CN114036347B - 一种支持数字融合业务的云平台及工作方法 - Google Patents
一种支持数字融合业务的云平台及工作方法 Download PDFInfo
- Publication number
- CN114036347B CN114036347B CN202111367564.5A CN202111367564A CN114036347B CN 114036347 B CN114036347 B CN 114036347B CN 202111367564 A CN202111367564 A CN 202111367564A CN 114036347 B CN114036347 B CN 114036347B
- Authority
- CN
- China
- Prior art keywords
- fusion
- sub
- association
- scene
- acquiring
- 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
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
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- 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
- G06F16/903—Querying
-
- 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
- G06F16/906—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种支持数字融合业务的云平台及工作方法,其中,云平台包括,获取模块,用于获取目标用户的目标需求,同时,还获取目标用户调取的基础数据;构建模块,用于对目标需求进行拆分,获取拆分后的每个子需求的子业务场景,同时,向每个子业务场景匹配第一融合策略,并构建每个子业务场景的融合关联结构;数字融合模块,用于标定每个融合关联结构的主要关联以及次要关联,来获取对应的匹配策略,基于匹配策略对基础数据进行预处理,并调取第二融合策略,对预处理结果进行数字融合。提高处理效率以及融合精度,进而降低数字鸿沟产生的可能性。
Description
技术领域
本发明涉及数字融合技术领域,特别涉及一种支持数字融合业务的云平台及其工作方法。
背景技术
数字融合(digital inclusion)也被称为电子融合(e-inclusion),或称为数字包容(inclusion一词,常常被译作包容、融合)、电子包容,常常用来描述消除数字鸿沟的动态过程,通常是指尽力缩减数字鸿沟的努力。
随着科技技术的发展,基于网络平台上的各种业务在人们的日常生活中有着不可替代的地位。但是,由于业务本身可能会涉及到各种各样的参数、用于描述该参数的各种工艺流程、描述该参数的各种规则数据等,使得基于该业务进行数字处理的过程中,由于对不同的数据的处理手段都比较单一,导致数字处理效率低,且即便存在数字融合,其融合后的精度也比较低下。
因此,本发明提出一种支持数字融合业务的云平台及工作方法。
发明内容
本发明提供一种支持数字融合业务的云平台及工作方法,用以通过匹配融合策略,来实现数字融合,可提高处理效率以及融合精度,进而降低数字鸿沟产生的可能性。
本发明提供一种支持数字融合业务的云平台,包括:
获取模块,用于获取目标用户的目标需求,同时,还获取所述目标用户调取的基础数据;
构建模块,用于对所述目标需求进行拆分,获取拆分后的每个子需求的子业务场景,同时,向每个子业务场景匹配第一融合策略,并构建每个子业务场景的融合关联结构;
数字融合模块,用于标定每个融合关联结构的主要关联以及次要关联,来获取对应的匹配策略,基于所述匹配策略对所述基础数据进行预处理,并调取第二融合策略,对预处理结果进行数字融合。
在一种可能实现的方式中,所述获取模块,包括:
识别单元,用于在获取目标用户的目标需求之前,获取所述目标用户的用户身份,并进行识别;
处理单元,用于根据识别结果,获取对应目标用户的参考需求。
在一种可能实现的方式中,所述处理单元,用于当识别结果为所述目标用户为本平台的新用户时,跨平台获取所述新用户的历史需求信息,确定所述新用户是否存在对与数字融合相关业务的历史操作;
若存在,构建所述新用户的操作列表,并构建所述操作列表与数字融合的相关矩阵,同时,建立所述本平台与对应所有跨平台的平台关联矩阵,其中,所述操作列表包括操作项目名称、操作项目内容、操作项目结果;
根据所述相关矩阵以及平台关联矩阵,筛选主要相关操作以及次要相关操作,并作为所述新用户的参考需求;
若不存在,确定所述新用户的参考需求为空白;
所述处理单元,还用于当所述目标用户为本平台的历史用户时,获取所述历史用户的历史需求,并作为参考需求;
所述处理单元,还用于向所述目标需求建立索引单元,并将所述参考需求附着在对应索引单元上。
在一种可能实现的方式中,所述获取模块,还包括:
捕捉单元,用于锁定所述目标用户的当前操作轨迹,并捕捉所述当前操作轨迹上每个操作轨迹点对应的调取信息;
第一确定单元,用于对所述当前操作轨迹对应的操作日志进行分析,确定所述当前操作轨迹中的可行轨迹以及待评判轨迹;
分析单元,用于对所述可行轨迹对应的调取信息进行保留,作为主要数据,同时,对所述待评判轨迹进行评判分析,获取所述待评判轨迹中的有效轨迹,并剔除存在的无效轨迹,并将所述有效轨迹对应的调取信息作为辅助数据;
第二确定单元,用于根据所有的主要数据以及辅助数据,确定得到基础信息。
在一种可能实现的方式中,所述构建模块,包括:
第一获取单元,用于获取所述目标需求的需求属性,并按照所述需求属性调取对应的需求拆分模型;
拆分单元,用于基于获取的每个需求拆分模型对所述目标需求进行第一拆分,获得若干子需求集合,并寻找重叠子需求和非重叠子需求;
第二获取单元,用于获取每个重叠子需求的第一子属性,同时,获取每个非重叠子需求的第二子属性,并按照所述第二子属性与所述需求属性的相关度,按照相关度-权值映射表,向每个非重叠子属性匹配属性权值;
排序单元,用于对所述属性权值对非重叠子属性进行第一排序,筛选第三子属性,并向所述第三子属性对应非重叠子需求以及所述重叠子需求匹配对应的子业务场景。
在一种可能实现的方式中,所述构建模块,还包括:
第一调取单元,用于调取每个子业务场景的场景布置信息,并确定所述子业务场景的静态信息以及动态信息,基于所述静态信息构建对应的静态场景,并基于所述动态信息构建对应的动态场景;
第一构建单元,用于获取所述动态场景对应的动态变化参数,并基于对应的每类动态变化参数的不确定性,构建所述动态场景的变化评估模型,并基于所述变化评估模型,获取所述动态场景的动态分布区域;
同时,构建并获取所述静态场景的静态分布区域;
定位单元,用于获取所述静态分布区域的静态特征点,并对所述静态特征点进行第一定位,同时,获取所述动态分布区域的动态特征点,并对所述动态特征点进行第二定位;
第二构建单元,用于基于第一定位结果以及第二定位结果,构建初始关联结构;
第三确定单元,用于基于对应子业务场景的历史场景数据,确定所述静态分布区域对动态分布区域的第一区域影响,同时,还确定所述动态分布区域对所述静态分布区域的第二区域影响;
融合调整单元,用于按照所述第一区域影响以及第二区域影响,匹配对应的第一融合策略,并基于所述第一融合策略对所述初始关联结构进行融合调整,获得对应子业务场景的融合关联结构。
在一种可能实现的方式中,所述数字融合模块,包括:
解析单元,用于获取所述融合关联结构上的各个分支的分支信息,并对所述分支信息进行解析,同时,还根据每个分支的当前位置,确定对应分支的位置权值;
标定单元,用于根据解析结果以及位置权值,确定对应分支是否为主要分支,若是主要分支,进行第一标定;
若不是主要分支,进行第二标定;
根据标定结果,确定对应融合关联结构的初始分支布局,并按照对应融合关联结构的初始属性,确定主要分支之间的第一关联、主要分支与次要分支之间的第二关联;
根据所述第一关联以及第二关联,对对应融合关联结构涉及的主要关联以及次要关联进行第三标定;
根据第三标定结果以及关联信息,获取对应的匹配策略。
在一种可能实现的方式中,所述关联信息包括:主要关联的关联信息、次要关联的关联信息、与主要关联相关的分支位置、与次要关联相关的分支位置、主要关联与次要关联对应分支的分支布局。
在一种可能实现的方式中,所述数字融合模块,还包括:
验证单元,用于基于所述匹配策略对所述基础数据进行完整性验证,若验证通过,将所述基础数据作为预处理结果;
若验证不通过,基于所述匹配策略与所述基础数据的数据差异,来调取相应的差异方案,对所述基础数据进行数据调整,获得预处理结果;
分类单元,用于对所述预处理结果进行数据类型分类,获得多类型数据;
输入单元,用于确定同类型数据下第一数据的帧序列,进而确定不同帧序列下的帧数据,同时,将同类型数据下的帧数据按照帧顺序依次输入到融合行为判断模型中,获取对应同类型数据下的融合事件;
监测单元,用于按照所述融合事件对对应同类型数据下的帧数据进行融合行为,并对融合行为进行监测;
根据监测结果,提取融合的帧序列以及未融合帧序列,分析所述未融合帧序列的序列属性,根据所述序列属性判断是否属于具备唯一性,若是,视为所述融合事件合格;
若不具备唯一性,调取相关的未融合帧序列,并获取两者的融合差异特征,根据所述融合差异特征,对所述融合事件进行调整,获得合格的融合事件;
第二调取单元,用于按照不同类型下对应的合格的融合事件,从策略数据库中调取对应的第二融合策略,对所述预处理结果进行数字融合。
本发明提供一种支持数字融合业务的工作方法,包括:
步骤1:获取目标用户的目标需求,同时,还获取所述目标用户调取的基础数据;
步骤2:对所述目标需求进行拆分,获取拆分后的每个子需求的子业务场景,同时,向每个子业务场景匹配第一融合策略,并构建每个子业务场景的融合关联结构;
步骤3:标定每个融合关联结构的主要关联以及次要关联,来获取对应的匹配策略,基于所述匹配策略对所述基础数据进行预处理,并调取第二融合策略,对预处理结果进行数字融合。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种支持数字融合业务的云平台的结构图;
图2为本发明实施例中一种支持数字融合业务的工作方法的流程图;
图3为本发明实施例中轨迹示意图;
图4为本发明实施例中子业务场景的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本发明提供一种支持数字融合业务的云平台,如图1所示,包括:
获取模块,用于获取目标用户的目标需求,同时,还获取所述目标用户调取的基础数据;
构建模块,用于对所述目标需求进行拆分,获取拆分后的每个子需求的子业务场景,同时,向每个子业务场景匹配第一融合策略,并构建每个子业务场景的融合关联结构;
数字融合模块,用于标定每个融合关联结构的主要关联以及次要关联,来获取对应的匹配策略,基于所述匹配策略对所述基础数据进行预处理,并调取第二融合策略,对预处理结果进行数字融合。
该实施例中,针对数字融合业务,比如,计算机服务业务、软件咨询业务、基础软件服务业务等方面,同个用户开展多个业务,此时,可以将开展的多个业务,进行数字融合,来避免数字鸿沟的产生,便于针对该用户的有效处理,提高处理效率。
该实施例中,目标需求是用户输入的,且需求可以是包括:对数字的处理要求等在内的,且处理要求比如,是将数据筛选、拆分、调取等,假设用户需要对某些数据进行处理,此时,就会对需要处理的该批数据进行调取获得,此数据,可以视为基础数据,且也可以是用户在调取数据过程中产生的一些数据,都可以视为基础数据。
该实施例中,对目标需求进行筛分,比如,目标需求为:对前三个月和后三个月的金融数据进行对比分析,拆分后的子需求,可以为:前三个月金融数据、后三个月金融数据、对比分析,且每个子需求都会有对应的子业务场景,比如都是与金融相关的业务场景,此时,向每个场景匹配第一融合策略,是为了,将基于场景进行初次场景相关数字的融合,便于提供一个有效的基础结构,进而来构建融合关联结构。
该实施例中,融合关联结构是存在主要关联和次要关联在内的,主要关联比如是与金融相关的,次要关联比如是与金融无关的,来有效的获取不同的关联,以此为基础,来得到匹配策略,由于基础数据是单靠目标用户调取的到的,因此,基于目标需求的基础上,来获取匹配策略,来对基础数据进行一个完整性以及合理性的判断处理,以此来弥补基础数据存在的问题,进而调取第二融合策略,对不存在问题的基础数据进行融合,通过场景对应的融合以及基础数据对应的融合,来提高处理效率,保证融合的精度。
该实施例中,针对融合策略,例如:存在数字1、2,需要将数字1、2进行融合,此时在1和2之间添加融合框架,比如:连接框,来将1和2融合到一起。
上述技术方案的有益效果是:通过匹配融合策略,来实现数字融合,可提高处理效率以及融合精度,进而降低数字鸿沟产生的可能性。
实施例2:
在基于实施例1的基础上,所述获取模块,包括:
识别单元,用于在获取目标用户的目标需求之前,获取所述目标用户的用户身份,并进行识别;
处理单元,用于根据识别结果,获取对应目标用户的参考需求。
该实施例中,参考需求,是为了获取一个历史依据,来对目标需求进行合理的拆分,同时,还对基础数据进行有效的调整,比如,补充、删除等。
上述技术方案的有益效果是:通过对用户的身份识别,来获取参考需求,为目标需求以及基础数据的处理提供参考依据,间接提高处理效率,以及融合精度。
实施例3:
基于实施例2的基础上,所述处理单元,用于当识别结果为所述目标用户为本平台的新用户时,跨平台获取所述新用户的历史需求信息,确定所述新用户是否存在对与数字融合相关业务的历史操作;
若存在,构建所述新用户的操作列表,并构建所述操作列表与数字融合的相关矩阵,同时,建立所述本平台与对应所有跨平台的平台关联矩阵,其中,所述操作列表包括;
根据所述相关矩阵以及平台关联矩阵,筛选主要相关操作以及次要相关操作,并作为所述新用户的参考需求;
若不存在,确定所述新用户的参考需求为空白;
所述处理单元,还用于当所述目标用户为本平台的历史用户时,获取所述历史用户的历史需求,并作为参考需求;
所述处理单元,还用于向所述目标需求建立索引单元,并将所述参考需求附着在对应索引单元上。
该实施例中,通过对目标用户是否新用户来事历史用户进行区分,来根据区分结果,分别建立对应的参考需求。
该实施例中,数字融合业务,比如金融处理业务中的A类型融合业务、B类型融合业务等,将存在的融合业务构建为列表,来获取操作列表中每个业务与融合之间的参数,以此,来得到相关矩阵,比如:存在两个业务与融合之间的参数,此时,相关矩阵为:对应的平台关联矩阵为
其中,参数与操作项目名称、操作项目内容、操作项目结果有关。
该实施例中,建立索引单元,仅仅是为了将参考需求作为一个有效依据。
上述技术方案的有益效果是:通过对用户身份进行识别,来获取可以参考需求的基础,进而保证获取的有效性和合理性,间接提供参考基础,进一步提高处理效率,以及融合精度。
实施例4:
基于实施例1的基础上,所述获取模块,还包括:
捕捉单元,用于锁定所述目标用户的当前操作轨迹,并捕捉所述当前操作轨迹上每个操作轨迹点对应的调取信息;
第一确定单元,用于对所述当前操作轨迹对应的操作日志进行分析,确定所述当前操作轨迹中的可行轨迹以及待评判轨迹;
分析单元,用于对所述可行轨迹对应的调取信息进行保留,作为主要数据,同时,对所述待评判轨迹进行评判分析,获取所述待评判轨迹中的有效轨迹,并剔除存在的无效轨迹,并将所述有效轨迹对应的调取信息作为辅助数据;
第二确定单元,用于根据所有的主要数据以及辅助数据,确定得到基础信息。
该实施例中,比如,当前轨迹如图3所示,其中,加粗黑点为操作轨迹点,A1部分为可行轨迹、A2部分为待评判轨迹。此时,可以获取该操作轨迹点的调取信息,比如是点击的某个网页,或者词条,来得到相关的搜索信息,但是在搜索过程中,为了帮助理解,可能会搜索与主题无关的内容,此无关的内容即可视为无效轨迹。
该实施例中,待评判轨迹中除了对应的无关内容,剩余的内容即可作为有效轨迹,并将有效轨迹对应的调取信息作为辅助数据。
上述技术方案的有益效果是:通过调取主要数据以及辅助数据,便于得到合理的基础信息,为后续进行数字融合提供数据基础。
实施例5:
基于实施例1的基础上,所述构建模块,包括:
第一获取单元,用于获取所述目标需求的需求属性,并按照所述需求属性调取对应的需求拆分模型;
拆分单元,用于基于获取的每个需求拆分模型对所述目标需求进行第一拆分,获得若干子需求集合,并寻找重叠子需求和非重叠子需求;
第二获取单元,用于获取每个重叠子需求的第一子属性,同时,获取每个非重叠子需求的第二子属性,并按照所述第二子属性与所述需求属性的相关度,按照相关度-权值映射表,向每个非重叠子属性匹配属性权值;
排序单元,用于对所述属性权值对非重叠子属性进行第一排序,筛选第三子属性,并向所述第三子属性对应非重叠子需求以及所述重叠子需求匹配对应的子业务场景。
该实施例中,比如需求属性是金融支出属性,因此,来获取与支出相关的模型,来对需求进行拆分,且获取的模型的数量至少为2个。
比如:模型1,拆分后得到子需求1、子需求2、子需求3,模型2,拆分后得到子需求1、子需求5;
此时,子需求1作为重叠子需求,子需求2、3、5作为非重叠子需求。
该实施例中,每个子需求都有其对应的属性,因此,将该属性与需求属性的进行相关度计算,根据如下公式,来获取属性权值。
其中,n表示子需求属性对应的属性元素个数,C表示需求属性对应的属性元素集合;f(C∩Dj)表示需求属性对应的属性元素集合与子需求属性对应的第j个属性元素Dj的交集结果;f(C∪Dj)表示需求属性对应的属性元素集合与子需求属性对应的第j个属性元素的并集结果;Pi表示第i个子需求属性与需求属性的相关度;(Dj)max表示第i个子需求属性中存在的最大属性元素的元素值,且取值范围为[0,1];(Dj0ave表示第i个子需求属性中所有属性元素的平均元素值,且取值范围为[0,1];
根据该计算结果,来确定对应的相关度。
其中,相关度-权值映射表,是包括:相关度以及对应的权值在内的。
该实施例中,对非重叠子属性进行排序,筛选的是排序靠前的第三子属性,以此,来匹配对应需求的子业务场景。
上述技术方案的有益效果是:通过获取模型,来对需求进行拆分,便于获取重叠与非重叠需求,通过对属性的相关度进行计算,保证有效可靠的按照计算结果,为对应属性匹配权值,保证匹配的合理性,且通过进行排序筛选,便于有效匹配子业务场景,保证匹配效率以及匹配的合理性,为后续进行融合,提供基础。
实施例6:
基于实施例5的基础上,所述构建模块,还包括:
第一调取单元,用于调取每个子业务场景的场景布置信息,并确定所述子业务场景的静态信息以及动态信息,基于所述静态信息构建对应的静态场景,并基于所述动态信息构建对应的动态场景;
第一构建单元,用于获取所述动态场景对应的动态变化参数,并基于对应的每类动态变化参数的不确定性,构建所述动态场景的变化评估模型,并基于所述变化评估模型,获取所述动态场景的动态分布区域;
同时,构建并获取所述静态场景的静态分布区域;
定位单元,用于获取所述静态分布区域的静态特征点,并对所述静态特征点进行第一定位,同时,获取所述动态分布区域的动态特征点,并对所述动态特征点进行第二定位;
第二构建单元,用于基于第一定位结果以及第二定位结果,构建初始关联结构;
第三确定单元,用于基于对应子业务场景的历史场景数据,确定所述静态分布区域对动态分布区域的第一区域影响,同时,还确定所述动态分布区域对所述静态分布区域的第二区域影响;
融合调整单元,用于按照所述第一区域影响以及第二区域影响,匹配对应的第一融合策略,并基于所述第一融合策略对所述初始关联结构进行融合调整,获得对应子业务场景的融合关联结构。
该实施例中,场景布置信息,可以是依托平台等的场景,比如,进行金融业务数字融合的场景,比如,渲染的场景、处理的场景等。
该实施例中,比如是在场景A中进行的,此时,获取场景A的静态信息以及动态信息,以此,来构建静态场景,比如是场景A中参数不变的信息,视为静态信息,比如场景A中参数变化的信息,视为动态信息。
该实施例中,如图4所示,B1表示静态场景、B2表示动态场景,B表示对应的子业务场景,通过动态信息的改变,来对动态场景进行改变。
该实施例中,获取动态场景的动态变化参数,比如参数1、2、3,且参数1、2是一类,参数3是一类,来确定不同类参数的不确定性,且不确定性,是依据该类参数的改变对场景造成的变化来确定的,进而构建变化评估模型,且动态分布区域B22以及静态分布区域B11具体参见图4,且其中的b1为静态特征点、b2为动态特征点。
该实施例中,静态特征点是按照静态分布确定,比如静态分布的位置,以及该位置对应的融合特征等,且动态特征点与此原理类似。
该实施例中,第一定位结果是静态分布区域内的,且第二定位结果也是在动态分布区域内的。
该实施例中,历史场景数据是该子业务场景原先执行类似需求对应的业务时,获取的数据,进而可以确定静态分布区域在该场景中起到的作用以及动态分布区域在该场景中起到的作用,进而来确定静态分布区域对动态分布区域的影响以及动态分布区域对静态分布区域的影响,比如,静态分布区域导致该动态区域中对应的子业务A与其他子业务B不能融合,动态分布区域导致该静态分布区域中对应的子业务C不能融合执行等,以此结果,来匹配融合策略,是针对场景的相关的策略。
该实施例中,初始关联结构,比如存在分支1和2,通过融合调整后,将1和2融合为了3,此时,可以获得对应的融合关联结果。
该实施例中,获取所述动态场景对应的动态变化参数,并基于对应的每类动态变化参数的不确定性,包括:
动态跟踪每个动态变化参数基于动态场景的动态变化区域,根据所述动态变化区域所属的动态场景的预先搭建区域,来对对应的动态变化参数进行分类;
根据分类结果以及如下公式,计算与动态变化区域相关的变化影响值Z;
其中,L1表示分类结果对应分类数,L2表示第k1个分类结果中涉及到的动态变化参数的个数,且不同分类结果中对应的L2的取值是不一样的;dk1,k2表示第k1个分类结果中对应的第k2个动态变化参数的变化影响指数;∝k1表示第k1个分类结果对对应实际变化子区域的综合变化影响指数;(∝k1)ave表示所有分类结果对对应实际变化子区域的平均变化影响指数;(∝k1)max表示所有分类结果对对应实际变化子区域的最大变化影响指数;∝表示对变化影响值的误差调整因子,且取值范围为(0,0.06);
通过变化影响值Z与每类分类结果涉及的动态变化参数进行计算,得到对应类动态变化参数的有效值Y;
Y=Z×W(Sk1),其中,k1=1,2,3...,L1;
其中,W(Sk1)表示第k1分类结果Sk1的动态变化函数,且当第k1类分类结果对应的规划变化子区域的区域面积大于平均规划变化子区域,且对应的分类结果Sk1中的动态变化参数导致的实际变化子区域与对应规划子区域的面积比值大于1/2,W(Sk1)=1,否则,等于0;
根据有效值Y,来确定对应类参数的不确定性。
且实际变化子区域指的是该动态变化参数导致动态场景变化的实际区域,且规划变化子区域指的是对该类参数进行预先划分好的可变化区域,且大于对应类的实际区域。
比如:存在动态变化参数1、2、3,且动态变化参数1和2导致预先规划子区域中区域1变化,动态变化参数3,导致预先规划子区域中区域1和区域2变化,此时,将动态变化参数1、2视为对区域1的改变,把动态变化参数3视为区域1和2的改变,此时对应的分类结果为2,即为:对区域1的变化,对区域1和2的变化,对应的每类分类结果中,针对区域1的存在两个参数1、2,针对区域1和2的存在一个参数3。
按照参数进行区域分类,进而对该区域中的参数进行确定,可以有效的计算动态变化区域相关的变化影响值Z,进而通过动态变化函数,来计算每分类结果对应的有效值,最后,来确定不同类参数的不确定性,来有效构建变化评估模型,间接提高融合效率。
上述技术方案的有益效果是:通过获取子业务场景的动态场景以及静态场景,进而构建评估模型,来获取对应的分布区域,进而通过进行特征点定位,来构建初始关联结果,通过影响结果,进行调整,获得关联融合结果,保证获取结构的合理性,避免因为场景问题,导致的数字鸿沟出现的可能性,为后续进行数字融合,提供有效基础。
实施例7:
基于实施例1的基础上,所述数字融合模块,包括:
解析单元,用于获取所述融合关联结构上的各个分支的分支信息,并对所述分支信息进行解析,同时,还根据每个分支的当前位置,确定对应分支的位置权值;
标定单元,用于根据解析结果以及位置权值,确定对应分支是否为主要分支,若是主要分支,进行第一标定;
若不是主要分支,进行第二标定;
根据标定结果,确定对应融合关联结构的初始分支布局,并按照对应融合关联结构的初始属性,确定主要分支之间的第一关联、主要分支与次要分支之间的第二关联;
根据所述第一关联以及第二关联,对对应融合关联结构涉及的主要关联以及次要关联进行第三标定;
根据第三标定结果以及关联信息,获取对应的匹配策略。
优选的,所述关联信息包括:主要关联的关联信息、次要关联的关联信息、与主要关联相关的分支位置、与次要关联相关的分支位置、主要关联与次要关联对应分支的分支布局。
该实施例中,初始属性,比如是金融支出属性中更具体的属性,比如:红包支出属性、转账支出属性等。
该实施例中,第一关联以及第二关联,是基于初始属性进行的初步判断,并在此的基础上,来确定主要关联以及次要关联。
上述技术方案的有益效果是:通过进行分支解析以及权值确定,来获取主要以及非主要的标定,且通过确定主要分支之间以及主要与次要之间的关联,来标定主要关联以及次要关联,便于具备针对性的来获取匹配策略,提高对基础数据的有效保证,间接提高数字融合效率。
实施例8:
基于实施例1的基础上,所述数字融合模块,还包括:
验证单元,用于基于所述匹配策略对所述基础数据进行完整性验证,若验证通过,将所述基础数据作为预处理结果;
若验证不通过,基于所述匹配策略与所述基础数据的数据差异,来调取相应的差异方案,对所述基础数据进行数据调整,获得预处理结果;
分类单元,用于对所述预处理结果进行数据类型分类,获得多类型数据;
输入单元,用于确定同类型数据下第一数据的帧序列,进而确定不同帧序列下的帧数据,同时,将同类型数据下的帧数据按照帧顺序依次输入到融合行为判断模型中,获取对应同类型数据下的融合事件;
监测单元,用于按照所述融合事件对对应同类型数据下的帧数据进行融合行为,并对融合行为进行监测;
根据监测结果,提取融合的帧序列以及未融合帧序列,分析所述未融合帧序列的序列属性,根据所述序列属性判断是否属于具备唯一性,若是,视为所述融合事件合格;
若不具备唯一性,调取相关的未融合帧序列,并获取两者的融合差异特征,根据所述融合差异特征,对所述融合事件进行调整,获得合格的融合事件;
第二调取单元,用于按照不同类型下对应的合格的融合事件,从策略数据库中调取对应的第二融合策略,对所述预处理结果进行数字融合。
该实施例中,匹配策略,主要是依据目标需求,来对用户调取的基础数据进行完整性验证,以此来保证后续进行数字融合的可靠性,避免因为数据不完整,导致融合效率低下。
该实施例中,匹配策略与基础数据的数据差异,即为匹配策略对应的目标需求的目标数据与基础数据的差异。
该实施例中,差异方案,即为对基础数据中存在的缺失数据、多余数据等进行处理,来保证基础数据的完整性以及有效性。
该实施例中,预处理结果指的是合格的基础数据。
该实施例中,数据类型是按照需求对应的属性来确定的,且同各类型下的第一数据也是从基础数据中来获取到的,都是已知的。
该实施例中,融合行为判断模型是预先训练好的,且是为了能够获取不同类型数据对应的融合事件,以此,来确定对应的第二融合策略。
该实施例中,融合的帧序列为111,未融合的帧序列为000、001,此时,来判断000以及001的唯一性,若两者独立且唯一,视对应的融合事件合格,否则,将000以及001的融合差异特征为基础,对融合事件进行调整。
该实施例中,通过合格的融合事件为基础,来有效的获取第二融合策略。
上述技术方案的有益效果是:通过对基础数据进行完整性验证,来判断基础数据是否完整,进而通过数据分类,来获取同个类型的融合事件,通过对对应行为的监测,来获取合格融合事件,进而来高效调取融合策略,以此,来保证调取融合策略的可靠性,根据该策略对预处理结果进行数字融合,保证融合的效率。
实施例9:
本发明提供一种支持数字融合业务的工作方法,如图2所示,包括:
步骤1:获取目标用户的目标需求,同时,还获取所述目标用户调取的基础数据;
步骤2:对所述目标需求进行拆分,获取拆分后的每个子需求的子业务场景,同时,向每个子业务场景匹配第一融合策略,并构建每个子业务场景的融合关联结构;
步骤3:标定每个融合关联结构的主要关联以及次要关联,来获取对应的匹配策略,基于所述匹配策略对所述基础数据进行预处理,并调取第二融合策略,对预处理结果进行数字融合。
上述技术方案的有益效果是:通过匹配融合策略,来实现数字融合,可提高处理效率以及融合精度,进而降低数字鸿沟产生的可能性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种支持数字融合业务的云平台系统,其特征在于,包括:
获取模块,用于获取目标用户的目标需求,同时,还获取所述目标用户调取的基础数据;
构建模块,用于对所述目标需求进行拆分,获取拆分后的每个子需求的子业务场景,同时,向每个子业务场景匹配第一融合策略,并构建每个子业务场景的融合关联结构;
数字融合模块,用于标定每个融合关联结构的主要关联以及次要关联,来获取对应的匹配策略,基于所述匹配策略对所述基础数据进行预处理,并调取第二融合策略,对预处理结果进行数字融合;
所述获取模块,包括:
捕捉单元,用于锁定所述目标用户的当前操作轨迹,并捕捉所述当前操作轨迹上每个操作轨迹点对应的调取信息;
第一确定单元,用于对所述当前操作轨迹对应的操作日志进行分析,确定所述当前操作轨迹中的可行轨迹以及待评判轨迹;
分析单元,用于对所述可行轨迹对应的调取信息进行保留,作为主要数据,同时,对所述待评判轨迹进行评判分析,获取所述待评判轨迹中的有效轨迹,并剔除存在的无效轨迹,并将所述有效轨迹对应的调取信息作为辅助数据;
第二确定单元,用于根据所有的主要数据以及辅助数据,确定得到基础信息;
所述构建模块,包括:
第一调取单元,用于调取每个子业务场景的场景布置信息,并确定所述子业务场景的静态信息以及动态信息,基于所述静态信息构建对应的静态场景,并基于所述动态信息构建对应的动态场景;
第一构建单元,用于获取所述动态场景对应的动态变化参数,并基于对应的每类动态变化参数的不确定性,构建所述动态场景的变化评估模型,并基于所述变化评估模型,获取所述动态场景的动态分布区域;
同时,构建并获取所述静态场景的静态分布区域;
定位单元,用于获取所述静态分布区域的静态特征点,并对所述静态特征点进行第一定位,同时,获取所述动态分布区域的动态特征点,并对所述动态特征点进行第二定位;
第二构建单元,用于基于第一定位结果以及第二定位结果,构建初始关联结构;
第三确定单元,用于基于对应子业务场景的历史场景数据,确定所述静态分布区域对动态分布区域的第一区域影响,同时,还确定所述动态分布区域对所述静态分布区域的第二区域影响;
融合调整单元,用于按照所述第一区域影响以及第二区域影响,匹配对应的第一融合策略,并基于所述第一融合策略对所述初始关联结构进行融合调整,获得对应子业务场景的融合关联结构。
2.如权利要求1所述的支持数字融合业务的云平台系统,其特征在于,所述获取模块,还包括:
识别单元,用于在获取目标用户的目标需求之前,获取所述目标用户的用户身份,并进行识别;
处理单元,用于根据识别结果,获取对应目标用户的参考需求。
3.如权利要求2所述的支持数字融合业务的云平台系统,其特征在于,
所述处理单元,用于当识别结果为所述目标用户为本平台的新用户时,跨平台获取所述新用户的历史需求信息,确定所述新用户是否存在对与数字融合相关业务的历史操作;
若存在,构建所述新用户的操作列表,并构建所述操作列表与数字融合的相关矩阵,同时,建立所述本平台与对应所有跨平台的平台关联矩阵,其中,所述操作列表包括操作项目名称、操作项目内容、操作项目结果;
根据所述相关矩阵以及平台关联矩阵,筛选主要相关操作以及次要相关操作,并作为所述新用户的参考需求;
若不存在,确定所述新用户的参考需求为空白;
所述处理单元,还用于当所述目标用户为本平台的历史用户时,获取所述历史用户的历史需求,并作为参考需求;
所述处理单元,还用于向所述目标需求建立索引单元,并将所述参考需求附着在对应索引单元上。
4.如权利要求1所述的支持数字融合业务的云平台系统 ,其特征在于,所述构建模块,还包括:
第一获取单元,用于获取所述目标需求的需求属性,并按照所述需求属性调取对应的需求拆分模型;
拆分单元,用于基于获取的每个需求拆分模型对所述目标需求进行第一拆分,获得若干子需求集合,并寻找重叠子需求和非重叠子需求;
第二获取单元,用于获取每个重叠子需求的第一子属性,同时,获取每个非重叠子需求的第二子属性,并按照所述第二子属性与所述需求属性的相关度,按照相关度-权值映射表,向每个非重叠子属性匹配属性权值;
排序单元,用于对所述属性权值对非重叠子属性进行第一排序,筛选第三子属性,并向所述第三子属性对应非重叠子需求以及所述重叠子需求匹配对应的子业务场景。
5.如权利要求1所述的支持数字融合业务的云平台系统 ,其特征在于,所述数字融合模块,包括:
解析单元,用于获取所述融合关联结构上的各个分支的分支信息,并对所述分支信息进行解析,同时,还根据每个分支的当前位置,确定对应分支的位置权值;
标定单元,用于根据解析结果以及位置权值,确定对应分支是否为主要分支,若是主要分支,进行第一标定;
若不是主要分支,进行第二标定;
根据标定结果,确定对应融合关联结构的初始分支布局,并按照对应融合关联结构的初始属性,确定主要分支之间的第一关联、主要分支与次要分支之间的第二关联;
根据所述第一关联以及第二关联,对对应融合关联结构涉及的主要关联以及次要关联进行第三标定;
根据第三标定结果以及关联信息,获取对应的匹配策略。
6.如权利要求5所述的支持数字融合业务的云平台系统 ,其特征在于,
所述关联信息包括:主要关联的关联信息、次要关联的关联信息、与主要关联相关的分支位置、与次要关联相关的分支位置、主要关联与次要关联对应分支的分支布局。
7.如权利要求1所述的支持数字融合业务的云平台系统 ,其特征在于,所述数字融合模块,还包括:
验证单元,用于基于所述匹配策略对所述基础数据进行完整性验证,若验证通过,将所述基础数据作为预处理结果;
若验证不通过,基于所述匹配策略与所述基础数据的数据差异,来调取相应的差异方案,对所述基础数据进行数据调整,获得预处理结果;
分类单元,用于对所述预处理结果进行数据类型分类,获得多类型数据;
输入单元,用于确定同类型数据下第一数据的帧序列,进而确定不同帧序列下的帧数据,同时,将同类型数据下的帧数据按照帧顺序依次输入到融合行为判断模型中,获取对应同类型数据下的融合事件;
监测单元,用于按照所述融合事件对对应同类型数据下的帧数据进行融合行为,并对融合行为进行监测;
根据监测结果,提取融合的帧序列以及未融合帧序列,分析所述未融合帧序列的序列属性,根据所述序列属性判断是否属于具备唯一性,若是,视为所述融合事件合格;
若不具备唯一性,调取相关的未融合帧序列,并获取两者的融合差异特征,根据所述融合差异特征,对所述融合事件进行调整,获得合格的融合事件;
第二调取单元,用于按照不同类型下对应的合格的融合事件,从策略数据库中调取对应的第二融合策略,对所述预处理结果进行数字融合。
8.一种支持数字融合业务的工作方法,其特征在于,包括:
步骤1:获取目标用户的目标需求,同时,还获取所述目标用户调取的基础数据;
步骤2:对所述目标需求进行拆分,获取拆分后的每个子需求的子业务场景,同时,向每个子业务场景匹配第一融合策略,并构建每个子业务场景的融合关联结构;
步骤3:标定每个融合关联结构的主要关联以及次要关联,来获取对应的匹配策略,基于所述匹配策略对所述基础数据进行预处理,并调取第二融合策略,对预处理结果进行数字融合;
所述步骤1:获取目标用户的目标需求,同时,还获取所述目标用户调取的基础数据,包括:
锁定所述目标用户的当前操作轨迹,并捕捉所述当前操作轨迹上每个操作轨迹点对应的调取信息;
对所述当前操作轨迹对应的操作日志进行分析,确定所述当前操作轨迹中的可行轨迹以及待评判轨迹;
对所述可行轨迹对应的调取信息进行保留,作为主要数据,同时,对所述待评判轨迹进行评判分析,获取所述待评判轨迹中的有效轨迹,并剔除存在的无效轨迹,并将所述有效轨迹对应的调取信息作为辅助数据;
根据所有的主要数据以及辅助数据,确定得到基础信息;
所述步骤2:对所述目标需求进行拆分,获取拆分后的每个子需求的子业务场景,同时,向每个子业务场景匹配第一融合策略,并构建每个子业务场景的融合关联结构,包括:
调取每个子业务场景的场景布置信息,并确定所述子业务场景的静态信息以及动态信息,基于所述静态信息构建对应的静态场景,并基于所述动态信息构建对应的动态场景;
获取所述动态场景对应的动态变化参数,并基于对应的每类动态变化参数的不确定性,构建所述动态场景的变化评估模型,并基于所述变化评估模型,获取所述动态场景的动态分布区域;
同时,构建并获取所述静态场景的静态分布区域;
获取所述静态分布区域的静态特征点,并对所述静态特征点进行第一定位,同时,获取所述动态分布区域的动态特征点,并对所述动态特征点进行第二定位;
基于第一定位结果以及第二定位结果,构建初始关联结构;
基于对应子业务场景的历史场景数据,确定所述静态分布区域对动态分布区域的第一区域影响,同时,还确定所述动态分布区域对所述静态分布区域的第二区域影响;
按照所述第一区域影响以及第二区域影响,匹配对应的第一融合策略,并基于所述第一融合策略对所述初始关联结构进行融合调整,获得对应子业务场景的融合关联结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111367564.5A CN114036347B (zh) | 2021-11-18 | 2021-11-18 | 一种支持数字融合业务的云平台及工作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111367564.5A CN114036347B (zh) | 2021-11-18 | 2021-11-18 | 一种支持数字融合业务的云平台及工作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114036347A CN114036347A (zh) | 2022-02-11 |
CN114036347B true CN114036347B (zh) | 2022-06-03 |
Family
ID=80138075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111367564.5A Active CN114036347B (zh) | 2021-11-18 | 2021-11-18 | 一种支持数字融合业务的云平台及工作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114036347B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115658045B (zh) * | 2022-12-06 | 2023-03-21 | 西安恒歌数码科技有限责任公司 | 一种快速搭建地理信息数据应用的系统和方法 |
CN115983616B (zh) * | 2023-03-21 | 2023-07-14 | 济南丽阳神州智能科技有限公司 | 一种基于管理系统的业务流程挖掘方法及设备 |
CN117453805B (zh) * | 2023-12-22 | 2024-03-15 | 石家庄学院 | 一种不确定性数据的可视化分析方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102045441A (zh) * | 2009-10-14 | 2011-05-04 | 三星电子株式会社 | 使用移动终端的数据通信方法和系统 |
CN110874369A (zh) * | 2019-10-25 | 2020-03-10 | 广州纳斯威尔信息技术有限公司 | 一种多维数据融合侦查系统及其方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050055455A1 (en) * | 2003-09-10 | 2005-03-10 | Oren Asher | Development platform for peer-to-peer applications |
US10986144B1 (en) * | 2015-09-28 | 2021-04-20 | HealthLinx Technologies, Inc. | System and method for collaboration over a network |
CN107885487A (zh) * | 2017-11-20 | 2018-04-06 | 广西师范大学 | 一种信息物理融合系统的测试及需求满足性检验的方法 |
CN110019631B (zh) * | 2017-12-28 | 2021-11-16 | 浙江宇视科技有限公司 | 多维地图的处理方法及装置 |
CN110633316A (zh) * | 2019-08-13 | 2019-12-31 | 广州中国科学院软件应用技术研究所 | 一种多场景融合双随机市场监管方法 |
CN110517356A (zh) * | 2019-08-21 | 2019-11-29 | 佳都新太科技股份有限公司 | 实现多路视频融合的三维增强现实的系统、方法及设备 |
CN111246124B (zh) * | 2020-03-09 | 2021-05-25 | 三亚至途科技有限公司 | 一种多媒体数字融合方法和装置 |
CN112162999A (zh) * | 2020-10-08 | 2021-01-01 | 翁海坤 | 基于交互式云计算的大数据处理方法及人工智能服务器 |
CN112182007A (zh) * | 2020-10-19 | 2021-01-05 | 詹启新 | 基于人工智能的云计算的数据处理方法及人工智能平台 |
CN113239034A (zh) * | 2021-06-16 | 2021-08-10 | 广州云莫凡信息科技有限公司 | 一种基于人工智能的大数据资源整合方法、系统及云平台 |
-
2021
- 2021-11-18 CN CN202111367564.5A patent/CN114036347B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102045441A (zh) * | 2009-10-14 | 2011-05-04 | 三星电子株式会社 | 使用移动终端的数据通信方法和系统 |
CN110874369A (zh) * | 2019-10-25 | 2020-03-10 | 广州纳斯威尔信息技术有限公司 | 一种多维数据融合侦查系统及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114036347A (zh) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114036347B (zh) | 一种支持数字融合业务的云平台及工作方法 | |
WO2021179834A1 (zh) | 基于异构图进行业务处理的方法及装置 | |
US6035295A (en) | Computer system and method of data analysis | |
CN110163741A (zh) | 基于信贷风控模型的信贷决策方法、装置、设备及介质 | |
US20030115193A1 (en) | Information searching method of profile information, program, recording medium, and apparatus | |
US8825645B1 (en) | Determining quality of linked documents | |
CN106067088A (zh) | 电子银行访问行为的检测方法和装置 | |
CN106502907A (zh) | 一种基于执行轨迹追踪的分布式软件异常诊断方法 | |
KR102292570B1 (ko) | 스타트업 지원을 위한 전문가 매칭 시스템 | |
CN109284369B (zh) | 证券新闻资讯重要性的判定方法、系统、装置及介质 | |
US6782391B1 (en) | Intelligent knowledge base content categorizer (IKBCC) | |
CN109872234A (zh) | 交易行为监控方法、装置、计算机设备和介质 | |
CN115796889B (zh) | 适用于交易平台的数据处理方法 | |
JP2002032773A (ja) | 地図データの処理装置及び方法 | |
CN111428095B (zh) | 图数据质量验证方法及图数据质量验证装置 | |
CN112328868A (zh) | 一种基于信息数据的信用评估与授信申请系统及方法 | |
CN106961441B (zh) | 一种用于Hadoop云平台的用户动态访问控制方法 | |
CN110689211A (zh) | 网站服务能力的评估方法及装置 | |
US20030120614A1 (en) | Automated e-commerce authentication method and system | |
CN115269712A (zh) | 结合元宇宙交互服务的用户兴趣挖掘方法及系统 | |
CN112308070B (zh) | 证件信息的识别方法及装置、设备和计算机可读存储介质 | |
CN108711074A (zh) | 业务分类方法、装置、服务器及可读存储介质 | |
CN112199573B (zh) | 一种非法交易主动探测方法及系统 | |
CN109978302A (zh) | 一种信用评分方法及设备 | |
CN113239126A (zh) | 一种基于bor方法的业务活动信息标准化方案 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |