CN114625612A - 基于大数据办公的用户行为分析方法及服务系统 - Google Patents

Abstract

本申请的基于大数据办公的用户行为分析方法及服务系统，根据本申请，针对云办公互动日志中的局部行为习惯记录重构，相关方案的互动日志重构技术会考虑较多的关联特征内容，这样会对云办公互动日志中的每个互动事件产生干扰。本申请实施例中通过确定相关型行为习惯会话，进而通过相关型行为习惯会话的量化会话意图信息确定行为习惯共享描述，以根据该行为习惯共享描述进行关联特征内容共享，能够削弱所共享的关联特征内容的内容量，从而针对云办公互动日志中的局部行为习惯记录，同样能够保障较佳的重构质量。

Description

基于大数据办公的用户行为分析方法及服务系统

技术领域

本申请涉及大数据办公和用户行为分析技术领域，更具体地，涉及一种基于大数据办公的用户行为分析方法及服务系统。

背景技术

随着大数据的爆发增长，人工智能不断得到突破，进而推动着智能产业成为继移动互联网之后的新一轮科技创新浪潮。在新的技术时代环境下，办公自动化系统的应用越来越广泛，逐渐形成大数据办公的新型办公模式。现目前，虽然大数据办公相较于传统办公具有诸多优点，但是用户需求的不断增多（附带一些较为苛刻的个性化需求）给大数据办公的升级优化带来了诸多挑战。为应对这些挑战，高效地实现办公用户行为分析是非常有必要的。

发明内容

本申请的一个目的是提供一种用于提升行为习惯分析的效率的新技术方案。

第一方面，本申请实施例提供了一种基于大数据办公的用户行为分析方法，应用于办公用户行为分析服务系统，所述方法至少包括：在接收到满足行为分析条件的云办公互动日志的前提下挖掘所述满足行为分析条件的云办公互动日志的混合场景行为习惯分布；确定所述混合场景行为习惯分布中若干关联场景行为习惯分布之间相关型行为习惯会话的量化会话意图信息以获得若干量化会话意图信息；按照所述若干量化会话意图信息确定所述混合场景行为习惯分布中每个场景行为习惯分布的行为习惯共享描述；所述行为习惯共享描述用于表示所述相关型行为习惯会话之间的量化比较结果；结合所述每个场景行为习惯分布的行为习惯共享描述对所述满足行为分析条件的云办公互动日志进行互动日志重构操作以获得目标办公互动日志。

如此设计，通过挖掘云办公互动日志的混合场景行为习惯分布，并确定混合场景行为习惯分布中关联场景行为习惯分布的相关型行为习惯会话，并根据相关型行为习惯会话的量化会话意图信息确定相关型行为习惯会话之间的行为习惯共享描述，以根据该行为习惯共享描述进行特征内容的共享，可以兼顾云办公互动日志中非关键互动事件的占比。在兼顾云办公互动日志中非关键互动事件的占比之后，便可以削弱非关键事件的互动日志的信息量，从而保障互动日志重构的精度，并提升行为习惯分析的效率。针对云办公互动日志中的局部行为习惯记录重构，相关方案的互动日志重构技术会考虑较多的关联特征内容，这样会对云办公互动日志中的每个互动事件产生干扰。本申请实施例中通过确定相关型行为习惯会话，进而通过相关型行为习惯会话的量化会话意图信息确定行为习惯共享描述，以根据该行为习惯共享描述进行关联特征内容共享，能够削弱所共享的关联特征内容的内容量，从而针对云办公互动日志中的局部行为习惯记录，同样能够保障较佳的重构质量。

在一些可独立实施的设计方案中，所述结合所述每个场景行为习惯分布的行为习惯共享描述对所述满足行为分析条件的云办公互动日志进行互动日志重构操作以获得目标办公互动日志，包括：将所述行为习惯共享描述与所适配场景行为习惯分布中相关型行为习惯会话的初始量化会话意图信息进行绑定以获得各个场景行为习惯分布的目标行为习惯绑定数据；对每个场景行为习惯分布的目标行为习惯绑定数据进行行为习惯数据组合，并基于完成组合的行为习惯数据对所述满足行为分析条件的云办公互动日志进行互动日志重构操作以获得目标办公互动日志。

如此设计，在将行为习惯共享描述与每个场景行为习惯分布中相关型行为习惯会话的初始量化会话意图信息进行绑定以获得目标行为习惯绑定数据之后，通过行为习惯数据的绑定可以将热门场景行为习惯分布的特征内容共享到冷门场景行为习惯分布中，从而将特征内容按照场景热度进行共享。基于以上的特征内容的共享技术，可以提高特征内容共享的可信度，从而提高互动日志内容重构操作的准确性。

在一些可独立实施的设计方案中，所述确定所述混合场景行为习惯分布中若干关联场景行为习惯分布之间相关型行为习惯会话，包括：在每组关联场景行为习惯分布中抽取相关型行为习惯会话，其中，所述相关型行为习惯会话包括：热点行为习惯会话和/或协作办公事件的冷门行为习惯会话，其中，所述协作办公事件为所述满足行为分析条件的云办公互动日志中所涵盖的协作办公事件。

如此设计，可以兼顾非关键事件的互动日志中的互动事项占比，还可以在确保内容分析的时效性以及资源开销最小化的前提下，尽可能提高互动日志重构的质量。

在一些可独立实施的设计方案中，所述关联场景行为习惯分布包括：第一场景行为习惯分布和第二场景行为习惯分布，所述第一场景行为习惯分布的互动日志识别指数低于所述第二场景行为习惯分布的互动日志识别指数；所述确定所述混合场景行为习惯分布中若干关联场景行为习惯分布之间相关型行为习惯会话的量化会话意图信息，包括：按照所述第一场景行为习惯分布和所述第二场景行为习惯分布，生成热点行为习惯分布；按照所述热点行为习惯分布确定所述相关型行为习惯会话，并确定所述相关型行为习惯会话的量化会话意图信息。

如此设计，通过生成热点行为习惯分布来确定相关型行为习惯会话的技术，可以更为准确地从混合场景行为习惯分布中确定相关型行为习惯会话，以进一步提高互动日志重构操作的准确性。

在一些可独立实施的设计方案中，所述按照所述第一场景行为习惯分布和所述第二场景行为习惯分布，生成热点行为习惯分布，包括：依次对所述第一场景行为习惯分布和所述第二场景行为习惯分布进行视觉优化操作；对完成了视觉优化操作的第二场景行为习惯分布进行缩略调整操作；对完成了视觉优化操作的第一场景行为习惯分布和完成了缩略调整操作的第二场景行为习惯分布进行行为习惯数据组合处理以获得组合行为习惯数据；对所述组合行为习惯数据进行行为特征挖掘以获得所述热点行为习惯分布。

如此设计，通过第一场景行为习惯分布和第二场景行为习惯分布进行视觉优化操作，可以减少行为习惯分布的复杂度，从而减少运算开销；通过对完成了视觉优化操作的冷门场景行为习惯分布进行缩略调整操作，可以实现调整热门场景行为习惯分布和冷门场景行为习惯分布的识别指数，从而将完成了视觉优化操作的热门场景行为习惯分布和完成了缩略调整操作的冷门场景行为习惯分布进行行为习惯数据组合处理。在对组合行为习惯数据进行行为特征挖掘的技术，可以精准获得量化会话意图信息的热点行为习惯分布。

在一些可独立实施的设计方案中，所述相关型行为习惯会话包括：热点行为习惯会话；所述按照所述热点行为习惯分布确定所述相关型行为习惯会话，包括：对所述热点行为习惯分布执行极性特征精简操作以获得所述热点行为习惯会话的第一空间约束指示；对所述热点行为习惯分布和所述第一场景行为习惯分布执行阶段性关注操作以获得阶段性行为习惯分布；分别在所述阶段性行为习惯分布和所述第二场景行为习惯分布中确定与所述第一空间约束指示所适配的行为习惯会话以获得所述热点行为习惯会话。

如此设计，通过极性特征精简操作可以着重关注满足行为分析条件的云办公互动日志中关键事项标签的热点标签，可以得到更为精准的第一空间约束指示，在根据第一空间约束指示确定热点行为习惯会话时，便可以更为精准的在阶段性行为习惯分布和冷门场景行为习惯分布中对热点行为习惯会话进行捕捉，能够提高会话分析的精度。

在一些可独立实施的设计方案中，所述相关型行为习惯会话包括：冷门行为习惯会话；所述按照所述热点行为习惯分布确定所述相关型行为习惯会话，包括：按照所述热点行为习惯分布对所述第一场景行为习惯分布进行特征解析以获得所述满足行为分析条件的云办公互动日志中所包含协作办公事件的冷门解析结果；确定所述冷门解析结果中每个会话标签的量化评价，并按照所述量化评价确定所述冷门行为习惯会话的第二空间约束指示；分别在所述第二场景行为习惯分布和所述第一场景行为习惯分布中确定与所述第二空间约束指示所适配的行为习惯会话以获得所述冷门行为习惯会话。

如此设计，对于冷门行为习惯数据的抽取，并不是简单地使用关联场景行为习惯分布进行约束识别，通过特征解析方法来得到冷门解析结果的技术，针对满足行为分析条件的云办公互动日志中的局部行为习惯记录来说，可以得到准确的协作办公事件的冷门解析结果。进一步地，通过量化评价来确定冷门行为习惯数据的第二空间约束指示的技术，能够提高冷门行为习惯会话的捕捉准确性。

在一些可独立实施的设计方案中，所述按照所述热点行为习惯分布对所述第一场景行为习惯分布进行特征解析以获得所述满足行为分析条件的云办公互动日志中所包含协作办公事件的冷门解析结果，包括：按照所述热点行为习惯分布对所述第一场景行为习惯分布进行扰动特征削弱操作以获得完成扰动特征削弱操作的所述第一场景行为习惯分布；确定所述第一场景行为习惯分布的量化会话意图信息和完成扰动特征削弱操作的所述第一场景行为习惯分布的量化会话意图信息之间的意图变化数据，并按照所述意图变化数据确定所述冷门解析结果，其中，所述意图变化数据为所述冷门解析结果的量化会话意图信息。

如此设计，通过对热门场景行为习惯分布进行扰动特征削弱操作，并根据热门场景行为习惯分布的量化会话意图信息和完成扰动特征削弱操作的热门场景行为习惯分布的量化会话意图信息之间的意图变化数据确定冷门解析结果的技术，可以得到提高冷门解析结果的精度，从而得到更为精准的冷门解析结果。

在一些可独立实施的设计方案中，所述按照所述热点行为习惯分布对所述第一场景行为习惯分布进行扰动特征削弱操作以获得完成扰动特征削弱操作的所述第一场景行为习惯分布，包括：对所述热点行为习惯分布进行去极性特征精简操作以获得去极性特征精简操作结果；依据所述去极性特征精简操作结果对所述第一场景行为习惯分布进行扰动特征削弱操作以获得完成扰动特征削弱操作的所述第一场景行为习惯分布。

在一些可独立实施的设计方案中，所述按照所述若干量化会话意图信息确定所述混合场景行为习惯分布中每个场景行为习惯分布的行为习惯共享描述，包括：对所述相关型行为习惯会话的量化会话意图信息进行倾向影响系数分析以获得倾向影响系数分析结果；确定第一量化会话意图信息和所述倾向影响系数分析结果之间的加权结果以获得特征加权记录，其中，所述第一量化会话意图信息为所述相关型行为习惯会话中包括在所述混合场景行为习惯分布中第一场景行为习惯分布中的相关型行为习惯会话的量化会话意图信息；对所述特征加权记录和第二量化会话意图信息进行整体性处理以获得所述行为习惯共享描述，其中，所述第二量化会话意图信息为每组所述相关型行为习惯会话中包括在所述混合场景行为习惯分布中第二场景行为习惯分布中的相关型行为习惯会话的量化会话意图信息，所述第一场景行为习惯分布的互动日志识别指数低于所述第二场景行为习惯分布的互动日志识别指数。

如此设计，通过行为习惯共享描述来实现对混合场景行为习惯分布各个场景之间的关联特征内容进行共享的技术，可以提高特征内容共享的可信度，从而提高互动日志内容重构操作的精度。

在一些可独立实施的设计方案中，所述将所述行为习惯共享描述与所述每个场景行为习惯分布中相关型行为习惯会话的初始量化会话意图信息进行绑定以获得所述每场景行为习惯分布的目标行为习惯绑定数据，包括：获取所述相关型行为习惯会话的上下游特征信息；按照所述上下游特征信息在每个场景行为习惯分布中确定目标行为习惯会话；获取所述目标行为习惯会话的初始量化会话意图信息，并将所述行为习惯共享描述和所述目标行为习惯会话的初始量化会话意图信息进行绑定以获得所述目标行为习惯绑定数据。

如此设计，通过相关型行为习惯会话的上下游特征信息，将行为习惯共享描述和所述量化比较结果行为习惯会话的初始行为习惯数据进行绑定的技术，可以从冷门场景行为习惯分布中准确地对量化比较结果行为习惯会话进行捕捉，从而实现高效的行为习惯数据绑定。

第二方面，本申请实施例提供了一种办公用户行为分析服务系统，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，运行所述办公用户行为分析服务系统执行上述的方法。

第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在运行时执行上述的方法。

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办公用户行为分析服务系统100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办公用户行为分析服务系统100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大数据办公的用户行为分析方法的流程图。

图4是示出可以实现本申请的实施例的基于大数据办公的用户行为分析方法的应用环境的架构示意图。

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办公用户行为分析服务系统100的一种硬件配置的框图，办公用户行为分析服务系统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，运行办公用户行为分析服务系统100执行本申请中的基于大数据办公的用户行为分析方法。

图2是示出可以实现本申请的实施例的办公用户行为分析服务系统100的另一种硬件配置的框图，办公用户行为分析服务系统100可以包括处理器110、存储器120和基于大数据办公的用户行为分析装置400，基于大数据办公的用户行为分析装置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大数据办公的用户行为分析装置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大数据办公的用户行为分析方法。

<方法实施例>

图3是示出可以实现本申请的实施例的基于大数据办公的用户行为分析方法的流程图，基于大数据办公的用户行为分析方法可以通过图1或图2所示的办公用户行为分析服务系统100实现，进一步可以包括以下步骤所描述的技术方案。

步骤101：在接收到满足行为分析条件的云办公互动日志的前提下挖掘所述满足行为分析条件的云办公互动日志的混合场景行为习惯分布。

对于本申请实施例而言，可以通过行为习惯挖掘线程挖掘满足行为分析条件的云办公互动日志的混合场景行为习惯分布，其中，混合场景行为习惯分布中每个场景的行为习惯分布对应的维度存在差异（或识别指数存在差异），因此，混合场景行为习惯分布还可以理解为多维度行为习惯分布（或者多识别指数行为习惯分布）。此外，行为习惯分布可以理解为行为习惯特征或者行为习惯描述的汇总结果，从另外的角度可以理解为特征图或者指示图谱。混合场景行为习惯分布可以理解为多场景的行为习惯分布。

步骤103：确定所述混合场景行为习惯分布中若干关联场景行为习惯分布之间相关型行为习惯会话的量化会话意图信息。

对于本申请实施例而言，在得到混合场景行为习惯分布之后，针对混合场景行为习惯分布中任意关联场景的行为习惯分布，确定相关型行为习惯会话，并确定相关型行为习惯会话的量化会话意图信息。

例如，关联场景行为习惯分布包括第一场景行为习惯分布和第二场景行为习惯分布，其中，第一场景行为习惯分布可以理解为热门场景行为习惯分布，第二场景行为习惯分布可以理解为冷门场景行为习惯分布。相关型行为习惯会话是指热门场景行为习惯分布和冷门场景行为习惯分布中相匹配的行为习惯会话。其中，热门场景行为习惯分布的识别指数低于冷门场景行为习惯分布的识别指数。其中，相匹配的行为习惯会话可以理解为热门场景行为习惯分布和冷门场景行为习惯分布中用于表示满足行为分析条件的云办公互动日志中同一协作办公事件的行为习惯会话。量化会话意图信息可以理解为描述值或者特征值。

步骤105：按照所述若干量化会话意图信息确定所述混合场景行为习惯分布中每个场景行为习惯分布的行为习惯共享描述；所述行为习惯共享描述用于表示所述相关型行为习惯会话之间的量化比较结果。

在本申请实施例中，行为习惯共享描述可以理解为相似特征，行为习惯可以理解为办公习惯，比如软件操作习惯、文件使用习惯、语音会话习惯、视频会议习惯等。进一步地，量化比较结果可以理解为相似度或者相关性系数。

步骤107：结合所述每个场景行为习惯分布的行为习惯共享描述对所述满足行为分析条件的云办公互动日志进行互动日志重构操作以获得目标办公互动日志。

对于本申请实施例而言，在确定出相关型行为习惯会话的量化会话意图信息之后，可以根据相关型行为习惯会话的量化会话意图信息确定行为习惯共享描述，在将行为习惯共享描述与相关型行为习惯会话的初始量化会话意图信息进行绑定之后，便可以实现通过行为习惯共享描述将热门场景行为习惯分布中的多模态行为习惯数据共享到冷门场景行为习惯分布中。

对于本申请实施例而言，在通过初始行为习惯数据线程对满足行为分析条件的云办公互动日志进行处理之后以获得初始混合场景行为习惯分布，初始混合场景行为习惯分布的量化会话意图信息即为上述所描述的初始量化会话意图信息。

对于本申请实施例而言，如果满足行为分析条件的云办公互动日志的混合场景行为习惯分布的场景数量为NUM1，比如，任意关联场景行为习惯分布为habit_distribution和habit_distribution_0，基于以上的技术进行处理以获得habit_distribution_0行为习惯分布的行为习惯共享描述，从而可以得到每个场景的行为习惯共享描述。之后，便可以根据每个场景行为习惯分布的行为习惯共享描述对满足行为分析条件的云办公互动日志进行互动日志内容重构以获得目标办公互动日志。

对于本申请实施例而言，首先获取满足行为分析条件的云办公互动日志，然后，通过行为习惯挖掘线程挖掘满足行为分析条件的云办公互动日志的混合场景行为习惯分布。之后，针对混合场景行为习惯分布中若干关联场景行为习惯分布，确定关联场景行为习惯分布之间相关型行为习惯会话，以及相关型行为习惯会话的量化会话意图信息。

在本申请实施例中，目标办公互动日志可以理解为精简化的办公互动日志，在一定程度上可以作为行为习惯挖掘的依据，从而提高行为习惯挖掘的精度和效率。

对于一些可独立实施的设计思路而言，步骤103，确定所述混合场景行为习惯分布中若干关联场景行为习惯分布之间相关型行为习惯会话，可以包括以下内容：在每组关联场景行为习惯分布中抽取相关型行为习惯会话，其中，所述相关型行为习惯会话包括：热点行为习惯会话和/或协作办公事件的冷门行为习惯会话，其中，所述协作办公事件为所述满足行为分析条件的云办公互动日志中所涵盖的协作办公事件。

对于本申请实施例而言，在每组关联场景行为习惯分布之间抽取相关型行为习惯会话，进而根据该相关型行为习惯会话的量化会话意图信息来共享关联信息（比如上下文信息）。基于该技术方案，可以兼顾非关键事件的互动日志中的互动事项占比，还可以在确保内容分析的时效性以及资源开销最小化的前提下，尽可能提高互动日志重构的质量。对于本申请实施例而言，在确定相关型行为习惯会话时，可以根据关联场景行为习惯分布确定热点行为习惯会话和/或协作办公事件的冷门行为习惯会话。

由于满足行为分析条件的云办公互动日志中关键事项互动日志和非关键事项互动日志之间的互动事项占比的不兼顾，在满足行为分析条件的云办公互动日志中，对于本申请实施例而言，在确定组相关型行为习惯会话时，可以确定热点行为习惯会话和/或冷门行为习惯会话。

对于另一些可独立实施的设计思路而言，步骤103，确定所述混合场景行为习惯分布中若干关联场景行为习惯分布之间相关型行为习惯会话的量化会话意图信息，还可以包括以下内容。

步骤1031，根据第一场景行为习惯分布和第二场景行为习惯分布，生成热点行为习惯分布；所述关联场景行为习惯分布包括：第一场景行为习惯分布和第二场景行为习惯分布，所述第一场景行为习惯分布的互动日志识别指数低于所述第二场景行为习惯分布的互动日志识别指数。

步骤1032，按照所述热点行为习惯分布确定所述相关型行为习惯会话，并确定所述相关型行为习惯会话的量化会话意图信息。

对于本申请实施例而言，比如，关联场景行为习惯分布中的热门场景行为习惯分布（换言之，第一场景行为习惯分布）定义为habit_distribution，关联场景行为习惯分布中的冷门场景行为习惯分布（换言之，第二场景行为习惯分布）定义为habit_distribution_0。此时，可以根据热门场景行为习惯分布habit_distribution和冷门场景行为习惯分布habit_distribution_0生成热点行为习惯分布，定义为p_distribution。可以理解的是，对于本申请实施例而言，热点行为习惯分布用于表示满足行为分析条件的云办公互动日志中热点标签的量化会话意图信息，该热点标签为办公用户对满足行为分析条件的云办公互动日志中的关注标签。

进一步地，可以基于热点行为习惯分布p_distribution和约束策略确定相关型行为习惯会话的空间约束指示，进而通过该空间约束指示在热门场景行为习惯分布habit_distribution和冷门场景行为习惯分布habit_distribution_0进行相关型行为习惯会话的会话抓取处理，进而可以得到相关型行为习惯会话，然后可以在热门场景行为习惯分布habit_distribution和冷门场景行为习惯分布habit_distribution_0中分别确定相关型行为习惯会话的量化会话意图信息。

对于本申请实施例而言，可以通过下述所描述的技术生成热点行为习惯分布，可以包括以下内容：依次对所述第一场景行为习惯分布和所述第二场景行为习惯分布进行视觉优化操作；对完成了视觉优化操作的第二场景行为习惯分布进行缩略调整操作；对完成了视觉优化操作的第一场景行为习惯分布和完成了缩略调整操作的第二场景行为习惯分布进行行为习惯数据组合处理以获得组合行为习惯数据；对所述组合行为习惯数据进行行为特征挖掘以获得所述热点行为习惯分布。

以一些示例来看待，首先可以通过2*2的滑动平均单元依次对热门场景行为习惯分布（换言之，第一场景行为习惯分布）habit_distribution和冷门场景行为习惯分布（换言之，第二场景行为习惯分布）habit_distribution_0进行视觉优化操作，其中，此处的视觉优化操作还可以理解为行为习惯数据维度简化，减少行为习惯分布的复杂度，从而减少运算开销。之后，对完成了视觉优化操作的冷门场景行为习惯分布habit_distribution_0进行池化处理以获得完成了缩略调整操作的冷门场景行为习惯分布，即为 对于本申请实施例而言，对完成了视觉优化操作的冷门场景行为习惯分布habit_distribution_0进行池化处理是指降低完成了视觉优化操作的冷门场景行为习惯分布habit_distribution_0的识别指数，使得完成了视觉优化操作的冷门场景行为习惯分布habit_distribution_0的识别指数与热门场景行为习惯分布habit_distribution的识别指数相同。在识别指数相同之后，便可以执行行为习惯数据组合的处理。

在上述基础上，便可以通过组合算法对精简之后的热门场景行为习惯分布habit_distribution和完成了缩略调整操作的冷门场景行为习惯分布 进行行为习惯数据组合以获得组合行为习惯数据 更进一步地，便可以通过6*6的滑动平均单元对组合行为习惯数据进行行为特征挖掘，还可以通过标准化算法（比如归一化算法）对行为特征挖掘之后的结果进行标准化处理以获得热点行为习惯分布。

基于上述内容可得，对于本申请实施例而言，通过对热门场景行为习惯分布和冷门场景行为习惯分布进行视觉优化操作，可以减少行为习惯分布的复杂度，从而减少运算开销；通过对完成了视觉优化操作的冷门场景行为习惯分布进行缩略调整操作，可以实现调整热门场景行为习惯分布和冷门场景行为习惯分布的识别指数，从而将完成了视觉优化操作的热门场景行为习惯分布和完成了缩略调整操作的冷门场景行为习惯分布进行行为习惯数据组合处理。在对组合行为习惯数据进行行为特征挖掘的技术，可以准确的得到办公用户的关注标签的量化会话意图信息的热点行为习惯分布。

对于本申请实施例而言，在相关型行为习惯会话包括热点行为习惯会话的情况下，上述步骤1032，按照所述热点行为习惯分布确定所述相关型行为习惯会话，可以包括以下内容：对所述热点行为习惯分布执行极性特征精简操作以获得所述热点行为习惯会话的第一空间约束指示；对所述热点行为习惯分布和所述第一场景行为习惯分布执行阶段性关注操作以获得阶段性行为习惯分布；分别在所述阶段性行为习惯分布和所述第二场景行为习惯分布中确定与所述第一空间约束指示所适配的行为习惯会话以获得所述热点行为习惯会话。

对于本申请实施例而言，在确定出热点行为习惯分布p_distribution之后，可以将热点行为习惯分布p_distribution和热门场景行为习惯分布（换言之，第一场景行为习惯分布）habit_distribution加载到特征精简线程中，此时，特征精简线程可以对热点行为习惯分布执行极性特征精简操作，例如最大池化层。通过对热点行为习惯分布进行极性特征精简操作，可以得到热点行为习惯会话的第一空间约束指示。

在上述内容的基础上，特征精简线程还可以对输入的行为习惯分布（即热点行为习惯分布p_distribution和热门场景行为习惯分布habit_distribution）执行阶段性关注操作以获得阶段性行为习惯分布，定义为habit_distribution_s。

对于本申请实施例而言，确定出阶段性行为习惯分布之后，便可以按照第一空间约束指示，在阶段性行为习惯分布和冷门场景行为习惯分布中确定与第一空间约束指示所适配的行为习惯会话以获得热点行为习惯会话。

对于本申请实施例而言，通过极性特征精简操作可以着重关注满足行为分析条件的云办公互动日志中关键事项标签的热点标签，因此，可以得到更为精准的第一空间约束指示，在根据第一空间约束指示确定热点行为习惯会话时，便可以更为精准的在阶段性行为习惯分布和冷门场景行为习惯分布中对热点行为习惯会话进行捕捉，能够提高会话分析的精度。

对于本申请实施例而言，在相关型行为习惯会话包括冷门行为习惯会话的情况下，步骤1032，按照所述热点行为习惯分布确定所述相关型行为习惯会话，可以包括以下内容：按照所述热点行为习惯分布对所述第一场景行为习惯分布进行特征解析以获得所述满足行为分析条件的云办公互动日志中所包含协作办公事件的冷门解析结果；确定所述冷门解析结果中每个会话标签的量化评价，并按照所述量化评价确定所述冷门行为习惯会话的第二空间约束指示；分别在所述第二场景行为习惯分布和所述第一场景行为习惯分布中确定与所述第二空间约束指示所适配的行为习惯会话以获得所述冷门行为习惯会话。

对于本申请实施例而言，在确定冷门点行为习惯数据时，可以根据热点行为习惯分布p_distribution对热门场景行为习惯分布（换言之，第一场景行为习惯分布）habit_distribution进行特征解析，从而通过特征解析的技术来进行冷门业务解析，从而得到满足行为分析条件的云办公互动日志的冷门业务，换言之冷门业务解析结果。之后，可以确定冷门业务解析结果中每个会话标签的量化评价，该量化评价用于表示每个会话标签位于冷门业务中的可能性。之后，便可以根据该量化评价从冷门解析结果中抽取多个解析单元作为冷门行为习惯会话，其中，多个解析单元可以理解为量化评价最高的若干会话标签，进而，根据量化评价最高的若干会话标签确定冷门行为习惯会话的第二空间约束指示（比如视觉型索引列表）。

在确定出第二空间约束指示之后，便可以分别在冷门场景行为习惯分布和热门场景行为习惯分布中确定与第二空间约束指示所适配的行为习惯会话以获得所述冷门行为习惯会话。

可以理解的是，对于冷门行为习惯数据的抽取，并不是单纯使用输入行为习惯数据habit_distribution或habit_distribution_0进行约束识别，通过特征解析方法来得到冷门解析结果的技术，对于满足行为分析条件的云办公互动日志中的局部行为习惯记录而言，可以得到准确的协作办公事件的冷门解析结果。进一步地，通过量化评价来确定冷门行为习惯数据的第二空间约束指示的技术，可以从冷门解析结果中抽取对应于目标冷门业务可能性最高的标签，因此，上述处理技术提高了冷门行为习惯会话的捕捉精度。

对于本申请实施例而言，按照所述热点行为习惯分布对所述第一场景行为习惯分布进行特征解析以获得所述满足行为分析条件的云办公互动日志中所包含协作办公事件的冷门解析结果，可以包括以下内容：按照所述热点行为习惯分布对所述第一场景行为习惯分布进行扰动特征削弱操作以获得完成扰动特征削弱操作的所述第一场景行为习惯分布；确定所述第一场景行为习惯分布的量化会话意图信息和完成扰动特征削弱操作的所述第一场景行为习惯分布的量化会话意图信息之间的意图变化数据，并按照所述意图变化数据确定所述冷门解析结果，其中，所述意图变化数据为所述冷门解析结果的量化会话意图信息。

对于本申请实施例而言，可以通过平均池化算法对所述热点行为习惯分布进行去极性特征精简操作以获得去极性特征精简操作结果。之后，依据所述去极性特征精简操作结果。对所述热门场景行为习惯分布（换言之，第一场景行为习惯分布）habit_distribution进行扰动特征削弱操作以获得完成扰动特征削弱操作的热门场景行为习惯分布。此外，从热门场景行为习惯分布habit_distribution中除掉冗余部分以获得的意图变化数据即为冷门解析结果的量化会话意图信息。

对于本申请实施例而言，通过对热门场景行为习惯分布进行扰动特征削弱操作，并根据热门场景行为习惯分布的量化会话意图信息和完成扰动特征削弱操作的热门场景行为习惯分布的量化会话意图信息之间的意图变化数据确定冷门解析结果的技术，可以得到提高冷门解析结果的精度，从而得到更为精准的冷门解析结果。

对于本申请实施例而言，在基于以上所描述的技术确定混合场景行为习惯分布中若干关联场景行为习惯分布之间相关型行为习惯会话的量化会话意图信息，便可以根据量化会话意图信息确定所述混合场景行为习惯分布中每个场景行为习惯分布的行为习惯共享描述，比如，关联场景行为习惯分布包括：第一场景行为习惯分布和第二场景行为习惯分布，所述第一场景行为习惯分布的互动日志识别指数低于所述第二场景行为习惯分布的互动日志识别指数，在此情况下，上述步骤可以包括以下内容。

步骤1051，对相关型行为习惯会话的量化会话意图信息进行倾向影响系数分析以获得倾向影响系数分析结果。

步骤1052，确定第一量化会话意图信息和所述倾向影响系数分析结果之间的加权结果以获得特征加权记录，其中，所述第一量化会话意图信息为所述相关型行为习惯会话中包括在所述混合场景行为习惯分布中第一场景行为习惯分布中的相关型行为习惯会话的量化会话意图信息。

步骤1053，对所述特征加权记录和第二量化会话意图信息进行整体性处理以获得所述行为习惯共享描述，其中，所述第二量化会话意图信息为每组所述相关型行为习惯会话中包括在所述第二场景行为习惯分布中的相关型行为习惯会话的量化会话意图信息。

对于本申请实施例而言，首先，通过倾向影响系数算法对相关型行为习惯会话的量化会话意图信息进行倾向影响系数分析。倾向影响系数表征一个特征与其他特征之间的积极性影响程度，即，对相关型行为习惯会话的量化会话意图信息之间的积极性影响程度。进一步地，可以将第一量化会话意图信息 与倾向影响系数分析结果进行加权以获得特征加权记录。更进一步地，对所述特征加权记录和第二量化会话意图信息 进行整体性处理以获得行为习惯共享描述。

基于上述内容可得，对于本申请实施例而言，通过行为习惯共享描述来实现对混合场景行为习惯分布各个场景之间的关联特征内容进行共享的技术，可以提高特征内容共享的可信度，从而提高互动日志内容重构操作的精度。

对于本申请实施例而言，在确定出每个场景行为习惯分布的行为习惯共享描述之后，便可以结合所述每个场景行为习惯分布的行为习惯共享描述对所述满足行为分析条件的云办公互动日志进行互动日志重构操作以获得目标办公互动日志，可以包括以下内容。

步骤一、将所述行为习惯共享描述与所适配场景行为习惯分布中相关型行为习惯会话的初始量化会话意图信息进行绑定以获得各个场景行为习惯分布的目标行为习惯绑定数据；其中，此处的所适配场景行为习惯分布是指，针对一组关联场景行为习惯分布来说，该组关联场景行为习惯分布中的冷门场景行为习惯分布（或者，识别指数较大的行为习惯分布）。

步骤二、对每个场景行为习惯分布的目标行为习惯绑定数据进行行为习惯数据组合，并基于完成组合的行为习惯数据对所述满足行为分析条件的云办公互动日志进行互动日志重构操作以获得目标办公互动日志。

对于本申请实施例而言，在将所述行为习惯共享描述与所适配场景行为习惯分布中相关型行为习惯会话的初始量化会话意图信息进行绑定以获得所述每场景行为习惯分布的目标行为习惯绑定数据时，可以首先获取所述相关型行为习惯会话的上下游特征信息；之后，按照所述上下游特征信息在所适配场景行为习惯分布中确定目标行为习惯会话；最后，获取目标行为习惯会话的初始量化会话意图信息，并将所述行为习惯共享描述和目标行为习惯会话的初始量化会话意图信息进行绑定以获得目标行为习惯绑定数据。其中，在得到目标行为习惯绑定数据之后，可以根据相关型行为习惯会话的上下游特征信息将目标行为习惯绑定数据存储在每个场景行为习惯分布的初始底层行为习惯数据上。

对于本申请实施例而言，关联场景行为习惯分布中的第一场景行为习惯分布定义为habit_distribution，关联场景行为习惯分布中的第二场景行为习惯分布定义为habit_distribution_0。在基于以上所描述的技术确定出第二场景行为习惯分布的目标行为习惯绑定数据之后，便可以将目标行为习惯绑定数据确定为habit_distribution_0行为习惯分布的量化会话意图信息执行下一场景的操作。例如，针对行为习惯分布habit_distribution_0和habit_distribution_1，此时，可以将该目标行为习惯绑定数据确定为该行为习惯分布habit_distribution_0的量化会话意图信息，对行为习惯分布habit_distribution_0和habit_distribution_1同样实施以上技术方案，直到确定出混合场景行为习惯分布中每个场景行为习惯分布的目标行为习惯绑定数据，之后，可以对每个场景行为习惯分布的目标行为习惯绑定数据进行行为习惯数据组合，并利用行为习惯数据组合之后的行为习惯数据进行互动日志内容重构以获得重构结果。

下面结合相关算法对上述基于大数据办公的用户行为分析方法进行说明，该基于大数据办公的用户行为分析方法主要通过第一行为习惯分析子线程和第二行为习惯分析子线程实现。

对于第一行为习惯分析子线程而言，以混合场景行为习惯分布中的热门场景行为习惯分布habit_distribution和冷门场景行为习惯分布habit_distribution_0来进行说明。首先，分别通过2*2的滑动平均单元对热门场景行为习惯分布habit_distribution和冷门场景行为习惯分布habit_distribution_0进行视觉优化操作；之后，对完成了视觉优化操作的冷门场景行为习惯分布habit_distribution_0进行缩略调整（池化）。其中，热门场景行为习惯分布habit_distribution的识别指数低于冷门场景行为习惯分布habit_distribution_0的识别指数。更进一步地，对缩略调整之后的冷门场景行为习惯分布habit_distribution_0和完成了视觉优化操作的热门场景行为习惯分布habit_distribution进行行为习惯数据组合以获得组合行为习惯数据。更进一步地，可以通过6*6的滑动平均单元对组合行为习惯数据进行处理，并利用归一化算法对处理结果进行处理以获得热点行为习惯分布。

在上述内容的基础上将热点行为习惯分布和热门场景行为习惯分布habit_distribution加载至空间约束指示线程进行处理，分别得到主流行为习惯会话的空间约束指示和冷门行为习惯会话的空间约束指示。对于本申请实施例而言，还可以通过阶段性行为习惯分析线程对加载的行为习惯分布（即热点行为习惯分布p_distribution和热门场景行为习惯分布habit_distribution）执行阶段性关注操作以获得阶段性行为习惯分布，定义为habit_distribution_s。

更进一步地，可以根据主流行为习惯会话的空间约束指示对阶段性行为习惯分布habit_distribution_s和冷门场景行为习惯分布habit_distribution_0进行会话捕捉以获得热点行为习惯会话；并根据冷门行为习惯会话的空间约束指示对热门场景行为习惯分布habit_distribution和冷门场景行为习惯分布habit_distribution_0进行会话捕捉以获得冷门行为习惯会话。

对于第二行为习惯分析子线程而言，第一步确定相关型行为习惯会话的量化会话意图信息，并根据该量化会话意图信息进行相关型行为习惯会话之间行为习惯共享描述的确定。第二步通过确定出的行为习惯共享描述将混合场景行为习惯分布的特征内容共享到冷门场景行为习惯分布。第三步通过将共享的特征内容映射到冷门场景行为习惯分布habit_distribution_0中以获得目标行为习惯绑定数据。

一般而言，可以对初始行为习惯数据线程进行改进以提高行为习惯分析质量，改进型行为习惯数据线程是指加入了阶段性分析网络的行为习惯数据线程。对于改进型行为习惯数据线程，在获取到满足行为分析条件的云办公互动日志之后，满足行为分析条件的云办公互动日志首先经过行为习惯数据线程得到混合场景行为习惯分布。针对混合场景行为习惯分布中任意关联场景的行为习惯分布之间增加了阶段性分析网络，通过该阶段性分析网络可以将热门场景行为习惯分布的特征内容共享到冷门场景行为习惯分布，指导共享到混合场景行为习惯分布中的末尾行为习惯分布。之后，便可以将每个场景行为习惯分布的目标行为习惯绑定数据进行行为习惯数据组合，从而基于完成组合的行为习惯数据进行互动日志内容重构操作。

在一些可独立实施的设计方案中，在通过互动日志重构操作获得目标办公互动日志之后，还可以根据目标办公互动日志确定用于调试智能线程的办公日志队列，以保证调试得到的智能线程能够应对不同的办公任务，进而实现对不同办公任务的大数据分析处理。

在一些可独立实施的设计方案中，可以根据目标办公互动日志确定，确定初始参考办公日志队列和目标办公任务所对应的目标业务会话信息，并实现对所述初始参考办公日志队列的上采样处理。

在一些可独立实施的设计方案中，确定初始参考办公日志队列和目标办公任务所对应的目标业务会话信息，并实现对所述初始参考办公日志队列的上采样处理，可以通过以下实施方式实现。

STEP101、确定初始参考办公日志队列和目标办公任务所对应的目标业务会话信息。

STEP102、基于目标业务会话信息和初始参考办公日志队列中与目标业务会话信息对应的初始业务会话信息，确定与目标业务会话信息对应的全局业务会话信息。

STEP103、基于全局业务会话信息，对初始参考办公日志队列进行上采样以获得上采样办公日志队列。

可以理解的是，为了便于分析本申请实施例提供的应用于智慧办公的大数据处理方法，首先可以对该方法的应用场景进行阐述。上述应用于智慧办公的大数据处理方法可以应用于调试智能化意图解析线程之前的参考办公日志队列的筹划过程。以一些示例性的角度来看待，鉴于相关意图解析容易被不同的扰动方法和扰动信息的影响，导致已经完成调试的意图解析线程难以较好地应对不同的扰动条件，这主要是由于不同的扰动条件下所所对应的参考办公日志通常较为缺乏，若武断地将另外的参考办公日志加入已存在的参考办公日志队列，难以有效地提升所调试的智能线程在不同的扰动条件下的解析精度。

鉴于此，本申请实施例提供了一种通过信息全局处理（信息组合）来实现参考办公日志队列上采样的技术内容，如此，基于上采样办公日志队列所调试出的智能线程能够更好的适应不同的扰动条件下的解析要求。

在本申请实施例中，上述初始参考办公日志队列可以是事先收集的，比如，可以是在已投入使用的业务会话意图扰动方法下所确定的业务会话数据的汇总结果，还可以是在其它意图扰动方法下确定的业务会话数据的汇总结果。这里的目标办公任务可以对应的是上述不同的扰动条件，在一种不同的扰动条件下，所所对应的目标业务会话信息的数目通常较为缺乏。

可以理解的是，本申请实施例中目标业务会话信息所对应的目标办公任务和初始参考办公日志队列所对应的办公任务并不相同，这里的办公任务不同主要指的是业务会话信息所处爬取场景的不同。比如本地办公场景、跨境办公场景等。业务会话可以理解为办公业务事件，比如文件上传，视频会议等。

在上述相关内容的基础上，本申请实施例提供的应用于智慧办公的大数据处理方法可以基于目标业务会话信息以及初始参考办公日志队列中与目标业务会话信息对应的初始业务会话信息，确定全局业务会话信息，这里的全局业务会话信息待测了目标业务会话信息的信息显著性描述以及初始业务会话信息的信息显著性描述，这样，经过全局业务会话信息对初始参考办公日志队列上采样之后，所得到的上采样办公日志队列将包含更多符合目标办公任务的业务会话信息，依照这样的上采样办公日志队列所调试的智能线程可以尽可能高质量地应对目标办公任务中的各类要求。

本申请实施例中的目标业务会话信息可以有多组，在进行信息全局的过程中，可以针对所有的目标业务会话信息来实现，比如，可以逐一访问初始参考办公日志队列中的每组初始业务会话信息，将逐一访问到的各组初始业务会话信息分别与每组目标业务会话信息进行全局，这样，针对每组目标业务会话信息，可以对应有多组全局业务会话信息。另外，本申请实施例还可以针对每组目标业务会话信息，对初始参考办公日志队列中的部分初始业务会话信息进行全局操作（比如合成操作）。

可以理解的是，鉴于在基于参考办公日志队列进行相关智能化意图解析线程调试的过程中，这里的参考办公日志队列通常会包含携带办公参与方关键词的业务会话信息，也会包含携带办公软件关键词的业务会话信息。为了规避不同类型的关键词对于智能线程所可能带来的负面影响，这里，这里先确定目标业务会话信息所对应的意图关键词属性，比如对应为办公参与方关键词，此时，可以从初始参考办公日志队列中定位关键词属性与上述办公参与方关键词相同的初始业务会话信息，进而执行定位出的初始业务会话信息与目标业务会话信息的全局操作。

本申请实施例提供的应用于智慧办公的大数据处理方法可以调用完成调试的智能化日志处理线程实现上述信息全局的相关操作。

在一些可能的示例中，首先可以从初始参考办公日志队列中挖掘与目标业务会话信息存在联系的初始业务会话信息，而后可以将目标业务会话信息和与目标业务会话信息存在联系的初始业务会话信息加载至完成调试的智能化日志处理线程进行会话显著性描述加权处理（比如特征融合处理）以获得携带有初始业务会话信息的消息显著性描述以及目标业务会话信息的状态显著性描述的全局业务会话信息。

本申请实施例中与目标业务会话信息存在联系的初始业务会话信息可以指的是意图关键词属性与目标业务会话信息所对应的意图关键词属性相同的业务会话信息。这里，可以将意图关键词属性（意图标签）相同的两组业务会话信息（即存在联系的目标业务会话信息以及初始业务会话信息）直接加载至智能化日志处理线程，进行携带有初始业务会话信息的消息显著性描述以及目标业务会话信息的状态显著性描述的全局业务会话信息。

本申请实施例中之所以定位初始业务会话信息的消息显著性描述以及目标业务会话信息的状态显著性描述进行待测，主要是鉴于在后续的意图解析应用中，值的注意的是诸如意图扰动类型等状态显著性描述对意图解析结果的影响，而业务会话信息自身的一些显著性描述是可以得以适应性忽略的，因而，为了更好的应对在不同的目标办公任务下的意图解析，这里可以针对目标业务会话信息挖掘对应的状态显著性描述，针对初始业务会话信息挖掘对应的消息显著性描述。

本申请实施例的智能化日志处理线程可以调试的是传入的两组业务会话信息与导出的一组全局业务会话信息之间的映射列表，可以通过以下方法调试智能化日志处理线程：确定存在联系的初始业务会话信息范例和目标业务会话信息范例；对存在联系的初始业务会话信息范例和目标业务会话信息范例分别进行显著性描述挖掘以获得初始业务会话信息范例的消息显著性描述内容以及目标业务会话信息范例的状态显著性描述内容；基于初始业务会话信息范例的消息显著性描述内容以及目标业务会话信息范例的状态显著性描述内容，对待调试的智能化日志处理线程进行不少于一次调试。

在上述相关的实施例中，可以将初始业务会话信息范例和目标业务会话信息范例作为存在联系的一组业务会话信息范例。为了实现将目标业务会话信息范例的状态显著性描述迁徙至初始业务会话信息上的技术目的，本申请实施例在分别对存在联系的初始业务会话信息范例和目标业务会话信息范例进行显著性描述挖掘的前提下，可以确定初始业务会话信息范例的消息显著性描述内容以及目标业务会话信息范例的状态显著性描述内容，基于初始业务会话信息范例的消息显著性描述内容以及目标业务会话信息范例的状态显著性描述内容可以进行一次或多次线程调试。

在一些可能的实施例中，为了保障上述智能化日志处理线程可以确定携带有初始业务会话信息范例的消息显著性描述内容以及目标业务会话信息范例的状态显著性描述内容的全局业务会话信息范例，这里，可以在每次调试的过程中，可以通过以下内容进行调试：对于当前次调试，将初始业务会话信息范例的消息显著性描述内容以及目标业务会话信息范例的状态显著性描述内容作为待调试的智能化日志处理线程的原料显著性描述，确定待调试的智能化日志处理线程导出的待测显著性描述内容；在待测显著性描述内容与消息显著性描述内容之间的第一量化比对结果小于第一判定值、且待测显著性描述内容与状态显著性描述内容之间的第二量化比对结果小于第二判定值的前提下，改进智能化日志处理线程的线程变量，并进行下一次调试；直到在待测显著性描述内容与消息显著性描述内容之间的第一量化比对结果不小于第一判定值，且待测显著性描述内容与状态显著性描述内容之间的第二量化比对结果不小于第二判定值的前提下，完成线程调试。

在本申请实施例中，可以在每次智能线程调试的过程中，确定待调试的智能化日志处理线程导出的待测显著性描述内容与加载至网络中的消息显著性描述内容以及状态显著性描述内容之间的量化比对结果，在待测显著性描述内容与消息显著性描述内容之间的第一量化比对结果（相似度）较小时，在某种程度上表明与待测显著性描述内容对应的全局业务会话信息范例所包含的消息显著性描述匮乏，此时可以通过改进智能化日志处理线程的线程变量来提升待测显著性描述中有关消息显著性描述的比例。相应的，在待测显著性描述内容与状态显著性描述内容之间的第二量化比对结果较小时，在某种程度上表明与待测显著性描述内容对应的全局业务会话信息范例所包含的状态显著性描述匮乏，此时可以通过改进智能化日志处理线程的线程变量来提升待测显著性描述中有关状态显著性描述的比例。这样，通过多次反复调试，可以得到完成调试的智能化日志处理线程。

本申请实施例调用上述上采样办公日志可以进行智能化意图解析线程的调试，换言之，基于上采样办公日志队列对待调试的智能化意图解析线程进行不少于一次调试以获得完成调试的智能化意图解析线程。

可以理解的是，上述上采样办公日志队列中不仅可以包含初始参考办公日志队列包括的初始业务会话信息，还可以包括目标办公任务下所对应的目标业务会话信息，还可以包括全局有上述初始业务会话信息和目标业务会话信息的信息显著性描述的全局业务会话信息。

此外，本申请实施例中的智能化意图解析线程主要可以实现的是针对传入的任一组业务会话信息进行办公参与方或办公软件的双极性处理（二分类）。进一步地，在实际应用中，还可以是针对判别为办公软件的业务会话信息确定其对应的扰动方法的多极性处理（多分类），本申请实施例对此不作进一步的限制。

本申请实施例中，可以通过如下内容调试智能化意图解析线程：调用待调试的智能化意图解析线程，分别得到上采样办公日志队列中每组业务会话信息的显著性描述内容；根据得到的显著性描述内容，确定待调试的智能化意图解析线程对应的目标线程量化评价；在目标线程量化评价不符合设定指标的前提下，对待调试的智能化意图解析线程进行下一次调试，一直到目标线程量化评价符合设定指标。

可以理解的是，针对上采样办公日志队列中的每组初始业务会话信息，调用待调试的智能化意图解析线程可以确定的是该组初始业务会话信息的第一显著性描述内容，进一步地，针对上采样办公日志队列中的每组目标业务会话信息，调用待调试的智能化意图解析线程可以确定的是该组目标业务会话信息的第二显著性描述内容，进一步地，针对上采样办公日志队列中的每组全局业务会话信息，调用待调试的智能化意图解析线程可以确定的是该组全局业务会话信息的第三显著性描述内容。

此外，上述第一显著性描述内容、第二显著性描述内容、第三显著性描述内容可以是与意图解析识别相关的显著性描述内容，本申请实施例中的显著性描述内容可以随着针对智能化意图解析线程的线程变量的改进而发生变化，从而使得所调试所得的显著性描述内容能够更好的进行意图解析。

在本申请实施例中，无论是针对上采样办公日志队列中的多组初始业务会话信息（对应初始业务会话信息子队列），还是针对上采样办公日志队列中的多组目标业务会话信息（对应目标业务会话信息子队列），还是针对上采样办公日志队列中的多组全局业务会话信息（对应全局业务会话信息子队列），皆可以包含携带办公参与方关键词的业务会话信息以及携带办公软件关键词的业务会话信息。

在挖掘出上述第一显著性描述内容、第二显著性描述内容以及第三显著性描述内容的前提下，上述初始业务会话信息子队列、目标业务会话信息子队列和全局业务会话信息子队列这三个子队列的描述关系网是互相不存在影响的。为了实现针对这三个子队列的意图解析，本申请实施例可以在业务会话信息角度（会话层面）以及描述关系网（特征分布）两个角度建立对应的目标线程质量指标（损失函数），进而满足对上述三个子队列进行意图处理的割裂需求。进一步地，可以通过如下两种情况进行阐述。

第一种情况，对于业务会话信息角度而言，可基于第一显著性描述内容、第二显著性描述内容以及第三显著性描述内容，确定用于确定同一意图关键词属性内的参考办公日志的局部比较情况的第一目标线程量化评价。确定这一目标线程量化评价可以通过以下方式实现：从参考办公日志队列中定位同一意图关键词属性的两个第一业务会话信息和定位不同意图关键词属性的两个第二业务会话信息；两个第一业务会话信息的类型存在差异，且两个第二业务会话信息的类型存在差异；基于两个第一业务会话信息的显著性描述内容，确定该两个第一业务会话信息之间的第一信息量化比对结果；以及，基于两个第二业务会话信息的显著性描述内容，确定该两个第二业务会话信息之间的第二信息量化比对结果；将第一信息量化比对结果和第二信息量化比对结果进行统计以获得第一目标线程量化评价。

本申请实施例中的两个第一业务会话信息和两个第二业务会话信息各自包括初始业务会话信息、目标业务会话信息和全局业务会话信息中的两类。本申请实施例中，可以是基于意图关键词属性来定位对应的两个第一业务会话信息和两个第二业务会话信息，在实际应用中，所定位出的其中一组第一业务会话信息和所定位出的其中一组第二业务会话信息可以是同一信息，也可以是不同信息，本申请实施例不作进一步限定。

针对参考办公日志队列中定位的属于同一意图关键词属性的两个第一业务会话信息，比如，两个携带办公参与方关键词的第一业务会话信息，可以确定这两个第一业务会话信息之间的第一信息量化比对结果；同理，针对两个携带办公软件关键词的第一业务会话信息，也可以确定对应的第一信息量化比对结果。针对参考办公日志队列中定位的属于不同意图关键词属性的两个第二业务会话信息，比如，包括一组携带办公参与方关键词第二业务会话信息以及一组携带办公软件关键词的第二业务会话信息，可以确定这两个第二业务会话信息之间的第二信息量化比对结果。

为了实现意图解析，这里所确定的第一目标线程质量指标需要尽可能的增加第一信息量化比对结果，减少第二信息量化比对结果。比如，在挖掘出上述第一显著性描述内容、第二显著性描述内容以及第三显著性描述内容的前提下，上述初始业务会话信息子队列、目标业务会话信息子队列和全局业务会话信息子队列这三个子队列的描述关系网（分别对应定义为关系网net_A、关系网net_B和关系网net_C）是互相不影响的。

对于关系网net_A而言，该关系网net_A中对应的net_A1和net_A2分别对应的是携带办公参与方关键词和办公软件关键词的初始业务会话信息；对于关系网net_B而言，该关系网net_B中对应的net_B1和net_B2分别对应的是携带办公参与方关键词和办公软件关键词的目标业务会话信息；对于关系网net_C而言，该关系网net_C中对应的net_C1和net_C2分别对应的是携带办公参与方关键词和办公软件关键词的全局业务会话信息。

可以理解的是，实现上述第一信息量化比对结果确定的过程，即是优化关系网net_A、关系网net_B、关系网net_C中属于同一意图关键词的业务会话信息之间的信息量化比对结果的过程，比如，可以是对于关系网net_A中标注为net_A1的业务会话信息以及对于关系网net_B中标注为net_B1的业务会话信息确定第一信息量化比对结果，旨在使得调试出的智能化意图解析线程能够优化同属于办公参与方关键词的初始业务会话信息与目标业务会话信息之间的差异。

可以理解的是，实现上述第二信息量化比对结果确定的过程，即是削弱关系网net_A、关系网net_B、关系网net_C中属于不同意图关键词的业务会话信息之间的信息量化比对结果的过程，比如，可以是对于关系网net_A中标注为net_A1的业务会话信息以及对于关系网net_B中标注为net_B2的业务会话信息确定第二信息量化比对结果，旨在使得调试出的智能化意图解析线程能够削弱属于办公参与方关键词的初始业务会话信息以及属于办公软件关键词的目标业务会话信息之间的差异。

可以理解的是，在调用智能化日志处理线程确定全局业务会话信息的过程中，为了保障信息确定的质量，所确定的全局业务会话信息与传入的初始业务会话信息之间通常需要存在些许差异，比如局部比较情况，因此在一些情况下，可以不对关系网net_A与关系网net_C中有关的信息量化比对结果进行适应性限定。

基于上述内容，本申请实施例可以确定出用于确定同一意图关键词属性内的参考办公日志的局部比较情况的第一目标线程量化评价（比如可以理解为损失函数值）。

第二种情况，对于描述关系网角度而言，本申请实施例可以基于第一显著性描述内容、第二显著性描述内容以及第三显著性描述内容，确定用于确定不同类型的业务会话信息的显著性描述视觉记录的第二目标线程量化评价。确定这一目标线程量化评价可以包括以下内容：基于第一显著性描述内容、第二显著性描述内容以及第三显著性描述内容，分别确定指示上采样办公日志队列中的各组初始业务会话信息的描述关系网的第一视觉显著性描述内容、指示上采样办公日志队列中的各组目标业务会话信息的描述关系网的第二视觉显著性描述内容和指示上采样办公日志队列中的各组全局业务会话信息的描述关系网的第三视觉显著性描述内容；基于第二视觉显著性描述内容以及第三视觉显著性描述内容之间的量化比对结果，确定各组目标业务会话信息与各组全局业务会话信息之间的第一描述关系网量化比对结果；并将第二视觉显著性描述内容以及第三视觉显著性描述内容进行整合以获得整合后的视觉显著性描述内容；基于第一视觉显著性描述内容以及整合后的视觉显著性描述内容之间的量化比对结果，确定各组初始业务会话信息与各组全局业务会话信息之间的第二描述关系网量化比对结果；将第一描述关系网量化比对结果和第二描述关系网量化比对结果进行统计以获得第三目标线程量化评价。

在本申请实施例中，在确定出针对初始业务会话信息的第一显著性描述内容、针对目标业务会话信息的第二显著性描述内容以及针对全局业务会话信息的第三显著性描述内容的前提下，可以分别针对初始业务会话信息子队列确定对应的第一视觉显著性描述内容、针对目标业务会话信息子队列确定对应的第二视觉显著性描述内容和针对全局业务会话信息子队列确定对应的第三视觉显著性描述内容。

可以理解的是，为了实现上述不同业务会话信息子队列在描述关系网层面的优化，这里，可以先确定第二视觉显著性描述内容以及第三视觉显著性描述内容之间的量化比对结果，这里的第一描述关系网量化比对结果越大，在某种程度上表明目标业务会话信息子队列与全局业务会话信息子队列对应的描述关系网越类似，相比初始视觉记录而言，在首次进行关系网优化后，关系网net_B’（对应优化后的关系网net_B）与关系网net_C’（对应优化后的关系网net_C）之间更类似。

可以理解的是，在将第二视觉显著性描述内容以及第三视觉显著性描述内容进行整合的前提下，可以确定第一视觉显著性描述内容以及整合后的视觉显著性描述内容之间的量化比对结果，本申请实施例的第二描述关系网量化比对结果在某种程度上表明初始业务会话信息子队列与整合后的两个业务会话信息子队列对应的描述关系网越类似，相比初始视觉记录而言，在后续进行关系网优化后，关系网net_A’（对应优化后的关系网net_A）与关系网net_B’以及关系网net_C’之间均更为类似。

可以理解的是，在具体执行优化操作的过程中，可以将一个关系网作为参考，另一个关系网基于视觉量化比对结果来优化即可，也可以定位一个具体的优化基准，两个关系网分别基于该优化基准进行调整。通过上述内容，本申请实施例可以确定出用于确定不同类型的业务会话信息的显著性描述视觉记录的第二目标线程量化评价。

在完成上述描述关系网优化的处理之后，可以将上采样办公日志队列中属于办公参与方关键词的业务会话信息以及属于办公软件关键词的业务会话信息进行有效的识别，从而保障智能化意图解析线程的意图解析精度。

本申请实施例中，在确定出第一目标线程量化评价和第二目标线程量化评价的前提下，可以确定待调试的智能化意图解析线程对应的目标线程量化评价。在确定出一次调试的目标线程量化评价不符合设定指标的前提下，便可基于上述方法进行下一次调试，一直到目标线程量化评价符合设定指标，完成线程调试。

可以理解的是，这里的设定指标可以是针对第一目标线程量化评价确定的、第二目标线程量化评价和整个目标线程量化评价单独确定的，本申请实施例不作进一步限定。

本申请实施例提供的应用于智慧办公的大数据处理方法，调用上述线程调试方法可以很好的挖掘出目标办公任务下的业务会话信息显著性描述，从而能够更好的配对目标办公任务下有关意图解析应用的要求。为了规避所调试的智能化意图解析线程对于已有办公任务下有关意图解析场景的性能负面影响，可以基于相关策略对智能化意图解析线程进行抑制。

在本申请实施例中，可以调用待调试的智能化意图解析线程确定的上采样办公日志队列中的每组初始业务会话信息的第一显著性描述内容和调用完成调试的初始智能化意图解析线程从该初始业务会话信息挖掘的第一初始显著性描述内容，确定待调试的智能化意图解析线程对应的目标线程量化评价。

进一步地，上述初始智能化意图解析线程由各组初始业务会话信息范例以及对每组初始业务会话信息范例添加的意图关键词属性调试所得。

在实际实施过程中，可以通过上述第一显著性描述内容与第一初始显著性描述内容之间的量化差异来确定目标线程量化评价。量化差异越小，在某种程度上表明当前待调试的智能化意图解析线程与完成调试的初始智能化意图解析线程在显著性描述列表上不产生较大的误差，换言之，可以确保所调试的智能化意图解析线程的性能稳定性。本申请实施例中，在目标线程量化评价不满足条件时，可以通过智能化意图解析线程的变量改进来调整上述误差。

对于一些可独立实施的技术方案而言，在获得完成调试的智能化意图解析线程之后，该方法还可以包括以下内容：通过完成调试的智能化意图解析线程对待挖掘业务会话信息进行意图解析，得到所述待挖掘业务会话信息的意图解析结果；基于所述意图解析结果进行服务推送。

在本申请实施例中，意图解析结果包括待挖掘业务会话信息所匹配的办公客户端的需求信息，比如软件需求或者操作需求等，基于此，可以通过意图解析结果向对应的办公客户端进行服务推送，比如进行办公软件推送或者可视化界面优化推送等。

对于一些可独立实施的技术方案而言，通过完成调试的智能化意图解析线程对待挖掘业务会话信息进行意图解析，得到所述待挖掘业务会话信息的意图解析结果，可以包括以下内容：通过完成调试的智能化意图解析线程获取所述待挖掘业务会话信息所对应的待进行意图解析的目标会话事项集；对所述目标会话事项集中的多个办公会话事项分别进行实时需求解析和延时需求解析，得到实时需求解析内容集和延时需求解析内容集；通过完成调试的智能化意图解析线程的实时需求挖掘层，对所述实时需求解析内容集进行第一需求标注处理，得到包括有实时需求的第一会话事项序列；通过完成调试的智能化意图解析线程的延时需求挖掘层，对所述延时需求解析内容集进行第二需求标注处理，得到包括有延时需求的第二会话事项序列；基于所述第一会话事项序列和所述第二会话事项序列进行特征池化处理，得到所述目标会话事项集中与目标需求相匹配的会话倾向描述集；所述目标需求包括实时需求和延时需求中的至少一种，所述会话倾向描述集用于对所述目标会话事项集进行意图解析；通过所述会话倾向描述集对所述目标会话事项集进行意图解析，得到所述意图解析结果。

在本申请实施例中，实时需求挖掘层和延时需求挖掘层可以是卷积层，实时需求和延时需求分别对应办公客户端不同类型的需求，基于此，通过考虑不同需求而确定得到会话倾向描述集，能够保障会话倾向描述集尽可能涵盖不同的需求类型，这样在进行意图解析时，能够确保意图解析结果的准确性和完整性。

对于一些可独立实施的技术方案而言，所述对所述目标会话事项集中的多个办公会话事项分别进行实时需求解析和延时需求解析，得到实时需求解析内容集和延时需求解析内容集，包括：对所述目标会话事项集中的多个办公会话事项分别进行实时需求解析，得到各个办公会话事项中的实时需求解析信息、以及各实时需求解析信息所对应的初始化需求标签；基于各办公会话事项中的实时需求解析信息和相应的初始化需求标签，确定实时需求解析内容集；对所述目标会话事项集中的多个办公会话事项分别进行延时需求解析，得到延时需求解析内容集。如此设计，能够保障延时需求解析内容集的完整性。

对于一些可独立实施的技术方案而言，所述对所述目标会话事项集中的多个办公会话事项分别进行延时需求解析，得到延时需求解析内容集，包括：对所述目标办公会话事项中的多个办公会话事项分别进行操作解析，得到各办公会话事项分别对应的操作解析结果；对所述目标办公会话事项中的多个办公会话事项分别进行文本解析，得到各办公会话事项分别对应的文本解析结果；将对应于相同用户对象的操作解析结果和文本解析结果进行融合；根据所述目标办公会话事项中与目标操作解析结果相融合的文本解析结果进行延时需求解析处理，得到延时需求解析内容集。如此设计，可以避免延时需求解析内容集出现遗漏。

对于一些可独立实施的技术方案而言，所述通过完成调试的智能化意图解析线程的实时需求挖掘层，对所述实时需求解析内容集进行第一需求标注处理，得到包括有实时需求的第一会话事项序列，包括：对所述实时需求解析内容集中的每个办公会话事项分别进行需求标签配对，得到每个办公会话事项分别对应的区分性需求标签；基于每个办公会话事项中与相应区分性需求标签对应的实时需求解析信息的量化描述，分别进行解析信息清洗处理，得到完成调整的实时需求解析内容集；对所述完成调整的实时需求解析内容集进行阶段化清洗处理，得到多个包括有实时需求的第一待定会话事项序列；根据各所述第一待定会话事项序列分别所属的实时需求类别，对属于相同实时需求类别的第一待定会话事项序列进行事项校正，得到包括有实时需求的第一会话事项序列。如此设计，可以确保第一会话事项序列的完整性。

<应用环境实施例>

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，也即基于大数据办公的用户行为分析方法的应用环境，请结合参阅图4，基于大数据办公的用户行为分析方法的应用环境30可以包括互相通信的办公用户行为分析服务系统100和办公用户终端200。进一步地，基于大数据办公的用户行为分析方法的应用环境30的功能性描述请结合参阅上述方法实施例所描述的技术方案。

本领域技术人员公知的是，随着诸如大规模集成电路技术的电子信息技术的发展和软件硬件化的趋势，要明确划分计算机系统软、硬件界限已经显得比较困难了。因为，任何操作可以软件来实现，也可以由硬件来实现。任何指令的执行可以由硬件完成，同样也可以由软件来完成。对于某一机器功能采用硬件实现方案还是软件实现方案，取决于价格、速度、可靠性、存储容量、变更周期等非技术性因素。因此，对于电子信息技术领域的普通技术人员来说，更为直接和清楚地描述一个技术方案的方式是描述该方案中的各个操作。在知道所要执行的操作的情况下，本领域技术人员可以基于对所述非技术性因素的考虑直接设计出期望的产品。

以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本申请的范围由所附权利要求来限定。

Claims (10)

1.一种基于大数据办公的用户行为分析方法，其特征在于，应用于办公用户行为分析服务系统，所述方法至少包括：

在接收到满足行为分析条件的云办公互动日志的前提下挖掘所述满足行为分析条件的云办公互动日志的混合场景行为习惯分布；确定所述混合场景行为习惯分布中若干关联场景行为习惯分布之间相关型行为习惯会话的量化会话意图信息以获得若干量化会话意图信息；

按照所述若干量化会话意图信息确定所述混合场景行为习惯分布中每个场景行为习惯分布的行为习惯共享描述；结合所述每个场景行为习惯分布的行为习惯共享描述对所述满足行为分析条件的云办公互动日志进行互动日志重构操作以获得目标办公互动日志；所述行为习惯共享描述用于表示所述相关型行为习惯会话之间的量化比较结果。

2.如权利要求1所述的方法，其特征在于，所述结合所述每个场景行为习惯分布的行为习惯共享描述对所述满足行为分析条件的云办公互动日志进行互动日志重构操作以获得目标办公互动日志，包括：

将所述行为习惯共享描述与所适配场景行为习惯分布中相关型行为习惯会话的初始量化会话意图信息进行绑定以获得各个场景行为习惯分布的目标行为习惯绑定数据；

对每个场景行为习惯分布的目标行为习惯绑定数据进行行为习惯数据组合，并基于完成组合的行为习惯数据对所述满足行为分析条件的云办公互动日志进行互动日志重构操作以获得目标办公互动日志。

3.如权利要求1所述的方法，其特征在于，所述确定所述混合场景行为习惯分布中若干关联场景行为习惯分布之间相关型行为习惯会话，包括：在每组关联场景行为习惯分布中抽取相关型行为习惯会话，其中，所述相关型行为习惯会话包括：热点行为习惯会话和/或协作办公事件的冷门行为习惯会话，其中，所述协作办公事件为所述满足行为分析条件的云办公互动日志中所涵盖的协作办公事件。

4.如权利要求1至3中任一项所述的方法，其特征在于，所述关联场景行为习惯分布包括：第一场景行为习惯分布和第二场景行为习惯分布，所述第一场景行为习惯分布的互动日志识别指数低于所述第二场景行为习惯分布的互动日志识别指数；

所述确定所述混合场景行为习惯分布中若干关联场景行为习惯分布之间相关型行为习惯会话的量化会话意图信息，包括：按照所述第一场景行为习惯分布和所述第二场景行为习惯分布，生成热点行为习惯分布；按照所述热点行为习惯分布确定所述相关型行为习惯会话，并确定所述相关型行为习惯会话的量化会话意图信息；

其中，所述按照所述第一场景行为习惯分布和所述第二场景行为习惯分布，生成热点行为习惯分布，包括：依次对所述第一场景行为习惯分布和所述第二场景行为习惯分布进行视觉优化操作；对完成了视觉优化操作的第二场景行为习惯分布进行缩略调整操作；对完成了视觉优化操作的第一场景行为习惯分布和完成了缩略调整操作的第二场景行为习惯分布进行行为习惯数据组合处理以获得组合行为习惯数据；对所述组合行为习惯数据进行行为特征挖掘以获得所述热点行为习惯分布。

5.如权利要求4所述的方法，其特征在于，

所述相关型行为习惯会话包括：热点行为习惯会话；所述按照所述热点行为习惯分布确定所述相关型行为习惯会话，包括：对所述热点行为习惯分布执行极性特征精简操作以获得所述热点行为习惯会话的第一空间约束指示，以及对所述热点行为习惯分布和所述第一场景行为习惯分布执行阶段性关注操作以获得阶段性行为习惯分布；分别在所述阶段性行为习惯分布和所述第二场景行为习惯分布中确定与所述第一空间约束指示所适配的行为习惯会话以获得所述热点行为习惯会话；

所述相关型行为习惯会话包括：冷门行为习惯会话；所述按照所述热点行为习惯分布确定所述相关型行为习惯会话，包括：按照所述热点行为习惯分布对所述第一场景行为习惯分布进行特征解析以获得所述满足行为分析条件的云办公互动日志中所包含协作办公事件的冷门解析结果；确定所述冷门解析结果中每个会话标签的量化评价，并按照所述量化评价确定所述冷门行为习惯会话的第二空间约束指示；分别在所述第二场景行为习惯分布和所述第一场景行为习惯分布中确定与所述第二空间约束指示所适配的行为习惯会话以获得所述冷门行为习惯会话。

6.如权利要求5所述的方法，其特征在于，所述按照所述热点行为习惯分布对所述第一场景行为习惯分布进行特征解析以获得所述满足行为分析条件的云办公互动日志中所包含协作办公事件的冷门解析结果，包括：按照所述热点行为习惯分布对所述第一场景行为习惯分布进行扰动特征削弱操作以获得完成扰动特征削弱操作的所述第一场景行为习惯分布；确定所述第一场景行为习惯分布的量化会话意图信息和完成扰动特征削弱操作的所述第一场景行为习惯分布的量化会话意图信息之间的意图变化数据，并按照所述意图变化数据确定所述冷门解析结果，其中，所述意图变化数据为所述冷门解析结果的量化会话意图信息；

其中，所述按照所述热点行为习惯分布对所述第一场景行为习惯分布进行扰动特征削弱操作以获得完成扰动特征削弱操作的所述第一场景行为习惯分布，包括：对所述热点行为习惯分布进行去极性特征精简操作以获得去极性特征精简操作结果；依据所述去极性特征精简操作结果对所述第一场景行为习惯分布进行扰动特征削弱操作以获得完成扰动特征削弱操作的所述第一场景行为习惯分布。

7.如权利要求1所述的方法，其特征在于，所述关联场景行为习惯分布包括：第一场景行为习惯分布和第二场景行为习惯分布，所述第一场景行为习惯分布的互动日志识别指数低于所述第二场景行为习惯分布的互动日志识别指数；

所述按照所述若干量化会话意图信息确定所述混合场景行为习惯分布中每个场景行为习惯分布的行为习惯共享描述，包括：

对所述相关型行为习惯会话的量化会话意图信息进行倾向影响系数分析以获得倾向影响系数分析结果；

确定第一量化会话意图信息和所述倾向影响系数分析结果之间的加权结果以获得特征加权记录，其中，所述第一量化会话意图信息为所述相关型行为习惯会话中包括在所述第一场景行为习惯分布中的相关型行为习惯会话的量化会话意图信息；

对所述特征加权记录和第二量化会话意图信息进行整体性处理以获得所述行为习惯共享描述，其中，所述第二量化会话意图信息为每组所述相关型行为习惯会话中包括在所述第二场景行为习惯分布中的相关型行为习惯会话的量化会话意图信息。

8.如权利要求2所述的方法，其特征在于，所述将所述行为习惯共享描述与所适配场景行为习惯分布中相关型行为习惯会话的初始量化会话意图信息进行绑定以获得各个场景行为习惯分布的目标行为习惯绑定数据，包括：

获取所述相关型行为习惯会话的上下游特征信息；

按照所述上下游特征信息在所适配场景行为习惯分布中确定目标行为习惯会话；

获取所述目标行为习惯会话的初始量化会话意图信息，并将所述行为习惯共享描述和所述目标行为习惯会话的初始量化会话意图信息进行绑定以获得各个场景行为习惯分布的目标行为习惯绑定数据。

9.一种办公用户行为分析服务系统，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，运行所述办公用户行为分析服务系统执行如权利要求1-8任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序在运行时执行如权利要求1-8任一项所述的方法。

Images