CN113946611A - 一种基于ai网络的信息挖掘方法及智能化运算服务器 - Google Patents
一种基于ai网络的信息挖掘方法及智能化运算服务器 Download PDFInfo
- Publication number
- CN113946611A CN113946611A CN202111235846.XA CN202111235846A CN113946611A CN 113946611 A CN113946611 A CN 113946611A CN 202111235846 A CN202111235846 A CN 202111235846A CN 113946611 A CN113946611 A CN 113946611A
- Authority
- CN
- China
- Prior art keywords
- intelligent
- service interaction
- description
- interaction range
- intelligent service
- 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.)
- Pending
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
-
- 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
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
本申请提供了基于AI网络的信息挖掘方法及智能化运算服务器;获取大数据业务用户在第一智慧业务互动范围的会话行为变化描述、目标业务场景在第一智慧业务互动范围的潜在信息挖掘指示描述、关联信息定位引导描述;并调取AI智能神经网络,以得到在第二智慧业务互动范围中用于匹配目标业务场景的用户画像信息挖掘策略;在第二智慧业务互动范围将用户画像信息挖掘策略配置到目标业务场景中。从而在不同的智慧业务互动范围下灵活、准确地调整对应的用户画像信息挖掘策略,这样可以基于实时且匹配的用户画像信息挖掘策略在目标业务场景下进行精准、可靠地用户画像挖掘。
Description
技术领域
本申请涉及AI网络及信息挖掘技术领域,特别涉及基于AI网络的信息挖掘方法及智能化运算服务器。
背景技术
随着网络信息资源的急剧增长,越来越多地用户关注如何开发和利用这些资源。而目前中英文搜索引擎均存在查准率、查全率不高的现象,这种现状无法适应用户对高质量的网络信息服务的需求;同时电子商务以及各种网络信息服务迅速兴起,原有的网络信息处理与组织技术无法赶上这样的发展趋势,网络信息挖掘就是在这样一种环境下应运而生的,并迅速成为网络信息检索、信息服务领域的热点之一。
用户画像蕴含大量的价值,现目前已成为网络信息挖掘的主要目标,然而在对用户画像进行挖掘的过程中,如何实现挖掘策略与不同业务场景之间的适配以实现精准可靠的用户画像挖掘是现目前需要改进的一个技术问题。
发明内容
为改善相关技术中存在的技术问题,本申请提供了基于AI网络的信息挖掘方法及智能化运算服务器。
本申请提供了一种基于AI网络的信息挖掘方法,应用于AI智能化运算服务器,所述方法包括:
获取目标业务场景中大数据业务用户在第一智慧业务互动范围的会话行为变化描述、所述目标业务场景在所述第一智慧业务互动范围的潜在信息挖掘指示描述、以及所述目标业务场景在第一智慧业务互动范围的关联信息定位引导描述;
基于所述第一智慧业务互动范围的会话行为变化描述、所述第一智慧业务互动范围的潜在信息挖掘指示描述、以及所述第一智慧业务互动范围的关联信息定位引导描述调取AI智能神经网络,以得到在第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略,其中,所述第二智慧业务互动范围不同于所述第一智慧业务互动范围;
在所述第二智慧业务互动范围将所述用户画像信息挖掘策略配置到所述目标业务场景中。
一些可独立实施的实施例,所述基于所述第一智慧业务互动范围的会话行为变化描述、所述第一智慧业务互动范围的潜在信息挖掘指示描述、以及所述第一智慧业务互动范围的关联信息定位引导描述调取AI智能神经网络,以得到在第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略,包括:
基于所述AI智能神经网络实施如下操作:基于所述第一智慧业务互动范围的会话行为变化描述,确定所述第二智慧业务互动范围中符合用户画像挖掘指标的理想会话行为变化描述,并确定实现所述理想会话行为变化描述时所述第二智慧业务互动范围的潜在信息挖掘指示描述;
基于所述第二智慧业务互动范围的关联信息定位引导描述与所述第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略一致应对所述第二智慧业务互动范围的潜在信息挖掘指示描述的属性,确定在所述第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略。
一些可独立实施的实施例, 所述AI智能神经网络包括第一切换单元以及整合单元;所述基于所述第一智慧业务互动范围的会话行为变化描述,确定所述第二智慧业务互动范围中符合用户画像挖掘指标的理想会话行为变化描述,包括:
基于所述第一切换单元对所述第一智慧业务互动范围的会话行为变化描述进行切换处理,得到所述第二智慧业务互动范围中符合用户画像挖掘指标的理想会话行为变化描述;
所述确定在所述第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略,包括:
基于所述整合单元涵盖的所述目标业务场景的用户画像信息挖掘策略和关联信息定位引导描述共同与所述目标业务场景的潜在信息挖掘指示描述之间的关联关系,将所述第二智慧业务互动范围的潜在信息挖掘指示描述切换为在所述第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略。
一些可独立实施的实施例,所述AI智能神经网络还包括第二切换单元;所述确定实现所述理想会话行为变化描述时所述第二智慧业务互动范围的潜在信息挖掘指示描述,包括:
基于所述第二切换单元涵盖的所述目标业务场景的潜在信息挖掘指示描述与所述大数据业务用户的会话行为变化描述之间的关联关系,对所述第二智慧业务互动范围的理想会话行为变化描述进行切换处理,得到实现所述第二智慧业务互动范围的理想会话行为变化描述时所述第二智慧业务互动范围的潜在信息挖掘指示描述;
或者,基于所述第二切换单元涵盖的所述目标业务场景的潜在信息挖掘指示描述与所述大数据业务用户的行为变化描述轨迹之间的关联关系,对所述第一智慧业务互动范围的会话行为变化描述与所述第二智慧业务互动范围的理想会话行为变化描述的描述对比结果进行描述更换处理,得到实现所述第二智慧业务互动范围的理想会话行为变化描述时所述第二智慧业务互动范围的潜在信息挖掘指示描述;
相应的,所述整合单元包括第一特征提取子网、第二特征提取子网、分类统计子网以及第三特征提取子网;所述将所述第二智慧业务互动范围的潜在信息挖掘指示描述切换为在所述第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略,包括:
基于所述第一特征提取子网对所述第二智慧业务互动范围的关联信息定位引导描述进行关键描述提取处理,得到对应所述关联信息定位引导描述的第一描述信息;
基于所述第二特征提取子网对所述第二智慧业务互动范围的潜在信息挖掘指示描述进行关键描述提取处理,得到所述对应所述潜在信息挖掘指示描述的第二描述信息;
基于所述分类统计子网确定所述第二描述信息与所述第一描述信息的量化比较数据;
基于所述第三特征提取子网对所述量化比较数据进行关键描述提取处理,得到在所述第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略。
一些可独立实施的实施例,所述方法还包括:
基于所述目标业务场景中大数据业务用户在多个参考智慧业务互动范围的会话行为变化描述、所述目标业务场景在所述多个参考智慧业务互动范围的潜在信息挖掘指示描述、所述目标业务场景在所述多个参考智慧业务互动范围的关联信息定位引导描述,生成所述AI智能神经网络的训练范例;
基于所述训练范例对所述AI智能神经网络进行训练,得到用于用户画像信息挖掘策略估计的所述AI智能神经网络。
一些可独立实施的实施例,所述基于所述目标业务场景中大数据业务用户在多个参考智慧业务互动范围的会话行为变化描述、所述目标业务场景在所述多个参考智慧业务互动范围的潜在信息挖掘指示描述、所述目标业务场景在所述多个参考智慧业务互动范围的关联信息定位引导描述,生成所述AI智能神经网络的训练范例,包括:
针对所述多个参考智慧业务互动范围中的其中一个参考智慧业务互动范围实施如下操作:获取所述参考智慧业务互动范围的下一参考智慧业务互动范围的会话行为变化描述、所述参考智慧业务互动范围的下一参考智慧业务互动范围的潜在信息挖掘指示描述以及所述参考智慧业务互动范围的下一参考智慧业务互动范围的关联信息定位引导描述;
将所述目标业务场景中大数据业务用户在所述参考智慧业务互动范围的会话行为变化描述、所述目标业务场景在所述参考智慧业务互动范围的潜在信息挖掘指示描述、所述参考智慧业务互动范围的关联信息定位引导描述合并为所述参考智慧业务互动范围的第一描述信息;
将所述参考智慧业务互动范围的下一参考智慧业务互动范围的会话行为变化描述、所述参考智慧业务互动范围的下一参考智慧业务互动范围的潜在信息挖掘指示描述以及所述参考智慧业务互动范围的下一参考智慧业务互动范围的关联信息定位引导描述合并为所述下一参考智慧业务互动范围的第二描述信息;
基于所述参考智慧业务互动范围的第一描述信息、在所述参考智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略以及所述下一参考智慧业务互动范围的第二描述信息,生成所述参考智慧业务互动范围的训练范例;
将多个所述参考智慧业务互动范围的训练范例进行合并处理,得到所述AI智能神经网络的训练范例。
一些可独立实施的实施例,所述方法还包括:将所述参考智慧业务互动范围的训练范例保存至临时数据库;
所述基于所述训练范例对所述AI智能神经网络进行训练,包括:
当所述临时数据库中所述参考智慧业务互动范围的训练范例的数目达到设定阈值时,从所述临时数据库获取多个所述参考智慧业务互动范围的训练范例,并基于多个所述参考智慧业务互动范围的训练范例对所述AI智能神经网络进行训练。
一些可独立实施的实施例,所述基于所述目标业务场景中大数据业务用户会话行为变化的训练范例对AI智能神经网络进行训练,得到用于用户画像信息挖掘策略估计的所述AI智能神经网络,包括:
基于所述训练范例中的其中一个参考智慧业务互动范围的训练范例以及所述参考智慧业务互动范围的标记评价变量,生成所述AI智能神经网络的目标评价结果;
优化所述AI智能神经网络的变量直到所述目标评价结果达到设定状态,将所述目标评价结果达到设定状态时所述AI智能神经网络的优化的变量,作为用于用户画像信息挖掘策略估计的所述AI智能神经网络的变量;
相应的,所述生成所述AI智能神经网络的目标评价结果之前,还包括:
基于所述训练范例中的其中一个参考智慧业务互动范围的训练范例调取所述AI智能神经网络进行估计处理,得到在所述参考智慧业务互动范围中用于匹配所述目标业务场景的信息挖掘估计策略;
基于所述信息挖掘估计策略,得到所述参考智慧业务互动范围的估计评价变量;
所述生成所述AI智能神经网络的目标评价结果,包括:
基于所述参考智慧业务互动范围的训练范例、所述参考智慧业务互动范围的估计评价变量以及所述参考智慧业务互动范围的标记评价变量,生成所述AI智能神经网络的目标评价结果。
一些可独立实施的实施例,所述生成所述AI智能神经网络的目标评价结果之前,还包括:
获取所述参考智慧业务互动范围的训练范例中的下一参考智慧业务互动范围的会话行为变化描述;
基于所述下一参考智慧业务互动范围的会话行为变化描述调取大数据业务用户虚拟线程,以确定所述大数据业务用户会话行为变化在所述参考智慧业务互动范围所带来的会话行为变化目标信息,并将所述会话行为变化目标信息作为所述参考智慧业务互动范围的标记评价变量;
相应的,所述将所述会话行为变化目标信息作为所述参考智慧业务互动范围的标记评价变量之前,还包括:
获取在所述参考智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略;
基于在所述参考智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略调取所述大数据业务用户虚拟线程,以确定所述用户画像信息挖掘策略所需占用的运行内存信息;
所述将所述会话行为变化目标信息作为所述参考智慧业务互动范围的标记评价变量,包括:
将所述会话行为变化目标信息与所述运行内存信息的量化比较数据作为所述参考智慧业务互动范围的标记评价变量。
本申请还提供了一种AI智能化运算服务器,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述方法。
本申请的实施例提供的技术方案可以包括以下有益效果。
通过调取AI智能神经网络,以基于第一智慧业务互动范围的会话行为变化描述、第一智慧业务互动范围的潜在信息挖掘指示描述以及第一智慧业务互动范围的关联信息定位引导描述,得到在第二智慧业务互动范围中用于匹配目标业务场景的用户画像信息挖掘策略,这样能够在第二智慧业务互动范围将用户画像信息挖掘策略配置到目标业务场景中,从而在不同的智慧业务互动范围下灵活、准确地调整对应的用户画像信息挖掘策略,这样可以基于实时且匹配的用户画像信息挖掘策略在目标业务场景下进行精准、可靠地用户画像挖掘。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并于说明书一起用于解释本申请的原理。
图1是本申请实施例提供的一种AI智能化运算服务器的硬件结构示意图。
图2是本申请实施例提供的一种基于AI网络的信息挖掘方法的流程示意图。
图3是本申请实施例提供的一种基于AI网络的信息挖掘装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例所提供的方法实施例可以在AI智能化运算服务器、计算机设备或者类似的运算装置中执行。以运行在AI智能化运算服务器上为例,图1是本申请实施例的实施基于AI网络的信息挖掘方法的AI智能化运算服务器的硬件结构框图。如图1所示,AI智能化运算服务器10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述AI智能化运算服务器10还可以包括用于通信功能的传输装置106。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述AI智能化运算服务器10的结构造成限定。例如,AI智能化运算服务器10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本申请实施例中的基于AI网络的信息挖掘方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至AI智能化运算服务器10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括AI智能化运算服务器10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(RadioFrequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
请结合图2,图2是本申请实施所提供的一种基于AI网络的信息挖掘方法的流程示意图应用于AI智能化运算服务器,该方法具体可以包括以下步骤22-步骤26所记录的技术方案。
步骤22,获取目标业务场景中大数据业务用户在第一智慧业务互动范围的会话行为变化描述、所述目标业务场景在所述第一智慧业务互动范围的潜在信息挖掘指示描述、以及所述目标业务场景在第一智慧业务互动范围的关联信息定位引导描述。
在具体实施时,会话行为变化描述可以表征大数据业务用户会话行为变化所对应的状态信息。例如:大数据业务用户的浏览信息、大数据业务用户的业务处理信息。潜在信息挖掘指示描述用于表征目标业务场景内的潜在信息挖掘指示状态。关联信息定位引导描述用于表征目标业务场景以外的关联信息状态。此外,智慧业务互动范围可以是智慧业务互动时段。
可以理解,AI智能化运算服务器通过目标业务场景中的执行设备获取相对于当前智慧业务互动范围(第二智慧业务互动范围)的参考智慧业务互动范围的潜在信息挖掘指示描述及会话行为变化描述,通过第三应用获取第一智慧业务互动范围的关联信息定位引导描述,基于第一智慧业务互动范围的会话行为变化描述、第一智慧业务互动范围的潜在信息挖掘指示描述以及第一智慧业务互动范围的关联信息定位引导描述,自动生成针对目标业务场景匹配请指示,并将针对目标业务场景的匹配请指示发关至AI智能化运算服务器,AI智能化运算服务器收到针至目标业务场景的匹配请指示后,分析针至目标业务场景的匹配请指示,进而得到第一智慧业务互动范围的会话行为变化描述、第一智慧业务互动范围的潜在信息挖掘指示描述以及第一智慧业务互动范围的关联信息定位引导描述,这样以便于后续基于第一智慧业务互动范围的会话行为变化描述、第一智慧业务互动范围的潜在信息挖掘指示描述以及第一智慧业务互动范围的关联信息定位引导描述调取AI智能神经网络进行用户画像信息挖掘策略的改进。
步骤24,基于所述第一智慧业务互动范围的会话行为变化描述、所述第一智慧业务互动范围的潜在信息挖掘指示描述、以及所述第一智慧业务互动范围的关联信息定位引导描述调取AI智能神经网络,以得到在第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略,其中,所述第二智慧业务互动范围不同于所述第一智慧业务互动范围。
用户画像信息挖掘策略可以理解为用户画像挖掘过程中的指示信息或者引导规则,比如对哪些数据进行用户画像信息挖掘,以什么方式对相关数据进行用户画像信息挖掘等。
可以理解,将第一智慧业务互动范围的会话行为变化描述、第一智慧业务互动范围的潜在信息挖掘指示描述以及第一智慧业务互动范围的关联信息定位引导描述输入至AI智能神经网络中,使得AI智能神经网络得到以下策略:将目标业务场景的用户画像信息挖掘策略和关联信息定位引导描述共用作用于目标业务场景的潜在信息挖掘指示描述,并将目标业务场景的潜在信息挖掘指示描述作用于大数据业务用户的会话行为变化描述,从而通过AI智能神经网络中进行估计处理,得到在第二智慧业务互动范围中用于匹配目标业务场景的用户画像信息挖掘策略,即下一智慧业务互动范围用于匹配目标业务场景的用户画像信息挖掘策略,结合关联信息定位引导描述灵活地更新匹配目标业务场景中大数据业务用户的会话场景,进而实现业务用户的会话场景的智能化地精准匹配。
在一些可能的实施例中,步骤24所描述的基于所述第一智慧业务互动范围的会话行为变化描述、所述第一智慧业务互动范围的潜在信息挖掘指示描述、以及所述第一智慧业务互动范围的关联信息定位引导描述调取AI智能神经网络,以得到在第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略,具体可以包括如下步骤241和步骤242所记录的内容。
基于所述AI智能神经网络实施如下操作:
步骤241,基于所述第一智慧业务互动范围的会话行为变化描述,确定所述第二智慧业务互动范围中符合用户画像挖掘指标的理想会话行为变化描述,并确定实现所述理想会话行为变化描述(可以理解为预期会话行为变化描述)时所述第二智慧业务互动范围的潜在信息挖掘指示描述;
步骤242,基于所述第二智慧业务互动范围的关联信息定位引导描述与所述第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略一致应对所述第二智慧业务互动范围的潜在信息挖掘指示描述的属性,确定在所述第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略。
在具体实施步骤241和步骤242所记录的内容时,在AI智能化运算服务器接收到执行设备发送的针对目标业务场景的匹配指示后,解析针对目标业务场景的匹配指示,获取第一智慧业务互动范围的会话行为变化描述、第一智慧业务互动范围的潜在信息挖掘指示描述、以及第一智慧业务互动范围的关联信息定位引导描述,并调取AI智能神经网络进行估计处理,基于AI智能神经网络学习到的策略,先基于第一智慧业务互动范围的会话行为变化描述进行会话行为变化描述的估计处理,得到第二智慧业务互动范围中符合用户画像挖掘指标的理想会话行为变化描述,其中,用户画像挖掘指标可以预先根据实际场景进行设置的,在获得第二智慧业务互动范围的理想会话行为变化描述后,确定实现理想会话行为变化描述时第二智慧业务互动范围的潜在信息挖掘指示描述,最后,基于AI智能神经网络学习到的基于第二智慧业务互动范围的关联信息定位引导描述与第二智慧业务互动范围中用于匹配目标业务场景的用户画像信息挖掘策略一致应对第二智慧业务互动范围的潜在信息挖掘指示描述的属性,确定在第二智慧业务互动范围中用于匹配目标业务场景的用户画像信息挖掘策略,以便智能化匹配目标业务场景中大数据业务用户的会话场景和会话时段,以确保用户画像信息挖掘的针对性。
在一些可能的实施例中,所述AI智能神经网络包括第一切换单元以及整合单元。基于此,步骤241基于所述第一智慧业务互动范围的会话行为变化描述,确定所述第二智慧业务互动范围中符合用户画像挖掘指标的理想会话行为变化描述,具体可以包括如下内容:基于所述第一切换单元对所述第一智慧业务互动范围的会话行为变化描述进行切换处理,得到所述第二智慧业务互动范围中符合用户画像挖掘指标的理想会话行为变化描述。
上述步骤242所描述的确定在所述第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略,具体可以包括:基于所述整合单元涵盖的所述目标业务场景的用户画像信息挖掘策略和关联信息定位引导描述共同与所述目标业务场景的潜在信息挖掘指示描述之间的关联关系,将所述第二智慧业务互动范围的潜在信息挖掘指示描述切换为在所述第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略。
在上述内容的基础上,AI智能神经网络包括第二切换单元。基于此,步骤241所描述的确定实现所述理想会话行为变化描述时所述第二智慧业务互动范围的潜在信息挖掘指示描述,具体可以包括如下内容:基于所述第二切换单元涵盖的所述目标业务场景的潜在信息挖掘指示描述与所述大数据业务用户的会话行为变化描述之间的关联关系,对所述第二智慧业务互动范围的理想会话行为变化描述进行切换处理,得到实现所述第二智慧业务互动范围的理想会话行为变化描述时所述第二智慧业务互动范围的潜在信息挖掘指示描述。
在实施上述内容时,将第一智慧业务互动范围的会话行为变化描述输入AI智能神经网络中的第一切换单元,通过第一切换单元对第一智慧业务互动范围的会话行为变化描述进行切换处理,得到第二智慧业务互动范围中符合用户画像挖掘指标的理想会话行为变化描述,并将理想会话行为变化描述输入至第二切换单元,通过第二切换单元学习到的目标业务场景的潜在信息挖掘指示描述与大数据业务用户的会话行为变化描述之间的关联关系,对第二智慧业务互动范围的理想会话行为变化描述进行切换处理,得到实现第二智慧业务互动范围的理想会话行为变化描述时第二智慧业务互动范围的潜在信息挖掘指示描述,并将第二智慧业务互动范围的潜在信息挖掘指示描述输入至整合单元,通过整合单元学习到的目标业务场景的用户画像信息挖掘策略和关联信息定位引导描述共同与目标业务场景的潜在信息挖掘指示描述之间的关联关系,将第二智慧业务互动范围的潜在信息挖掘指示描述切换为在第二智慧业务互动范围中用于匹配目标业务场景的用户画像信息挖掘策略。从而,通过AI智能神经网络中多层网络即可预测得到第二智慧业务互动范围的用户画像信息挖掘策略,进而实现业务用户的会话场景的智能化地精准匹配,避免通过手段匹配的方式对目标业务场景中大数据业务用户的会话场景进行调整。
在一些可能的实施例中,所述AI智能神经网络包括第一切换单元以及整合单元。基于此,步骤241基于所述第一智慧业务互动范围的会话行为变化描述,确定所述第二智慧业务互动范围中符合用户画像挖掘指标的理想会话行为变化描述,具体可以包括如下内容:基于所述第一切换单元对所述第一智慧业务互动范围的会话行为变化描述进行切换处理,得到所述第二智慧业务互动范围中符合用户画像挖掘指标的理想会话行为变化描述。
上述步骤242所描述的确定在所述第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略,具体可以包括:基于所述整合单元涵盖的所述目标业务场景的用户画像信息挖掘策略和关联信息定位引导描述共同与所述目标业务场景的潜在信息挖掘指示描述之间的关联关系,将所述第二智慧业务互动范围的潜在信息挖掘指示描述切换为在所述第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略。
在上述内容的基础上,AI智能神经网络包括第二切换单元。基于此,步骤241所描述的确定实现所述理想会话行为变化描述时所述第二智慧业务互动范围的潜在信息挖掘指示描述,具体还可以包括如下内容:基于所述第二切换单元涵盖的所述目标业务场景的潜在信息挖掘指示描述与所述大数据业务用户的行为变化描述轨迹之间的关联关系,对所述第一智慧业务互动范围的会话行为变化描述与所述第二智慧业务互动范围的理想会话行为变化描述的描述对比结果进行描述更换处理,得到实现所述第二智慧业务互动范围的理想会话行为变化描述时所述第二智慧业务互动范围的潜在信息挖掘指示描述。
在具体实施上述内容时,将第一智慧业务互动范围的会话行为变化描述输入AI智能神经网络中的第一切换单元,通过第一切换单元对第一智慧业务互动范围的会话行为变化描述进行切换处理,得到第二智慧业务互动范围中符合用户画像挖掘指标的理想会话行为变化描述,并将理想会话行为变化描述输入至第二切换单元,通过第二切换单元学习到的目标业务场景的潜在信息挖掘指示描述与大数据业务用户的行为变化描述轨迹之间的关联关系,对第一智慧业务互动范围的会话行为变化描述与第二智慧业务互动范围的理想会话行为变化描述的描述对比结果进行描述更换处理,得到实现第二智慧业务互动范围的理想会话行为变化描述时第二智慧业务互动范围的潜在信息挖掘指示描述,第二切换单元将第二智慧业务互动范围的潜在信息挖掘指示描述输入至整合单元中,通过整合单元学习到的目标业务场景的用户画像信息挖掘策略和关联信息定位引导描述共同与目标业务场景的潜在信息挖掘指示描述之间的关联关系,将第二智慧业务互动范围的潜在信息挖掘指示描述切换为在第二智慧业务互动范围中用于匹配目标业务场景的用户画像信息挖掘策略。从而,通过AI智能神经网络中多层网络即可预测得到第二智慧业务互动范围的用户画像信息挖掘策略,进而实现业务用户的会话场景的智能化地精准匹配,避免通过手段匹配的方式对目标业务场景中大数据业务用户的会话场景进行调整。
在本申请实施例中,切换单元可以理解为映射网络,整合单元可以理解为融合网络。进一步地,整合单元可以包括第一特征提取子网、第二特征提取子网、分类统计子网以及第三特征提取子网。上述所描述的将所述第二智慧业务互动范围的潜在信息挖掘指示描述切换为在所述第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略,具体还可以包括如下描述内容:基于所述第一特征提取子网对所述第二智慧业务互动范围的关联信息定位引导描述进行关键描述提取处理,得到对应所述关联信息定位引导描述的第一描述信息;基于所述第二特征提取子网对所述第二智慧业务互动范围的潜在信息挖掘指示描述进行关键描述提取处理,得到所述对应所述潜在信息挖掘指示描述的第二描述信息;基于所述分类统计子网确定所述第二描述信息与所述第一描述信息的量化比较数据;基于所述第三特征提取子网对所述量化比较数据进行关键描述提取处理,得到在所述第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略。
可以理解,整合单元包括第一特征提取子网、第二特征提取子网、分类统计子网以及第三特征提取子网可以理解为整合单元包括第一卷积层、第二卷积层、全连接层以及第三卷积层。
在具体实施时,第二切换单元将第二智慧业务互动范围的潜在信息挖掘指示描述输入至整合单元后,基于学习到的目标业务场景的用户画像信息挖掘策略和关联信息定位引导描述共同与目标业务场景的潜在信息挖掘指示描述之间的关联关系,通过整合单元中的第一特征提取子网对第二智慧业务互动范围的关联信息定位引导描述进行关键描述提取处理,得到对应联信息定位引导描述的第一描述信息(即第一卷积向量),并通过整合单元中的第二特征提取子网对第二智慧业务互动范围的潜在信息挖掘指示描述进行关键描述提取处理,得到对应潜在信息挖掘指示描述的第二描述信息(即第二卷积向量),然后通过分类统计子网对第二描述信息与第一描述信息进行比较,以得到第二描述信息与第一描述信息的量化比较数据,最后通过第三特征提取子网对量化比较数据进行关键描述提取处理,得到在第二智慧业务互动范围中用匹配目标业务场景的用户画像信息挖掘策略。
步骤26,在所述第二智慧业务互动范围将所述用户画像信息挖掘策略配置到所述目标业务场景中。
在具体实施时,可以在第二智慧业务互动范围内(比如设定时段或者设定规则下)将用户画像信息挖掘策略部署在目标业务场景中,比如规定目标业务场景下的画像挖掘方式均参考用户画像信息挖掘策略进行。
可以理解,将针对目标业务场景的匹配请指示发送至AI智能化运算服务器,AI智能化运算服务器接收到针对目标业务场景的匹配请指示后,调取AI智能神经网络进行估计处理后,得到第二智慧业务互动范围的用户画像信息挖掘策略,并将第二智慧业务互动范围的用户画像信息挖掘策略反馈至业务互动设备,业务互动设备通过执行设备在第二智慧业务互动范围将用户画像信息挖掘策略应用到目标业务场景中,从而将第一智慧业务互动范围的潜在信息挖掘指示描述更换至第二智慧业务互动范围的潜在信息挖掘指示描述,并在第二智慧业务互动范围的潜在信息挖掘指示描述以及第二智慧业务互动范围的关联信息定位引导描述协助调节下,将第一智慧业务互动范围的会话行为变化描述更换至第二智慧业务互动范围的会话行为变化描述,从而实现智能化匹配目标业务场景中大数据业务用户的会话行为变化。
在一种可能的实施例中,在上述内容的基础上,该方法具体还可以包括如下步骤31和步骤32所记录的技术方案。
步骤31,基于所述目标业务场景中大数据业务用户在多个参考智慧业务互动范围的会话行为变化描述、所述目标业务场景在所述多个参考智慧业务互动范围的潜在信息挖掘指示描述、所述目标业务场景在所述多个参考智慧业务互动范围的关联信息定位引导描述,生成所述AI智能神经网络的训练范例(训练样本)。
步骤32,基于所述训练范例对所述AI智能神经网络进行训练,得到用于用户画像信息挖掘策略估计的所述AI智能神经网络。
可以理解,参考智慧业务互动范围可以理解为历史智慧业务互动范围。在具体实施时,通过历史智慧业务互动范围的所对应的信息对AI智能神经网络进行训练,能够更进一步确保AI智能神经网络的网络参数的稳定性。
在一些可能的实施例中,步骤31所描述的基于所述目标业务场景中大数据业务用户在多个参考智慧业务互动范围的会话行为变化描述、所述目标业务场景在所述多个参考智慧业务互动范围的潜在信息挖掘指示描述、所述目标业务场景在所述多个参考智慧业务互动范围的关联信息定位引导描述,生成所述AI智能神经网络的训练范例,具体可以包括如下步骤311-步骤315所描述的内容。
针对所述多个参考智慧业务互动范围中的其中一个参考智慧业务互动范围实施如下操作:步骤311,获取所述参考智慧业务互动范围的下一参考智慧业务互动范围的会话行为变化描述、所述参考智慧业务互动范围的下一参考智慧业务互动范围的潜在信息挖掘指示描述以及所述参考智慧业务互动范围的下一参考智慧业务互动范围的关联信息定位引导描述;步骤312,将所述目标业务场景中大数据业务用户在所述参考智慧业务互动范围的会话行为变化描述、所述目标业务场景在所述参考智慧业务互动范围的潜在信息挖掘指示描述、所述参考智慧业务互动范围的关联信息定位引导描述合并为所述参考智慧业务互动范围的第一描述信息;步骤313,将所述参考智慧业务互动范围的下一参考智慧业务互动范围的会话行为变化描述、所述参考智慧业务互动范围的下一参考智慧业务互动范围的潜在信息挖掘指示描述以及所述参考智慧业务互动范围的下一参考智慧业务互动范围的关联信息定位引导描述合并为所述下一参考智慧业务互动范围的第二描述信息;步骤314,基于所述参考智慧业务互动范围的第一描述信息、在所述参考智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略以及所述下一参考智慧业务互动范围的第二描述信息,生成所述参考智慧业务互动范围的训练范例;步骤315,将多个所述参考智慧业务互动范围的训练范例进行合并处理,得到所述AI智能神经网络的训练范例。
例如,当某一参考智慧业务互动范围的会话行为变化描述为A1、潜在信息挖掘指示描述为B1、关联信息定位引导描述为C1时,则该参考智慧业务互动范围的描述信息为W1{A1,B1,C1}。当该参考智慧业务互动范围的下一参考智慧业务互动范围的会话行为变化描述为A2、潜在信息挖掘指示描述为B2、关联信息定位引导描述为C2时,则该参考智慧业务互动范围的下一参考智慧业务互动范围的描述信息为W2{A2,B2,C2}。当该参考智慧业务互动范围中用于匹配目标业务场景的用户画像信息挖掘策略为G1时,则将该参考智慧业务互动范围的会话行为变化描述W1、该参考智慧业务互动范围中用于匹配目标业务场景的用户画像信息挖掘策略为G1以及该参考智慧业务互动范围的下一参考智慧业务互动范围的描述信息W2合并为该参考智慧业务互动范围的训练样本{W1,G1,W2}。当有Y个参考智慧业务互动范围时,则训练样本为{W1,G1,W2}、…、{WY-1,GY-1,WY}、{WY,GY,终止态},其中,Y为大于2的自然数,终止态表示训练终止条件。
在上述内容的基础上,该方法具体还可以包括步骤41:将所述参考智慧业务互动范围的训练范例保存至临时数据库。基于此,步骤32所描述的基于所述训练范例对所述AI智能神经网络进行训练,具体可以包括如下内容:当所述临时数据库中所述参考智慧业务互动范围的训练范例的数目达到设定阈值时,从所述临时数据库获取多个所述参考智慧业务互动范围的训练范例,并基于多个所述参考智慧业务互动范围的训练范例对所述AI智能神经网络进行训练。
可以理解,临时数据库可以理解为缓存数据库。在具体实施时,在匹配目标业务场景中的大数据业务用户的会话场景的过程中,可以将参考智慧业务互动范围的训练范例(训练样本)缓存至临时数据库,以收集训练样本,从而当临时数据库中的参考智慧业务互动范围的训练范例数目达到设定阈值时,从临时数据库获取多个参考智慧业务互动范围的训练范例,并基于多个参考智慧业务互动范围的训练范例对AI智能神经网络进行训练。这样一来,能够节约缓存数据库的缓存空间。
在上述内容的基础上,步骤32所描述的所述基于所述目标业务场景中大数据业务用户会话行为变化的训练范例对所述AI智能神经网络进行训练,得到用于用户画像信息挖掘策略估计的所述AI智能神经网络,具体可以包括步骤321和步骤322。
步骤321,基于所述训练范例中的其中一个参考智慧业务互动范围的训练范例以及所述参考智慧业务互动范围的标记评价变量,生成所述AI智能神经网络的目标评价结果。
步骤322,优化所述AI智能神经网络的变量直到所述目标评价结果达到设定状态,将所述目标评价结果达到设定状态时所述AI智能神经网络的优化的变量,作为用于用户画像信息挖掘策略估计的所述AI智能神经网络的变量。
在具体实施时,根据强化学习算法,基于其中一个参考智慧业务互动范围的训练范例以及参考智慧业务互动范围的标记评价变量,确定AI智能神经网络的目标评价结果后,可以判断AI智能神经网络的目标评价结果是否超出预设阈值,当AI智能神经网络的目标评价结果超出预设阈值时,基于AI智能神经网络的目标评价结果确定AI智能神经网络的偏差提示信息,将偏差提示信息在AI智能神经网络中反馈,并在反馈的过程中优化各个层的变量。
在一种可能的实施例中,在步骤321所描述的生成所述AI智能神经网络的目标评价结果之前,具体还可以包括步骤41和步骤42所描述的内容。
步骤41,基于所述训练范例中的其中一个参考智慧业务互动范围的训练范例调取所述AI智能神经网络进行估计处理,得到在所述参考智慧业务互动范围中用于匹配所述目标业务场景的信息挖掘估计策略。
步骤42,基于所述信息挖掘估计策略,得到所述参考智慧业务互动范围的估计评价变量(预测评估参数)。
进一步地,在步骤321所描述的生成所述AI智能神经网络的目标评价结果,具体可以包括:基于所述参考智慧业务互动范围的训练范例、所述参考智慧业务互动范围的估计评价变量以及所述参考智慧业务互动范围的标记评价变量(标注评估参数),生成所述AI智能神经网络的目标评价结果。
在上述所描述的所述生成所述AI智能神经网络的目标评价结果之前,具体还可以包括如下内容:获取所述参考智慧业务互动范围的训练范例中的下一参考智慧业务互动范围的会话行为变化描述;基于所述下一参考智慧业务互动范围的会话行为变化描述调取大数据业务用户虚拟线程(仿真器模型),以确定所述大数据业务用户会话行为变化在所述参考智慧业务互动范围所带来的会话行为变化目标信息,并将所述会话行为变化目标信息作为所述参考智慧业务互动范围的标记评价变量。如此,通过大数据业务用户虚拟线程以准确的确定标记评价变量,并为后续生成AI智能神经网络的目标评价结果提供有力的依据。
承接上述示例,所述将所述会话行为变化目标信息作为所述参考智慧业务互动范围的标记评价变量之前,具体还可以包括如下描述内容:获取在所述参考智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略;基于在所述参考智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略调取所述大数据业务用户虚拟线程,以确定所述用户画像信息挖掘策略所需占用的运行内存信息。
进一步地,所述将所述会话行为变化目标信息作为所述参考智慧业务互动范围的标记评价变量,具体可以包括:将所述会话行为变化目标信息与所述运行内存信息的量化比较数据(差值)作为所述参考智慧业务互动范围的标记评价变量。
在具体实施的过程中,在训练阶段,调取述AI智能神经网络进行估计处理,得到在参考智慧业务互动范围中用于匹配目标业务场景的信息挖掘估计策略,并基于信息挖掘估计策略,得到参考智慧业务互动范围的估计评价变量。例如基于信息挖掘估计策略,估计目标业务场景中大数据业务用户能够符合的会话行为变化描述,将大数据业务用户能够符合的会话行为变化描述所带来的会话行为变化目标信息作为估计评价变量;基于信息挖掘估计策略,估计目标业务场景中大数据业务用户能够符合的会话行为变化描述,将大数据业务用户能够符合的会话行为变化描述所带来的会话行为变化目标信息作为估计评价变量,并信息挖掘估计策略所需占用的运行内存信息,将会话行为变化目标信息与运行内存信息的量化比较数据作为标记评价变量。最后,基于参考智慧业务互动范围的训练范例、参考智慧业务互动范围的估计评价变量以及参考智慧业务互动范围的标记评价变量,构建AI智能神经网络的目标评价结果。
综上,通过调取AI智能神经网络,以基于第一智慧业务互动范围的会话行为变化描述、第一智慧业务互动范围的潜在信息挖掘指示描述以及第一智慧业务互动范围的关联信息定位引导描述,得到在第二智慧业务互动范围中用于匹配目标业务场景的用户画像信息挖掘策略,这样能够在第二智慧业务互动范围将用户画像信息挖掘策略配置到目标业务场景中,从而在不同的智慧业务互动范围下灵活、准确地调整对应的用户画像信息挖掘策略,这样可以基于实时且匹配的用户画像信息挖掘策略在目标业务场景下进行精准、可靠地用户画像挖掘。
在上述基础上,请结合图3,本申请还提供了一种基于AI网络的信息挖掘装置300框图,所述装置包括以下功能模块:
描述获取模块310,用于获取目标业务场景中大数据业务用户在第一智慧业务互动范围的会话行为变化描述、所述目标业务场景在所述第一智慧业务互动范围的潜在信息挖掘指示描述、以及所述目标业务场景在第一智慧业务互动范围的关联信息定位引导描述;
策略确定模块320,用于基于所述第一智慧业务互动范围的会话行为变化描述、所述第一智慧业务互动范围的潜在信息挖掘指示描述、以及所述第一智慧业务互动范围的关联信息定位引导描述调取AI智能神经网络,以得到在第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略,其中,所述第二智慧业务互动范围不同于所述第一智慧业务互动范围;
策略配置模块330,用于在所述第二智慧业务互动范围将所述用户画像信息挖掘策略配置到所述目标业务场景中。
进一步地,还提供了一种可读存储介质,其上存储有程序,该程序被处理器执行时实现上述的方法。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围执行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于AI网络的信息挖掘方法,其特征在于,应用于AI智能化运算服务器,所述方法包括:
获取目标业务场景中大数据业务用户在第一智慧业务互动范围的会话行为变化描述、所述目标业务场景在所述第一智慧业务互动范围的潜在信息挖掘指示描述、以及所述目标业务场景在第一智慧业务互动范围的关联信息定位引导描述;
基于所述第一智慧业务互动范围的会话行为变化描述、所述第一智慧业务互动范围的潜在信息挖掘指示描述、以及所述第一智慧业务互动范围的关联信息定位引导描述调取AI智能神经网络,以得到在第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略,其中,所述第二智慧业务互动范围不同于所述第一智慧业务互动范围;
在所述第二智慧业务互动范围将所述用户画像信息挖掘策略配置到所述目标业务场景中。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第一智慧业务互动范围的会话行为变化描述、所述第一智慧业务互动范围的潜在信息挖掘指示描述、以及所述第一智慧业务互动范围的关联信息定位引导描述调取AI智能神经网络,以得到在第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略,包括:
基于所述AI智能神经网络实施如下操作:基于所述第一智慧业务互动范围的会话行为变化描述,确定所述第二智慧业务互动范围中符合用户画像挖掘指标的理想会话行为变化描述,并确定实现所述理想会话行为变化描述时所述第二智慧业务互动范围的潜在信息挖掘指示描述;
基于所述第二智慧业务互动范围的关联信息定位引导描述与所述第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略一致应对所述第二智慧业务互动范围的潜在信息挖掘指示描述的属性,确定在所述第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略。
3.根据权利要求2所述的方法,其特征在于, 所述AI智能神经网络包括第一切换单元以及整合单元;所述基于所述第一智慧业务互动范围的会话行为变化描述,确定所述第二智慧业务互动范围中符合用户画像挖掘指标的理想会话行为变化描述,包括:
基于所述第一切换单元对所述第一智慧业务互动范围的会话行为变化描述进行切换处理,得到所述第二智慧业务互动范围中符合用户画像挖掘指标的理想会话行为变化描述;
所述确定在所述第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略,包括:
基于所述整合单元涵盖的所述目标业务场景的用户画像信息挖掘策略和关联信息定位引导描述共同与所述目标业务场景的潜在信息挖掘指示描述之间的关联关系,将所述第二智慧业务互动范围的潜在信息挖掘指示描述切换为在所述第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略。
4.根据权利要求3所述的方法,其特征在于, 所述AI智能神经网络还包括第二切换单元;所述确定实现所述理想会话行为变化描述时所述第二智慧业务互动范围的潜在信息挖掘指示描述,包括:
基于所述第二切换单元涵盖的所述目标业务场景的潜在信息挖掘指示描述与所述大数据业务用户的会话行为变化描述之间的关联关系,对所述第二智慧业务互动范围的理想会话行为变化描述进行切换处理,得到实现所述第二智慧业务互动范围的理想会话行为变化描述时所述第二智慧业务互动范围的潜在信息挖掘指示描述;
或者,基于所述第二切换单元涵盖的所述目标业务场景的潜在信息挖掘指示描述与所述大数据业务用户的行为变化描述轨迹之间的关联关系,对所述第一智慧业务互动范围的会话行为变化描述与所述第二智慧业务互动范围的理想会话行为变化描述的描述对比结果进行描述更换处理,得到实现所述第二智慧业务互动范围的理想会话行为变化描述时所述第二智慧业务互动范围的潜在信息挖掘指示描述;
相应的,所述整合单元包括第一特征提取子网、第二特征提取子网、分类统计子网以及第三特征提取子网;所述将所述第二智慧业务互动范围的潜在信息挖掘指示描述切换为在所述第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略,包括:
基于所述第一特征提取子网对所述第二智慧业务互动范围的关联信息定位引导描述进行关键描述提取处理,得到对应所述关联信息定位引导描述的第一描述信息;
基于所述第二特征提取子网对所述第二智慧业务互动范围的潜在信息挖掘指示描述进行关键描述提取处理,得到所述对应所述潜在信息挖掘指示描述的第二描述信息;
基于所述分类统计子网确定所述第二描述信息与所述第一描述信息的量化比较数据;
基于所述第三特征提取子网对所述量化比较数据进行关键描述提取处理,得到在所述第二智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述目标业务场景中大数据业务用户在多个参考智慧业务互动范围的会话行为变化描述、所述目标业务场景在所述多个参考智慧业务互动范围的潜在信息挖掘指示描述、所述目标业务场景在所述多个参考智慧业务互动范围的关联信息定位引导描述,生成所述AI智能神经网络的训练范例;
基于所述训练范例对所述AI智能神经网络进行训练,得到用于用户画像信息挖掘策略估计的所述AI智能神经网络。
6.根据权利要求5所述的方法,其特征在于,所述基于所述目标业务场景中大数据业务用户在多个参考智慧业务互动范围的会话行为变化描述、所述目标业务场景在所述多个参考智慧业务互动范围的潜在信息挖掘指示描述、所述目标业务场景在所述多个参考智慧业务互动范围的关联信息定位引导描述,生成所述AI智能神经网络的训练范例,包括:
针对所述多个参考智慧业务互动范围中的其中一个参考智慧业务互动范围实施如下操作:获取所述参考智慧业务互动范围的下一参考智慧业务互动范围的会话行为变化描述、所述参考智慧业务互动范围的下一参考智慧业务互动范围的潜在信息挖掘指示描述以及所述参考智慧业务互动范围的下一参考智慧业务互动范围的关联信息定位引导描述;
将所述目标业务场景中大数据业务用户在所述参考智慧业务互动范围的会话行为变化描述、所述目标业务场景在所述参考智慧业务互动范围的潜在信息挖掘指示描述、所述参考智慧业务互动范围的关联信息定位引导描述合并为所述参考智慧业务互动范围的第一描述信息;
将所述参考智慧业务互动范围的下一参考智慧业务互动范围的会话行为变化描述、所述参考智慧业务互动范围的下一参考智慧业务互动范围的潜在信息挖掘指示描述以及所述参考智慧业务互动范围的下一参考智慧业务互动范围的关联信息定位引导描述合并为所述下一参考智慧业务互动范围的第二描述信息;
基于所述参考智慧业务互动范围的第一描述信息、在所述参考智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略以及所述下一参考智慧业务互动范围的第二描述信息,生成所述参考智慧业务互动范围的训练范例;
将多个所述参考智慧业务互动范围的训练范例进行合并处理,得到所述AI智能神经网络的训练范例。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:将所述参考智慧业务互动范围的训练范例保存至临时数据库;
所述基于所述训练范例对所述AI智能神经网络进行训练,包括:
当所述临时数据库中所述参考智慧业务互动范围的训练范例的数目达到设定阈值时,从所述临时数据库获取多个所述参考智慧业务互动范围的训练范例,并基于多个所述参考智慧业务互动范围的训练范例对所述AI智能神经网络进行训练。
8.根据权利要求6所述的方法,其特征在于,所述基于所述目标业务场景中大数据业务用户会话行为变化的训练范例对AI智能神经网络进行训练,得到用于用户画像信息挖掘策略估计的所述AI智能神经网络,包括:
基于所述训练范例中的其中一个参考智慧业务互动范围的训练范例以及所述参考智慧业务互动范围的标记评价变量,生成所述AI智能神经网络的目标评价结果;
优化所述AI智能神经网络的变量直到所述目标评价结果达到设定状态,将所述目标评价结果达到设定状态时所述AI智能神经网络的优化的变量,作为用于用户画像信息挖掘策略估计的所述AI智能神经网络的变量;
相应的,所述生成所述AI智能神经网络的目标评价结果之前,还包括:
基于所述训练范例中的其中一个参考智慧业务互动范围的训练范例调取所述AI智能神经网络进行估计处理,得到在所述参考智慧业务互动范围中用于匹配所述目标业务场景的信息挖掘估计策略;
基于所述信息挖掘估计策略,得到所述参考智慧业务互动范围的估计评价变量;
所述生成所述AI智能神经网络的目标评价结果,包括:
基于所述参考智慧业务互动范围的训练范例、所述参考智慧业务互动范围的估计评价变量以及所述参考智慧业务互动范围的标记评价变量,生成所述AI智能神经网络的目标评价结果。
9.根据权利要求8所述的方法,其特征在于,所述生成所述AI智能神经网络的目标评价结果之前,还包括:
获取所述参考智慧业务互动范围的训练范例中的下一参考智慧业务互动范围的会话行为变化描述;
基于所述下一参考智慧业务互动范围的会话行为变化描述调取大数据业务用户虚拟线程,以确定所述大数据业务用户会话行为变化在所述参考智慧业务互动范围所带来的会话行为变化目标信息,并将所述会话行为变化目标信息作为所述参考智慧业务互动范围的标记评价变量;
相应的,所述将所述会话行为变化目标信息作为所述参考智慧业务互动范围的标记评价变量之前,还包括:
获取在所述参考智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略;
基于在所述参考智慧业务互动范围中用于匹配所述目标业务场景的用户画像信息挖掘策略调取所述大数据业务用户虚拟线程,以确定所述用户画像信息挖掘策略所需占用的运行内存信息;
所述将所述会话行为变化目标信息作为所述参考智慧业务互动范围的标记评价变量,包括:
将所述会话行为变化目标信息与所述运行内存信息的量化比较数据作为所述参考智慧业务互动范围的标记评价变量。
10.一种AI智能化运算服务器,其特征在于,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述权利要求1-9任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111218492 | 2021-10-20 | ||
CN2021112184928 | 2021-10-20 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113946611A true CN113946611A (zh) | 2022-01-18 |
Family
ID=79332528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111235846.XA Pending CN113946611A (zh) | 2021-10-20 | 2021-10-22 | 一种基于ai网络的信息挖掘方法及智能化运算服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113946611A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114880709A (zh) * | 2022-05-23 | 2022-08-09 | 铜仁英丹网络科技有限公司 | 一种应用人工智能的电商数据防护方法及服务器 |
-
2021
- 2021-10-22 CN CN202111235846.XA patent/CN113946611A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114880709A (zh) * | 2022-05-23 | 2022-08-09 | 铜仁英丹网络科技有限公司 | 一种应用人工智能的电商数据防护方法及服务器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10805171B1 (en) | Understanding network entity relationships using emulation based continuous learning | |
US11539590B2 (en) | Detect impact of network maintenance in software defined infrastructure | |
CN108762949A (zh) | 集中调度方法、系统、计算机设备和存储介质 | |
CN113572780A (zh) | 设备安全策略配置方法 | |
CN109816563A (zh) | 电子合同模板流转方法、装置、计算机设备和存储介质 | |
CN110166522A (zh) | 服务器识别方法、装置、可读存储介质和计算机设备 | |
CN113946611A (zh) | 一种基于ai网络的信息挖掘方法及智能化运算服务器 | |
CN112084438A (zh) | 扫码跳转数据处理方法、装置、设备及系统 | |
CN114025027B (zh) | 数据传输脚本的运行方法、装置、存储介质和电子装置 | |
CN115203282A (zh) | 结合深度学习的智慧企服用户数据处理方法及系统 | |
CN113014626B (zh) | 数据服务的管理方法及装置、存储介质及电子装置 | |
US20080320048A1 (en) | Automated composition of services in a platform | |
CN112637223A (zh) | 应用协议识别方法、装置、计算机设备和存储介质 | |
CN110661896B (zh) | 一种确定数据流的映射地址的方法及服务器 | |
CN114021175B (zh) | 用户画像的配置方法、装置、计算机设备及介质 | |
CN114625612A (zh) | 基于大数据办公的用户行为分析方法及服务系统 | |
CN111385110B (zh) | 网络的管理方法及装置 | |
CN113642885B (zh) | 基于人工智能的业务环境指标信息处理方法及系统 | |
Ordoñez et al. | Natural language processing based Services Composition for Environmental management | |
CN113723434A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN116994380B (zh) | 一种信息交互方法和装置 | |
CN117640363B (zh) | 微服务配置与管控方法和系统 | |
CN114048804B (zh) | 一种分类模型训练方法及装置 | |
CN112135162B (zh) | 业务执行方法、装置及服务器 | |
CN115017166A (zh) | 垂类数据构建方法、装置、电子设备及存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220118 |
|
WD01 | Invention patent application deemed withdrawn after publication |