CN114625624B - 结合人工智能的数据处理方法、系统及云平台 - Google Patents
结合人工智能的数据处理方法、系统及云平台 Download PDFInfo
- Publication number
- CN114625624B CN114625624B CN202210321040.0A CN202210321040A CN114625624B CN 114625624 B CN114625624 B CN 114625624B CN 202210321040 A CN202210321040 A CN 202210321040A CN 114625624 B CN114625624 B CN 114625624B
- Authority
- CN
- China
- Prior art keywords
- cloud service
- session
- topology
- session log
- dynamic
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 34
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 55
- 238000005065 mining Methods 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 45
- 230000008569 process Effects 0.000 claims abstract description 42
- 238000013139 quantization Methods 0.000 claims abstract description 41
- 238000013508 migration Methods 0.000 claims abstract description 26
- 230000005012 migration Effects 0.000 claims abstract description 26
- 230000009466 transformation Effects 0.000 claims abstract description 25
- 230000001131 transforming effect Effects 0.000 claims abstract description 9
- 230000003993 interaction Effects 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 17
- 230000000007 visual effect Effects 0.000 claims description 12
- 238000011158 quantitative evaluation Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 2
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002688 persistence Effects 0.000 description 2
- 241000579895 Chlorostilbon Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3452—Performance evaluation by statistical analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请提供的结合人工智能的数据处理方法、系统及云平台，根据云端服务会话日志在动态化云端服务任务进程中生成相关的动态化云端服务拓扑；将每组云端服务会话日志相关的动态化云端服务拓扑迁移变换至完成无量纲简化的动态化云端服务任务进程中并进行多维描述精简，得到迁移变换量化会话日志；根据迁移变换量化会话日志确定拓扑变量，并依据每组云端服务会话日志相关的拓扑变量确定目标云端服务的动态化拓扑；通过动态化拓扑确定目标云端服务的注意力会话日志并进行挖掘，进而通过确定目标云端服务的动态化拓扑确定相关的注意力会话日志，通过挖掘云端服务会话日志的注意力显示结果提升挖掘准确性，进而提高注意力会话日志并进行挖掘可信度。
Description
技术领域
本申请涉及数据处理技术领域，具体而言，涉及结合人工智能的数据处理方法、系统及云平台。
背景技术
随着人工智能的不断发展，在线获得相关数据量不断地递增，这样能够有效地缓解数据处理的压力，有效地改善了传统上的人工处理相关数据的处理效率过慢和处理不准确的问题。但是在实际操作过程中，发明人发现，在挖掘云端服务会话日志的注意力显示结果时，存在挖掘不准确、会话日志存在缺陷等问题。这样会严重降低相关数据的处理效率，浪费资源成本，因此，亟需一种技术以改善上述技术问题。
发明内容
鉴于此，本申请提供了结合人工智能的数据处理方法、系统及云平台。
第一方面，提供一种结合人工智能的数据处理方法，应用于人工智能数据处理系统，所述结合人工智能的数据处理方法包括：
确定云端服务会话日志，以及，结合所述云端服务会话日志在动态化云端服务任务进程中生成相关的动态化云端服务拓扑；
将每组所述云端服务会话日志相关的所述动态化云端服务拓扑迁移变换至完成无量纲简化的所述动态化云端服务任务进程中并进行多维描述精简，得到每组所述云端服务会话日志相关的迁移变换量化会话日志；
结合所述迁移变换量化会话日志确定每组所述云端服务会话日志相关的拓扑变量，并依据每组所述云端服务会话日志相关的所述拓扑变量确定目标云端服务的动态化拓扑；依据所述动态化拓扑确定所述目标云端服务的注意力会话日志并进行挖掘。
在一种独立实施的实施例中，所述结合所述云端服务会话日志在动态化云端服务任务进程中生成相关的动态化云端服务拓扑的步骤进一步包括：
对所述云端服务会话日志分别进行会话环节标签捕捉，并确定所述会话环节标签的空间约束信息；
借助每组所述云端服务会话日志相关的所述会话环节标签的空间约束信息在所述动态化云端服务任务进程中生成每组所述云端服务会话日志相关的所述动态化云端服务拓扑。
在一种独立实施的实施例中，所述将每组所述云端服务会话日志相关的所述动态化云端服务拓扑迁移变换至完成无量纲简化的所述动态化云端服务任务进程中并进行多维描述精简的步骤进一步包括：
对所述动态化云端服务任务进程进行无量纲简化，以得到目标量化任务进程；
将每组所述云端服务会话日志相关的所述动态化云端服务拓扑分别与所述目标量化任务进程进行针对性匿名处理。
在一种独立实施的实施例中，所述结合所述迁移变换量化会话日志确定每组所述云端服务会话日志相关的拓扑变量，并依据每组所述云端服务会话日志相关的所述拓扑变量确定目标云端服务的动态化拓扑的步骤进一步包括：
对确定的所述云端服务会话日志进行二次过滤，以清洗所述云端服务会话日志中的非有效日志内容集；
根据二次过滤后的所述云端服务会话日志与所述迁移变换量化会话日志确定每组所述云端服务会话日志相关的拓扑视觉特征变量；
确定全部所述云端服务会话日志相关的所述拓扑视觉特征变量的整体性分析结果；结合所述拓扑视觉特征变量的整体性分析结果确定所述目标云端服务的动态化拓扑。
在一种独立实施的实施例中，所述依据所述动态化拓扑确定所述目标云端服务的注意力会话日志并进行挖掘的步骤进一步包括：
借助每组所述云端服务会话日志的热门消息主题对所述目标云端服务的所述动态化拓扑进行主题索引拼接，得到所述目标云端服务的目标动态化云端服务拓扑；
将所述目标动态化云端服务拓扑进行基于第一设定策略的索引，确定所述目标云端服务的正序注意力会话日志；对所述目标云端服务的正序注意力会话日志进行云端服务挖掘。
在一种独立实施的实施例中，所述对所述目标云端服务的正序注意力会话日志进行云端服务挖掘的步骤进一步包括：
将所述正序注意力会话日志与事先部署的会话日志系统中的标记云端服务进行差异性分析；
如果确定所述正序注意力会话日志与所述会话日志系统中所述标记云端服务绑定成功，则执行对所述目标云端服务的用户需求挖掘。
在一种独立实施的实施例中，所述确定云端服务会话日志的步骤进一步包括：
通过第一会话日志统计设备确定一组云端服务会话日志；
判断所述云端服务会话日志是否满足设定要求；
如果确定所述云端服务会话日志不满足设定要求，则通过不少于一个第二会话日志统计设备确定与所述第一会话日志统计设备确定的所述云端服务会话日志相关的其余服务场景的所述云端服务会话日志；其中，所述第一会话日志统计设备与所述第二会话日志统计设备存在联系。
在一种独立实施的实施例中，所述通过第一会话日志统计设备确定一组云端服务会话日志的步骤进一步包括：
依据所述第一会话日志统计设备收集业务服务交互记录；所述业务服务交互记录包括包含云端服务的会话日志事项；
捕捉所述会话日志事项中的云端服务信息；在所述业务服务交互记录中对目标云端服务进行持续性分析，以实现所述目标云端服务与包含所述目标云端服务的全部所述会话日志事项之间的关联；
结合所述云端服务信息抽取所述会话日志事项中的云端服务会话日志；对抽取的所述云端服务会话日志进行量化评价检测，并定位量化评价最佳的所述云端服务会话日志。
在一种独立实施的实施例中，所述捕捉所述多组会话日志事项中的云端服务信息的步骤进一步包括：
通过云端服务捕捉拓扑捕捉多组所述会话日志事项中的云端服务空间约束和云端服务属性。
在一种独立实施的实施例中，所述判断所述云端服务会话日志是否满足设定要求的步骤之前还包括：捕捉所述云端服务会话日志中所述云端服务的会话互动轨迹；
所述判断所述云端服务会话日志是否满足设定要求的步骤包括：判断所述云端服务会话日志中的所述云端服务的会话互动轨迹是否满足设定轨迹约束。
在一种独立实施的实施例中，所述会话互动轨迹包括量化操作习惯指标、量化业务意图指标和量化对象权限指标；所述判断所述云端服务会话日志中的所述云端服务的会话互动轨迹是否满足设定轨迹约束的步骤进一步包括：
判断所述云端服务会话日志中的所述云端服务的所述量化操作习惯指标是否大于设定量化操作习惯指标或所述云端服务的所述量化对象权限指标是否大于设定量化对象权限指标。
第二方面，提供一种结合人工智能的数据处理系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
第三方面，本申请提供了一种云平台，所述云平台包括存储有程序的可读存储介质，以执行所述的方法。
本申请实施例所提供的结合人工智能的数据处理方法、系统及云平台，通过确定云端服务会话日志；根据云端服务会话日志在动态化云端服务任务进程中生成相关的动态化云端服务拓扑；将每组云端服务会话日志相关的动态化云端服务拓扑迁移变换至完成无量纲简化的动态化云端服务任务进程中并进行多维描述精简，得到每组云端服务会话日志相关的迁移变换量化会话日志；根据迁移变换量化会话日志确定每组云端服务会话日志相关的拓扑变量，并依据每组云端服务会话日志相关的拓扑变量确定目标云端服务的动态化拓扑；通过动态化拓扑确定目标云端服务的注意力会话日志并进行挖掘，进而通过确定目标云端服务的动态化拓扑确定相关的注意力会话日志，通过挖掘云端服务会话日志的注意力显示结果提升挖掘准确性，进而提高注意力会话日志并进行挖掘可信度。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种结合人工智能的数据处理方法的流程图。
图2为本申请实施例所提供的一种结合人工智能的数据处理装置的框图。
图3为本申请实施例所提供的一种结合人工智能的数据处理系统的架构图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1，示出了一种结合人工智能的数据处理方法，该方法可以包括以下STEP1-STEP5所描述的技术方案。
STEP1：确定云端服务会话日志。
进一步地，数据处理终端获取到的第一会话日志统计设备传输的云端服务会话日志以及第二会话日志统计设备传输的目标云端服务多个服务场景的云端服务会话日志。其中，云端服务会话日志为涵盖目标云端服务的局部会话日志。并云端服务会话日志涵盖一个目标云端服务以及局部目标会话日志。
进一步地，本申请提供的结合人工智能的数据处理方法中STEP1进行进一步的说明。在本实施例中确定云端服务会话日志具体可以包括以下步骤。
STEP11：通过第一会话日志统计设备确定一组云端服务会话日志（可以理解为获得相关数据集合）。
进一步地，首先在采集的端口中配置会话日志统计设备。采集的端口可以为笔记本、手机等能够采集数据的设备。详细地在进行会话日志统计设备的配置时，会话日志统计设备的服务场景最大限度的布置全部接口能够采集数据的设备的全部采集端口。配置的会话日志统计设备包括第一会话日志统计设备和第二会话日志统计设备，第一会话日志统计设备和第二会话日志统计设备相互存在联系。其中，第一会话日志统计设备为一个，第二会话日志统计设备不少于一个。在在本实施例中，第二会话日志统计设备为多个。第一会话日志统计设备进行浦西处理，第二会话日志统计设备提供多层面的云端服务会话日志。其中，第一会话日志统计设备和第二会话日志统计设备可以为云平台。
本申请提供的结合人工智能的数据处理方法中STEP11进行进一步地限定。第一会话日志统计设备确定一组云端服务会话日志的具体可以包括如下步骤。
STEP111：通过第一会话日志统计设备收集业务服务交互记录。
进一步地，第一会话日志统计设备对能够采集数据的设备的业务服务交互记录进行收集，业务服务交互记录包括涵盖云端服务的会话日志事项。其中，业务服务交互记录包括多组持续涵盖云端服务的会话日志事项。
STEP112：捕捉会话日志事项中的云端服务信息。
进一步地，通过云端服务捕捉技术对涵盖云端服务的会话日志事项进行云端服务捕捉，进而得到会话日志事项中的云端服务信息。其中，云端服务信息包括会话日志事项中云端服务的空间约束信息和定位属性。在在本实施例中，通过云端服务捕捉拓扑捕捉多组会话日志事项中涵盖的云端服务的空间约束和属性。
STEP113：在业务服务交互记录中对目标云端服务进行持续性分析，以实现目标云端服务与涵盖目标云端服务的全部会话日志事项存在联系。
进一步地，通过云端服务持续性分析技术对捕捉得到的各个目标云端服务分别进行实时持续性分析，以实现目标云端服务与涵盖的目标云端服务的全部会话日志事项进行存在联系。在在本实施例中，将上一轮出现的云端服务与实时出现的云端服务进行差异性分析，当实时出现的云端服务与上一轮云端服务差异性分析为相同时，将实时以及上一轮会话日志与该持续性分析目标进行存在联系，并缓存该持续性分析目标的日志事项。
STEP114：根据云端服务信息抽取会话日志事项中的云端服务会话日志。
进一步地，上述STEP112得到了各会话日志事项中涵盖的云端服务信息，根据与目标云端服务存在联系的全部会话日志事项涵盖的云端服务信息，从会话日志事项中抽取得到包含云端服务的局部会话日志，进而得到与目标云端服务存在联系的全部会话日志事项相关的云端服务会话日志，将日志事项与抽取到的云端服务会话日志存在联系。目标云端服务与抽取得到的云端服务会话日志进行存在联系。其中，抽取的云端服务会话日志可以为矩形，云端服务会话日志包括一组云端服务和局部的目标。
STEP115：对抽取的云端服务会话日志进行量化评价检测，并定位量化评价最佳的云端服务会话日志。
进一步地，上述STEP114得到与目标云端服务存在联系的全部云端服务会话日志。通过云端服务处理检测技术对与目标云端服务存在联系的全部云端服务会话日志进行量化评价检测。通过对每组云端服务会话日志进行量化评价检测后，将与目标云端服务存在联系的全部云端服务会话日志按照量化评价的定位进行排布，筛选量化评价最佳的一组云端服务会话日志。
STEP12：判断云端服务会话日志是否满足设定要求。
进一步地，捕捉第一会话日志统计设备确定的一组云端服务会话日志中云端服务的会话互动轨迹。在在本实施例中，判断云端服务会话日志中的云端服务的会话互动轨迹是否满足设定轨迹约束。
本申请提供的结合人工智能的数据处理方法中云端服务会话互动轨迹。其中，会话互动轨迹包括量化操作习惯指标、量化业务意图指标和量化对象权限指标。在本实施了中，判断云端服务会话日志中的云端服务的量化操作习惯指标的标准指标是否大于设定量化操作习惯指标。在另一种可能的实施例中，判断云端服务会话日志中的云端服务的量化对象权限指标的标准指标是否大于设定量化对象权限指标。
其中，设定量化操作习惯指标可以为20，即判断云端服务会话日志中的云端服务的量化操作习惯指标的标准指标是否不大于20。如果云端服务会话日志中的云端服务的量化操作习惯指标的标准指标不大于20，则表明云端服务的会话日志中的云端服务不属于标准云端服务，可以将第一会话日志统计设备确定的云端服务会话日志发送给数据处理终端直接进行挖掘。如果云端服务会话日志中的云端服务的量化操作习惯指标的标准指标大于20，则表明云端服务会话日志中的云端服务属于标准云端服务，如果将该云端服务会话日志发送给数据处理终端进行云端服务挖掘，则会导致云端服务挖掘的挖掘准确度过低，干扰云端服务挖掘系统可信度的问题。因此，则需要采用STEP13。
其中，设定量化业务意图指标可以为25，即判断云端服务会话日志中云端服务的量化业务意图指标的标准指标是否不大于25。如果云端服务会话日志中的云端服务的量化业务意图指标的标准指标不大于25，则说明云端服务的会话日志中的云端服务不属于标准云端服务，可以将第一会话日志统计设备确定的云端服务会话日志发送给数据处理终端直接进行挖掘。如果云端服务会话日志中的云端服务的量化业务意图指标的标准指标大于25，则说明云端服务会话日志中的云端服务属于标准云端服务，如果将该云端服务会话日志发送给数据处理终端进行云端服务挖掘，则会导致云端服务挖掘的挖掘准确性低，干扰云端服务挖掘系统可信度的问题。因此，则执行STEP13。
STEP13：则通过不少于一个第二会话日志统计设备确定与第一会话日志统计设备确定的云端服务会话日志相关的其余服务场景的云端服务会话日志。
进一步地，当第一会话日志统计设备确定的云端服务会话日志不满足设定要求时，则第一会话日志统计设备调整多个第二会话日志统计设备收集目标云端服务的多个服务场景的云端服务会话日志。在一种可能实施的实施例中中，云端服务会话日志中云端服务的量化业务意图指标的标准指标大于25，或云端服务会话日志中的云端服务的量化操作习惯指标的标准指标大于20，则说明云端服务会话日志中的云端服务属于标准云端服务，数据处理终端不能准确地挖掘云端服务会话日志，则第一会话日志统计设备调整第二会话日志统计设备确定目标云端服务其余维度的云端服务会话日志，进而结合第一会话日志统计设备确定的云端服务会话日志进行挖掘，提高云端服务挖掘的准确性。
STEP14：将第一会话日志设备确定的云端服务会话日志和第二会话日志统计设备确定的云端服务会话日志发送给云平台进行云端服务挖掘。
进一步地，第一会话日志统计设备将确定的云端服务会话日志发送给数据处理终端，第一会话日志统计设备调整第二会话日志统计设备也将确定的其余多层面的云端服务会话日志发送给数据处理终端，以便于数据处理终端结合第一会话日志统计设备和第二会话日志统计设备传输的云端服务会话日志对目标主题的会话日志进行挖掘，进而提高对目标云端服务的挖掘完整性。
STEP15：将第一会话日志统计设备确定云端服务会话日志发送给云平台进行云端服务挖掘。
进一步地，当第一会话日志统计设备确定的云端服务会话日志满足设定要求时，则第一会话日志统计设备将满足要求的云端服务会话日志发送给数据处理终端进行云端服务挖掘。在一种可能实施的实施例中中，云端服务会话日志中云端服务的量化业务意图指标的标准指标不大于25，且云端服务会话日志中的云端服务的量化操作习惯指标的标准指标不大于20，则说明云端服务会话日志中的云端服务不属于标准云端服务，数据处理终端能够准确地挖掘云端服务会话日志，则将第一会话日志统计设备将满足要求的云端服务会话日志发送给数据处理终端进行云端服务挖掘。
通过第一会话日志统计设备确定一组云端服务会话日志；判断云端服务会话日志是否满足设定要求；如果确定云端服务会话日志不满足设定要求，则调整不少于一个第二会话日志统计设备确定与第一会话日志统计设备确定的云端服务会话日志相关的其余服务场景的云端服务会话日志；其中，第一会话日志统计设备与第二会话日志统计设备存在联系；将第一会话日志设备确定的云端服务会话日志和第二会话日志统计设备确定的云端服务会话日志发送给云平台进行云端服务挖掘，通过第一会话日志统计设备收集的云端服务会话日志和第二会话日志统计设备收集的多层面目标云端服务相互结合进行目标云端服务的挖掘，进而提高云端服务挖掘的完整性。
STEP2：根据云端服务会话日志在动态化云端服务任务进程中生成相关的动态化云端服务拓扑（可以理解为显示的智能数据处理的步骤，比如：首先接收数据，然后数据处理，最后输出处理结果）。
进一步地，数据处理终端根据获取到的的全部云端服务会话日志分别在动态化云端服务任务进程的基础上重新构建相关的动态化云端服务拓扑。本申请提供的结合人工智能的数据处理方法中STEP2所描述的内容。详细地构建性的动态化云端服务拓扑的具体描述内容如以下步骤。
STEP21：对云端服务会话日志分别进行会话环节标签捕捉，并确定会话环节标签的空间约束信息。
进一步地，采用云端服务主要处理程序技术对获取到的的目标云端服务相关的每组云端服务会话日志进行会话环节标签捕捉，进而确定每组云端服务会话日志中云端服务的会话环节标签信息。在在本实施例中，采用云端服务主要处理程序技术对获取到的的目标云端服务相关的每组云端服务会话日志进行会话环节标签捕捉后，确定每组云端服务会话日志中的34个会话环节标签的空间约束。
STEP22：借助每组云端服务会话日志相关的会话环节标签的空间约束信息在动态化云端服务任务进程中生成每组云端服务会话日志相关的动态化云端服务拓扑。
进一步地，根据上述描述内容得到的每组云端服务会话日志中云端服务的会话环节标签信息分别在动态化云端服务任务进程中生成每组云端服务会话日志相关的动态化云端服务拓扑。进一步地，动态化云端服务任务进程为第一拓扑。在一种独立的实施例中，利用在一组云端服务会话日志上确定的34个会话环节标签的空间约束坐标使第一拓扑发生变化，以形成相关的动态化云端服务拓扑。目标云端服务相关的多组云端服务会话日志分别在第一拓扑中发生变化，进而使每组云端服务会话日志对应一个动态化云端服务拓扑，形成一组与目标云端服务相存在联系的动态化云端服务拓扑。
STEP3：将每组云端服务会话日志相关的动态化云端服务拓扑迁移变换至完成无量纲简化（可以理解为归一化处理等）的动态化云端服务任务进程中并进行多维描述精简，得到每组云端服务会话日志相关的迁移变换量化会话日志。
进一步地，本申请提供的结合人工智能的数据处理方法中STEP3所描述的内容。具体可以包括以下步骤。
STEP31：对动态化云端服务任务进程进行无量纲简化，以得到目标量化任务进程。
进一步地，为了使一组与目标云端服务相存在联系的全部动态化云端服务拓扑的属性定位相同或统一，则对动态化云端服务任务进程进行无量纲简化，即使动态化云端服务拓扑的三维的维度均量化到二维维度，进而得到目标量化任务进程。
STEP32：将每组云端服务会话日志相关的动态化云端服务拓扑分别与目标量化任务进程进行针对性匿名（可以理解为缓存处理或者消除处理）处理。
进一步地，将每组云端服务会话日志相关的动态化云端服务拓扑与量化的形变任务进程进行针对性匿名处理，以实现每组云端服务会话日志相关的动态化云端服务拓扑分别索引到目标量化任务进程中，进而得到每组云端服务会话日志相关的迁移变换量化会话日志。其中，该迁移变换量化会话日志为精简会话日志，其相对于动态化云端服务拓扑不具有多维描述信息，迁移变换量化会话日志为仅显示动态化云端服务拓扑的简化会话日志。
STEP4：根据迁移变换量化会话日志确定每组云端服务会话日志相关的拓扑变量，并依据每组云端服务会话日志相关的拓扑变量确定目标云端服务的动态化拓扑。
本申请提供的结合人工智能的数据处理方法中STEP4所描述的内容。具体描述内容如以下步骤。
STEP41：对确定的云端服务会话日志进行二次过滤，以清洗云端服务会话日志中的非有效日志内容集。
进一步地，对数据处理终端获取到的的第一会话日志（关键会话日志）统计设备和第二会话日志（次要会话日志）统计设备传输的云端服务会话日志依次进行二次过滤，以将涵盖云端服务会话日志的局部会话日志中的基准局部或浮动局部进行清洗（可以理解为筛选处理、抽取处理等），仅留下云端服务局部特征。
STEP42：根据二次过滤后的云端服务会话日志与迁移变换量化会话日志确定每组云端服务会话日志相关的拓扑视觉特征变量。
进一步地，采用动态化云端服务稠密绑定成功方法对二次过滤后的云端服务会话日志和相关的迁移变换量化会话日志进行每组云端服务目标的拓扑视觉特征变量确定，且获得每组云端服务会话日志中云端服务的拓扑变量结果。
STEP43：确定全部云端服务会话日志相关的拓扑视觉特征变量的整体性分析结果。
进一步地，借助每组云端服务的拓扑视觉特征变量以及拓扑变量结果变换上述STEP222得到的每组云端服务会话日志相关的动态化云端服务拓扑，并对动态化云端服务拓扑进行改变，得到每组云端服务会话日志相关的修正后的动态化云端服务拓扑。
借助每组云端服务相关的修正后的动态化云端服务拓扑确定每组云端服务会话日志相关的变量信息，确定目标云端服务相关的全部云端服务会话日志相关的各项变量信息的整体性分析结果。
STEP44：根据拓扑视觉特征变量的整体性分析结果确定目标云端服务的动态化拓扑。
进一步地，通过确定得到的目标云端服务相关的全部云端服务会话日志的各项变量信息的整体性分析结果整合目标云端服务的动态化拓扑。进而完整地结合第一会话日志统计设备确定的云端服务会话日志以及第二会话日志统计设备收集的多服务场景的云端服务会话日志中的变量信息，使得得到的目标云端服务的动态化拓扑的各项变量更加精确，有利于改善目标云端服务的挖掘完整性。
STEP5：通过动态化拓扑确定目标云端服务的注意力会话日志并进行挖掘。
本申请提供的结合人工智能的数据处理方法中STEP5所描述的内容。进一步地，通过目标云端服务的动态化拓扑对目标云端服务进行挖掘的具体描述内容如下。
STEP51：借助每组云端服务会话日志的热门消息主题对目标云端服务的动态化拓扑进行主题索引拼接，得到目标云端服务的目标动态化云端服务拓扑。
进一步地，对整合得到的目标云端服务的动态化拓扑进行主题拼接。进一步地，根据第一会话日志统计设备收集的云端服务会话日志，特别是第二会话日志统计设备收集的多服务场景云端服务会话日志相关的热门消息主题，进行相关的主题索引拼接，以得到目标云端服务的目标动态化云端服务拓扑。
STEP52：将目标动态化云端服务拓扑进行基于第一设定策略的索引，确定目标云端服务的正序注意力会话日志。
进一步地，将目标动态化云端服务拓扑进行二维索引，以确定目标云端服务的精简会话日志。确定目标动态化云端服务拓扑的精简会话日志，精简会话日志中云端服务的会话互动轨迹满足设定要求即可。在本实施例中，对目标动态化云端服务拓扑进行基于第一设定策略的索引，确定目标动态化云端服务拓扑相关的正序注意力会话日志。目标动态化云端服务拓扑的正序注意力会话日志更加轻松的挖掘目标云端服务，进一步可以提高目标云端服务的挖掘完整性。
STEP53：对目标云端服务的正序注意力会话日志进行云端服务挖掘。
进一步地，将目标云端服务相关的精简会话日志与事先部署的会话日志系统中的标记云端服务进行差异性分析；如果确定精简会话日志与会话日志系统中标记云端服务绑定成功，则目标云端服务被挖掘。在本实施例中，将正序注意力会话日志与事先部署的会话日志系统中的标记云端服务进行差异性分析；如果确定正序注意力会话日志与会话日志系统中标记云端服务绑定成功，则目标云端服务被挖掘。
在本实施例中，该结合人工智能的数据处理方法通过获取到的第一会话日志统计设备和第二会话日志统计设备传输的云端服务会话日志；根据获取到的的云端服务会话日志在动态化云端服务任务进程中生成相关的动态化云端服务拓扑；将每组云端服务会话日志相关的动态化云端服务拓扑迁移变换至完成无量纲简化的动态化云端服务任务进程中并进行多维描述精简，得到每组云端服务会话日志相关的迁移变换量化会话日志；根据迁移变换量化会话日志确定每组云端服务会话日志相关的拓扑变量，并依据每组云端服务会话日志相关的拓扑变量确定目标云端服务的动态化拓扑；通过动态化拓扑确定目标云端服务的注意力会话日志并进行挖掘，进而根据第一会话日志统计设备和第二会话日志统计设备传输的云端服务会话日志确定云端服务会话日志相关的目标云端服务的注意力会话日志，通过挖掘云端服务会话日志的注意力显示结果提升云端服务挖掘系统的挖掘准确性，进而提升标准下云端服务挖掘的准确性。
在上述基础上，请结合参阅图2，提供了一种结合人工智能的数据处理装置200，应用于结合人工智能的数据处理系统，所述装置包括：
拓扑生成模块210，用于确定云端服务会话日志，以及，结合所述云端服务会话日志在动态化云端服务任务进程中生成相关的动态化云端服务拓扑；
日志确定模块220，用于将每组所述云端服务会话日志相关的所述动态化云端服务拓扑迁移变换至完成无量纲简化的所述动态化云端服务任务进程中并进行多维描述精简，得到每组所述云端服务会话日志相关的迁移变换量化会话日志；
日志挖掘模块230，用于结合所述迁移变换量化会话日志确定每组所述云端服务会话日志相关的拓扑变量，并依据每组所述云端服务会话日志相关的所述拓扑变量确定目标云端服务的动态化拓扑；依据所述动态化拓扑确定所述目标云端服务的注意力会话日志并进行挖掘。
在上述基础上，请结合参阅图3，示出了一种结合人工智能的数据处理系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。
在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。
综上，基于上述方案，通过确定云端服务会话日志；根据云端服务会话日志在动态化云端服务任务进程中生成相关的动态化云端服务拓扑；将每组云端服务会话日志相关的动态化云端服务拓扑迁移变换至完成无量纲简化的动态化云端服务任务进程中并进行多维描述精简，得到每组云端服务会话日志相关的迁移变换量化会话日志；根据迁移变换量化会话日志确定每组云端服务会话日志相关的拓扑变量，并依据每组云端服务会话日志相关的拓扑变量确定目标云端服务的动态化拓扑；通过动态化拓扑确定目标云端服务的注意力会话日志并进行挖掘，进而通过确定目标云端服务的动态化拓扑确定相关的注意力会话日志，通过挖掘云端服务会话日志的注意力显示结果提升挖掘准确性，进而提高注意力会话日志并进行挖掘可信度。
应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（LAN）或广域网（WAN），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（SaaS）。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种结合人工智能的数据处理方法，其特征在于，应用于人工智能数据处理系统，所述结合人工智能的数据处理方法包括：
确定云端服务会话日志，以及，结合所述云端服务会话日志在动态化云端服务任务进程中生成相关的动态化云端服务拓扑；
将每组所述云端服务会话日志相关的所述动态化云端服务拓扑迁移变换至完成无量纲简化的所述动态化云端服务任务进程中并进行多维描述精简，得到每组所述云端服务会话日志相关的迁移变换量化会话日志；
结合所述迁移变换量化会话日志确定每组所述云端服务会话日志相关的拓扑变量，并依据每组所述云端服务会话日志相关的所述拓扑变量确定目标云端服务的动态化拓扑；依据所述动态化拓扑确定所述目标云端服务的注意力会话日志并进行挖掘；所述确定云端服务会话日志的步骤进一步包括：
通过第一会话日志统计设备确定一组云端服务会话日志；
判断所述云端服务会话日志是否满足设定要求；
如果确定所述云端服务会话日志不满足设定要求，则通过不少于一个第二会话日志统计设备确定与所述第一会话日志统计设备确定的所述云端服务会话日志相关的其余服务场景的所述云端服务会话日志；其中，所述第一会话日志统计设备与所述第二会话日志统计设备存在联系。
2.如权利要求1所述的结合人工智能的数据处理方法，其特征在于，所述结合所述云端服务会话日志在动态化云端服务任务进程中生成相关的动态化云端服务拓扑的步骤进一步包括：
对所述云端服务会话日志分别进行会话环节标签捕捉，并确定所述会话环节标签的空间约束信息；
借助每组所述云端服务会话日志相关的所述会话环节标签的空间约束信息在所述动态化云端服务任务进程中生成每组所述云端服务会话日志相关的所述动态化云端服务拓扑。
3.如权利要求1所述的结合人工智能的数据处理方法，其特征在于，所述将每组所述云端服务会话日志相关的所述动态化云端服务拓扑迁移变换至完成无量纲简化的所述动态化云端服务任务进程中并进行多维描述精简的步骤进一步包括：
对所述动态化云端服务任务进程进行无量纲简化，以得到目标量化任务进程；
将每组所述云端服务会话日志相关的所述动态化云端服务拓扑分别与所述目标量化任务进程进行针对性匿名处理。
4.如权利要求1所述的结合人工智能的数据处理方法，其特征在于，所述结合所述迁移变换量化会话日志确定每组所述云端服务会话日志相关的拓扑变量，并依据每组所述云端服务会话日志相关的所述拓扑变量确定目标云端服务的动态化拓扑的步骤进一步包括：
对确定的所述云端服务会话日志进行二次过滤，以清洗所述云端服务会话日志中的非有效日志内容集；
根据二次过滤后的所述云端服务会话日志与所述迁移变换量化会话日志确定每组所述云端服务会话日志相关的拓扑视觉特征变量；
确定全部所述云端服务会话日志相关的所述拓扑视觉特征变量的整体性分析结果；结合所述拓扑视觉特征变量的整体性分析结果确定所述目标云端服务的动态化拓扑。
5.如权利要求1所述的结合人工智能的数据处理方法，其特征在于，所述依据所述动态化拓扑确定所述目标云端服务的注意力会话日志并进行挖掘的步骤进一步包括：
借助每组所述云端服务会话日志的热门消息主题对所述目标云端服务的所述动态化拓扑进行主题索引拼接，得到所述目标云端服务的目标动态化云端服务拓扑；
将所述目标动态化云端服务拓扑进行基于第一设定策略的索引，确定所述目标云端服务的正序注意力会话日志；对所述目标云端服务的正序注意力会话日志进行云端服务挖掘。
6.如权利要求1所述的结合人工智能的数据处理方法，其特征在于，所述通过第一会话日志统计设备确定一组云端服务会话日志的步骤进一步包括：
依据所述第一会话日志统计设备收集业务服务交互记录；所述业务服务交互记录包括包含云端服务的会话日志事项；
捕捉所述会话日志事项中的云端服务信息；在所述业务服务交互记录中对目标云端服务进行持续性分析，以实现所述目标云端服务与包含所述目标云端服务的全部所述会话日志事项之间的关联；
结合所述云端服务信息抽取所述会话日志事项中的云端服务会话日志；对抽取的所述云端服务会话日志进行量化评价检测，并定位量化评价最佳的所述云端服务会话日志。
7.如权利要求6所述的结合人工智能的数据处理方法，其特征在于，所述捕捉所述会话日志事项中的云端服务信息的步骤进一步包括：
通过云端服务捕捉拓扑捕捉多组所述会话日志事项中的云端服务空间约束和云端服务属性；
其中，所述判断所述云端服务会话日志是否满足设定要求的步骤之前还包括：捕捉所述云端服务会话日志中所述云端服务的会话互动轨迹；
所述判断所述云端服务会话日志是否满足设定要求的步骤包括：判断所述云端服务会话日志中的所述云端服务的会话互动轨迹是否满足设定轨迹约束；
其中，所述会话互动轨迹包括量化操作习惯指标、量化业务意图指标和量化对象权限指标；所述判断所述云端服务会话日志中的所述云端服务的会话互动轨迹是否满足设定轨迹约束的步骤进一步包括：
判断所述云端服务会话日志中的所述云端服务的所述量化操作习惯指标是否大于设定量化操作习惯指标或所述云端服务的所述量化对象权限指标是否大于设定量化对象权限指标。
8.一种结合人工智能的数据处理系统，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1-7任一项所述的方法。
9.一种云平台，其特征在于，所述云平台包括存储有程序的可读存储介质，以执行权利要求1中所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210321040.0A CN114625624B (zh) | 2022-03-30 | 2022-03-30 | 结合人工智能的数据处理方法、系统及云平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210321040.0A CN114625624B (zh) | 2022-03-30 | 2022-03-30 | 结合人工智能的数据处理方法、系统及云平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114625624A CN114625624A (zh) | 2022-06-14 |
| CN114625624B true CN114625624B (zh) | 2022-11-04 |
Family
ID=81903830
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210321040.0A Active CN114625624B (zh) | 2022-03-30 | 2022-03-30 | 结合人工智能的数据处理方法、系统及云平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114625624B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160248642A1 (en) * | 2015-02-25 | 2016-08-25 | Manikandan Rajasekar | Logging as a Service |
| CN113704505A (zh) * | 2021-09-01 | 2021-11-26 | 梁成敏 | 一种基于智慧教育的大数据用户需求分析方法及服务器 |
| CN114168747A (zh) * | 2021-12-03 | 2022-03-11 | 上海德衡数据科技有限公司 | 基于云服务的知识库构建方法及系统 |
-
2022
- 2022-03-30 CN CN202210321040.0A patent/CN114625624B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160248642A1 (en) * | 2015-02-25 | 2016-08-25 | Manikandan Rajasekar | Logging as a Service |
| CN113704505A (zh) * | 2021-09-01 | 2021-11-26 | 梁成敏 | 一种基于智慧教育的大数据用户需求分析方法及服务器 |
| CN114168747A (zh) * | 2021-12-03 | 2022-03-11 | 上海德衡数据科技有限公司 | 基于云服务的知识库构建方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114625624A (zh) | 2022-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110674360B (zh) | 一种用于数据的溯源方法和系统 | |
| CN106164896B (zh) | 用于发现对手方关系的多维递归方法及系统 | |
| CN113949577A (zh) | 一种应用于云服务的数据攻击分析方法及服务器 | |
| WO2014206131A1 (en) | Method and apparatus for report generation | |
| CN111191601A (zh) | 同行用户识别方法、装置、服务器及存储介质 | |
| WO2023236514A1 (zh) | 一种跨摄像头的多目标追踪方法、装置、设备及介质 | |
| CN114661994B (zh) | 基于人工智能的用户兴趣数据处理方法、系统及云平台 | |
| CN114676423A (zh) | 一种应对云计算办公威胁的数据处理方法及服务器 | |
| CN108182444A (zh) | 基于场景分类的视频质量诊断的方法及装置 | |
| CN111368128B (zh) | 目标图片的识别方法、装置和计算机可读存储介质 | |
| CN114625624B (zh) | 结合人工智能的数据处理方法、系统及云平台 | |
| CN114120090A (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN113472860A (zh) | 大数据和数字化环境下的业务资源分配方法及服务器 | |
| CN112182413B (zh) | 一种基于教学大数据的智能推荐方法及服务器 | |
| CN113378157A (zh) | 一种基于嵌入式软件二次开发的车联网数据采集系统 | |
| CN113393523B (zh) | 一种自动化监控机房图像的方法、装置及电子设备 | |
| Li et al. | Protecting deep cerebrospinal fluid cell image processing models with backdoor and semi-distillation | |
| CN115456101B (zh) | 一种基于数据中台的数据安全传输方法及系统 | |
| KR101865317B1 (ko) | 데이터 분산처리 시스템을 위한 빅 데이터의 전처리 장치 및 방법 | |
| CN113342864B (zh) | 一种电子设备发热量的监控方法、系统及装置 | |
| CN113516106B (zh) | 基于城市管理的无人机智能车辆识别方法及系统 | |
| CN115828012A (zh) | 基于大数据的互联网数据分析方法及系统 | |
| CN113630336A (zh) | 基于光互联的数据分流方法及系统 | |
| CN115512486A (zh) | 一种分离式电表及控制方法 | |
| Singh et al. | Check for updates A Study of Implementing a Blockchain-Based Forensic Model Integration (BBFMI) for IoT Devices in Digital Forensics |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20221013 Address after: No. 1, 14th Floor, Building 2, No. 3, Yangliu Road, Middle Section of Huangshan Avenue, Dazhulin Street, Liangjiang New District, Yubei District, Chongqing 400000 Applicant after: Chongqing Zhongyuan lvlan Energy Technology Co.,Ltd. Address before: No. 16, Guangming Road, Jilu village committee, Wumeng Township, Luquan Yi and Miao Autonomous County, Kunming, Yunnan 650000 Applicant before: Hua Tianming |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |