CN114625606A - 基于数字化的大数据智慧服务信息优化方法及服务器 - Google Patents

Abstract

本申请公开了基于数字化的大数据智慧服务信息优化方法及服务器，可以实现将该第一会话事件信息与该第二会话事件信息的事件特征比较结果进行拆分处理，从而在保证关键信息的完整性和顺承关系的前提下打破非关键信息与关键信息之间的相关性和互相影响性，不仅可以避免对原始服务交互日志的实际关键信息的损坏，还可以实现对与关键信息对应的非关键信息的过滤，由此一来，基于该分离式特征比较结果对该原始服务交互日志进行非关键信息剔除处理，能够确保已优化服务交互日志的信息质量，避免已优化服务交互日志的关键信息因为非关键信息过滤而出现部分缺失。

Description

基于数字化的大数据智慧服务信息优化方法及服务器

技术领域

本申请涉及数字化和大数据服务技术领域，尤其涉及一种基于数字化的大数据智慧服务信息优化方法及服务器。

背景技术

信息技术的飞速发展促使各类业务逐步实现数字化转型。数字化转型的本质是对业务过程进行重塑，通过业务过程重塑使的业务过程更加适应更全面的在线环境和云环境，最终实现从前端用户的接触到后端的服务器工作，全面实现业务服务自动化和智能化（通常也可以称之为智慧服务）。

随着业务服务数字化和智能化的不断更新升级，业务服务交互所产生的数据信息也在不断激增，这些数据信息难免会夹杂一些非有效内容（比如冗余信息或者非关键信息），而这类信息会给后续的数据信息分析带来严重的干扰和资源浪费，因此，对这类信息的剔除和过滤是非常重要的。发明人在实际研究过程中发现，由于这类信息与部分高质量信息存在强相关，若直接对这类信息进行剔除过滤，极大可能会造成部分高质量信息的缺失，从而难以保证剔除过滤之后的信息质量。

发明内容

本申请实施例提供了一种基于数字化的大数据智慧服务信息优化方法及服务器，能够确保已优化服务交互日志的信息质量，避免已优化服务交互日志的关键信息因为非关键信息过滤而出现部分缺失。

有鉴于此，本申请一方面提供一种基于数字化的大数据智慧服务信息优化方法，应用于信息优化服务器，所述方法包括：获取存在信息优化需求的原始服务交互日志中的第一会话事件信息与所述第一会话事件信息的存在联系会话场景下的第二会话事件信息之间的事件特征比较结果；对所述事件特征比较结果进行冗余分离操作，获得所述第一会话事件信息与所述第二会话事件信息之间的分离式特征比较结果；依据所述分离式特征比较结果对所述原始服务交互日志进行非关键信息剔除处理，获得已优化服务交互日志。

在一些可独立实施的设计思路下，所述对所述事件特征比较结果进行冗余分离操作，获得所述第一会话事件信息与所述第二会话事件信息之间的分离式特征比较结果，包括：依据所述第一会话事件信息的事件特征和所述第二会话事件信息的事件特征，对所述事件特征比较结果进行冗余分离操作，获得所述第一会话事件信息与所述第二会话事件信息之间的分离式特征比较结果。

在一些可独立实施的设计思路下，所述依据所述第一会话事件信息的事件特征和所述第二会话事件信息的事件特征，对所述事件特征比较结果进行冗余分离操作，获得所述第一会话事件信息与所述第二会话事件信息之间的分离式特征比较结果，包括：确定所述第一会话事件信息的事件特征与所述第二会话事件信息的事件特征的特征影响度；依据所述特征影响度，对所述事件特征比较结果进行冗余分离操作。

在一些可独立实施的设计思路下，所述依据所述特征影响度，对所述事件特征比较结果进行冗余分离操作，包括：根据所述事件特征比较结果与所述特征影响度之间的量化处理结果，获得所述第一会话事件信息与所述第二会话事件信息之间的分离式特征比较结果。

在一些可独立实施的设计思路下，所述确定所述第一会话事件信息的事件特征与所述第二会话事件信息的事件特征的特征影响度，包括：确定所述第一会话事件信息的事件特征与所述第二会话事件信息的事件特征的服务特征数据，获得第一关键信息量化描述；确定所述原始服务交互日志中的关键信息与非关键信息之间的信息对应情况；根据所述信息对应情况和所述第一关键信息量化描述，确定所述第一会话事件信息与所述第二会话事件信息的非关键信息离散评价，获得所述特征影响度。

在一些可独立实施的设计思路下，所述确定所述原始服务交互日志中的关键信息与非关键信息之间的信息对应情况，包括：基于在先的已优化服务交互日志，确定所述原始服务交互日志中的多个会话事件信息的关键信息量化描述和非关键信息量化描述，所述在先的已优化服务交互日志为与所述原始服务交互日志存在联系且已基于设定剔除策略进行非关键信息剔除处理的服务交互日志；将所述多个会话事件信息中关键信息量化描述相同的会话事件信息确定为一类，获得多个会话事件信息簇；依据所述多个会话事件信息簇中的会话事件信息的非关键信息量化描述，确定所述多个会话事件信息簇对应的非关键信息偏离度；对所述多个会话事件信息簇对应的关键信息量化描述和非关键信息偏离度进行全局处理，获得所述存在信息优化需求的原始服务交互日志中的关键信息与非关键信息之间的信息对应情况。

在一些可独立实施的设计思路下，所述依据所述多个会话事件信息簇中的会话事件信息的非关键信息量化描述，确定所述多个会话事件信息簇对应的非关键信息偏离度，包括：对于所述多个会话事件信息簇中的其中一个会话事件信息簇，确定所述其中一个会话事件信息簇中的会话事件信息的非关键信息量化描述的服务特征数据，获得所述其中一个会话事件信息簇对应的非关键信息特征数据；依据所述其中一个会话事件信息簇中的会话事件信息的非关键信息量化描述和所述其中一个会话事件信息簇对应的非关键信息特征数据，确定所述其中一个会话事件信息簇对应的非关键信息偏离度。

在一些可独立实施的设计思路下，所述确定所述第一会话事件信息的事件特征与所述第二会话事件信息的事件特征的特征影响度，包括：将所述第一会话事件信息的事件特征确定为第二关键信息量化描述，根据所述信息对应情况和所述第二关键信息量化描述，确定所述第一会话事件信息的非关键信息离散评价，获得所述特征影响度；或者，将所述第二会话事件信息的事件特征确定为第三关键信息量化描述，根据所述信息对应情况和所述第三关键信息量化描述，确定所述第二会话事件信息的非关键信息离散评价，获得所述特征影响度。

在一些可独立实施的设计思路下，所述确定所述原始服务交互日志中的关键信息与非关键信息之间的信息对应情况，包括：确定所述原始服务交互日志中多个会话事件信息对应的日志内容集的日志内容集特征数据，每个日志内容集与一个会话事件信息对应，每个日志内容集是以对应的会话事件信息为基准、以事件传递关系为约束所确定的；确定每个会话事件信息对应的日志内容集的日志内容集偏离度；将每个会话事件信息对应的日志内容集的日志内容集特征数据确定为每个会话事件信息的关键信息量化描述，以及将每个会话事件信息对应的日志内容集的日志内容集偏离度确定为每个会话事件信息的非关键信息偏离度；对所述多个会话事件信息的关键信息量化描述和非关键信息偏离度进行全局处理，获得所述原始服务交互日志中的关键信息与非关键信息之间的信息对应情况。

在一些可独立实施的设计思路下，所述依据所述特征影响度，对所述事件特征比较结果进行冗余分离操作之前，还包括：依据所述信息对应情况，确定第一日志内容集与第二日志内容集中除所述第一会话事件信息和所述第二会话事件信息之外的剩余会话事件信息中，内容分布对应的会话事件信息的特征影响度；所述依据所述特征影响度，对所述事件特征比较结果进行冗余分离操作，包括：根据所述第一日志内容集与所述第二日志内容集中每个对应内容分布的会话事件信息的特征影响度，分别确定所述第一日志内容集与所述第二日志内容集中每个对应内容分布的会话事件信息的目标分离式特征比较结果；基于所确定的目标分离式特征比较结果的融合结果与所述第一会话事件信息对应的第一日志内容集内的会话事件信息统计结果，获得所述第一会话事件信息与所述第二会话事件信息之间的分离式特征比较结果。

在一些可独立实施的设计思路下，所述方法还包括：以所述第一会话事件信息为基准、以事件传递关系为约束，在所述原始服务交互日志中确定所述第一会话事件信息对应的第一日志内容集；以所述第二会话事件信息为基准、以所述事件传递关系为约束，在所述原始服务交互日志中确定所述第二会话事件信息对应的第二日志内容集；分别确定所述第一日志内容集与所述第二日志内容集中除所述第一会话事件信息和所述第二会话事件信息之外的剩余会话事件信息中，内容分布对应的会话事件信息的事件特征比较结果；所述依据所述第一会话事件信息的事件特征和所述第二会话事件信息的事件特征，对所述事件特征比较结果进行冗余分离操作，获得所述第一会话事件信息与所述第二会话事件信息之间的分离式特征比较结果，包括：分别确定所述第一日志内容集与所述第二日志内容集中的每个对应内容分布的会话事件信息的事件特征的特征数据；依据所述第一日志内容集与所述第二日志内容集中的每个对应内容分布的会话事件信息的事件特征比较结果和特征数据，确定所述第一日志内容集与所述第二日志内容集中的每个对应内容分布的会话事件信息的目标分离式特征比较结果；对所确定的每个对应内容分布的会话事件信息的目标分离式特征比较结果进行加权处理，将加权处理获得的结果与所述第一日志内容集中的会话事件信息统计结果进行量化分析，获得所述第一会话事件信息与所述第二会话事件信息之间的分离式特征比较结果。

在一些可独立实施的设计思路下，所述第一会话事件信息的数目为多个，所述依据所述分离式特征比较结果对所述原始服务交互日志进行非关键信息剔除处理，包括：通过每个第一会话事件信息与每个第一会话事件信息的存在联系会话场景下的第二会话事件信息之间的分离式特征比较结果，确定每个第一会话事件信息与每个第一会话事件信息的存在联系会话场景下的第二会话事件信息之间的信息共性评价；依据所述信息共性评价，对每个第一会话事件信息的事件特征进行全局性非关键信息剔除处理；将全局性非关键信息剔除处理后的原始服务交互日志确定为所述已优化服务交互日志。。

本申请另一方面提供一种信息优化服务器，包括：存储器，用于存储可执行的指令；处理器，用于根据所述可执行的指令的控制，运行所述信息优化服务器执行如第一方面所述的方法。

从以上技术方案可以看出，本申请实施例具有以下优点：确定原始服务交互日志中的第一会话事件信息与该第一会话事件信息的存在联系会话场景下的第二会话事件信息之间的事件特征比较结果，对事件特征比较结果进行冗余分离操作，获得该第一会话事件信息与该第二会话事件信息之间的分离式特征比较结果，如此，可以实现将该第一会话事件信息与该第二会话事件信息的事件特征比较结果进行拆分处理，从而在保证关键信息的完整性和顺承关系的前提下打破非关键信息与关键信息之间的相关性和互相影响性，不仅可以避免对原始服务交互日志的实际关键信息的损坏，还可以实现对与关键信息对应的非关键信息的过滤，由此一来，基于该分离式特征比较结果对该原始服务交互日志进行非关键信息剔除处理，能够确保已优化服务交互日志的信息质量，避免已优化服务交互日志的关键信息因为非关键信息过滤而出现部分缺失。

通过以下参照附图对本申请的示例性实施例的详细描述，本申请的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本申请的实施例，并且连同其说明一起用于解释本申请的原理。

图1是示出可以实现本申请的实施例的信息优化服务器的一种硬件配置的框图。

图2是示出可以实现本申请的实施例的信息优化服务器的另一种硬件配置的框图。

图3是示出可以实现本申请的实施例的基于数字化的大数据智慧服务信息优化方法的流程图。

图4是示出可以实现本申请的实施例的基于数字化的大数据智慧服务信息优化系统的架构示意图。

具体实施方式

现在将参照附图来详细描述本申请的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

<硬件配置>

图1是示出可以实现本申请的实施例的信息优化服务器100的一种硬件配置的框图，信息优化服务器100可以包括处理器110和存储器120，存储器120用于存储可执行的指令，处理器110用于根据可执行的指令的控制，运行信息优化服务器100执行本申请中的基于数字化的大数据智慧服务信息优化方法。

图2是示出可以实现本申请的实施例的信息优化服务器100的另一种硬件配置的框图，信息优化服务器100可以包括处理器110、存储器120和基于数字化的大数据智慧服务信息优化装置400，基于数字化的大数据智慧服务信息优化装置400包括至少一个可以软件或固件（firmware）的形式储存于所述存储器120中的软件功能模块，所述处理器110通过运行存储在存储器120内的软件程序以及模块，例如本申请实施例中的基于数字化的大数据智慧服务信息优化装置400，从而执行各种功能应用以及数据处理，即实现本申请实施例中的基于数字化的大数据智慧服务信息优化方法。

<方法实施例>

图3是示出可以实现本申请的实施例的基于数字化的大数据智慧服务信息优化方法的流程图，基于数字化的大数据智慧服务信息优化方法可以通过图1或图2所示的信息优化服务器100实现，进一步可以包括以下步骤所描述的技术方案。

S101：获取存在信息优化需求的原始服务交互日志中的第一会话事件信息与该第一会话事件信息的存在联系会话场景下的第二会话事件信息之间的事件特征比较结果。

在本申请实施例中，该原始服务交互日志可以理解为存在非关键信息的服务交互日志。

示例性地，原始服务交互日志在生成过程中存在注册表残留信息，该注册表残留信息（比如一些如用户非关键业务记录等流程层面的日志信息）可以理解为非关键信息的主要形成原因，该注册表残留信息的特性是：使得非关键信息与关键信息存在显著关联，因此，一般而言又将该类非关键信息（注册表残留信息）视作关键信息相关冗余。在本申请实施例中，为了对原始服务交互日志进行非关键信息剔除处理，信息优化服务器获取存在信息优化需求的原始服务交互日志中的第一会话事件信息与该第一会话事件信息的存在联系会话场景下的第二会话事件信息之间的事件特征比较结果。

可以理解的是，该第一会话事件信息的数目可以为一个或者多个，进一步地，当该第一会话事件信息的数目为多个时，该多个第一会话事件信息可以包括该原始服务交互日志中的所有会话事件信息，或者，该多个第一会话事件信息也可以包括该原始服务交互日志中的部分会话事件信息，本申请实施例对此不做限定。

另外，该第一会话事件信息的存在联系会话场景下的第二会话事件信息的数目也可以为一个或者多个，当该第一会话事件信息的存在联系会话场景下的第二会话事件信息的数目为多个时，可以确定该第一会话事件信息与其存在联系会话场景下的每个第二会话事件信息之间的事件特征比较结果。其中，第一会话事件信息的存在联系会话场景下的第二会话事件信息可以理解为第一会话事件信息的相关会话场景（比如上下游会话场景）下的第二会话事件信息。本申请实施例中的原始服务交互日志所对应的服务业务类别可以是区块链支付、云智能办公、远程在线教育、数字化智慧医疗和物联网智能化工厂等。在不同的服务业务类别下，原始服务交互日志以及原始服务交互日志中的会话事件信息对应不同的实际内容，在此不一一列举。

以一种示例性的角度来看待，该事件特征比较结果可以理解为会话事件信息之间的量化差异。以一种示例性的角度来看待，该信息优化服务器可以通过余弦距离、欧式距离或离散程度条件等策略来确定该事件特征比较结果，关于余弦距离、欧式距离或离散程度条件的相关公式在此不一一列举。

进一步地，该信息优化服务器可以通过相关的功能模块单元来确定该原始服务交互日志中的第一会话事件信息与该第一会话事件信息的存在联系会话场景下的第二会话事件信息之间的事件特征比较结果。

在本申请实施例中，事件特征可以是量化特征，如此，能够将复杂化的会话事件信息进行数字化映射，从而通过事件特征比较结果实现对关键信息和非关键信息的精准分离，还可以减少信息优化服务器的处理负荷。

S102：对该事件特征比较结果进行冗余分离操作，获得该第一会话事件信息与该第二会话事件信息之间的分离式特征比较结果。

在一些可独立实施的设计思路下，对该事件特征比较结果进行冗余分离操作，可以理解为，将该事件特征比较结果的随机变量视觉描述（概率分布）的非关键信息离散评价（非关键信息标准差）简化处理，比如使得该事件特征比较结果的随机变量视觉描述的非关键信息离散评价调整为1。这样，对该事件特征比较结果进行冗余分离操作后，使得该第一会话事件信息与该第二会话事件信息的关键信息相关冗余记录得到简化，从而在保证关键信息的完整性和顺承关系的前提下打破非关键信息与关键信息之间的相关性和互相影响性，即打破关键信息与该非关键信息之间的信息关联性。

对于一些可独立实施的设计思路而言，对该事件特征比较结果进行冗余分离操作的进一步实现可以包括：基于该第一会话事件信息的事件特征和该第二会话事件信息的事件特征，对该事件特征比较结果进行冗余分离操作，获得该第一会话事件信息与该第二会话事件信息之间的分离式特征比较结果。

换言之，基于该第一会话事件信息的事件特征和该第二会话事件信息的事件特征进行冗余分离操作。以一种示例性的角度来看待，其进一步实现可以包括：确定该第一会话事件信息的事件特征与该第二会话事件信息的事件特征的特征影响度，基于该特征影响度，对该事件特征比较结果进行冗余分离操作。其中，该特征影响度可以用于指示该第一会话事件信息的事件特征与该第二会话事件信息的事件特征之间的关联情况。比如该第一会话事件信息的事件特征与该第二会话事件信息的事件特征存在何种上下游关联或者顺承关联。

在实际实施过程汇总，该特征影响度的确定方法可以包括多种，例如，可以根据该第一会话事件信息和第二会话事件信息的事件特征的特征数据（比如特征均值）所确定；又例如，可以根据关键信息与非关键信息的信息对应情况，确定第一会话事件信息与第二会话事件信息的非关键信息离散评价，从而获得该特征影响度；再例如，可以通过确定第一会话事件信息或第二会话事件信息的非关键信息离散评价获得。在一种可能的实现方式中，根据特征影响度的确定方式不同，确定该第一会话事件信息的事件特征与该第二会话事件信息的事件特征的特征影响度的进一步实现可以包括如下几种方式。

第一种方式，确定该第一会话事件信息的事件特征与该第二会话事件信息的事件特征的服务特征数据，获得第一关键信息量化描述，确定该原始服务交互日志中的关键信息与非关键信息之间的信息对应情况，根据该信息对应情况和该第一关键信息量化描述，确定该第一会话事件信息与该第二会话事件信息的非关键信息离散评价，获得该特征影响度。

例如，该第一会话事件信息的事件特征与该第二会话事件信息的事件特征的服务特征数据可以是该第一会话事件信息的事件特征与该第二会话事件信息的事件特征的平均值，第一关键信息量化描述通过数值形式记录和区分相关的关键信息，关键信息与非关键信息之间的信息对应情况可以理解为映射关系，特征影响度可以理解为该第一会话事件信息的事件特征与该第二会话事件信息的事件特征的相关性系数或者相关值。

以一种示例性的角度来看待，获取存在信息优化需求的原始服务交互日志中的关键信息与非关键信息之间的信息对应情况的进一步实现可以包括如下两种可能的实现方式。

1）、基于在先的已优化服务交互日志，确定该原始服务交互日志中的多个会话事件信息的关键信息量化描述和非关键信息量化描述，该在先的已优化服务交互日志为与该原始服务交互日志存在联系且已基于设定剔除策略进行非关键信息剔除处理的服务交互日志，将该多个会话事件信息中关键信息量化描述相同的会话事件信息确定为一类，获得多个会话事件信息簇。基于该多个会话事件信息簇中的会话事件信息的非关键信息量化描述，确定该多个会话事件信息簇对应的非关键信息偏离度，对该多个会话事件信息簇对应的关键信息量化描述和非关键信息偏离度进行全局处理，获得该存在信息优化需求的原始服务交互日志中的关键信息与非关键信息之间的信息对应情况。

其中，该在先的已优化服务交互日志可以是事先通过时序非关键信息剔除等方式进行非关键信息剔除处理后获得。一般而言，该在先的已优化服务交互日志可以与该原始服务交互日志具有一定的关系，以一种示例性的角度来看待，该在先的已优化服务交互日志可以是对该原始服务交互日志通过时序非关键信息剔除等方式进行非关键信息剔除处理后获得的服务交互日志；对于另外一些可能的示例，当该原始服务交互日志为某业务进程内的一业务环节服务交互日志时，由于在一些情况下，上下游业务环节的业务进程服务交互日志的信息变化不大，由此一来，该在先的已优化服务交互日志也可以是对该原始服务交互日志的上游业务环节或下游业务环节的业务进程服务交互日志通过时序非关键信息剔除等方式进行非关键信息剔除处理后获得的服务交互日志，本申请实施例对此不做限定。其中，该多个会话事件信息可以包括该原始服务交互日志中的所有会话事件信息，再或者，该多个会话事件信息也可以包括该原始服务交互日志中的部分会话事件信息，本申请实施例对此不做限定。

在实际实施过程中，该信息优化服务器基于该在先的已优化服务交互日志，确定该原始服务交互日志中的多个会话事件信息的关键信息量化描述和非关键信息量化描述，即确定该多个会话事件信息中的每个会话事件信息的关键信息量化描述和该非关键信息量化描述。该多个会话事件信息的关键信息量化描述中存在相同的关键信息量化描述，在此，信息优化服务器将具有相同关键信息量化描述的会话事件信息聚类为一类，如此，可以获得多个会话事件信息簇，即每个会话事件信息簇对应一个关键信息量化描述，可以理解的是，每个会话事件信息簇中包括至少一个会话事件信息。

之后，该信息优化服务器通过每个会话事件信息簇中的会话事件信息的非关键信息量化描述，确定每个会话事件信息簇对应的非关键信息偏离度（比如可以理解为非关键信息方差）。以一种示例性的角度来看待，其进一步实现可以包括：对于该多个会话事件信息簇中的其中一个会话事件信息簇，确定该其中一个会话事件信息簇中的会话事件信息的非关键信息量化描述的服务特征数据，获得该其中一个会话事件信息簇对应的非关键信息特征数据。基于该其中一个会话事件信息簇中的会话事件信息的非关键信息量化描述和该其中一个会话事件信息簇对应的非关键信息特征数据，确定该其中一个会话事件信息簇对应的非关键信息偏离度。

换言之，对于该其中一个会话事件信息簇来说，可以确定该其中一个会话事件信息簇中包括的所有会话事件信息的非关键信息量化描述的服务特征数据，然后根据该服务特征数据和该其中一个会话事件信息簇中包括的所有会话事件信息的非关键信息量化描述，确定该其中一个会话事件信息簇对应的非关键信息偏离度。

在获得该多个会话事件信息簇对应的关键信息量化描述和非关键信息偏离度后，可以通过全局处理方法（对偏离度进行拟合）统计获得的关键信息量化描述和非关键信息偏离度的信息对应情况，并将该信息对应情况确定为该原始服务交互日志中的关键信息与非关键信息之间的信息对应情况。以一种示例性的角度来看待，该信息优化服务器可以采用最小二乘法来确定该信息对应情况。

2）、确定该原始服务交互日志中多个会话事件信息对应的日志内容集的日志内容集特征数据，每个日志内容集与一个会话事件信息对应，每个日志内容集是以对应的会话事件信息为基准、以事件传递关系为约束所确定的；确定每个会话事件信息对应的日志内容集的日志内容集偏离度；将每个会话事件信息对应的日志内容集的日志内容集特征数据确定为每个会话事件信息的关键信息量化描述，以及将每个会话事件信息对应的日志内容集的日志内容集偏离度确定为每个会话事件信息的非关键信息偏离度；对该多个会话事件信息的关键信息量化描述和非关键信息偏离度进行全局处理，获得该原始服务交互日志中的关键信息与非关键信息之间的信息对应情况。其中，该事件传递关系可以基于实际应用需求进行灵活设置，或者还可以由该信息优化服务器进行默认配置，本申请实施例对此不做限定。

在该种实现方式中，对于任意一个会话事件信息来说，可以以该会话事件信息为基准、以事件传递关系（不同事件的先后影响关系）为约束，确定该会话事件信息对应的一个日志内容集（该日志内容集包括该会话事件信息以及与该会话事件信息相关的其他会话事件信息），然后，可以基于该日志内容集内的会话事件信息的事件特征和会话事件信息统计结果，确定该日志内容集的日志内容集特征数据。

确定该其中一个会话事件信息对应的日志内容集的日志内容集特征数据后，将该日志内容集特征数据确定为该其中一个会话事件信息对应的关键信息量化描述。按照该种实现方式，可以确定每个会话事件信息的关键信息量化描述。

进一步地，，该信息优化服务器基于其中一个会话事件信息对应的日志内容集的日志内容集特征数据，确定该日志内容集对应的非关键信息偏离度。以一种示例性的角度来看待，基于该其中一个日志内容集的日志内容集特征数据，确定该其中一个日志内容集的日志内容集偏离度的进一步实现可以包括：基于该其中一个日志内容集的日志内容集特征数据、以及该其中一个日志内容集内的会话事件信息的事件特征，确定该其中一个日志内容集的日志内容集偏离度。

如此，可以确定该其中一个日志内容集的日志内容集偏离度，该信息优化服务器将该其中一个日志内容集的日志内容集偏离度确定为对应的会话事件信息的非关键信息偏离度。按照该种方式，可以根据实际的业务情况确定每个会话事件信息的的非关键信息偏离度。

进一步地，通过全局处理方法统计该多个会话事件信息的关键信息量化描述和非关键信息偏离度的信息对应情况，并将该信息对应情况确定为该原始服务交互日志中的关键信息与非关键信息之间的信息对应情况。以一种示例性的角度来看待，可以采用最小二乘法来确定该信息对应情况

获得该信息对应情况后，由于该信息对应情况能够基于任意的关键信息量化描述确定对应的非关键信息偏离度，由此一来，基于该信息对应情况对该第一关键信息量化描述进行处理，可以确定该第一会话事件信息与该第二会话事件信息的非关键信息离散评价，在此可以将该非关键信息离散评价确定该特征影响度。

第二种方式，将该第一会话事件信息的事件特征确定为第二关键信息量化描述，根据该信息对应情况和该第二关键信息量化描述，确定该第一会话事件信息的非关键信息离散评价，获得该特征影响度。

换言之，该信息优化服务器可以确定该第一会话事件信息的非关键信息离散评价，然后直接将该第一会话事件信息的非关键信息离散评价确定为其与第二会话事件信息之间的非关键信息离散评价，即 之后，将该非关键信息离散评价确定为该特征影响度。

第三种方式，将该第二会话事件信息的事件特征确定为第三关键信息量化描述，根据该信息对应情况和该第三关键信息量化描述，确定该第二会话事件信息的非关键信息离散评价，获得该特征影响度。

换言之，该信息优化服务器可以确定该第二会话事件信息的非关键信息离散评价，然后直接将该第二会话事件信息的非关键信息离散评价确定为其与第二会话事件信息之间的非关键信息离散评价，即 之后，将该非关键信息离散评价确定为该特征影响度。

进一步地，当该第一会话事件信息的存在联系会话场景下的第二会话事件信息的数目为多个时，可以按照上述方式，确定该第一会话事件信息与每个第二会话事件信息之间的特征影响度。

进一步地，当该第一会话事件信息的数目为多个时，可以参考前述实施例所描述的技术方案，确定每个第一会话事件信息与每个第一会话事件信息的存在联系会话场景下的第二会话事件信息之间的特征影响度。

可以理解的是，获得该特征影响度后，基于该特征影响度，对该事件特征比较结果进行冗余分离操作。以一种示例性的角度来看待，其进一步实现可以包括：将该事件特征比较结果与该特征影响度进行量化分析，获得该第一会话事件信息与该第二会话事件信息之间的分离式特征比较结果。

进一步地，该信息优化服务器还可以基于上述信息对应情况，确定该第一日志内容集与该第二日志内容集中除该第一会话事件信息和该第二会话事件信息之外的剩余会话事件信息中，内容分布对应的会话事件信息的特征影响度，在该种情况下，基于该特征影响度，对该事件特征比较结果进行冗余分离操作的进一步实现可以包括：根据该第一日志内容集与该第二日志内容集中每个对应内容分布的会话事件信息的特征影响度，分别确定该第一日志内容集与该第二日志内容集中每个对应内容分布的会话事件信息的目标分离式特征比较结果。将所确定的目标分离式特征比较结果的融合结果与该第一会话事件信息对应的第一日志内容集内的会话事件信息统计结果进行量化分析，获得该第一会话事件信息与该第二会话事件信息之间的分离式特征比较结果。

在本申请实施例中，该对应内容分布可以理解为在日志内容集内的相同内容分布，例如，第一日志内容集内的第一个会话事件信息的内容分布（内容位置或者内容段落）与该第二日志内容集内的第一个会话事件信息的内容分布对应，又例如，该第一日志内容集内的第二个会话事件信息的内容分布与该第二日志内容集内的第二个会话事件信息的内容分布对应。

换言之，该信息优化服务器确定两个日志内容集中各个对应内容分布上的会话事件信息的目标分离式特征比较结果。例如，确定第一会话事件信息对应的第一日志内容集内的第一个会话事件信息与该第二会话事件信息对应的第二日志内容集内的第一个会话事件信息之间的目标分离式特征比较结果，确定第一会话事件信息对应的第一日志内容集内的第二个会话事件信息与该第二会话事件信息对应的第二日志内容集内的第二个会话事件信息之间的目标分离式特征比较结果，确定第一会话事件信息对应的第一日志内容集内的第三个会话事件信息与该第二会话事件信息对应的第二日志内容集内的第三个会话事件信息之间的目标分离式特征比较结果，以此类推，按照该种方式，直到确定该第一会话事件信息对应的第一日志内容集内的最后一个会话事件信息与该第二会话事件信息对应的第二日志内容集内的最后一个会话事件信息之间的目标分离式特征比较结果后，获得多个目标分离式特征比较结果。

其中，确定该第一会话事件信息对应的第一日志内容集与该第二会话事件信息对应的第二日志内容集中对应内容分布上的会话事件信息的目标分离式特征比较结果的进一步实现可以参见上述确定第一会话事件信息与第二会话事件信息之间的分离式特征比较结果的实现过程，在此不再进行说明。

在上述基础上，对所确定的目标分离式特征比较结果进行加权处理，将加权处理结果与该第一会话事件信息对应的第一日志内容集内的会话事件信息统计结果进行量化分析，将该进行量化分析后的结果确定为该该第一会话事件信息与该第二会话事件信息之间的分离式特征比较结果。

进一步地，，该信息优化服务器将基于日志内容集的分离式特征比较结果确定为该第一会话事件信息与第二会话事件信息之间的分离式特征比较结果。

参考前述实施例所描述的技术方案，可以确定该第一会话事件信息与其存在联系会话场景下的每个第二会话事件信息之间的分离式特征比较结果。进一步地，当该第一会话事件信息的数目为多个时，按照该种实现方式依次访问每个第一会话事件信息，可以确定每个第一会话事件信息与每个第一会话事件信息的存在联系会话场景下的每个第二会话事件信息之间的分离式特征比较结果。

S103：基于该分离式特征比较结果对该原始服务交互日志进行非关键信息剔除处理，获得已优化服务交互日志。

确定该第一会话事件信息与该第二会话事件信息之间的分离式特征比较结果后，可以实现将该第一会话事件信息与该第二会话事件信息的事件特征比较结果进行拆分处理，从而在保证关键信息的完整性和顺承关系的前提下打破非关键信息与关键信息之间的相关性和互相影响性，由此一来，可以基于该分离式特征比较结果对该原始服务交互日志进行非关键信息剔除处理。

对于一些可独立实施的实施例而言，基于该分离式特征比较结果对该原始服务交互日志进行非关键信息剔除处理，获得已优化服务交互日志的进一步实现可以包括：该第一会话事件信息的数目为多个，通过每个第一会话事件信息与每个第一会话事件信息的存在联系会话场景下的第二会话事件信息之间的分离式特征比较结果，确定每个第一会话事件信息与每个第一会话事件信息的存在联系会话场景下的第二会话事件信息之间的信息共性评价（相似度）。基于该信息共性评价，对每个第一会话事件信息的事件特征进行全局性非关键信息剔除处理，将全局性非关键信息剔除处理后的原始服务交互日志确定为该已优化服务交互日志。

以一种示例性的角度来看待，可以使用指数函数形式来确定该信息共性评价。对于另外一些可能的示例，还可以使用线性函数形式确定该信息共性评价。

进一步地，，根据第一会话事件信息与第二会话事件信息之间的信息共性评价，通过设定方式（比如加权平均）确定第一会话事件信息的非关键信息剔除结果。如此，依次访问原始服务交互日志中的多个第一会话事件信息，之后即可获得该已优化服务交互日志。

在本申请实施例中，确定原始服务交互日志中的第一会话事件信息与该第一会话事件信息的存在联系会话场景下的第二会话事件信息之间的事件特征比较结果，对事件特征比较结果进行冗余分离操作，获得该第一会话事件信息与该第二会话事件信息之间的分离式特征比较结果，如此，可以实现将该第一会话事件信息与该第二会话事件信息的事件特征比较结果进行拆分处理，从而在保证关键信息的完整性和顺承关系的前提下打破非关键信息与关键信息之间的相关性和互相影响性，不仅可以避免对原始服务交互日志的实际关键信息的损坏，还可以实现对与关键信息对应的非关键信息的过滤，由此一来，基于该分离式特征比较结果对该原始服务交互日志进行非关键信息剔除处理，能够确保已优化服务交互日志的信息质量，避免已优化服务交互日志的关键信息因为非关键信息过滤而出现部分缺失。

可以理解的是，上述基于该第一会话事件信息的事件特征和该第二会话事件信息的事件特征，对该事件特征比较结果进行冗余分离操作的进一步实现仅是示例性的。在另一实施例，还可以采用其他方式进行冗余分离操作，具体可参见如下实施例。

步骤A：获取存在信息优化需求的原始服务交互日志中的第一会话事件信息与该第一会话事件信息的存在联系会话场景下的第二会话事件信息之间的事件特征比较结果。

其进一步实现可以参见上述实施例，在此不再进行说明。

进一步地，除了确定该第一会话事件信息与该第二会话事件信息之间的事件特征比较结果之外，该信息优化服务器还可以执行如下操作：以该第一会话事件信息为基准、以事件传递关系为约束，在该原始服务交互日志中确定该第一会话事件信息对应的第一日志内容集；以该第二会话事件信息为基准、以该事件传递关系为约束，在该原始服务交互日志中确定该第二会话事件信息对应的第二日志内容集；分别确定该第一日志内容集与该第二日志内容集中除该第一会话事件信息和该第二会话事件信息之外的剩余会话事件信息中，内容分布对应的会话事件信息的事件特征比较结果。

换言之，可以分别确定第一会话事件信息对应的第一日志内容集，以及确定第二会话事件信息对应的第二日志内容集，然后基于两个日志内容集，分别确定对应内容分布的会话事件信息的事件特征比较结果。

步骤B：对该事件特征比较结果进行冗余分离操作，获得该第一会话事件信息与该第二会话事件信息之间的分离式特征比较结果。

以一种示例性的角度来看待，该步骤的进一步实现可以包括：确定该第一会话事件信息的事件特征和该第二会话事件信息的事件特征的特征数据，将该特征数据与设定阈值进行量化分析，获得该第一会话事件信息与事件特征和该第二会话事件信息的事件特征的特征影响度，基于该特征影响度，对该事件特征比较结果进行分离式量化处理。其中，该设定阈值可以根据实际需求进行设置，或者，也可以由该信息优化服务器默认设置，本申请实施例对此不做限定。

对于另外一些可能的示例，该步骤的进一步实现还可以包括：分别确定该第一日志内容集与该第二日志内容集中的每个对应内容分布的会话事件信息的事件特征的特征数据；基于该第一日志内容集与该第二日志内容集中的每个对应内容分布的会话事件信息的事件特征比较结果和特征数据，确定该第一日志内容集与该第二日志内容集中的每个对应内容分布的会话事件信息的目标分离式特征比较结果对所确定的每个对应内容分布的会话事件信息的目标分离式特征比较结果进行加权处理，将加权处理获得的结果与该第一日志内容集中的会话事件信息统计结果进行量化分析，获得该第一会话事件信息与该第二会话事件信息之间的分离式特征比较结果。

如前文所述，该信息优化服务器除了确定第一会话事件信息与第二会话事件信息之间的事件特征比较结果之外，还可以确定该第一会话事件信息对应的第一日志内容集与第二会话事件信息对应的第二日志内容集中的对应内容分布的会话事件信息的事件特征比较结果，如此，可以获得该第一日志内容集和第二日志内容集中的每个对应内容分布的会话事件信息的事件特征比较结果。在该种情况下，该信息优化服务器还可以分别确定该第一日志内容集与该第二日志内容集中的每个对应内容分布的会话事件信息的事件特征的特征数据，之后，通过每个对应内容分布的会话事件信息的事件特征比较结果和特征数据，确定该第一日志内容集与该第二日志内容集中的每个对应内容分布的会话事件信息的目标分离式特征比较结果。

其中，确定每个对应内容分布的会话事件信息的目标分离式特征比较结果的进一步实现可以包括：确定该每个对应内容分布的会话事件信息的事件特征的特征数据，将该每个对应内容分布的会话事件信息的事件特征的特征数据与设定阈值进行量化分析，获得该每个对应内容分布的会话事件信息的特征影响度，将该每个对应内容分布的会话事件信息的事件特征比较结果与特征影响度进行量化分析，获得每个对应内容分布的会话事件信息的目标分离式特征比较结果。

当该第一会话事件信息的数目为多个时，参考前述实施例所描述的技术方案进行依次访问，可以确定每个第一会话事件信息与其存在联系会话场景下的第二会话事件信息之间的分离式特征比较结果。

步骤C：基于该分离式特征比较结果对该原始服务交互日志进行非关键信息剔除处理，获得已优化服务交互日志。其进一步实现可以参见上述实施例，在此不再进行说明。

可以理解的是，在上述实施例中，相关的量化分析处理和相关的量化处理结果可以理解为加、减、乘、除、平方、开方等计算方式中的一种或多种，本领域技术人员可以根据实际情况选择合适的量化分析方式进行处理，本申请实施例在此不一一列举。

对于一些可独立实施的实施例而言，在获得已优化服务交互日志之后，可以对已优化服务交互日志进行用户行为分析，从而根据用户行为分析结果执行后续的服务处理。比如：对所述已优化服务交互日志进行用户行为分析得到用户行为分析结果；基于所述用户行为分析结果进行服务处理得到服务处理事项；将所述服务处理事项进行缓存。

在本申请实施例中，对所述已优化服务交互日志进行用户行为分析得到用户行为分析结果可以基于大数据挖掘算法（比如神经网络模型）实现，将所述服务处理事项进行缓存便于后续进行复盘分析。进一步地，不同的用户行为分析结果对应不同的服务处理事项。对于一些可独立实施的实施例而言，基于所述用户行为分析结果进行服务处理得到服务处理事项，可以包括以下内容：在用户行为分析结果表征存在推送需求时，执行业务推送处理以得到推送服务处理事项。

对于一些可独立实施的实施例而言，在用户行为分析结果表征存在推送需求时，执行业务推送处理以得到推送服务处理事项，可以包括以下内容：采集历史偏好服务信息和历史偏好描述服务信息；对所述历史偏好服务信息进行信息挖掘操作得到所述历史偏好服务信息的偏好表达内容，以及，对所述历史偏好描述服务信息进行显著性偏好项目定位操作得到所述历史偏好描述服务信息的第一偏好汇总集；对所述偏好表达内容进行特征翻译操作，得到第一偏好表达内容；对所述第一偏好表达内容和所述第一偏好汇总集执行u轮指定操作，得到待进行推送的服务信息。在本申请实施例中，待进行推送的服务信息可以理解为推送服务处理事项。

对于一些可独立实施的实施例而言，在用户行为分析结果表征存在推送需求时，执行业务推送处理以得到推送服务处理事项，可以通过以下技术方案实现。

步骤step1、采集历史偏好服务信息和历史偏好描述服务信息。

在本申请实施例中，历史偏好服务信息可以理解为对应于目标推送对象的偏好服务信息。进一步地，目标推送对象指进行服务推送的推送对象。此外，历史偏好描述服务信息可以是任意一组包含推送对象偏好的服务信息，而推送对象偏好包括但不限于服务交互操作习惯偏好、服务产品喜好、服务推送时段倾向等。示例性地，服务信息可以涉及在线电商、智慧办公、远程教育、智慧医疗、云游戏等数字化服务。

采集历史偏好服务信息和/或历史偏好描述服务信息的方式可以是接收业务服务终端通过信息传输接口上传的的历史偏好服务信息和/或历史偏好描述服务信息，其中，信息传输接口包括：各类音视频输入设备或者端口等。也可以是接收前端可视化服务交互设备（比如与业务服务终端通信的智能设备）发送的历史偏好服务信息和/或历史偏好描述服务信息，其中，前端可视化服务交互设备包括立柜式智能机器人、移动式智能机器人等。本申请对采集历史偏好服务信息和历史偏好描述服务信息的方式不做限定。

可以理解的是，在一些情况下，信息优化服务器可以与业务服务终端直接通信。在另一些情况下，信息优化服务器可以通过前端可视化服务交互设备与业务服务终端间接通信，本申请实施例不做限制。

步骤step2、对历史偏好服务信息进行信息挖掘操作得到历史偏好服务信息的偏好表达内容，以及，对历史偏好描述服务信息进行显著性偏好项目定位操作得到偏好描述服务信息的第一偏好汇总集。

本申请实施例中，信息挖掘操作可以是滑动平均操作（卷积处理），也可以是滑动平均操作、量化重置操作（归一化）和触发操作（激活）的混合操作。对于一些可独立实施的实施例而言，依次通过多个信息挖掘单元对历史偏好服务信息进行阶段性信息挖掘操作，其中，每一个信息挖掘单元均包含滑动平均操作、量化重置操作和触发操作，且滑动平均操作、量化重置操作和触发操作依次连接，即滑动平均操作的结果信息为量化重置操作的原料信息，量化重置操作的结果信息为触发操作的原料信息。滑动平均操作可通过滑动平均线程对输入信息挖掘单元的数据进行滑动平均实现，依据对信息挖掘单元的原料信息进行滑动平均操作，可从信息挖掘单元的原料信息中提取出特征描述，并适应性改善信息挖掘单元的原料信息的约束条件的复杂度，以削弱后续信息处理的运算开销。而依据对滑动平均操作后的信息进行量化重置操作，可消除滑动平均操作后的信息中不同信息之间的关联性，突出滑动平均操作后的信息中不同信息之间的分布比较结果（比如分布差异），有助于通过后续信息处理从量化重置操作后的信息中继续提取特征描述。触发操作可通过将量化重置操作后的信息代入触发线程实现，可选的，触发线程为ReLU函数。

本申请实施例中，偏好表达内容至少可以包括偏好状态的情绪极性信息、偏好状态的时序特征信息、偏好状态的意见型干扰信息、偏好状态的变化信息。本申请实施例中，显著性偏好项目定位操作指提取出历史偏好描述服务信息中的偏好属性的分布情况信息、服务项目的分布情况信息以及反馈评价信息，其中，偏好属性的分布情况信息包括偏好属性对应的热点项目在历史偏好描述服务信息对应的文本向量空间中的相对位置，服务项目的分布情况信息包括区域型热点项目在历史偏好描述服务信息对应的文本向量空间中的相对位置。例如，显著性偏好项目可以包含偏好属性热点项目和区域型热点项目。区域型热点项目包括办公地区的热点项目、商业娱乐地区的热点项目、跨境业务地区的热点项目、居民住宅地区的热点项目、高校地区的热点项目。偏好属性热点项目包括与推送对象的偏好内容本身相关的热点项目。可以理解的是上述显著性偏好项目的数目和分布情况仅为本申请实施例提供的一个示例，并不是对本申请的限制。

上述偏好属性热点项目和区域型热点项目可根据业务服务终端所反馈的推送满意度评价结果进行优化。上述显著性偏好项目定位操作可通过相关显著性偏好项目提取算法（比如一些关键信息提取算法）实现，本申请对此不作限定。本申请实施例中，第一偏好汇总集包括偏好属性热点项目的分布情况信息和区域型热点项目的分布情况信息，以及反馈评价信息。为便于说明，以下将显著性偏好项目的分布情况信息与反馈评价信息称为偏好描述。可以理解的是，本申请实施例中，得到历史偏好服务信息的偏好表达内容和得到偏好描述服务信息的第一偏好汇总集两个操作过程之间不存在执行优先级的限定，可以是先得到历史偏好服务信息的偏好表达内容再得到历史偏好描述服务信息的第一偏好汇总集。也可以是先得到历史偏好描述服务信息的第一偏好汇总集再得到历史偏好服务信息的偏好表达内容。还可以是在对历史偏好服务信息进行信息挖掘操作得到历史偏好服务信息的偏好表达内容的同时，对历史偏好描述服务信息进行显著性偏好项目定位操作得到偏好描述服务信息的第一偏好汇总集。

步骤step3、依据偏好表达内容和第一偏好汇总集，得到待进行推送的服务信息。

由于对相同推送对象而言，偏好表达内容（推送对象固有的偏好和倾向）几乎是不会存在太大变化的，即只要不同的服务信息中包含的推送对象相同，则对不同的服务信息进行信息挖掘操作得到偏好表达内容是相同的，换言之，偏好表达内容也可视为一个推送对象的标签信息。因此，如果通过将大量包含同一个推送对象的服务信息作为调试集对服务信息推送线程进行调试，该服务信息推送线程将通过调试学习到服务信息中的推送对象的偏好表达内容，得到调试后的服务信息推送线程。由于调试后的服务信息推送线程只包含服务信息中的推送对象的偏好表达内容，在基于调试后的服务信息推送线程进行测评型服务信息生成时，也仅能得到包含该推送对象的偏好表达内容的服务信息，而无法得到针对不同服务场景或者服务时段的细节型偏好变化。

例如，将1000组包含推送对象A的业务偏好的服务信息作为调试集对服务信息推送线程进行调试，则服务信息推送线程在调试的过程中将从这1000组服务信息中学习到推送对象A的偏好表达内容。在应用调试后的服务信息推送线程测评型服务信息时，无论输入的历史偏好服务信息中包含的推送对象是否是推送对象A，最终得到的待进行推送的服务信息中的偏好表达内容均为推送对象A的偏好表达内容，换言之待进行推送的服务信息中的推送对象是推送对象A。

在步骤step2中，本申请实施例依据对历史偏好服务信息进行信息挖掘操作以得到历史偏好服务信息中的偏好表达内容，而不从历史偏好服务信息中提取偏好描述，以实现从任意一组历史偏好服务信息中得到目标推送对象偏好表达内容，且目标推送对象的偏好表达内容不包含目标推送对象的偏好描述。再依据对历史偏好描述服务信息进行显著性偏好项目定位操作以得到历史偏好描述服务信息的第一偏好汇总集，而不从历史偏好描述服务信息中提取偏好表达内容，以实现得到任意目标偏好描述（用于覆盖历史偏好服务信息中的推送对象的偏好描述），且目标偏好描述不包含历史偏好描述服务信息中的偏好表达内容。

这样，再依据对偏好表达内容和第一偏好汇总集进行特征翻译、整理等操作可提高得到的待进行推送的服务信息中的推送对象的偏好表达内容与历史偏好服务信息的偏好表达内容的适配性，且可提高待进行推送的服务信息中的偏好描述与历史偏好描述服务信息中的偏好描述的适配性，进而提升待进行推送的服务信息的推送针对性。其中，待进行推送的服务信息的偏好描述与历史偏好描述服务信息的偏好描述的适配性越高，表示待进行推送的服务信息中的推送对象的服务项目、属性和反馈评价与历史偏好描述服务信息中的推送对象的服务项目、属性和反馈评价的共性程度（相似度）就越高。待进行推送的服务信息中的偏好表达内容与历史偏好服务信息中的偏好表达内容的适配性越高，表示待进行推送的服务信息中的偏好状态的情绪极性、偏好状态的时序特征信息、偏好状态的意见型干扰信息、偏好状态的变化信息与历史偏好服务信息中的偏好状态的情绪极性、偏好状态的时序特征信息、偏好状态的意见型干扰信息、偏好状态的变化信息的共性程度就越高。

由此可见，基于上述内容，不仅能够削弱偏好表达内容对推送服务确定的影响，还能够考虑反馈评价、服务项目和偏好属性的适配性，这样所确定出的待进行推送的服务信息能够尽可能满足不同推送对象的偏好和需求。如此，能够提高服务信息推送的针对性和精度，以减少低质量推送造成的网络资源浪费。

对于一些可独立实施的实施例而言，将偏好表达内容和第一偏好汇总集整理，得到既包含目标推送对象的偏好表达内容又包含目标偏好描述的整理数据，再依据对整理数据进行特征翻译操作，即可得到待进行推送的服务信息。其中，特征翻译操作可以是转秩滑动平均操作（反卷积）。

在另一种可独立实施的思路下，通过多个特征翻译单元对偏好表达内容进行阶段性特征翻译操作，可得到不同约束条件下的特征翻译后的偏好表达内容（即不同的特征翻译单元输出的特征翻译后的偏好表达内容的约束条件不同），再通过将每一个特征翻译单元的结果信息与第一偏好汇总集进行整理，可提升偏好表达内容与第一偏好汇总集在不同约束条件下的整理效果，有助于提升最终得到的待进行推送的服务信息的推送针对性。例如，偏好表达内容依次经过第一个特征翻译单元，第二个特征翻译单元，…，第八个特征翻译单元的特征翻译操作得到待进行推送的服务信息。其中，将第一个特征翻译单元的结果信息与第一轮偏好汇总集整理后的信息作为第二个特征翻译单元的原料信息，将第二个特征翻译单元的结果信息与第二轮偏好汇总集整理后的信息作为第三个特征翻译单元的原料信息，…，将第七个特征翻译单元的结果信息与第七轮偏好汇总集整理后的信息作为第八个特征翻译单元的原料信息，最终将第八个特征翻译单元的结果信息作为待进行推送的服务信息。上述第七轮偏好汇总集为历史偏好描述服务信息的第一偏好汇总集，第一轮偏好汇总集，第二轮偏好汇总集，…，第六轮偏好汇总集均可依据对历史偏好描述服务信息的第一偏好汇总集进行特征简化操作得到。第一轮偏好汇总集的约束条件与第一个特征翻译单元的结果信息的约束条件一致，第二轮偏好汇总集的约束条件与第二个特征翻译单元的结果信息的约束条件一致，…，第七轮偏好汇总集的约束条件与第七个特征翻译单元的结果信息的约束条件一致。上述特征简化操作可以是下采样处理。

可以理解的是，上述的特征翻译单元的数目仅是本申请实施例提供一个示例，并不是对本申请的限制。上述整理可以是对进行整理的两个信息进行基于状态层面的组合操作。例如，第一轮偏好汇总集的状态类别为4，第一个特征翻译单元的结果信息的状态类别为3，则将第一轮偏好汇总集与第一个特征翻译单元的结果信息整理得到的操作结果的状态类别为7。

上述整理也可以是将进行整理的两个信息中的相同分布情况的关键信息要素加权。其中，两个信息中的相同分布情况的关键信息要素可参阅如下内容，关键信息要素key_element_a在信息information_A中的分布情况与关键信息要素key_element_e在信息information_B中的分布情况一致，关键信息要素key_element_b在信息information_A中的分布情况与关键信息要素key_element_f在信息information_B中的分布情况一致，关键信息要素key_element_c在信息information_A中的分布情况与关键信息要素key_element_g在信息information_B中的分布情况一致，关键信息要素key_element_d在信息information_A中的分布情况与关键信息要素key_element_h在信息information_B中的分布情况一致。

本申请实施例依据对历史偏好服务信息进行信息挖掘操作可得到历史偏好服务信息中目标推送对象的偏好表达内容，依据对历史偏好描述服务信息进行显著性偏好项目定位操作可得到第一偏好汇总集，再依据对偏好表达内容和第一偏好汇总集进行整理操作以及特征翻译操作可得到待进行推送的服务信息，实现调整任意目标推送对象的偏好描述。

以下是本申请实施例提供的步骤step2一种可独立实施的实现方式。

步骤step21、通过多个信息挖掘单元对历史偏好服务信息进行阶段性信息挖掘操作，得到历史偏好服务信息的偏好表达内容，以及，对历史偏好描述服务信息进行显著性偏好项目定位操作得到偏好描述服务信息的第一偏好汇总集。对历史偏好描述服务信息进行显著性偏好项目定位操作得到历史偏好描述服务信息的第一偏好汇总集的过程可参照步骤step2，此处将不再赘述。

本申请实施例中，信息挖掘单元的数目不小于2，多个信息挖掘单元中的每个信息挖掘单元依次连接，即上一层信息挖掘单元的结果信息为下一层信息挖掘单元的原料信息。假设多个信息挖掘单元包括第q个信息挖掘单元和第q+1个信息挖掘单元，则多个信息挖掘单元中的第1个信息挖掘单元的原料信息为历史偏好服务信息，第q个信息挖掘单元的结果信息为第q+1个信息挖掘单元的原料信息，最后一层信息挖掘单元的结果信息为历史偏好服务信息的偏好表达内容。其中，每一个信息挖掘单元皆涵盖滑动平均操作单元、量化重置操作单元、触发操作单元，q为不小于1的正整数。

通过多个信息挖掘单元对历史偏好服务信息进行阶段性信息挖掘操作可从历史偏好服务信息中提取出偏好表达内容，其中，每个信息挖掘单元提取出的偏好表达内容皆存在差异。示例性的，经过多个信息挖掘单元的信息挖掘操作一步步地将历史偏好服务信息中的偏好表达内容提取出来，同时也将持续性地消除非关键的信息（此处的非关键的信息指非偏好表达内容）。因此，越到后面提取出的偏好表达内容的约束条件越严格，且偏好表达内容中包含的偏好状态的情绪极性信息、偏好状态的时序特征信息、偏好状态的意见型干扰信息和偏好状态的变化信息越精华。这样，可在得到历史偏好服务信息的偏好表达内容的同时，将服务信息的约束条件适应性改善，削弱信息优化服务器的运算开销，提高处理效率。

对于一些可独立实施的实施例而言，每个信息挖掘单元皆涵盖滑动平均操作单元、量化重置操作单元、触发操作单元，且这3个操作单元依次连接，即滑动平均操作单元的原料信息为信息挖掘单元的原料信息，滑动平均操作单元的结果信息为量化重置操作单元的原料信息，量化重置操作单元的结果信息为触发操作单元的结果信息，最终经量化重置操作单元得到信息挖掘单元的结果信息。滑动平均操作单元的功能实现过程如下：对信息挖掘单元的原料信息进行滑动平均操作，即利用滑动平均线程在信息挖掘单元的原料信息中平移，并将信息挖掘单元的原料信息中关键信息要素的量化要素数据逐一与滑动平均线程中所有关键信息要素的量化要素数据加权（比如相乘），然后将加权后得到的所有加权结果的和作为该关键信息要素的量化要素数据，最终平移操作完信息挖掘单元的原料信息中所有的关键信息要素，得到滑动平均操作后的信息。量化重置操作单元可通过将滑动平均操作后的信息加载至批量型量化重置操作单元实现，通过批量型量化重置操作单元对滑动平均操作后的信息进行批量型量化重置操作使滑动平均操作后的信息满足均值为零且第二量化评价（比如方差）为一的高斯分布（Gaussian distribution），以消除滑动平均操作后的信息中数据之间的关联性，突出滑动平均操作后的信息中数据之间的分布比较结果。

由于前面的滑动平均操作单元以及量化重置操作单元从相关信息中学习高阶迁移（复杂化映射）的性能较差，仅通过滑动平均操作单元和量化重置操作单元难以应对混合且繁杂的信息，例如服务信息。因此，需要依据对量化重置操作后的信息进行复杂性削弱处理（比如非线性变换），以应对诸如服务信息等混合且繁杂的信息。在批量型量化重置操作单元后连接复杂性削弱触发线程，通过复杂性削弱触发线程对量化重置操作后的信息进行复杂性削弱处理实现对量化重置操作后的信息的触发操作，以提取历史偏好服务信息的偏好表达内容。可选的，上述复杂性削弱触发线程为ReLU。

本申请实施例依据对历史偏好服务信息进行阶段性信息挖掘操作，适应性改善历史偏好服务信息的约束条件得到历史偏好服务信息的偏好表达内容，可削弱后续基于偏好表达内容进行操作的信息处理量，提高处理效率，且后续信息处理可基于任意历史偏好服务信息的偏好表达内容以及任意偏好描述（即第一偏好汇总集）得到待进行推送的服务信息，以得到历史偏好服务信息中的推送对象在任意偏好描述下的服务信息。

以下为本申请实施例提供的步骤step3的一种可独立实施的方式的相关内容。

步骤step31、对偏好表达内容进行特征翻译操作，得到第一偏好表达内容。特征翻译操作为信息挖掘操作的反向操作，依据对偏好表达内容进行特征翻译操作可得到历史偏好服务信息，但为了将偏好汇总集与偏好表达内容整理，以得到待进行推送的服务信息，本申请实施例依据对偏好表达内容进行多轮特征翻译操作，并在多轮特征翻译操作的过程中将偏好汇总集与偏好表达内容整理。对于一些可独立实施的实施例而言，偏好表达内容将依次经过第一个目标特征翻译单元（比如生成解码单元），第二个目标特征翻译单元（即第一轮指定操作中的目标特征翻译单元），…，第七个目标特征翻译单元的特征翻译操作（即第六轮指定操作中的目标特征翻译单元），最终得到待进行推送的服务信息。其中，将偏好表达内容加载至第一个目标特征翻译单元进行特征翻译操作，得到第一偏好表达内容。在其他实施例中，偏好表达内容也可以先经过前几个（如前两个）目标特征翻译单元进行特征翻译操作，得到第一偏好表达内容。

步骤step32、对第一偏好表达内容和第一偏好汇总集执行u轮指定操作，得到待进行推送的服务信息。本申请实施例中，u为不小于2的正整数，指定操作包括整理操作和特征翻译操作，第一偏好表达内容为第1轮指定操作的原料信息，即将第一偏好表达内容作为第1轮指定操作的待整理对象，对第1轮指定操作的待整理对象与第1轮偏好汇总集进行整理操作得到第1轮整理后的信息，再对第1轮整理后的信息进行特征翻译操作得到第1轮指定操作的结果信息，作为第2轮指定操作的待整理对象，第2轮指定操作再对第2轮指定操作的原料信息与第2轮偏好汇总集进行整理操作得到第2轮整理后的信息，再对第2轮整理后的信息进行特征翻译操作得到第2轮指定操作的结果信息，作为第3轮指定操作的待整理对象，…，直到得到第u轮指定操作的数据，作为待进行推送的服务信息。上述第u轮偏好汇总集为历史偏好描述服务信息的第一偏好汇总集，第1轮偏好汇总集，第2轮偏好汇总集，…，第u-1轮偏好汇总集均可依据对历史偏好描述服务信息的第一偏好汇总集进行特征简化操作得到。且第1轮偏好汇总集的约束条件与第1轮指定操作的原料信息的约束条件一致，第2轮偏好汇总集的约束条件与第2轮指定操作的原料信息的约束条件一致，…，第u轮偏好汇总集的约束条件与第u轮指定操作的原料信息的约束条件一致。可选的，本申请实施例中的特征翻译操作皆涵盖转秩滑动平均操作和量化重置操作。

可以理解的是，u轮指定操作中的任意的一轮指定操作依据对该指定操作的原料信息和优化第一偏好汇总集的约束条件后得到的操作结果逐一执行整理操作以及特征翻译操作实现。例如，u轮指定操作中的第x轮指定操作依据对第x轮指定操作的原料信息和优化第一偏好汇总集的约束条件后得到的操作结果先进行整理操作得到第x轮目标整理结果，再对第x轮目标整理结果进行特征翻译操作，得到第x轮指定操作的结果信息，即完成对第x轮指定操作的原料信息的第x轮指定操作。

通过将不同约束条件的偏好汇总集（即优化第一偏好汇总集的约束条件后得到的操作结果）与不同级的指定操作的原料信息整理可提升偏好表达内容与第一偏好汇总集的整理效果，有助于提升最终得到的待进行推送的服务信息的推送针对性。上述优化第一偏好汇总集的约束条件可以是对第一偏好汇总集进行特征扩展操作，也可以是对第一偏好汇总集进行特征简化操作，本申请对此不作限定。

对于一些可独立实施的实施例而言，第一偏好表达内容依次经过第1轮指定操作，第2轮指定操作，…，第6轮指定操作得到待进行推送的服务信息。由于如果直接将不同约束条件的偏好汇总集与不同级指定操作的原料信息进行整理，再通过特征翻译操作中的量化重置操作对整理后的信息进行量化重置操作时会使不同约束条件的偏好汇总集中的内容缺损，进而影响最后得到的待进行推送的服务信息的推送针对性。本申请实施例根据不同约束条件的偏好汇总集确定量化重置策略，并依据量化重置策略对指定操作的原料信息进行量化重置操作，实现将第一偏好汇总集与指定操作的数据进行整理。这样可更好的将第一偏好汇总集中每个关键信息要素包含的信息与指定操作的原料信息中相同分布情况的关键信息要素包含的信息整理，有助于提升待进行推送的服务信息中每个服务意图需求的推送针对性。

可选的，基于第一预设约束条件的滑动平均线程对第x轮偏好汇总集进行滑动平均操作得到第一关键偏好内容，并基于第二预设约束条件的滑动平均线程对第x轮偏好汇总集进行滑动平均操作得到第二关键偏好内容。再依据第一关键偏好内容和所述第二关键偏好内容确定量化重置策略。其中，第一预设约束条件和第二预设约束条件不同，x为不小于1且不大于u的正整数。

对于一些可独立实施的实施例而言，依据对第x轮指定操作的原料信息进行数值映射可实现对第x轮指定操作的复杂性削弱处理，以实现更高阶的迁移变换，有助于后续基于复杂性削弱量化重置后的信息测评型服务信息。

在确定量化重置策略（比如归一化策略）后，可依据量化重置策略对第x轮指定操作的原料信息（比如输入数据）进行量化重置操作，得到第x轮整理后的信息。再对第x轮整理后的信息进行特征翻译操作，可得到第x轮指定操作的结果信息（比如输出数据）。

为了更好的整理第一偏好汇总集和偏好表达内容，可对历史偏好服务信息的偏好表达内容进行阶段性特征翻译操作，得到不同约束条件的偏好表达内容，再将相同约束条件的偏好汇总集和指定操作的结果信息整理，以提升第一偏好汇总集和偏好表达内容的整理效果，提升待进行推送的服务信息的推送针对性。

本申请实施例中，对历史偏好服务信息的偏好表达内容执行y轮特征翻译操作，以得到不同约束条件的偏好表达内容。上述y轮特征翻译操作中的第1轮特征翻译操作的原料信息为偏好表达内容，y轮特征翻译操作包括第z-1轮特征翻译操作和第z轮特征翻译操作，第z-1轮特征翻译操作的结果信息为所述第z轮特征翻译操作的原料信息。每一轮特征翻译操作皆涵盖触发操作、转秩滑动平均操作、量化重置操作，即对特征翻译操作的原料信息逐一执行触发操作、转秩滑动平均操作、量化重置操作可得到特征翻译操作的结果信息。其中，y为不小于2的正整数，z为不小于2且不大于y的正整数。

对于一些可独立实施的实施例而言，修正型特征翻译单元（重构特征翻译单元）的数目与指定操作的数目相同，且第p轮特征翻译操作的结果信息（即第p轮修正型特征翻译单元的结果信息）的约束条件与第x轮指定操作的原料信息的约束条件一致。通过将第p轮特征翻译操作的结果信息与第x轮指定操作的原料信息进行组合，得到第x轮组合后的信息，此时将第x轮组合后的信息作为第x轮指定操作的待整理对象，再对第x轮被整理后的信息进行第x轮指定操作，得到第x轮指定操作的结果信息。通过上述方式，可将不同约束条件下的历史偏好服务信息的偏好表达内容更好的利用到得到待进行推送的服务信息的过程中，有助于提升得到的待进行推送的服务信息的推送针对性。可选的，上述组合包括进行基于状态层面的组合操作。此处对第x轮被整理后的信息进行第x轮指定操作的过程可参照上一种可能实现的方式。

可以理解的是，上述的一些示例中的指定操作中第x轮被整理的信息为第x轮指定操作的原料信息，而在上述另一些示例中的第x轮被整理的信息为第x轮指定操作的原料信息与第p轮特征翻译操作的结果信息组合后得到的操作结果，而后续对第x轮被整理后的信息和第x轮偏好汇总集进行整理操作的过程皆一致。

可以理解的是，上述相关示例中的指定操作的数目以及组合的次数均为本申请实施例提供的示例，并不是对本申请的限制。例如，相关示例包含9次组合，即每一个特征翻译单元的结果信息都将与相同约束条件的指定操作的原料信息进行组合。虽然每一次合并最终得到的待进行推送的服务信息的推送针对性都有提升（即组合的次数越多，待进行推送的服务信息的推送针对性越好），但每一次组合都将带来较大的信息处理量，所需占用的处理开销（此处为本申请实施例的信息优化服务器的运算负荷）也将增大，因此组合的次数可根据业务服务终端的实际互动情况进行优化，例如可以基于部分（如最后几个）修正型特征翻译单元的结果信息与相同约束条件的指定操作的原料信息进行组合。

本申请实施例通过在对偏好表达内容进行阶段性指定操作的过程中，将通过优化第一偏好汇总集的约束条件得到的不同约束条件的偏好汇总集与指定操作的原料信息进行整理，提升第一偏好汇总集与偏好表达内容的整理效果，进而提升待进行推送的服务信息的偏好描述与历史偏好描述服务信息的偏好描述的适配性。依据对历史偏好服务信息的偏好表达内容进行阶段性特征翻译操作，得到不同约束条件的特征翻译后的偏好表达内容（即不同的修正型特征翻译单元的结果信息的约束条件不同），并将相同约束条件的特征翻译后的偏好表达内容和指定操作的原料信息整理，可进一步提升第一偏好汇总集与偏好表达内容的整理效果，进而提升待进行推送的服务信息的偏好表达内容与历史偏好服务信息的偏好表达内容的适配性。在通过本申请实施例提供的方法提升以上两个适配性的情况下，可提升待进行推送的服务信息的推送针对性。

本申请实施例还提供了一种依据对历史偏好服务信息的偏好汇总集和待进行推送的服务信息的偏好汇总集进行操作的方案，丰富待进行推送的服务信息中的细节内容（意见型干扰信息等），进而提升待进行推送的服务信息的推送针对性。

对于一些可独立实施的实施例而言，在得到待进行推送的服务信息之后，所述方法还包括：将待进行推送的服务信息推送至目标业务服务终端，并获取所述目标业务服务终端针对所述待进行推送的服务信息的操作行为数据；对所述操作行为数据进行行为习惯分析以得到行为习惯分析结果；基于所述行为习惯分析结果生成针对所述目标业务服务终端的服务信息可视化指示。

在本申请实施例中，目标业务服务终端可以是目标推送对象对应的业务服务终端。信息优化服务器可以在得到目标业务服务终端的授权的前提下获取所述目标业务服务终端针对所述待进行推送的服务信息的操作行为数据，该操作行为数据包括但不限于点击操作、滑动操作和拖拽操作等。进一步地，行为习惯分析结果可以表征目标业务服务终端对应的用户/使用者的行为习惯，这样可以基于行为习惯分析结果生成针对目标业务服务终端的服务信息可视化指示，该服务信息可视化指示可以作为服务信息可视化处理的参考，比如将哪些服务内容进行图形化处理，将哪些服务内容进行列表化处理等，这样能够确保可视化处理与用户行为习惯的高度适配，从而减少用户在服务交互过程中的误操作。

对于一些可独立实施的实施例而言，对所述操作行为数据进行行为习惯分析以得到行为习惯分析结果，可以包括以下步骤所描述的内容。

步骤step51、从所述操作行为数据中获取包含目标可视化操作事件的待挖掘行为数据集。

步骤step52、抽取所述待挖掘行为数据集的视觉描述内容，并对所述目标可视化操作事件的互动场景种类进行识别，得到所述目标可视化操作事件对应的事件分组情况；获取与所述事件分组情况指示的目标互动场景种类相适配的候选习惯特征描述数据。

步骤step53、基于所述视觉描述内容和所述事件分组情况，对所述目标互动场景种类相适配的候选习惯特征描述数据进行优化，得到用于表征所述目标可视化操作事件的目标习惯特征描述数据；基于所述目标习惯特征描述数据，生成并缓存与所述目标可视化操作事件对应的行为习惯分析结果。

对于一些可独立实施的实施例而言，所述获取与所述事件分组情况指示的目标互动场景种类相适配的候选习惯特征描述数据，包括：基于所述事件分组情况，确定所述目标可视化操作事件所属的目标互动场景种类；在事先配置的可视化操作事件数据库中获取与所述目标互动场景种类相适配的候选习惯特征描述数据；所述可视化操作事件数据库中包含多种候选习惯特征描述数据，每种候选习惯特征描述数据用于表示所述目标可视化操作事件的一种互动场景种类。

对于一些可独立实施的实施例而言，所述基于所述视觉描述内容和所述事件分组情况，对所述目标互动场景种类相适配的候选习惯特征描述数据进行优化，得到用于表征所述目标可视化操作事件的目标习惯特征描述数据，包括：基于所述视觉描述内容和所述事件分组情况，确定习惯特征描述数据偏移，所述习惯特征描述数据偏移用于表征所述目标可视化操作事件的实际习惯特征描述数据和所述目标互动场景种类相适配的候选习惯特征描述数据之间的比较信息；基于所述习惯特征描述数据偏移，对所述目标互动场景种类相适配的候选习惯特征描述数据进行优化后，得到用于表征所述目标可视化操作事件的目标习惯特征描述数据。

对于一些可独立实施的实施例而言，所述抽取所述待挖掘行为数据集的视觉描述内容，并对所述目标可视化操作事件的互动场景种类进行识别，得到所述目标可视化操作事件对应的事件分组情况，包括：基于所述待挖掘行为数据集和事先部署的视觉描述抽取单元，抽取所述待挖掘行为数据集的视觉描述内容；基于所述视觉描述内容和事先部署的分类单元，对所述目标可视化操作事件的互动场景种类进行识别，得到所述目标可视化操作事件对应的事件分组情况。

对于一些可独立实施的实施例而言，所述事件分组情况包含在多个互动场景种类下的命中概率构成的命中概率集；所述基于所述事件分组情况，确定所述目标可视化操作事件所属的目标互动场景种类，包括：获取所述命中概率集中最高的命中概率对应的互动场景种类作为目标互动场景种类。

可以理解的是，在确定目标可视化操作事件的目标习惯特征描述数据时，不仅考虑了待挖掘可视化操作事件的视觉描述内容，还引入了目标可视化操作事件的互动场景种类的事件分组情况，以及与事件分组情况指示的目标互动场景种类相适配的候选习惯特征描述数据，利用视觉描述内容和事件分组情况对候选习惯特征描述数据进行优化，可以使得到的目标习惯特征描述数据与目标可视化操作事件的目标互动场景种类更加适配，从而能够有效提高目标习惯特征描述数据的精度和可信度，从而确保得到的行为习惯分析结果的准确性和可靠性。

<系统实施例>

在上述的方法实施例的基础上，本申请实施例还提出了一种系统实施例，也即基于数字化的大数据智慧服务信息优化系统，请结合参阅图4，基于数字化的大数据智慧服务信息优化系统30可以包括互相通信的信息优化服务器100和业务服务终端200。进一步地，信息优化服务器100和业务服务终端200在运行过程中互相交互以实现上述方法实施例所对应的技术方案。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种基于数字化的大数据智慧服务信息优化方法，其特征在于，应用于信息优化服务器，所述方法包括：

获取存在信息优化需求的原始服务交互日志中的第一会话事件信息与所述第一会话事件信息的存在联系会话场景下的第二会话事件信息之间的事件特征比较结果；

对所述事件特征比较结果进行冗余分离操作，获得所述第一会话事件信息与所述第二会话事件信息之间的分离式特征比较结果；依据所述分离式特征比较结果对所述原始服务交互日志进行非关键信息剔除处理，获得已优化服务交互日志。

2.根据权利要求1所述的方法，其特征在于，所述第一会话事件信息的数目为多个，所述依据所述分离式特征比较结果对所述原始服务交互日志进行非关键信息剔除处理，包括：

通过每个第一会话事件信息与每个第一会话事件信息的存在联系会话场景下的第二会话事件信息之间的分离式特征比较结果，确定每个第一会话事件信息与每个第一会话事件信息的存在联系会话场景下的第二会话事件信息之间的信息共性评价；

依据所述信息共性评价，对每个第一会话事件信息的事件特征进行全局性非关键信息剔除处理；

将全局性非关键信息剔除处理后的原始服务交互日志确定为所述已优化服务交互日志。

3.根据权利要求2所述的方法，其特征在于，所述对所述事件特征比较结果进行冗余分离操作，获得所述第一会话事件信息与所述第二会话事件信息之间的分离式特征比较结果，包括：

依据所述第一会话事件信息的事件特征和所述第二会话事件信息的事件特征，对所述事件特征比较结果进行冗余分离操作，获得所述第一会话事件信息与所述第二会话事件信息之间的分离式特征比较结果；

相应的，所述依据所述第一会话事件信息的事件特征和所述第二会话事件信息的事件特征，对所述事件特征比较结果进行冗余分离操作，获得所述第一会话事件信息与所述第二会话事件信息之间的分离式特征比较结果，包括：

确定所述第一会话事件信息的事件特征与所述第二会话事件信息的事件特征的特征影响度；

依据所述特征影响度，对所述事件特征比较结果进行冗余分离操作。

4.根据权利要求3所述的方法，其特征在于，所述依据所述特征影响度，对所述事件特征比较结果进行冗余分离操作，包括：

根据所述事件特征比较结果与所述特征影响度之间的量化处理结果，获得所述第一会话事件信息与所述第二会话事件信息之间的分离式特征比较结果。

5.根据权利要求3所述的方法，其特征在于，所述确定所述第一会话事件信息的事件特征与所述第二会话事件信息的事件特征的特征影响度，包括：

确定所述第一会话事件信息的事件特征与所述第二会话事件信息的事件特征的服务特征数据，获得第一关键信息量化描述；

确定所述原始服务交互日志中的关键信息与非关键信息之间的信息对应情况；

根据所述信息对应情况和所述第一关键信息量化描述，确定所述第一会话事件信息与所述第二会话事件信息的非关键信息离散评价，获得所述特征影响度。

6.根据权利要求5所述的方法，其特征在于，所述确定所述原始服务交互日志中的关键信息与非关键信息之间的信息对应情况，包括：

基于在先的已优化服务交互日志，确定所述原始服务交互日志中的多个会话事件信息的关键信息量化描述和非关键信息量化描述，所述在先的已优化服务交互日志为与所述原始服务交互日志存在联系且已基于设定剔除策略进行非关键信息剔除处理的服务交互日志；

将所述多个会话事件信息中关键信息量化描述相同的会话事件信息确定为一类，获得多个会话事件信息簇；

依据所述多个会话事件信息簇中的会话事件信息的非关键信息量化描述，确定所述多个会话事件信息簇对应的非关键信息偏离度；

对所述多个会话事件信息簇对应的关键信息量化描述和非关键信息偏离度进行全局处理，获得所述存在信息优化需求的原始服务交互日志中的关键信息与非关键信息之间的信息对应情况；

相应的，所述依据所述多个会话事件信息簇中的会话事件信息的非关键信息量化描述，确定所述多个会话事件信息簇对应的非关键信息偏离度，包括：

对于所述多个会话事件信息簇中的其中一个会话事件信息簇，确定所述其中一个会话事件信息簇中的会话事件信息的非关键信息量化描述的服务特征数据，获得所述其中一个会话事件信息簇对应的非关键信息特征数据；

依据所述其中一个会话事件信息簇中的会话事件信息的非关键信息量化描述和所述其中一个会话事件信息簇对应的非关键信息特征数据，确定所述其中一个会话事件信息簇对应的非关键信息偏离度。

7.根据权利要求3所述的方法，其特征在于，所述确定所述第一会话事件信息的事件特征与所述第二会话事件信息的事件特征的特征影响度，包括：

将所述第一会话事件信息的事件特征确定为第二关键信息量化描述，根据所述信息对应情况和所述第二关键信息量化描述，确定所述第一会话事件信息的非关键信息离散评价，获得所述特征影响度；

或者，将所述第二会话事件信息的事件特征确定为第三关键信息量化描述，根据所述信息对应情况和所述第三关键信息量化描述，确定所述第二会话事件信息的非关键信息离散评价，获得所述特征影响度。

8.根据权利要求5所述的方法，其特征在于，所述确定所述原始服务交互日志中的关键信息与非关键信息之间的信息对应情况，包括：

确定所述原始服务交互日志中多个会话事件信息对应的日志内容集的日志内容集特征数据，每个日志内容集与一个会话事件信息对应，每个日志内容集是以对应的会话事件信息为基准、以事件传递关系为约束所确定的；

确定每个会话事件信息对应的日志内容集的日志内容集偏离度；

将每个会话事件信息对应的日志内容集的日志内容集特征数据确定为每个会话事件信息的关键信息量化描述，以及将每个会话事件信息对应的日志内容集的日志内容集偏离度确定为每个会话事件信息的非关键信息偏离度；

对所述多个会话事件信息的关键信息量化描述和非关键信息偏离度进行全局处理，获得所述原始服务交互日志中的关键信息与非关键信息之间的信息对应情况；

相应的，所述依据所述特征影响度，对所述事件特征比较结果进行冗余分离操作之前，还包括：

依据所述信息对应情况，确定第一日志内容集与第二日志内容集中除所述第一会话事件信息和所述第二会话事件信息之外的剩余会话事件信息中，内容分布对应的会话事件信息的特征影响度；

所述依据所述特征影响度，对所述事件特征比较结果进行冗余分离操作，包括：

根据所述第一日志内容集与所述第二日志内容集中每个对应内容分布的会话事件信息的特征影响度，分别确定所述第一日志内容集与所述第二日志内容集中每个对应内容分布的会话事件信息的目标分离式特征比较结果；

基于所确定的目标分离式特征比较结果的融合结果与所述第一会话事件信息对应的第一日志内容集内的会话事件信息统计结果，获得所述第一会话事件信息与所述第二会话事件信息之间的分离式特征比较结果。

9.根据权利要求3所述的方法，其特征在于，所述方法还包括：

以所述第一会话事件信息为基准、以事件传递关系为约束，在所述原始服务交互日志中确定所述第一会话事件信息对应的第一日志内容集；以所述第二会话事件信息为基准、以所述事件传递关系为约束，在所述原始服务交互日志中确定所述第二会话事件信息对应的第二日志内容集；

分别确定所述第一日志内容集与所述第二日志内容集中除所述第一会话事件信息和所述第二会话事件信息之外的剩余会话事件信息中，内容分布对应的会话事件信息的事件特征比较结果；

所述依据所述第一会话事件信息的事件特征和所述第二会话事件信息的事件特征，对所述事件特征比较结果进行冗余分离操作，获得所述第一会话事件信息与所述第二会话事件信息之间的分离式特征比较结果，包括：

分别确定所述第一日志内容集与所述第二日志内容集中的每个对应内容分布的会话事件信息的事件特征的特征数据；

依据所述第一日志内容集与所述第二日志内容集中的每个对应内容分布的会话事件信息的事件特征比较结果和特征数据，确定所述第一日志内容集与所述第二日志内容集中的每个对应内容分布的会话事件信息的目标分离式特征比较结果；

对所确定的每个对应内容分布的会话事件信息的目标分离式特征比较结果进行加权处理，将加权处理获得的结果与所述第一日志内容集中的会话事件信息统计结果进行量化分析，获得所述第一会话事件信息与所述第二会话事件信息之间的分离式特征比较结果。

10.一种信息优化服务器，其特征在于，包括：

存储器，用于存储可执行的指令；

处理器，用于根据所述可执行的指令的控制，运行所述信息优化服务器执行如权利要求1-9任一项所述的方法。

Images