中，确定参考微服务运行数据对应的服务画像与参考第二单位服务画像的匹配度的具体实现可以包括：确定参考微服务运行数据中目标意图特征与参考第二单位服务画像的服务对象意图特征的第一匹配度，以及参考微服务运行数据中距离当前时间最远的服务数据片段的数据特征与参考第二单位服务画像中距离当前时间最近的服务数据片段的数据特征的第二匹配度，将第一匹配度和第二匹配度进行加权求和取平均，得到参考微服务运行数据对应的服务画像与参考第二单位服务画像的匹配度。

进一步地，若不存在匹配度大于匹配度阈值的第二单位服务画像，可以为参考微服务运行数据对应的标签确定一个新的微服务对象标签。

在另一些实施例中，通过第一画像分类网络模型基于所获取的第二单位服务画像与第一软件微服务内的服务对象的微服务运行数据，确定第一软件微服务对应的第一单位服务画像的具体实现可以包括：若通过第一画像分类网络模型确定所获取的第二单位服务画像中存在未处理服务运行数据，将第一软件微服务内的服务对象的微服务运行数据与未处理服务运行数据进行关联，未处理服务运行数据是指所包括的服务数据片段中末尾服务数据片段对应的微服务运行数据的画像分类时间大于画像分类时间阈值的第二单位服务画像。通过第一画像分类网络模型将关联后的服务运行数据进行画像分类以确定第一软件微服务对应的第一单位服务画像。

其中，画像分类时间阈值可以由用户根据实际需求进行设置，也可以由信息推送服务器100默认设置，本申请实施例对此不做限定。

其中，第二单位服务画像对应的微服务运行数据可能是由多个微服务运行数据组成的，在该种情况下，末尾服务数据片段对应的微服务运行数据的画像分类时间指的是每个第二单位服务画像中最后一个服务数据片段对应的微服务运行数据的微服务运行数据的画像分类时间，即第二单位服务画像中包括的最后一个微服务运行数据的微服务运行数据的画像分类时间。

以画像获取节点是一天24个小时为例，若一个服务对象在一个软件微服务内的服务画像没有结束，在一个画像获取节点内该服务对象在该软件微服务内是一直有服务画像的，若该服务对象的微服务运行数据的微服务运行数据的画像分类时间为20个小时，说明在后4个小时该服务对象在该软件微服务内可能没有更新服务画像了，可以认为该服务对象可能已经离开了该软件微服务，因此，可以将该服务对象的20个小时的微服务运行数据确定为结束服务画像，但若该服务对象的微服务运行数据的画像分类时间为23个小时，说明有1个小时可能是没有服务画像的，但1个小时的时间很短，很可能出现误判，因此，将该服务对象的23个小时的微服务运行数据确定为未处理服务运行数据。

在该种实现方式中，在上一个画像获取节点已经结束的服务画像对应的服务对象可能已经离开该第一软件微服务，因此在当前画像获取节点内没有该服务对象的微服务运行数据，即当前画像获取节点内的服务对象的微服务运行数据对应的服务画像与已经结束的服务画像是关联不上的，若将获取的所有的第二单位服务画像与服务对象的微服务运行数据进行关联，会增加画像分类网络模型的计算量，进增加确定第一单位服务画像的时间。因此，可以先确定出获取的第二单位服务画像中的未处理服务运行数据，然后将未处理服务运行数据与第一软件微服务内的服务对象的微服务运行数据进行关联，得到第一软件微服务对应的第一单位服务画像。

在一种可能的设计示例中，确定存在未处理服务运行数据后，将第一软件微服务内的服务对象的微服务运行数据与未处理服务运行数据进行关联的具体实现可以包括：对于第一软件微服务内服务对象的微服务运行数据中的每个微服务运行数据，可以将每个微服务运行数据与未处理服务运行数据进行比对，确定每个微服务运行数据与未处理服务运行数据的匹配度，若对于每个微服务运行数据存在匹配度大于匹配度阈值的未处理服务运行数据，将每个微服务运行数据与对应的匹配度大于匹配度阈值的未处理服务运行数据进行关联。

示例性地，以第一软件微服务内服务对象的参考微服务运行数据为例，可以确定参考微服务运行数据对应的服务画像与每个未处理服务运行数据的匹配度，若存在匹配度大于匹配度阈值的未处理服务运行数据，将匹配度大于匹配度阈值的未处理服务运行数据对应的微服务对象标签确定为该参考微服务运行数据的微服务对象标签。

需要说明的是，确定匹配度的具体实现方式参见上一个实施例的相关描述，本实施例在此不再赘述。

确定完第一软件微服务内的每个服务对象的微服务运行数据的微服务对象标签后，可以通过第一画像分类网络模型将关联后的服务运行数据进行画像分类以确定第一软件微服务对应的第一单位服务画像。

在一种可能的设计示例中，确定第一软件微服务对应的第一单位服务画像之后，可以确定第一单位服务画像中的未处理服务运行数据，然后将未处理服务运行数据存储至未处理服务运行数据缓存列表中。

步骤S120，基于多个软件微服务中每个软件微服务对应的第一单位服务画像，确定软件业务服务内的服务对象的整体服务画像。

在一种可能的设计示例中，将当前画像获取节点内每个软件微服务对应的第一单位服务画像确定完之后，可以进行软件微服务之间的服务画像关联，确定软件业务服务内服务对象的整体服务画像。

在一种可能的设计示例中，基于多个软件微服务中每个软件微服务对应的第一单位服务画像，确定软件业务服务内的服务对象的整体服务画像的具体实现可以包括：对于多个软件微服务中的每个软件微服务，若软件业务服务内存在与每个软件微服务有关联业务程序接口的其它软件微服务，获取在上一个画像获取节点确定的软件业务服务内的服务对象的整体服务画像，得到过往整体服务画像。若过往整体服务画像中包括与每个软件微服务有关联业务程序接口的其它软件微服务对应的服务画像，且过往整体服务画像中包括与每个软件微服务对应的第一单位服务画像属于同一服务对象的服务画像，将每个软件微服务对应的第一单位服务画像与过往整体服务画像中属于同一服务对象的服务画像进行关联。将每个软件微服务关联后的服务画像进行关联，得到软件业务服务内的服务对象的整体服务画像。

也就是说，对于每个软件微服务，可以先判断软件业务服务内是否存在与每个软件微服务有关联业务程序接口的其它软件微服务，若存在，可以获取上一个画像获取节点内确定的软件业务服务内服务对象的整体服务画像。为了便于描述，将获取的上一个画像获取节点内服务对象的整体服务画像称为过往整体服务画像。

判断该过往整体服务画像中是否存在与每个软件微服务存在关联业务程序接口的其它软件微服务对应的服务画像，若存在，判断过往整体服务画像中是否包括与每个软件微服务对应的第一单位服务画像属于同一服务对象的服务画像，为了便于描述，将与每个软件微服务对应的第一单位服务画像属于同一服务对象的服务画像称为同目标服务画像，若过往整体服务画像中包括每个软件微服务对应的同目标服务画像，可以将每个软件微服务对应的第一单位服务画像与每个软件微服务对应的同目标服务画像进行关联，将每个软件微服务关联后的服务画像相互之间进行关联，得到软件业务服务内服务对象的整体服务画像。

在一种可能的设计示例中，以第一软件微服务为例，可以通过第一画像分类网络模型判断软件业务服务内是否存在与第一软件微服务有关联业务程序接口的其它软件微服务，若存在，信息推送服务器100可以获取上一个画像获取节点确定的软件业务服务内服务对象的整体服务画像，得到过往整体服务画像，然后判断过往整体服务画像中是否包括与第一软件微服务存在关联业务程序接口的其它软件微服务对应的服务画像，若存在，判断过往整体服务画像中是否包括与第一软件微服务对应的第一单位服务画像属于同一服务对象的服务画像，若包括，则将第一软件微服务对应的第一单位服务画像与过往整体服务画像中属于同一服务对象的服务画像进行关联，得到第一软件微服务关联后的服务画像。

在一种可能的设计示例中，可以通过如下方式确定软件业务服务内存在与第一软件微服务存在关联业务程序接口的其它软件微服务：基于软件业务服务的微服务架构信息，确定第一微服务特征信息，第一微服务特征信息包括软件业务服务内的多个服务运行节点的微服务程序之间的关联业务程序接口信息，其中，关联业务程序接口信息的数量为至少一个，且一个关联业务程序接口信息包括一组服务运行节点标签，一组服务运行节点标签包括至少两个服务运行节点标签。若至少一组服务运行节点标签中包括第一软件微服务内的服务运行节点的服务运行节点标签，且包括第一软件微服务内的服务运行节点的服务运行节点标签的组中存在存在逻辑业务关联的软件微服务内的服务运行节点的服务运行节点标签，确定存在与第一软件微服务存在关联业务程序接口的其它软件微服务，存在逻辑业务关联的软件微服务为多个软件微服务中与第一软件微服务相邻的软件微服务。

也就是说，可以根据软件业务服务的微服务架构信息，确定软件业务服务内的多个服务运行节点的微服务程序之间的关联业务程序接口信息，由于一个关联业务程序接口信息包括一组服务运行节点标签，因此可以确定至少一组服务运行节点标签，若确定的至少一组服务运行节点标签中包括第一软件微服务内的服务运行节点的服务运行节点标签，且包括第一软件微服务内的服务运行节点的服务运行节点标签的组中存在存在逻辑业务关联的软件微服务内的服务运行节点的服务运行节点标签，即确定的至少一组服务运行节点标签中存在参考组，该参考组中包括第一软件微服务内的服务运行节点的服务运行节点标签以及存在逻辑业务关联的软件微服务内的服务运行节点的服务运行节点标签，说明该存在逻辑业务关联的软件微服务与第一软件微服务存在关联业务程序接口，因此可以确定存在与第一软件微服务存在关联业务程序接口的其它软件微服务。

进一步地，在一种可能的设计示例中，若存在与第一软件微服务存在关联业务程序接口的其它软件微服务，可以将该第一软件微服务对应的第一单位服务画像存入画像缓存序列中，以便后续服务画像关联时可以直接从缓存中获取。若不存在与第一软件微服务存在关联业务程序接口的其它软件微服务，不需要将该第一软件微服务对应的第一单位服务画像与过往整体服务画像进行关联，可以在下一个画像获取节点开始时继续执行确定该第一软件微服务对应的第一单位服务画像的步骤。

在一种可能的设计示例中，信息推送服务器100可以预先存储软件微服务与多个服务运行节点的对应关系，以及多个软件微服务之间的布局关系。因此，确定至少一组服务运行节点标签后，可以确定每个服务运行节点标签指示的服务运行节点所属的软件微服务，因此，可以根据服务运行节点标签与软件微服务的对应关系，确定至少一组服务运行节点标签中属于第一软件微服务的服务运行节点标签，以及属于存在逻辑业务关联的软件微服务的服务运行节点标签，进而在确定至少一组服务运行节点标签中存在参考组，且该参考组中包括第一软件微服务内的服务运行节点的服务运行节点标签以及存在逻辑业务关联的软件微服务内的服务运行节点的服务运行节点标签的情况下，可以认为软件业务服务内存在与第一软件微服务存在关联业务程序接口的其它软件微服务。

在一种可能的设计示例中，可以通过如下方式确定过往整体服务画像中包括与第一软件微服务存在关联业务程序接口的其它软件微服务对应的服务画像：在确定软件业务服务内存在与第一软件微服务存在关联业务程序接口的其它软件微服务时，可以获取所有包括第一软件微服务内的服务运行节点的服务运行节点标签和存在逻辑业务关联的软件微服务内的服务运行节点的服务运行节点标签的组，确定每个存在逻辑业务关联的软件微服务的软件微服务标识，得到重合软件微服务标识。由于过往整体服务画像中每一条整体服务画像可以包括对应的软件微服务的软件微服务标识，因此，可以确定过往整体服务画像中是否存在与关联业务程序接口标识对应的服务画像，若存在，可以认为过往整体服务画像中包括与第一软件微服务存在关联业务程序接口的其它软件微服务对应的服务画像。

在一种可能的设计示例中，若过往整体服务画像中不包括与第一软件微服务存在关联业务程序接口的其它软件微服务对应的服务画像，可以将该第一软件微服务对应的第一单位服务画像存储至数据库中。

在一种可能的设计示例中，为了便于描述，将过往整体服务画像中与第一软件微服务存在关联业务程序接口的其它软件微服务对应的服务画像称为其它服务画像。确定过往整体服务画像中与第一软件微服务对应的第一单位服务画像属于同一服务对象的服务画像的具体实现可以包括：获取其它服务画像，对于第一软件微服务对应的每个第一单位服务画像，确定每个第一单位服务画像与其它服务画像的匹配度，若对于每个第一单位服务画像存在匹配度大于匹配度阈值的其它服务画像，确定过往整体服务画像中包括与每个第一单位服务画像属于同一服务对象的服务画像，并将匹配度大于匹配度阈值的服务画像确定为与对应的每个第一单位服务画像属于同一服务对象的服务画像，将属于同一服务对象的服务画像与对应的第一单位服务画像进行关联。

在一种可能的设计示例中，对于第一软件微服务中的参考第一单位服务画像，可以将该参考第一单位服务画像与每个其它服务画像进行比对，确定该参考第一单位服务画像与每个其它服务画像的匹配度，若存在匹配度大于匹配度阈值的其它服务画像，将匹配度大于匹配度阈值的其它服务画像确定为与参考第一单位服务画像属于同一服务对象的服务画像，将该参考第一单位服务画像的整体服务标签确定为该属于同一服务对象的服务画像的整体服务标签。

其中，参考第一单位服务画像为第一软件微服务内的多个第一单位服务画像中的一个单位服务画像。

其中，整体服务标签用于在软件业务服务内唯一标识一个服务对象。

在一种可能的设计示例中，假设第一软件微服务为软件微服务2，与软件微服务2存在关联业务程序接口的其它软件微服务包括软件微服务1和软件微服务3，且过往整体服务画像中包括软件微服务1和软件微服务3对应的服务画像。假设软件微服务1对应的是过往整体服务画像中整体服务标签A对应的服务画像和整体服务标签B对应的服务画像，软件微服务2对应的是过往整体服务画像中整体服务标签B对应的服务画像和整体服务标签C对应的服务画像，软件微服务3对应的过往整体服务画像是整体服务标签C对应的服务画像。软件微服务2对应的第一单位服务画像称为服务画像D、服务画像E和服务画像F。

对于服务画像D，可以分别确定服务画像D与整体服务标签A对应的服务画像的匹配度，确定服务画像D与整体服务标签B对应的服务画像的匹配度，服务画像D与整体服务标签C对应的服务画像的匹配度，假设服务画像D与整体服务标签A对应的服务画像的匹配度大于匹配度阈值，可以确定服务画像D与整体服务标签A对应的服务画像是同一个服务对象，可以将服务画像D对应的整体服务标签确定为A，将整体服务标签A在上一个画像获取节点对应的服务画像与当前画像获取节点确定的服务画像进行关联，进而将整体服务标签A指示的服务对象在不同画像获取节点在不同软件微服务内的服务画像关联起来，实现了整体服务标签A指示的服务对象的服务画像的分区画像关联。

同理，对于服务画像E，可以分别确定服务画像E与整体服务标签A对应的服务画像的匹配度，确定服务画像E与整体服务标签B对应的服务画像的匹配度，服务画像E与整体服务标签C对应的服务画像的匹配度，假设服务画像E与整体服务标签B对应的服务画像的匹配度大于匹配度阈值，可以确定服务画像E与整体服务标签B对应的服务画像是同一个服务对象，可以将服务画像E对应的整体服务标签确定为B，将整体服务标签B在上一个画像获取节点对应的服务画像与当前画像获取节点确定的服务画像进行关联，进而将整体服务标签B指示的服务对象在不同画像获取节点在不同软件微服务内的服务画像关联起来，实现了整体服务标签B指示的服务对象的服务画像的分区画像关联。

同理，对于服务画像F，可以分别确定服务画像F与整体服务标签A对应的服务画像的匹配度，确定服务画像F与整体服务标签B对应的服务画像的匹配度，服务画像F与整体服务标签C对应的服务画像的匹配度，假设服务画像E与整体服务标签B对应的服务画像的匹配度大于匹配度阈值，可以确定服务画像F与整体服务标签C对应的服务画像是同一个服务对象，可以将服务画像F对应的整体服务标签确定为C，将整体服务标签C在上一个画像获取节点对应的服务画像与当前画像获取节点确定的服务画像进行关联，进而将整体服务标签C指示的服务对象在软件微服务2中不同画像获取节点内的服务画像关联起来。

进一步地，确定参考第一单位服务画像与每个其它服务画像的匹配度后，若不存在与参考单位服务画像匹配度大于匹配度阈值的其它服务画像，可以为该参考第一单位服务画像确定一个新的整体服务标签。

在一种可能的设计示例中，对于软件业务服务中每个软件微服务对应的第一单位服务画像均关联完成后，可以确定软件业务服务内每个第一单位服务画像的整体服务标签，然后将多个软件微服务中整体服务标签相同的服务画像汇总成一条服务画像，即最后得到的软件业务服务内服务对象的整体服务画像中每条整体服务画像对应一个整体服务标签，即每条整体服务画像对应一个服务对象。

进一步地，确定软件业务服务内服务对象的整体服务画像后，可以将当前画像获取节点内确定的整体服务画像存入数据库中。

进一步地，在本申请实施例的基础上，以上方法还可以包括以下步骤：

步骤S101，获取软件业务服务内的多个服务运行节点的服务运行范围信息、本节点的服务运行范围信息、以及软件业务服务的服务配置信息，服务配置信息为与软件业务服务内的服务运行节点及服务对象关联配置的信息。

在一种可能的设计示例中，可以用Micro(M1，M2，M3...)表示软件微服务。其中，在i取不同值时，Micro表示不同的软件微服务，M1表示软件微服务内的服务运行节点1，以此类推，Mi表示软件微服务内的服务运行节点。

在一种可能的设计示例中，服务运行节点的服务运行范围信息包括对应的服务运行节点的服务运行业务区域信息，本节点的服务运行范围信息包括本节点的业务边界区域信息，服务配置信息包括软件业务服务内的服务运行节点的分布情况、服务对象的服务数据量分布及服务对象的综合画像分类需求量。其中，服务运行业务区域信息包括对应的服务运行节点的业务项目数量，业务边界区域信息是指本节点包括的单个画像分类网络模型能够进行关联计算的最边缘的服务数据片段数，分布情况是指软件业务服务内的关联业务程序接口对应的服务运行节点的分布平均数量，服务数据量分布是指在软件业务服务内单位统计时段单位统计区域的服务对象的数据量，综合画像分类需求量是指服务对象在软件业务服务内单位时间内进行画像分类的平均次数。

在一种可能的设计示例中，服务运行节点的服务运行范围信息与服务运行节点自身的预设配置相关，可以将每个服务运行节点的业务项目数量确定为对应的每个服务运行节点的服务运行范围信息。

在一种可能的设计示例中，本节点的服务运行范围信息与信息推送服务器100自身的预设配置相关，可以将本节点的单个画像分类网络模型进行关联计算的最边缘的服务数据片段数(即本节点的业务边界区域信息)确定为本节点的服务运行范围信息。

在一种可能的设计示例中，确定软件业务服务内服务运行节点的分布情况的具体实现可以包括：根据软件业务服务的微服务架构信息，确定第三微服务特征信息，该第三微服务特征信息包括软件业务服务内关联业务程序接口的数量，以及每个关联业务程序接口对应的服务运行节点的数量，基于每个关联业务程序接口对应的服务运行节点的数量确定软件业务服务内多个关联业务程序接口对应的服务运行节点的总数量，将该总数量与关联业务程序接口的数量的商确定为服务运行节点的分布情况。由此可见，软件业务服务内的服务运行节点的分布情况与软件业务服务内服务运行节点的布局相关，若软件业务服务内服务运行节点的布局不发生变化，该分布情况是不会发生变化的。

在一种可能的设计示例中，服务对象的服务数据量分布可以是由用户根据大数据得到的经验值，也可以是根据某一时间段软件业务服务内服务对象的总数量与该时间段的画像分类时间以及软件业务服务的面积确定得到的。

在一种可能的设计示例中，服务对象的综合画像分类需求量可以是由用户根据大数据得到的经验值，也可以是根据某一时间段软件业务服务内服务对象的总驻场画像分类时间与该时间段的画像分类时间确定得到的。

步骤S102，基于多个服务运行节点的服务运行范围信息、本节点的服务运行范围信息、以及服务配置信息，确定画像分类网络模型数量，画像分类网络模型数量是指生成软件业务服务内的服务对象的整体服务画像所需的画像分类网络模型的数量。

也就是说，对软件业务服务进行划分的时候，首先需要根据服务运行节点的服务运行范围信息、本节点的服务运行范围信息以及与软件业务服务内的服务运行节点及服务对象关联配置的服务配置信息确定画像分类网络模型数量，以达到能够在不浪费信息推送服务器100资源的情况下提高确定第一单位服务画像的计算效率。

在一种可能的设计示例中，基于多个服务运行节点的服务运行范围信息、本节点的服务运行范围信息、以及服务配置信息，确定画像分类网络模型数量的具体实现可以包括：基于多个服务运行节点的服务运行业务区域信息、本节点的业务边界区域信息、以及软件业务服务内的服务运行节点的分布情况、服务对象的服务数据量分布及服务对象的综合画像分类需求量，确定画像分类网络模型数量。

在一种可能的设计示例中，可以基于多个服务运行节点的服务运行业务区域信息、本节点的业务边界区域信息、以及软件业务服务内的服务运行节点的分布情况、服务对象的服务数据量分布及服务对象的综合画像分类需求量，通过如下公式确定画像分类网络模型数量：

R=（R1*R2*R3*T）/R4

其中，R表示画像分类网络模型数量，R1表示多个服务运行节点的平均服务运行业务区域信息，R2表示服务运行节点的分布情况，R3表示服务对象的服务数据量分布，T表示服务对象的综合画像分类需求量，R4表示本节点的业务边界区域信息。

其中，可以将多个服务运行节点的服务运行业务区域信息的分布平均数量(即多个服务运行节点的业务项目数量的分布平均数量)确定为多个服务运行节点的平均服务运行业务区域信息R1。

步骤S103，基于画像分类网络模型数量和软件业务服务的微服务架构信息，将软件业务服务划分成多个软件微服务。

其中，微服务架构信息可以是预先基于软件业务服务内的服务运行节点布局、服务功能布局等确定的。

在一种可能的设计示例中，基于画像分类网络模型数量和软件业务服务的微服务架构信息，将软件业务服务划分成多个软件微服务的具体实现可以包括：

（1）将软件业务服务中包括的服务运行节点数量与画像分类网络模型数量相除，得到目标数值，基于微服务架构信息，确定第二微服务特征信息。

本实施例中，第二微服务特征信息包括每个服务运行节点所处微服务程序的微服务定位信息以及软件业务服务中微服务分割节点的定位信息。

（2）对软件业务服务中的多个服务运行节点进行遍历。

（3）每遍历到一个服务运行节点，若基于当前遍历到的服务运行节点所处微服务程序的微服务定位信息、上一个遍历到的服务运行节点所处微服务程序的微服务定位信息、软件业务服务中微服务分割节点的定位信息。

（4）确定当前遍历到的服务运行节点与上一个遍历到的服务运行节点处于同一联动的微服务程序内，确定上一个遍历到的服务运行节点对应的软件微服务中的服务运行节点数量。

（5）若上一个遍历到的服务运行节点对应的软件微服务中服务运行节点数量小于目标数值，将当前遍历到的服务运行节点对应的微服务程序划分至上一个遍历到的服务运行节点对应的软件微服务中。

其中，目标数值可以用于描述在每个软件微服务内可以划分的服务运行节点的数量。

其中，微服务定位信息可以用于指示软件业务服务中的一个可访问数据区域。

也就是说，可以根据网络单元数量和软件业务服务内服务运行节点数量确定每个软件微服务可以包括的服务运行节点的服务对象数值，然后基于预先生成的微服务架构信息，确定每个服务运行节点所处的区域的微服务定位信息以及软件业务服务中微服务分割节点的定位信息，对软件业务服务内的多个服务运行节点进行遍历，每遍历到一个服务运行节点，可以确定当前遍历到的服务运行节点与上一个遍历到的服务运行节点是否位于同一个联动的微服务程序内，若是，继续判断上一个遍历到的服务运行节点对应的软件微服务中服务运行节点数量是否小于目标数值，若是，将当前遍历到的服务运行节点划分至上一个遍历到的服务运行节点对应的软件微服务中。

在一种可能的设计示例中，基于当前遍历到的服务运行节点所处微服务程序的微服务定位信息、上一个遍历到的服务运行节点所处微服务程序的微服务定位信息、软件业务服务中微服务分割节点的定位信息，确定当前遍历到的服务运行节点与上一个遍历到的服务运行节点处于同一连通域内的具体实现方式可以包括：若基于软件业务服务中微服务分割节点的定位信息，确定软件业务服务中不存在位于该当前遍历到的服务运行节点所处微服务程序与上一个遍历到的服务运行节点所处微服务程序之间的微服务分割节点，可以确定当前遍历到的服务运行节点与上一个遍历到的服务运行节点处于同一个联动的微服务程序内。

进一步地，每遍历到一个服务运行节点之后，若基于当前遍历到的服务运行节点所处微服务程序的微服务定位信息、上一个遍历到的服务运行节点所处微服务程序的微服务定位信息、软件业务服务中微服务分割节点的定位信息，确定当前遍历到的服务运行节点与上一个遍历到的服务运行节点处于不同的联动的微服务程序内，将当前遍历到的服务运行节点对应的微服务程序确定为一个新的软件微服务。

也就是说，如果确定当前遍历到的服务运行节点与上一个遍历到的服务运行节点处于不同的联动的微服务程序内，便不能将当前遍历到的服务运行节点的微服务程序与上一个遍历到的服务运行节点的微服务程序划分至同一个软件微服务内，可以将当前遍历到的服务运行节点的微服务程序确定为一个新的软件微服务。

进一步地，确定上一个遍历到的服务运行节点对应的软件微服务中的服务运行节点数量之后，还可以包括：若上一个遍历到的服务运行节点对应的软件微服务中服务运行节点的数量大于或等于目标数值，将当前遍历到的服务运行节点对应的微服务程序确定为一个新的软件微服务。

也就是说，如果上一个服务运行节点对应的软件微服务中服务运行节点的数量大于或等于目标数值，若再将当前服务运行节点确定至上一个服务运行节点对应的软件微服务，确定该软件微服务对应的第一单位服务画像的效率可能会降低，因此，可以将当前遍历到的服务运行节点对应的微服务程序确定为一个新的软件微服务。

进一步地，若当前遍历到的服务运行节点是遍历到的第一个服务运行节点，即没有上一个遍历到的服务运行节点，可以将该当前遍历到的服务运行节点的微服务程序确定为一个新的软件微服务。

另外，每确定遍历到的一个服务运行节点的微服务程序所属的软件微服务后，可以判断是否已经将软件业务服务内的服务运行节点遍历完，若是，停止遍历，得到多个软件微服务，若否，继续遍历下一个服务运行节点。

在一种可能的设计示例中，在以上描述的基础上，上述方法还可以包括以下步骤，具体描述如下。

步骤S130，根据软件业务服务内的服务对象的整体服务画像，向服务对象所对应的移动软件服务端发送推送热点信息。

其中，上述的步骤S130可以通过以下示例性的子步骤实现。

子步骤S131，根据整体服务画像，获取包含候选热点数据源的目标热点主题分布信息，对目标热点主题分布信息进行主题迁移行为识别处理，得到目标热点主题分布信息对应的热点主题迁移行为内容。

子步骤S132，获取目标热点主题分布信息对应的目标主题提取模型，通过目标主题提取模型从热点主题迁移行为内容中提取第一主题迁移分量和第二主题迁移分量，将第一主题迁移分量和第二主题迁移分量进行主题迁移分量融合，得到与目标热点主题分布信息相关联的主题迁移行为内容的全局主题迁移分量。

子步骤S133，根据主题迁移行为内容的全局主题迁移分量、目标主题提取模型，对热点主题迁移行为内容进行主题完整迁移事件解析，得到热点主题迁移行为内容对应的主题完整迁移事件解析结果。

子步骤S134，若主题完整迁移事件解析结果表征目标热点主题分布信息中存在满足数主题完整迁移指标的热点主题迁移行为内容，则将候选热点数据源确定为目标数据源，确认用于指示将目标热点主题分布信息推送至与移动软件服务端的数据推送进程。

示例性地，在一种可能的设计示例中，以上热点主题迁移行为内容的内容块数量为多个。对于子步骤S132而言，可以通过以下实施方式实现，详细描述如下。

子步骤S1321，获取目标热点主题分布信息对应的目标主题提取模型。目标主题提取模型包括：订阅主题迁移分量提取网络和非订阅主题迁移分量提取网络。

子步骤S1322，通过订阅主题迁移分量提取网络从每个热点主题迁移行为内容中提取主题迁移分量编码段，根据提取到的每个热点主题迁移行为内容的主题迁移分量编码段确定第一主题迁移分量。

子步骤S1323，通过非订阅主题迁移分量提取网络从每个热点主题迁移行为内容中提取主题迁移分量变化信息，根据提取到的每个热点主题迁移行为内容的主题迁移分量变化信息确定第二主题迁移分量。

子步骤S1324，将每个热点主题迁移行为内容的第一主题迁移分量和对应热点主题迁移行为内容的第二主题迁移分量进行主题迁移分量融合，得到每个热点主题迁移行为内容的全局主题迁移分量，将每个热点主题迁移行为内容的全局主题迁移分量确定为与目标热点主题分布信息相关联的主题迁移行为内容的全局主题迁移分量。

其中，值得说明的是，目标主题提取模型可以包括：迁移识别网络。迁移识别网络用于对目标热点主题分布信息中的热点主题迁移行为内容所属的热点主题分布信息进行迁移节点追踪。

在此基础上，对于子步骤S133而言，可以通过以下实施方式实现，详细描述如下。

子步骤S1331，将主题迁移行为内容的全局主题迁移分量输入至目标主题提取模型中的迁移识别网络，由迁移识别网络确定主题迁移行为内容的全局主题迁移分量与迁移识别网络中的多个样本主题迁移分量之间的迁移匹配信息。迁移匹配信息用于表征主题迁移行为内容的全局主题迁移分量分别与每个样本主题迁移分量对应于相同热点主题分布信息的迁移关系信息。

子步骤S1332，基于迁移匹配信息，在多个样本主题迁移分量中获取与主题迁移行为内容的全局主题迁移分量具有最大迁移分量值的样本主题迁移分量，将具有最大迁移分量的样本主题迁移分量作为目标样本主题迁移分量。

子步骤S1333，将目标样本主题迁移分量对应的样本主题分布作为主题迁移行为内容的全局主题迁移分量对应的目标热点主题分布信息，基于目标热点主题分布信息以及与目标热点主题分布信息相关联的最大迁移分量，确定对目标热点主题分布信息中的热点主题迁移行为内容进行迁移节点追踪后的主题完整迁移事件解析结果。

图3为本公开实施例提供的用于大数据画像的信息云计算分析装置300的功能模块示意图，本实施例可以根据上述信息推送服务器100执行的方法实施例对该用于大数据画像的信息云计算分析装置300进行功能模块的划分，也即该用于大数据画像的信息云计算分析装置300所对应的以下各个功能模块可以用于执行上述信息推送服务器100执行的各个方法实施例。其中，该用于大数据画像的信息云计算分析装置300可以包括第一确定模块310和第二确定模块320，下面分别对该用于大数据画像的信息云计算分析装置300的各个功能模块的功能进行详细阐述。

第一确定模块310，用于分别通过多个画像分类网络模型基于多个软件微服务内的服务运行节点发送的服务对象的微服务运行数据，确定所述多个软件微服务中每个软件微服务对应的第一单位服务画像，其中，一个画像分类网络模型用于基于一个软件微服务内的服务对象的微服务运行数据确定对应的第一单位服务画像，所述多个软件微服务是对软件业务服务进行业务区分后得到。其中，第一确定模块310可以用于执行上述的步骤S110，关于第一确定模块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。

第二确定模块320，用于基于所述多个软件微服务中每个软件微服务对应的第一单位服务画像，确定所述软件业务服务内的服务对象的整体服务画像。其中，第二确定模块320可以用于执行上述的步骤S120，关于第二确定模块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。

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业务状态对象上，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，第一确定模块310可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上第一确定模块310的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所描述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。

图4示出了本公开实施例提供的用于实现上述的用于大数据画像的信息云计算分析方法的信息推送服务器100的硬件结构示意图，如图4所示，信息推送服务器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中所示的用于大数据画像的信息云计算分析装置300包括的第一确定模块310和第二确定模块320），使得处理器110可以执行如上方法实施例的用于大数据画像的信息云计算分析方法，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，从而可以与前述的移动软件服务端200进行数据收发。

处理器110的具体实现过程可参见上述信息推送服务器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：DiMicrotalSignal 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)总线或补充工业标准体系结构(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，实现如上用于大数据画像的信息云计算分析方法。

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 (10)

1.一种用于大数据画像的信息云计算分析方法，其特征在于，应用于信息推送服务器，所述信息推送服务器与多个移动软件服务端通信连接，所述信息推送服务器根据云计算平台实现，所述方法包括：

分别通过多个画像分类网络模型基于多个软件微服务内的服务运行节点发送的服务对象的微服务运行数据，确定所述多个软件微服务中每个软件微服务对应的第一单位服务画像，其中，一个画像分类网络模型用于基于一个软件微服务内的服务对象的微服务运行数据确定对应的第一单位服务画像，所述多个软件微服务是对软件业务服务进行业务区分后得到；

基于所述多个软件微服务中每个软件微服务对应的第一单位服务画像，确定所述软件业务服务内的服务对象的整体服务画像。

2.根据权利要求1所述的用于大数据画像的信息云计算分析方法，其特征在于，所述分别通过多个画像分类网络模型基于多个软件微服务内的服务运行节点发送的服务对象的微服务运行数据，确定所述多个软件微服务中每个软件微服务对应的第一单位服务画像的步骤，包括：

对于所述多个画像分类网络模型中的第一画像分类网络模型，通过所述第一画像分类网络模型获取在上一个画像获取节点所确定的第一软件微服务对应的第二单位服务画像，所述第一画像分类网络模型为所述多个画像分类网络模型中的任一画像分类网络模型，所述第一软件微服务为所述多个软件微服务中的一个软件微服务；

通过所述第一画像分类网络模型基于所获取的第二单位服务画像与所述第一软件微服务内的服务对象的微服务运行数据，确定所述第一软件微服务对应的第一单位服务画像。

3.根据权利要求2所述的用于大数据画像的信息云计算分析方法，其特征在于，所述通过所述第一画像分类网络模型基于所获取的第二单位服务画像与所述第一软件微服务内的服务对象的微服务运行数据，确定所述第一软件微服务对应的第一单位服务画像的步骤，包括：

若通过所述第一画像分类网络模型确定所获取的第二单位服务画像中存在未处理服务运行数据，将所述第一软件微服务内的服务对象的微服务运行数据与所述未处理服务运行数据进行关联，所述未处理服务运行数据是指所包括的服务数据片段中末尾服务数据片段对应的微服务运行数据的画像分类时间大于画像分类时间阈值的第二单位服务画像；

通过所述第一画像分类网络模型将关联后的服务运行数据进行画像分类以确定所述第一软件微服务对应的第一单位服务画像。

4.根据权利要求2所述的用于大数据画像的信息云计算分析方法，其特征在于，所述基于所述多个软件微服务中每个软件微服务对应的第一单位服务画像，确定所述软件业务服务内的服务对象的整体服务画像的步骤，包括：

对于所述多个软件微服务中的每个软件微服务，若所述软件业务服务内存在与每个软件微服务有关联业务程序接口的其它软件微服务，获取在上一个画像获取节点确定的所述软件业务服务内的服务对象的整体服务画像，得到过往整体服务画像；

若所述过往整体服务画像中包括与每个软件微服务有关联业务程序接口的其它软件微服务对应的服务画像，且所述过往整体服务画像中包括与每个软件微服务对应的第一单位服务画像属于同一服务对象的服务画像，将每个软件微服务对应的第一单位服务画像与所述过往整体服务画像中属于同一服务对象的服务画像进行关联；

将每个软件微服务关联后的服务画像进行关联，得到所述软件业务服务内的服务对象的整体服务画像。

5.根据权利要求4所述的用于大数据画像的信息云计算分析方法，其特征在于，所述方法还包括：

基于所述软件业务服务的微服务架构信息，确定第一微服务特征信息，所述第一微服务特征信息包括所述软件业务服务内的多个服务运行节点的微服务程序之间的关联业务程序接口信息，其中，所述关联业务程序接口信息的数量为至少一个，且一个关联业务程序接口信息包括一组服务运行节点标签，一组服务运行节点标签包括至少两个服务运行节点标签；

若至少一组服务运行节点标签中包括所述第一软件微服务内的服务运行节点的服务运行节点标签，且包括所述第一软件微服务内的服务运行节点的服务运行节点标签的组中存在存在逻辑业务关联的软件微服务内的服务运行节点的服务运行节点标签，确定存在与所述第一软件微服务存在关联业务程序接口的其它软件微服务，所述存在逻辑业务关联的软件微服务为所述多个软件微服务中与所述第一软件微服务相邻的软件微服务。

6.根据权利要求1所述的用于大数据画像的信息云计算分析方法，其特征在于，所述方法还包括：

获取所述软件业务服务内的多个服务运行节点的服务运行范围信息、本节点的服务运行范围信息、以及所述软件业务服务的服务配置信息，所述服务配置信息为与所述软件业务服务内的服务运行节点及服务对象关联配置的信息；

基于所述多个服务运行节点的服务运行范围信息、本节点的服务运行范围信息、以及所述服务配置信息，确定画像分类网络模型数量，所述画像分类网络模型数量是指生成所述软件业务服务内的服务对象的整体服务画像所需的画像分类网络模型的数量；

基于所述画像分类网络模型数量和所述软件业务服务的微服务架构信息，将所述软件业务服务划分成所述多个软件微服务；

其中，所述服务运行节点的服务运行范围信息包括对应的服务运行节点的服务运行业务区域信息，本节点的服务运行范围信息包括本节点的业务边界区域信息，所述服务配置信息包括所述软件业务服务内的服务运行节点的分布情况、服务对象的服务数据量分布及服务对象的综合画像分类需求量；其中，所述服务运行业务区域信息包括对应的服务运行节点的业务项目数量，所述业务边界区域信息是指本节点包括的单个画像分类网络模型能够进行关联计算的最边缘的服务数据片段数，所述分布情况是指所述软件业务服务内的关联业务程序接口对应的服务运行节点的分布平均数量，所述服务数据量分布是指在所述软件业务服务内单位统计时段单位统计区域的服务对象的数据量，所述综合画像分类需求量是指服务对象在所述软件业务服务内单位时间内进行画像分类的平均次数；

所述基于所述多个服务运行节点的服务运行范围信息、本节点的服务运行范围信息、以及所述服务配置信息，确定画像分类网络模型数量的步骤，包括：

基于所述多个服务运行节点的服务运行业务区域信息、本节点的业务边界区域信息、以及所述软件业务服务内的服务运行节点的分布情况、服务对象的服务数据量分布及服务对象的综合画像分类需求量，确定所述画像分类网络模型数量。

7.根据权利要求6所述的用于大数据画像的信息云计算分析方法，其特征在于，所述基于所述画像分类网络模型数量和所述软件业务服务的微服务架构信息，将所述软件业务服务划分成所述多个软件微服务的步骤，包括：

将所述软件业务服务中包括的服务运行节点数量与所述画像分类网络模型数量相除，得到目标数值；

基于所述微服务架构信息，确定第二微服务特征信息，所述第二微服务特征信息包括每个服务运行节点所处微服务程序的微服务定位信息以及所述软件业务服务中微服务分割节点的定位信息；

对所述软件业务服务中的多个服务运行节点进行遍历；

每遍历到一个服务运行节点，若基于当前遍历到的服务运行节点所处微服务程序的微服务定位信息、上一个遍历到的服务运行节点所处微服务程序的微服务定位信息、所述软件业务服务中微服务分割节点的定位信息，确定所述当前遍历到的服务运行节点与所述上一个遍历到的服务运行节点处于同一联动的微服务程序内，确定所述上一个遍历到的服务运行节点对应的软件微服务中的服务运行节点数量；

若所述上一个遍历到的服务运行节点对应的软件微服务中服务运行节点数量小于所述目标数值，将所述当前遍历到的服务运行节点对应的微服务程序划分至所述上一个遍历到的服务运行节点对应的软件微服务中；

若所述上一个遍历到的服务运行节点对应的软件微服务中服务运行节点的数量大于或等于所述目标数值，将所述当前遍历到的服务运行节点对应的微服务程序确定为一个新的软件微服务；以及

若基于当前遍历到的服务运行节点所处微服务程序的微服务定位信息、上一个遍历到的服务运行节点所处微服务程序的微服务定位信息、所述软件业务服务中微服务分割节点的定位信息，确定所述当前遍历到的服务运行节点与所述上一个遍历到的服务运行节点处于不同的联动的微服务程序内，将所述当前遍历到的服务运行节点对应的微服务程序确定为一个新的软件微服务。

8.根据权利要求1-7中任意一项所述的用于大数据画像的信息云计算分析方法，其特征在于，所述方法还包括：

根据所述软件业务服务内的服务对象的整体服务画像，向所述服务对象所对应的移动软件服务端发送推送热点信息；

其中，所述根据所述软件业务服务内的服务对象的整体服务画像，向所述服务对象所对应的移动软件服务端发送推送热点信息的步骤，包括：

根据所述整体服务画像，获取包含候选热点数据源的目标热点主题分布信息，对所述目标热点主题分布信息进行主题迁移行为识别处理，得到所述目标热点主题分布信息对应的热点主题迁移行为内容；

获取所述目标热点主题分布信息对应的目标主题提取模型，通过所述目标主题提取模型从所述热点主题迁移行为内容中提取第一主题迁移分量和第二主题迁移分量，将所述第一主题迁移分量和所述第二主题迁移分量进行主题迁移分量融合，得到与所述目标热点主题分布信息相关联的主题迁移行为内容的全局主题迁移分量；

根据所述主题迁移行为内容的全局主题迁移分量、所述目标主题提取模型，对所述热点主题迁移行为内容进行主题完整迁移事件解析，得到所述热点主题迁移行为内容对应的主题完整迁移事件解析结果；

若所述主题完整迁移事件解析结果表征所述目标热点主题分布信息中存在满足数主题完整迁移指标的热点主题迁移行为内容，则将所述候选热点数据源确定为目标数据源，确认用于指示将所述目标热点主题分布信息推送至与所述移动软件服务端的数据推送进程。

9.根据权利要求1所述的用于大数据画像的信息云计算分析方法，其特征在于，所述热点主题迁移行为内容的内容块数量为多个；所述获取所述目标热点主题分布信息对应的目标主题提取模型，通过所述目标主题提取模型从所述热点主题迁移行为内容中提取第一主题迁移分量和第二主题迁移分量，将所述第一主题迁移分量和所述第二主题迁移分量进行主题迁移分量融合，得到与所述目标热点主题分布信息相关联的主题迁移行为内容的全局主题迁移分量的步骤，包括：

获取所述目标热点主题分布信息对应的目标主题提取模型；所述目标主题提取模型包括：订阅主题迁移分量提取网络和非订阅主题迁移分量提取网络；

通过所述订阅主题迁移分量提取网络从每个所述热点主题迁移行为内容中提取主题迁移分量编码段，根据提取到的每个所述热点主题迁移行为内容的主题迁移分量编码段确定所述第一主题迁移分量；

通过所述非订阅主题迁移分量提取网络从每个所述热点主题迁移行为内容中提取主题迁移分量变化信息，根据提取到的每个所述热点主题迁移行为内容的主题迁移分量变化信息确定所述第二主题迁移分量；

将每个所述热点主题迁移行为内容的第一主题迁移分量和对应所述热点主题迁移行为内容的第二主题迁移分量进行主题迁移分量融合，得到每个所述热点主题迁移行为内容的全局主题迁移分量，将每个所述热点主题迁移行为内容的全局主题迁移分量确定为与所述目标热点主题分布信息相关联的主题迁移行为内容的全局主题迁移分量；

其中，所述目标主题提取模型包括：迁移识别网络；所述迁移识别网络用于对所述目标热点主题分布信息中的所述热点主题迁移行为内容所属的热点主题分布信息进行迁移节点追踪；

所述根据所述主题迁移行为内容的全局主题迁移分量、所述目标主题提取模型，对所述热点主题迁移行为内容进行主题完整迁移事件解析，得到所述热点主题迁移行为内容对应的主题完整迁移事件解析结果，包括：

将所述主题迁移行为内容的全局主题迁移分量输入至所述目标主题提取模型中的所述迁移识别网络，由所述迁移识别网络确定所述主题迁移行为内容的全局主题迁移分量与所述迁移识别网络中的多个样本主题迁移分量之间的迁移匹配信息；所述迁移匹配信息用于表征所述主题迁移行为内容的全局主题迁移分量分别与每个样本主题迁移分量对应于相同热点主题分布信息的迁移关系信息；

基于所述迁移匹配信息，在所述多个样本主题迁移分量中获取与所述主题迁移行为内容的全局主题迁移分量具有最大迁移分量值的样本主题迁移分量，将所述具有最大迁移分量的样本主题迁移分量作为目标样本主题迁移分量；

将所述目标样本主题迁移分量对应的样本主题分布作为所述主题迁移行为内容的全局主题迁移分量对应的目标热点主题分布信息，基于所述目标热点主题分布信息以及与所述目标热点主题分布信息相关联的最大迁移分量，确定对所述目标热点主题分布信息中的所述热点主题迁移行为内容进行迁移节点追踪后的主题完整迁移事件解析结果。

10.一种信息推送服务器，其特征在于，所述信息推送服务器包括处理器、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移动软件服务端通信连接，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中任意一项的用于大数据画像的信息云计算分析方法。

Images