CN115270003B - 一种基于物联网平台行为数据挖掘的信息推荐方法及系统 - Google Patents
一种基于物联网平台行为数据挖掘的信息推荐方法及系统 Download PDFInfo
- Publication number
- CN115270003B CN115270003B CN202211177693.2A CN202211177693A CN115270003B CN 115270003 B CN115270003 B CN 115270003B CN 202211177693 A CN202211177693 A CN 202211177693A CN 115270003 B CN115270003 B CN 115270003B
- Authority
- CN
- China
- Prior art keywords
- behavior
- behavior data
- training
- data
- platform
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例提供一种基于物联网平台行为数据挖掘的信息推荐方法及系统,基于候选物联网平台行为数据的行为意图信息构建目标用户在预设时间段内的目标行为意图知识网络,从而对目标行为意图知识网络所对应的知识网络数据进行挖掘获得对应的潜在兴趣点分布,然后从潜在兴趣点分布中确定与获取目标用户的物联网订阅特征数据对应的目标潜在兴趣点,并根据目标用户在物联网平台上的访问页面信息调取与目标潜在兴趣点对应的页面内容推荐信息进而推送给目标用户所对应的物联网服务终端,由此,通过结合可以表达不同的行为意图之间的行为跳转路径知识网络数据进行兴趣挖掘,可以提高兴趣挖掘的准确性,进而提高后续页面内容推荐的准确性。
Description
技术领域
本申请涉及物联网平台技术领域,具体而言,涉及一种基于物联网平台行为数据挖掘的信息推荐方法及系统。
背景技术
随着物联网平台技术的兴起,用户在使用物联网服务的过程中需要多次访问物联网平台页面进而使用相关平台功能。基于此,对于物联网平台而言,如果能够有效感知用户的潜在兴趣点,并向其推送符合其自身需求的页面内容信息,不仅可以提高用户对该物联网平台的使用率,也可以提高自身产品体验,进而增加物联网平台的访问量。然而,相关技术中,在进行潜在兴趣挖掘时通常是单一地进行行为意图分析和分类,导致兴趣挖掘的准确性不高,进而影响后续页面内容推荐的准确性。
发明内容
为了至少克服现有技术中的上述不足,本申请的目的在于提供一种基于物联网平台行为数据挖掘的信息推荐方法及系统。
第一方面,本申请提供一种基于物联网平台行为数据挖掘的信息推荐方法,应用于基于物联网平台行为数据挖掘的信息推荐系统,所述方法包括:
提取目标用户在预设时间段内产生的候选物联网平台行为数据的行为意图信息,并基于所述候选物联网平台行为数据的行为意图信息构建所述目标用户在所述预设时间段内的目标行为意图知识网络,所述目标行为意图知识网络包括多个行为意图,不同的行为意图通过行为链路构建网络邻接关系,所述行为链路用于表示不同的行为意图之间的行为跳转路径;
将所述目标行为意图知识网络所对应的知识网络数据输入到预先训练的潜在兴趣挖掘模型中,获得所述目标行为意图知识网络所对应的潜在兴趣点分布。
获取所述目标用户的物联网订阅特征数据,从所述潜在兴趣点分布中确定与所述物联网订阅特征数据对应的目标潜在兴趣点,并根据所述目标用户在物联网平台上的访问页面信息调取与所述目标潜在兴趣点对应的页面内容推荐信息,将所述页面内容推荐信息推送给所述目标用户所对应的物联网服务终端。
在第一方面的一种可能的实施方式中,所述提取目标用户在预设时间段内产生的候选物联网平台行为数据的行为意图信息的步骤,包括:
当接收到数据挖掘指令时,提取候选物联网平台行为数据和基准物联网平台行为数据序列,所述基准物联网平台行为数据序列包括一个或多个行为意图信息对应的基准物联网平台行为数据;
对所述候选物联网平台行为数据进行知识字段挖掘,得到候选行为知识字段,并对所述基准物联网平台行为数据进行知识字段挖掘,得到所述基准物联网平台行为数据的基准行为知识字段;
基于所述候选行为知识字段和所述基准行为知识字段,通过预设方式对所述候选物联网平台行为数据进行归纳,得到所述候选物联网平台行为数据在各个所述预设方式下对于每一所述行为意图信息的归纳结果;
基于所述候选物联网平台行为数据在各个所述预设方式下对于每一所述行为意图信息的归纳结果,得到所述候选物联网平台行为数据的行为意图信息。
在第一方面的一种可能的实施方式中,所述候选行为知识字段和所述基准行为知识字段为通过预先调校好的知识字段挖掘网络进行知识字段挖掘得到的业务知识字段;
所述对所述候选物联网平台行为数据进行知识字段挖掘,得到候选行为知识字段,并对所述基准物联网平台行为数据进行知识字段挖掘,得到所述基准物联网平台行为数据的基准行为知识字段之前,还包括对所述知识字段挖掘网络进行调校的步骤,包括:
获取训练平台行为数据集,所述训练平台行为数据集包括注释行为意图信息标记对应的拟推理训练平台行为数据和一个或多个行为意图信息对应的标准训练平台行为数据;
通过拟调校的知识字段挖掘网络对所述拟推理训练平台行为数据进行知识字段挖掘,得到拟推理训练平台行为数据的业务知识字段,并通过拟调校的知识字段挖掘网络对所述标准训练平台行为数据进行知识字段挖掘,得到标准训练平台行为数据业务知识字段;
基于所述拟推理训练平台行为数据的业务知识字段和所述标准训练平台行为数据业务知识字段,通过所述拟调校的知识字段挖掘网络依据预设方式对所述拟推理训练平台行为数据进行推理,得到所述拟推理训练平台行为数据的行为意图信息序列,所述行为意图信息序列包括各个所述预设方式对应的目标行为意图信息;
基于所述各所述预设方式对应的目标行为意图信息和所述行为意图信息标记,对所述拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络。
在第一方面的一种可能的实施方式中,所述基于所述拟推理训练平台行为数据的业务知识字段和所述标准训练平台行为数据业务知识字段,通过所述拟调校的知识字段挖掘网络依据预设方式对所述拟推理训练平台行为数据进行推理,得到所述拟推理训练平台行为数据的行为意图信息序列,包括:
通过所述拟调校的知识字段挖掘网络,依据预设方式确定所述拟推理训练平台行为数据的业务知识字段和所述标准训练平台行为数据业务知识字段之间的共性度量结果,得到各个所述预设方式下所述拟推理训练平台行为数据和所述标准训练平台行为数据之间的备取共性度量结果;
通过备取共性度量结果,确定各个所述预设方式下所述拟推理训练平台行为数据的目标行为意图信息;
基于各个所述预设方式下所述拟推理训练平台行为数据的目标行为意图信息,得到所述拟推理训练平台行为数据的行为意图信息序列。
在第一方面的一种可能的实施方式中,所述基于各个所述预设方式对应的目标行为意图信息和所述行为意图信息标记,对所述拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络,包括:
确定各个所述预设方式对应的目标行为意图信息和所述行为意图信息标记之间的第一质量评估因子;
对所述第一质量评估因子进行合并,得到合并质量评估因子;
基于所述合并质量评估因子,对所述拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络;
业务大数据挖掘方法所述基于所述合并质量评估因子,对所述拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络之前,所述方法还包括:
对所述拟推理训练平台行为数据进行前置操作,得到变更训练平台行为数据;
基于所述变更训练平台行为数据,通过所述拟调校的知识字段挖掘网络的平台行为数据归纳模块对所述变更训练平台行为数据进行归纳,得到所述变更训练平台行为数据的备取行为意图信息;
获取所述变更训练平台行为数据对应的变更训练平台行为数据标记,以及确定所述备取行为意图信息和所述变更训练平台行为数据标记之间的第二质量评估因子;
所述基于所述合并质量评估因子,对所述拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络,包括:
基于所述合并质量评估因子和所述第二质量评估因子,对所述拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络。
在第一方面的一种可能的实施方式中,所述变更训练平台行为数据包括对于所述拟推理训练平台行为数据进行缺失弥补后的变更训练平台行为数据,所述平台行为数据归纳模块包括第一平台行为数据归纳模块和第二平台行为数据归纳模块,所述备取行为意图信息包括第一备取行为意图信息和第二备取行为意图信息;
所述基于所述变更训练平台行为数据,通过所述拟调校的知识字段挖掘网络的平台行为数据归纳模块对所述变更训练平台行为数据进行归纳,得到所述变更训练平台行为数据的备取行为意图信息,包括:
基于所述缺失弥补后的变更训练平台行为数据,通过拟调校的知识字段挖掘网络的第一平台行为数据归纳模块进行归纳,得到目标变更训练平台行为数据的第一备取行为意图信息,所述第一备取行为意图信息用于指示目标变更训练平台行为数据对于所述拟推理训练平台行为数据的行为意图信息,所述目标变更训练平台行为数据为所述变更训练平台行为数据中与拟推理训练平台行为数据关联的平台行为数据;
基于所述缺失弥补后的变更训练平台行为数据,通过拟调校的知识字段挖掘网络的第二平台行为数据归纳模块进行归纳,得到所述变更训练平台行为数据的第二备取行为意图信息,所述第二备取行为意图信息用于指示所述变更训练平台行为数据对于缺失弥补后的行为意图信息。
在第一方面的一种可能的实施方式中,所述基于所述变更训练平台行为数据,通过所述拟调校的知识字段挖掘网络的平台行为数据归纳模块对所述变更训练平台行为数据进行归纳,得到所述变更训练平台行为数据的备取行为意图信息,包括:
通过所述拟调校的知识字段挖掘网络的统一处理模块对所述变更训练平台行为数据进行知识字段挖掘,得到变更训练平台行为数据业务知识字段;
基于所述变更训练平台行为数据业务知识字段,通过所述拟调校的知识字段挖掘网络的平台行为数据归纳模块对所述变更训练平台行为数据进行归纳,得到所述变更训练平台行为数据的备取行为意图信息;
所述通过拟调校的知识字段挖掘网络对所述拟推理训练平台行为数据进行知识字段挖掘,得到拟推理训练平台行为数据的业务知识字段,包括:
通过拟调校的知识字段挖掘网络的所述统一处理模块对所述拟推理训练平台行为数据进行知识字段挖掘,得到拟推理训练平台行为数据的业务知识字段。
在第一方面的一种可能的实施方式中,所述基于所述候选行为知识字段和所述基准行为知识字段,通过预设方式对所述候选物联网平台行为数据进行归纳,得到所述候选物联网平台行为数据在各个所述预设方式下对于每一行为意图信息的归纳结果,包括:
通过预设方式确定所述候选行为知识字段和所述基准行为知识字段之间的共性度量结果,得到各个所述预设方式下所述候选物联网平台行为数据和每一行为意图信息对应的所述基准物联网平台行为数据之间的目标共性度量结果;
将所述目标共性度量结果确定为所述归纳结果;
所述基于所述候选物联网平台行为数据在各个所述预设方式下对于每一行为意图信息的归纳结果,得到所述候选物联网平台行为数据的行为意图信息,包括:
获取各个所述预设方式对应的偏心因子;
根据所述偏心因子,将各个所述预设方式对应的归纳结果进行合并,得到所述行为意图信息对应的目标归纳结果;
基于所述行为意图信息对应的目标归纳结果,确定所述候选物联网平台行为数据的行为意图信息。
第二方面,本申请实施例还提供一种基于物联网平台行为数据挖掘的信息推荐系统,所述基于物联网平台行为数据挖掘的信息推荐系统包括处理器和机器可读存储介质,所述机器可读存储介质中存储有计算机程序,所述计算机程序结合该处理器加载并执行以实现以上第一方面的基于物联网平台行为数据挖掘的信息推荐方法。
采用以上任意方面的技术方案,基于候选物联网平台行为数据的行为意图信息构建目标用户在预设时间段内的目标行为意图知识网络,从而对目标行为意图知识网络所对应的知识网络数据进行挖掘获得对应的潜在兴趣点分布,然后从潜在兴趣点分布中确定与获取目标用户的物联网订阅特征数据对应的目标潜在兴趣点,并根据目标用户在物联网平台上的访问页面信息调取与目标潜在兴趣点对应的页面内容推荐信息进而推送给目标用户所对应的物联网服务终端,由此,通过结合可以表达不同的行为意图之间的行为跳转路径知识网络数据进行兴趣挖掘,可以提高兴趣挖掘的准确性,进而提高后续页面内容推荐的准确性。
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启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,还可以结合这些附图获得其它相关的附图。
图1为本申请实施例提供的基于物联网平台行为数据挖掘的信息推荐方法的流程示意图;
图2为本申请实施例提供的用于实现上述的基于物联网平台行为数据挖掘的信息推荐方法的基于物联网平台行为数据挖掘的信息推荐系统的结构示意框图。
具体实施方式
以下描述是为了使本领域的普通技术人员能够实施和结合本申请,并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来讲,显然可以对所公开的实施例作出各种改变,并且在不偏离本申请的原则和范围的情况下,本申请中所定义的普遍原则可以适用于其它实施例和应用场景。因此,本申请并不限于所描述的实施例,而应该被给予与权利要求一致的最广泛的范围。
本申请中所使用的术语仅用于描述特定的示例性实施例,并不限制本申请的范围。如本申请使用的单数形式“一”、“一个”及“该”可以同样包括复数形式,除非上下文明确提示例外情形。还应当理解,如在本申请说明书中,术语“包括”、“包含”仅提示存在所述特征、整体、步骤、操作、组件和/或部件,但并不排除存在或添加一个或以上其它特征、整体、步骤、操作、组件、部件和/或其组合的情况。
结合以下对附图的描述,本申请的这些和其它的特征、特点以及相关结构元件的功能和操作方法,以及部件组合和制造经济性,可以变得更加显而易见,这些附图都构成本申请说明书的一部分。然而,应当理解的是,附图仅仅是为了说明和描述的目的,并不旨在限制本申请的范围。应当理解的是,附图并不是按比例绘制的。
本申请中使用了流程图用来说明结合本申请的一些实施例的系统所执行的操作。应当理解的是,流程图中的操作可以不按顺序执行。相反,可以基于倒序或同时处理各种步骤。此外,可以向流程图添加一个或以上其它操作。也可以从流程图中删除一个或以上操作。
下面结合说明书附图对本申请进行具体说明,方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。
步骤S110,提取目标用户在预设时间段内产生的候选物联网平台行为数据的行为意图信息,并基于所述候选物联网平台行为数据的行为意图信息构建所述目标用户在所述预设时间段内的目标行为意图知识网络。
本实施例中,所述目标行为意图知识网络可以包括多个行为意图,不同的行为意图通过行为链路构建网络邻接关系,所述行为链路用于表示不同的行为意图之间的行为跳转路径。例如,所述候选物联网平台行为数据的行为意图信息可以包括所述候选物联网平台行为数据中各个单元平台行为数据的行为意图,此时可以解析各个单元平台行为数据相互之间的行为跳转路径(如单元平台行为数据A从平台节点1跳转到平台节点2,而后产生单元平台行为数据B,那么平台节点1-平台节点2可以构成行为跳转路径)。
步骤S120,将所述目标行为意图知识网络所对应的知识网络数据输入到预先训练的潜在兴趣挖掘模型中,获得所述目标行为意图知识网络所对应的潜在兴趣点分布。
本实施例中,知识网络数据可以是指行为意图数据以及行为意图之间的行为跳转路径数据。潜在兴趣挖掘模型可以预先进行AI训练生成,进而可以获得挖掘潜在兴趣点的能力。其中,潜在兴趣点分布可以表征多个分布在相关物联网平台上的潜在兴趣点。
步骤S130,获取所述目标用户的物联网订阅特征数据,从所述潜在兴趣点分布中确定与所述物联网订阅特征数据对应的目标潜在兴趣点,并根据所述目标用户在物联网平台上的访问页面信息调取与所述目标潜在兴趣点对应的页面内容推荐信息,将所述页面内容推荐信息推送给所述目标用户所对应的物联网服务终端。
本实施例中,目标用户可以基于自身需求在相关的物联网平台上订阅相应需求数据,进而作为所述目标用户的物联网订阅特征数据。在此基础上,可以从所述潜在兴趣点分布中确定与所述物联网订阅特征数据对应的目标潜在兴趣点,如与所述订阅相应需求数据的需求字段匹配的目标潜在兴趣点。由此,则可以根据所述目标用户在物联网平台上的访问页面信息(如针对某个物联网设备的访问页面信息)调取与所述目标潜在兴趣点对应的页面内容推荐信息,将所述页面内容推荐信息推送给所述目标用户所对应的物联网服务终端。
基于以上步骤,本实施例通过提取目标用户在预设时间段内产生的候选物联网平台行为数据的行为意图信息,并基于候选物联网平台行为数据的行为意图信息构建目标用户在预设时间段内的目标行为意图知识网络,从而对目标行为意图知识网络所对应的知识网络数据进行挖掘获得对应的潜在兴趣点分布,然后从潜在兴趣点分布中确定与获取目标用户的物联网订阅特征数据对应的目标潜在兴趣点,并根据目标用户在物联网平台上的访问页面信息调取与目标潜在兴趣点对应的页面内容推荐信息进而推送给目标用户所对应的物联网服务终端,由此,通过结合可以表达不同的行为意图之间的行为跳转路径知识网络数据进行兴趣挖掘,可以提高兴趣挖掘的准确性,进而提高后续页面内容推荐的准确性。
对于一些示例性的设计思路中,在步骤S120中,下面结合一种具体实施例对潜在兴趣挖掘模型的训练步骤进行说明,具体介绍如下。
步骤S101,获取基础兴趣挖掘训练模型的参考知识网络数据;其中,所述参考知识网络数据携带有先验训练数据,所述先验训练数据用于表征所述参考知识网络数据的潜在兴趣点的兴趣点标注信息;
步骤S102,依据所述基础兴趣挖掘训练模型的模型参数层架构,配置第一目标训练单元;
步骤S103,基于所述参考知识网络数据和第二目标训练单元,获取所述第二目标训练单元对应的各预测兴趣点的兴趣聚类特征;其中,所述基础兴趣挖掘训练模型和所述第二目标训练单元为模型配置类别一致的训练模型;
步骤S104,基于所述各预测兴趣点的兴趣聚类特征,确定所述第一目标训练单元的全连接层参数信息;
步骤S105,基于所述参考知识网络数据和所述先验训练数据对所述第一目标训练单元进行遍历权重参数更新,调整所述第一目标训练单元的除所述全连接层参数信息之外的网络层权重参数。
基于以上步骤,本实施例考虑到为了保证第二目标训练单元提取出的特征集与第二目标训练单元提取出的兴趣特征序列之间的特征具有一致性,需要使用第二目标训练单元重新对第二目标训练单元提取出的兴趣特征序列对应的初始知识网络数据进行特征提取,导致整个训练流程会占用过多计算资源,并且当初始知识网络数据不存在时,无法进行重新提取,由此在本申请中以第二目标训练单元的模型参数层架构为基础构建第一目标训练单元,根据第二目标训练单元对应的各预测兴趣点的兴趣聚类特征确定第一目标训练单元的全连接层参数信息,再用第二目标训练单元的所述参考知识网络数据和所述先验训练数据对第一目标训练单元进行遍历权重参数更新,调整所述第一目标训练单元的除所述全连接层参数信息之外的网络层权重参数,以使得训练出的第一目标训练单元对应的各个预测兴趣点的兴趣聚类特征与第二目标训练单元对应的各个预测兴趣点的兴趣聚类特征相匹配,用训练出的第一目标训练单元提取出的兴趣特征序列可以直接与用第二目标训练单元提取出的兴趣特征序列进行对比,不再需要重新进行特征提取,可以降低计算资源占用。
对于一些示例性的设计思路中,所述参考知识网络数据为多个,所述基于所述参考知识网络数据和所述先验训练数据对所述第一目标训练单元进行遍历权重参数更新,调整所述第一目标训练单元的除所述全连接层参数信息之外的网络层权重参数,包括:将各所述参考知识网络数据分别加载至所述基础兴趣挖掘训练模型和所述第一目标训练单元中,获取所述基础兴趣挖掘训练模型从各所述参考知识网络数据中分别解析的各第一兴趣描述编码和所述第一目标训练单元分别从各所述参考知识网络数据中解析的各第二兴趣描述编码;基于所述参考知识网络数据的数量、所述预测兴趣点的兴趣点数量、每个所述第一兴趣描述编码、每个所述第二兴趣描述编码、所述先验训练数据和所述全连接层参数信息,配置训练效果评估函数;以所述训练效果评估函数为训练评估依据,依据一阶最优化算法对所述第一目标训练单元进行遍历权重参数更新,调整所述第一目标训练单元的除所述全连接层参数信息之外的网络层权重参数,直到所述训练效果评估函数的结果匹配训练终止要求。
对于一些示例性的设计思路中,所述训练效果评估函数包括第一训练效果评估单元,所述配置训练效果评估函数,包括:基于所述参考知识网络数据的数量、所述预测兴趣点的兴趣点数量,每个所述第二兴趣描述编码、所述先验训练数据、所述全连接层参数信息和设定的交叉熵评估函数,配置所述第一训练效果评估单元。
对于一些示例性的设计思路中,所述训练效果评估函数还包括第二训练效果评估单元,所述训练效果评估函数为所述第一训练效果评估单元与所述第二训练效果评估单元之和,在配置所述第一训练效果评估单元之后,还包括:基于每个所述第一兴趣描述编码和所述先验训练数据,确定每个所述预测兴趣点中同一预测兴趣点的参考知识网络数据之间的第一特征关联代价,并确定每个所述预测兴趣点对应的预测阶段数;基于每个所述预测兴趣点对应的预测阶段数和各所述第一特征关联代价,确定每个所述预测兴趣点对应的第一特征关联代价的平均特征关联代价;基于每个所述第二兴趣描述编码和所述先验训练数据,确定每个所述预测兴趣点中同一预测兴趣点的参考知识网络数据之间的第二特征关联代价;基于每个所述预测兴趣点对应的预测阶段数和各所述第二特征关联代价,确定每个所述预测兴趣点对应的第二特征关联代价的平均特征关联代价;基于所述第一特征关联代价的平均特征关联代价、所述第二特征关联代价的平均特征关联代价和设定的L1训练效果评估函数,配置所述第二训练效果评估单元。
对于一些示例性的设计思路中,所述参考知识网络数据为多个,所述基于所述参考知识网络数据和第二目标训练单元,获取所述第二目标训练单元对应的各预测兴趣点的兴趣聚类特征,包括:将各所述参考知识网络数据加载至所述第二目标训练单元中,获取所述第二目标训练单元从各所述参考知识网络数据中分别解析的各第三兴趣描述编码;基于每个所述第三兴趣描述编码和所述先验训练数据,确定每个所述预测兴趣点中同一预测兴趣点对应的第三兴趣描述编码的第三平均特征关联代价,并将所述同一预测兴趣点对应的第三兴趣描述编码的第三平均特征关联代价作为所述第二目标训练单元对应的所述预测兴趣点的兴趣聚类特征。
对于一些示例性的设计思路中,所述基于所述各预测兴趣点的兴趣聚类特征,确定所述第一目标训练单元的全连接层参数信息,包括:分别对所述各预测兴趣点的兴趣聚类特征进行转置;将转置后的所述各预测兴趣点的兴趣聚类特征拼接成参数阵列;将所述参数阵列作为所述第一目标训练单元的全连接层参数信息。
对于一些示例性的设计思路中,在步骤S110中,提取目标用户在预设时间段内产生的候选物联网平台行为数据的行为意图信息的流程,可以通过以下示例性的实施例实现。
步骤SA100:当接收到数据挖掘指令时,提取候选物联网平台行为数据和基准物联网平台行为数据序列。
数据挖掘指令的产生可以是基于服务器存储的候选物联网平台行为数据的数据容量而决定的,例如设定指令生成阈值,当数据容量达到该指令生成阈值时,生成该数据挖掘指令。基准物联网平台行为数据序列包括一个或多个行为意图信息对应的基准物联网平台行为数据。基准物联网平台行为数据是作为被参考的平台行为数据的集合。其中,基准物联网平台行为数据可以是事先采集分析并依据行为意图信息保存的平台行为数据,行为意图信息用于指示数据的意图分类信息,例如行为意图信息A用于指示平台行为数据为物联网执行路径A1的意图信息,行为意图信息B用于指示平台行为数据为物联网互动任务B1的意图信息等。服务器获取基准物联网平台行为数据后,通过基准物联网平台行为数据的标记对基准物联网平台行为数据进行归类,得到各个行为意图信息对应的基准物联网平台行为数据,其中,数据标记和行为意图信息相关,则可以通过数据标记对基准物联网平台行为数据归类。
步骤SA200:对候选物联网平台行为数据进行知识字段挖掘,得到候选行为知识字段,并对基准物联网平台行为数据进行知识字段挖掘,得到基准物联网平台行为数据的基准行为知识字段。
作为一种实施方式,可以通过调校完成的知识字段挖掘网络对候选物联网平台行为数据进行知识字段挖掘,得到候选行为知识字段(即候选物联网平台行为数据的业务特征,其通过向量进行表示),通过调校完成的知识字段挖掘网络对基准物联网平台行为数据进行知识字段挖掘,得到基准物联网平台行为数据的基准行为知识字段,其中,调校完成的知识字段挖掘网络可以是任意可行的AI机器学习模型,例如神经网络模型。该知识字段挖掘网络需要进行事先调校,该调校的过程请参照以下步骤SA10-40:
步骤SA10:获取训练平台行为数据集。
训练平台行为数据集包括注释行为意图信息标记对应的拟推理训练平台行为数据样本,以及一个或多个行为意图信息对应的标准训练平台行为数据。注释行为意图信息标记是对行为意图信息进行提前标记,标准训练平台行为数据作为训练模板。拟推理训练平台行为数据可以是任意厂商的物联网平台的平台行为数据,如消费、互动、评价等平台行为产生的数据。服务器获取训练平台行为数据集的手段可以包括多种,基于事先对训练平台行为数据集进行标记,获得行为意图信息标记对应的训练平台行为数据集。
步骤SA20:通过拟调校的知识字段挖掘网络对拟推理训练平台行为数据进行知识字段挖掘,得到拟推理训练平台行为数据的业务知识字段,并通过拟调校的知识字段挖掘网络对标准训练平台行为数据进行知识字段挖掘,得到标准训练平台行为数据业务知识字段。
拟推理训练平台行为数据的业务知识字段可以通过如挤压激励网络、宽残差网络或其他可行的神经网络对拟推理训练平台行为数据进行知识字段挖掘得到,标准训练平台行为数据业务知识字段同样可以通过诸如上述网络对标准训练平台行为数据进行知识字段挖掘得到。
步骤SA30:基于拟推理训练平台行为数据的业务知识字段和标准训练平台行为数据业务知识字段,通过拟调校的知识字段挖掘网络依据预设方式对拟推理训练平台行为数据进行推理,得到拟推理训练平台行为数据的行为意图信息序列。
行为意图信息序列包括各个预设方式对应的目标行为意图信息。通过拟推理训练平台行为数据的业务知识字段和标准训练平台行为数据业务知识字段,通过拟调校的知识字段挖掘网络依据预设方式对拟推理训练平台行为数据进行推理,得到拟推理训练平台行为数据的行为意图信息序列的方式例如:通过拟调校的知识字段挖掘网络,依据预设方式确定拟推理训练平台行为数据的业务知识字段和标准训练平台行为数据业务知识字段之间的共性度量结果(或称相似性度量结果,表现二者之间的相似程度,其可以通过获取两个向量之间的距离来体现,距离越近,共性度量结果越大,越相似),得到各个预设方式下拟推理训练平台行为数据和标准训练平台行为数据间的备取共性度量结果(即作为可以选择的共性度量结果),基于备取共性度量结果,确定各个所述预设方式下拟推理训练平台行为数据的目标行为意图信息,通过各个预设方式下拟推理训练平台行为数据的目标行为意图信息,生成拟推理训练平台行为数据的行为意图信息序列。本申请实施例中,预设方式可以有多种,预设方式是用于对候选物联网平台行为数据进行归纳的方法。
基于此,通过预设方式确定拟推理训练平台行为数据的业务知识字段和标准训练平台行为数据业务知识字段之间的共性度量结果,获得各个所述预设方式下拟推理训练平台行为数据和标准训练平台行为数据之间的备取共性度量结果。
可以从备取共性度量结果中挑选确定共性度量结果最大的备取共性度量结果,通过共性度量结果最大的备取共性度量结果对应的标准训练平台行为数据业务知识字段,确定拟推理训练平台行为数据的目标行为意图信息。拟推理训练平台行为数据的目标行为意图信息为共性度量结果最大的备取共性度量结果对应的训练业务数业务知识字段所对应的行为意图信息。
步骤SA40:基于各个预设方式对应的目标行为意图信息和行为意图信息标记,对拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络。
其中,通过各个预设方式对应的目标行为意图信息和行为意图信息标记,对拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络的过程具体可以包括:计算各个预设方式对应的目标行为意图信息和行为意图信息标记之间的第一质量评估因子(用于评估网络的预测准确度,如损失值和代价值),对第一质量评估因子进行合并,得到合并质量评估因子,通过合并质量评估因子,对拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络。其中,对第一质量评估因子进行合并是融合的过程,例如进行拼接或者相加,获得该合并质量评估因子。
基于令调校完成的知识字段挖掘网络提升对候选物联网平台行为数据归类精度的考量,采用协同任务调校拟调校的知识字段挖掘网络,具体可以包括以下步骤:对拟推理训练平台行为数据进行前置操作,得到变更训练平台行为数据,依据变更训练平台行为数据,通过拟调校的知识字段挖掘网络的平台行为数据归纳模块对变更训练平台行为数据进行归纳,得到变更训练平台行为数据的备取行为意图信息,获取变更训练平台行为数据对应的变更训练平台行为数据标记,以及确定备取行为意图信息和变更训练平台行为数据标记间的第二质量评估因子。
对拟推理训练平台行为数据进行前置操作是对拟推理训练平台行为数据进行预处理的过程,例如对拟推理训练平台行为数据进行缺失弥补,对不完整的数据进行填补,得到对于拟推理训练平台行为数据进行缺失弥补后的变更训练平台行为数据,或者对拟推理训练平台行为数据错误之处进行修改更正,得到变更训练平台行为数据,此外,可以对变更训练平台行为数据进行标记得到变更训练平台行为数据标记。平台行为数据归纳模块的数量不做限定,可以是一个或多个。
因此,通过合并质量评估因子对拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,获得调校完成的知识字段挖掘网络的过程可以包括:服务器基于合并质量评估因子和第二质量评估因子对拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络。
作为一种实施方式,基于合并质量评估因子和第二质量评估因子对拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络的过程可以包括:将合并质量评估因子和第二质量评估因子相加获得总质量评估因子,基于总质量评估因子对拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络。
若变更训练平台行为数据包括对于拟推理训练平台行为数据进行缺失弥补后的变更训练平台行为数据,平台行为数据归纳模块包括第一平台行为数据归纳模块和第二平台行为数据归纳模块,备取行为意图信息包括第一备取行为意图信息和第二备取行为意图信息。那么,本申请实施例中,依据变更训练平台行为数据,通过拟调校的知识字段挖掘网络的平台行为数据归纳模块对变更训练平台行为数据进行归纳,得到变更训练平台行为数据的备取行为意图信息的过程可以包括以下步骤:依据缺失弥补后的变更训练平台行为数据,通过拟调校的知识字段挖掘网络的第一平台行为数据归纳模块进行归纳(如进行分类操作),获得目标变更训练平台行为数据的第一备取行为意图信息,依据缺失弥补后的变更训练平台行为数据,通过拟调校的知识字段挖掘网络的第二平台行为数据归纳模块进行归纳,得到变更训练平台行为数据的第二备取行为意图信息。,其中第一备取行为意图信息用于指示目标变更训练平台行为数据对于拟推理训练平台行为数据的行为意图信息,目标变更训练平台行为数据为变更训练平台行为数据中和拟推理训练平台行为数据关联的平台行为数据,目标变更训练平台行为数据可以表示变更训练平台行为数据中和拟推理训练平台行为数据之间的共性度量结果最大的平台行为数据,换言之,若变更训练平台行为数据和拟推理训练平台行为数据之间的共性度量结果最大,那么可以认为变更训练平台行为数据和拟推理训练平台行为数据相匹配或相对应。本申请实施例中,基于第一平台行为数据归纳模块对变更训练平台行为数据进行归纳,第一平台行为数据归纳模块的一个行为意图信息为对于拟推理训练平台行为数据的行为意图信息,如此,可以在第一平台行为数据归纳模块归纳之后获得的多个行为意图信息中挖掘到目标变更训练平台行为数据对于拟推理训练平台行为数据的行为意图信息,即第一备取行为意图信息。第一平台行为数据归纳模块可以和第二平台行为数据归纳模块不一致。
第二备取行为意图信息用于指示变更训练平台行为数据对于缺失弥补后的行为意图信息,换言之,可以基于第二平台行为数据归纳模块对变更训练平台行为数据进行归纳,那么第二平台行为数据归纳模块的行为意图信息可以是平台行为数据的完善度。
步骤SA300:基于候选行为知识字段和基准行为知识字段,通过预设方式对候选物联网平台行为数据进行归纳,得到候选物联网平台行为数据在各个所述预设方式下对于每一行为意图信息的归纳结果。
其中,基于候选行为知识字段和基准行为知识字段,通过预设方式对候选物联网平台行为数据进行归纳,得到候选物联网平台行为数据在各个所述预设方式下对于每一行为意图信息的归纳结果,具体可以包括:
服务器通过预设方式确定候选行为知识字段和基准行为知识字段之间的共性度量结果,得到各个所述预设方式下候选物联网平台行为数据和每一行为意图信息对应的基准物联网平台行为数据之间的目标共性度量结果,将目标共性度量结果作为归纳结果。举例而言,预设方式包括第一预设方式和第二预设方式,通过第一预设方式确定候选行为知识字段和基准行为知识字段之间的共性度量结果,得到第一预设方式下候选物联网平台行为数据和每一行为意图信息对应的基准物联网平台行为数据之间的目标共性度量结果,通过第二预设方式确定候选行为知识字段和基准行为知识字段之间的共性度量结果,得到第二预设方式下候选物联网平台行为数据和每一行为意图信息对应的基准物联网平台行为数据之间的目标共性度量结果。
步骤SA400:基于候选物联网平台行为数据在各个预设方式下对于每一行为意图信息的归纳结果,确定候选物联网平台行为数据的行为意图信息。
其中,基于候选物联网平台行为数据在各个所述预设方式下对于每一行为意图信息的归纳结果,确定候选物联网平台行为数据的行为意图信息的过程具体可以包括如下步骤:
步骤SA401:对于每一行为意图信息,将各个预设方式对应的归纳结果进行合并,得到行为意图信息对应的目标归纳结果。
该归纳结果可以通过数值来进行呈现,那么可以将各个所述预设方式对应的归纳结果进行加权,使得将各个所述预设方式对应的归纳结果进行合并,比如以下过程:获取各个预设方式对应的偏心因子(即被赋予的不同的比例系数、权值),通过偏心因子将各个预设方式对应的归纳结果进行合并,得到行为意图信息对应的目标归纳结果。偏心因子是调校完成的知识字段挖掘网络经过重复调校后获得的系数。此外,还可以将各个预设方式对应的归纳结果相加,以将各个所述预设方式对应的归纳结果进行合并。
步骤SA402:基于行为意图信息对应的目标归纳结果确定候选物联网平台行为数据的行为意图信息。
目标归纳结果可以通过数值的方式来呈现,每个行为意图信息都对应有目标归纳结果,可以在目标归纳结果中确定出最大的目标归纳结果,其对应的行为意图信息即候选物联网平台行为数据的行为意图信息。本申请实施例中,可以获取候选物联网平台行为数据和基准物联网平台行为数据序列,基准物联网平台行为数据序列包括一个或多个行为意图信息对应的基准物联网平台行为数据,对候选物联网平台行为数据进行知识字段挖掘,得到候选行为知识字段,并对基准物联网平台行为数据进行知识字段挖掘,得到基准物联网平台行为数据的基准行为知识字段,基于候选行为知识字段和基准行为知识字段,通过预设方式对候选物联网平台行为数据进行归纳得到候选物联网平台行为数据在各个所述预设方式下对于每一行为意图信息的归纳结果,基于候选物联网平台行为数据在各个所述预设方式下对于每一行为意图信息的归纳结果,确定候选物联网平台行为数据的行为意图信息。因为可以基于归纳得到的各个所述预设方式下对于每一行为意图信息的归纳结果,得到候选物联网平台行为数据的行为意图信息,那么可以同时衡量不同预设方式对应的归纳结果,增加候选物联网平台行为数据在归纳时的精确可靠。
基于上述介绍的内容,在另一实施例中对本申请实施例提供的业务大数据挖掘方法进行更细致的介绍,其包括以下步骤SA1000~8000:
步骤SA1000:服务器获取训练平台行为数据集。
训练平台行为数据集包括注释行为意图信息标记对应的拟推理训练平台行为数据样本和一个或多个行为意图信息对应的标准训练平台行为数据,拟调校的知识字段挖掘网络的调校过程中,包括元学习任务和协同任务,其中,元学习任务解决Novel class样本量少的问题。
步骤SA2000:服务器通过拟调校的知识字段挖掘网络对拟推理训练平台行为数据进行知识字段挖掘,得到拟推理训练平台行为数据的业务知识字段,并通过拟调校的知识字段挖掘网络对标准训练平台行为数据进行知识字段挖掘,得到标准训练平台行为数据业务知识字段。
本申请实施例依据元学习任务,通过拟调校的知识字段挖掘网络对拟推理训练平台行为数据进行知识字段挖掘,得到拟推理训练平台行为数据的业务知识字段,并通过拟调校的知识字段挖掘网络对标准训练平台行为数据进行知识字段挖掘,得到标准训练平台行为数据业务知识字段,拟调校的知识字段挖掘网络可以通过一共享结构Back bone对拟推理训练平台行为数据进行深度知识字段挖掘,得到拟推理训练平台行为数据的业务知识字段,拟调校的知识字段挖掘网络通过共享结构Backbone对标准训练平台行为数据进行深度知识字段挖掘,得到标准训练平台行为数据业务知识字段,其中,共享结构Back bone可以是残差网络。
步骤SA3000:服务器基于拟推理训练平台行为数据的业务知识字段和标准训练平台行为数据业务知识字段,通过拟调校的知识字段挖掘网络依据预设方式对拟推理训练平台行为数据进行推理,得到拟推理训练平台行为数据的行为意图信息序列。
行为意图信息序列包括各个预设方式对应的目标行为意图信息,基于拟推理训练平台行为数据的业务知识字段和标准训练平台行为数据业务知识字段,通过拟调校的知识字段挖掘网络依据预设方式对拟推理训练平台行为数据进行推理,得到拟推理训练平台行为数据的行为意图信息序列的过程包括如下步骤:
服务器通过拟调校的知识字段挖掘网络,依据预设方式确定拟推理训练平台行为数据的业务知识字段和标准训练平台行为数据业务知识字段之间的共性度量结果,得到各个预设方式下拟推理训练平台行为数据和标准训练平台行为数据之间的备取共性度量结果,基于备取共性度量结果确定各个预设方式下拟推理训练平台行为数据的目标行为意图信息,基于各个预设方式下拟推理训练平台行为数据的目标行为意图信息,生成拟推理训练平台行为数据的行为意图信息序列,预设方式可以包括如各类向量距离计算的方式,此处不做赘述。例如可以将拟推理训练平台行为数据的业务知识字段和标准训练平台行为数据业务知识字段在维数通道融合(如拼接),将融合结果通过余弦距离计算得到拟推理训练平台行为数据和标准训练平台行为数据之间的备取共性度量结果。
若行为意图信息对应的标准训练平台行为数据包括多组,则可以基于拟调校的知识字段挖掘网络对具有多组标准训练平台行为数据的行为意图信息对应的全部标准训练平台行为数据进行知识字段挖掘,获得该行为意图信息下的每个标准训练平台行为数据对应的备取标准训练平台行为数据业务知识字段,再对该行为意图信息下的每个标准训练平台行为数据的备取标准训练平台行为数据业务知识字段进行合并,以得到该行为意图信息下标准训练平台行为数据的标准训练平台行为数据业务知识字段。
举例而言,行为意图信息X中的标准训练平台行为数据包括xa、xb、xc,通过拟调校的知识字段挖掘网络对行为意图信息X中的标准训练平台行为数据进行知识字段挖掘,获得xa对应的备取标准训练平台行为数据业务知识字段Vector(xa),xb对应的备取标准训练平台行为数据业务知识字段Vector(xb),xc对应的备取标准训练平台行为数据业务知识字段Vector(xc),再确定该行为意图信息下全部备取标准训练平台行为数据业务知识字段的平均数,从而获得业务知识字段Vector(X),Vector(X)=(Vector(xa)+Vector(xb)+Vector(xc))/3。
那么,本申请实施例获得各个预设方式下拟推理训练平台行为数据和标准训练平台行为数据之间的备取共性度量结果,备取共性度量结果可以通过数值的方式进行呈现(例如百分比数值),获得的各个预设方式下的拟推理训练平台行为数据对于每一行为意图信息的备取共性度量结果,例如确定的拟推理训练平台行为数据的归纳结果为 (A;B;C),A为方式一下的拟推理训练平台行为数据对于每个行为意图信息的备取共性度量结果,B为方式二下的拟推理训练平台行为数据对于每个行为意图信息的备取共性度量结果,C为方式三下的拟推理训练平台行为数据对于每个行为意图信息的备取共性度量结果,方式一、方式二和方式三为不同的向量距离计算方式,设行为意图信息包括行为意图信息A、行为意图信息B和行为意图信息C,确定得到方式一下的拟推理训练平台行为数据对于每个行为意图信息的备取共性度量结果,A=(40%;60%;80%),40%为拟推理训练平台行为数据对于行为意图信息A的备取共性度量结果,60%为拟推理训练平台行为数据对于行为意图信息B的备取共性度量结果,80%为拟推理训练平台行为数据对于行为意图信息C的备取共性度量结果。对于各个预设方式,从预设方式下拟推理训练平台行为数据对于每个行为意图信息的备取共性度量结果中确定出最大数的备取共性度量结果,即为共性度量结果最高的备取共性度量结果,那么最大的备取共性度量结果对应的行为意图信息即该预设方式下,拟推理训练平台行为数据的目标行为意图信息。上述例子中,预设方式为方式一,A=(40%,60%,80%),80%为最大的备取共性度量结果,80%是行为意图信息C的备取共性度量结果,则行为意图信息C为方式一下的拟推理训练平台行为数据的目标行为意图信息。
步骤SA4000:服务器基于各个预设方式对应的目标行为意图信息和行为意图信息标记,对拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络。
基于各个预设方式对应的目标行为意图信息和行为意图信息标记,对拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络可以包括:服务器确定各个预设方式对应的目标行为意图信息和行为意图信息标记之间的第一质量评估因子,对第一质量评估因子进行合并得到合并质量评估因子,基于合并质量评估因子对拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络。例如,可以将全部第一质量评估因子进行合并,若预设方式包括方式一、方式二和方式三,那么对第一质量评估因子进行合并得到合并质量评估因子可以参考以下公式:
loss-sum=v1·loss1+v2·loss2+v3·loss3+p1+p2+p3
loss-sum为合并质量评估因子,loss1为方式一对应的第一质量评估因子,loss2为方式二对应的第一质量评估因子,loss3为方式三对应的第一质量评估因子,v1为方式一对应的第一质量评估因子的损失偏心因子,v2为方式二对应的第一质量评估因子的损失偏心因子,v3为方式三对应的第一质量评估因子的损失偏心因子,p1为方式一对应的调节参数,p2为方式二对应的调节参数,p3为方式三对应的调节参数。
另外,出于令调校完成的知识字段挖掘网络增加对候选物联网平台行为数据归纳结果的精确可靠的考量,可以采用协同任务(辅助)对拟调校的知识字段挖掘网络进行调校,通过协同任务对拟调校的知识字段挖掘网络进行调校的可以包括如下步骤:
服务器对拟推理训练平台行为数据进行前置操作,得到变更训练平台行为数据,基于变更训练平台行为数据,通过拟调校的知识字段挖掘网络的平台行为数据归纳模块对变更训练平台行为数据进行归纳,得到变更训练平台行为数据的备取行为意图信息,获取变更训练平台行为数据对应的变更训练平台行为数据标记,以及确定备取行为意图信息和变更训练平台行为数据标记间的第二质量评估因子。
对拟推理训练平台行为数据进行前置操作可以是对拟推理训练平台行为数据进行缺失弥补或修正,得到缺失弥补或修正后的变更训练平台行为数据,变更训练平台行为数据包括各弥补修正类型或弥补修正位置的变更训练平台行为数据。
之后,知识字段挖掘网络利用共享结构Back bone对变更训练平台行为数据进行深度知识字段挖掘,得到变更训练平台行为数据对应的变更训练平台行为数据业务知识字段,应用在元学习任务的共享结构Backbone和应用在协同任务的共享结构Back bone都是统一处理模块——共享神经网络,如此,统一共享减少了运算开销,提升调校的效率。基于变更训练平台行为数据业务知识字段,通过拟调校的知识字段挖掘网络的平台行为数据归纳模块对变更训练平台行为数据进行归纳,得到变更训练平台行为数据的备取行为意图信息。
将变更训练平台行为数据业务知识字段加载至拟调校的知识字段挖掘网络的线性模块后,通过平台行为数据归纳模块对变更训练平台行为数据进行归纳。该平台行为数据归纳模块可以包含第一平台行为数据归纳模块和第二平台行为数据归纳模块,备取行为意图信息包括第一备取行为意图信息和第二备取行为意图信息,如此,依据变更训练平台行为数据,通过拟调校的知识字段挖掘网络的平台行为数据归纳模块对变更训练平台行为数据进行归纳,得到变更训练平台行为数据的备取行为意图信息的过程可以包括:
步骤SA4100:基于缺失弥补后的变更训练平台行为数据,通过拟调校的知识字段挖掘网络的第一平台行为数据归纳模块进行归纳,得到目标变更训练平台行为数据的第一备取行为意图信息。
第一备取行为意图信息用于指示目标变更训练平台行为数据对于拟推理训练平台行为数据的行为意图信息,目标变更训练平台行为数据为变更训练平台行为数据中与拟推理训练平台行为数据关联的平台行为数据。
步骤SA4200:基于缺失弥补后的变更训练平台行为数据,通过拟调校的知识字段挖掘网络的第二平台行为数据归纳模块进行归纳,得到变更训练平台行为数据的第二备取行为意图信息。
第二备取行为意图信息用于指示变更训练平台行为数据对于缺失弥补后的行为意图信息,第二平台行为数据归纳模块通过自监督学习调校。
综上,可以将元学习任务得到的拟推理训练平台行为数据的归纳结果(A,B,C),和协同任务得到的第一备取行为意图信息、第二备取行为意图信息加载至拟调校的知识字段挖掘网络的代价获取模块确定质量评估因子。通过拟推理训练平台行为数据的归纳结果(A,B,C)确定的质量评估因子即前述合并质量评估因子loss-sum。
第二质量评估因子包括第一备取质量评估因子和第二备取质量评估因子,变更训练平台行为数据标记包括第一变更训练平台行为数据标记和第二变更训练平台行为数据标记,确定第一变更训练平台行为数据标记和第一备取行为意图信息之间的第一备取质量评估因子,并确定第二变更训练平台行为数据标记和第二备取行为意图信息之间的第二备取质量评估因子,根据合并质量评估因子和第二质量评估因子,对拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络,换言之,可以对合并质量评估因子、第一备取质量评估因子和第二备取质量评估因子进行合并(融合),得到合并后质量评估因子,基于合并后的质量评估因子对拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络。
本申请实施例中,基于以上过程,可以协调元学习任务和协同任务,令调校完成的知识字段挖掘网络具备优秀的深度知识归纳性能,提升调校完成的知识字段挖掘网络对平台行为数据归纳结果的精确可靠。
步骤SA5000:服务器获取候选物联网平台行为数据和基准物联网平台行为数据序列。
基准物联网平台行为数据序列包括一个或多个行为意图信息对应的基准物联网平台行为数据。
步骤SA6000:服务器通过调校完成的知识字段挖掘网络对候选物联网平台行为数据进行知识字段挖掘,得到候选行为知识字段,以及采用调校完成的知识字段挖掘网络对基准物联网平台行为数据进行知识字段挖掘,得到基准物联网平台行为数据的基准行为知识字段。
步骤SA7000:服务器基于候选行为知识字段和基准行为知识字段,通过预设方式对候选物联网平台行为数据进行归纳,得到候选物联网平台行为数据在各个所述预设方式下对于每一行为意图信息的归纳结果。
基于候选行为知识字段和基准行为知识字段,通过预设方式对候选物联网平台行为数据进行归纳,得到候选物联网平台行为数据在各个所述预设方式下对于每一行为意图信息的归纳结果的具体过程包括:
基于调校完成的知识字段挖掘网络通过预设方式确定候选行为知识字段和基准行为知识字段之间的共性度量结果,得到各个预设方式下候选物联网平台行为数据和每个行为意图信息对应的基准物联网平台行为数据间的目标共性度量结果,将目标共性度量结果确定为归纳结果。
步骤SA8000:服务器基于候选物联网平台行为数据在各个所述预设方式下的对于每个行为意图信息的归纳结果,确定候选物联网平台行为数据的行为意图信息。
基于候选物联网平台行为数据在各个所述预设方式下对于每各行为意图信息的归纳结果,确定候选物联网平台行为数据的行为意图信息的过程包括:服务器对于每各行为意图信息,将各个预设方式对应的归纳结果进行合并,得到行为意图信息对应的目标归纳结果,基于行为意图信息对应的目标归纳结果,确定候选物联网平台行为数据的行为意图信息。
对于每个行为意图信息,将各个所述预设方式对应的归纳结果进行合并,得到行为意图信息对应的目标归纳结果的过程具体包括:服务器获取各个所述预设方式对应的偏心因子,基于偏心因子将各个预设方式对应的归纳结果进行合并,得到行为意图信息对应的目标归纳结果,偏心因子是调校完成的知识字段挖掘网络通过重复调校获得的系数。
例如可以将方式一的第一质量评估因子的偏心因子v1、方式二的第一质量评估因子的偏心因子v2、方式三的第一质量评估因子的偏心因子v3采用标准化处理获得v1对应的偏心因子u1, v2对应的偏心因子u2,以及v3对应的偏心因子u3。归纳结果可以涵盖目标共性度量结果,那么基于偏心因子,将各个预设方式对应的归纳结果进行合并,得到行为意图信息对应的目标归纳结果可以参考如下公式:
R=u1·A1+u2·A2+u3·A3
其中,R为目标归纳结果,A1为方式一下的候选物联网平台行为数据对于每个行为意图信息的目标共性度量结果,A2为方式二下的候选物联网平台行为数据对于每个行为意图信息的目标共性度量结果,A3为方式三下的候选物联网平台行为数据对于每个行为意图信息的目标共性度量结果。
接上述举例,行为意图信息包括行为意图信息A、行为意图信息B和行为意图信息C,确定获得方式一下候选物联网平台行为数据对于每一行为意图信息的目标共性度量结果,A1=(40%,60%,80%),40%为候选物联网平台行为数据对于行为意图信息A的目标共性度量结果,60%为候选物联网平台行为数据对于行为意图信息B的目标共性度量结果,80%为候选物联网平台行为数据对于行为意图信息C的目标共性度量结果。B=(40%,50%,60%),C=(40%,50%,60%),将A、B、C合并融合得到R=(90%,80%,70%),因为90%最大,则90%对应的行为意图信息A为候选物联网平台行为数据的行为意图信息。
本申请实施例中,通过候选物联网平台行为数据和基准物联网平台行为数据序列,基准物联网平台行为数据序列包括一个或多个行为意图信息对应的基准物联网平台行为数据,对候选物联网平台行为数据进行知识字段挖掘,获得候选行为知识字段,并对基准物联网平台行为数据进行知识字段挖掘,获得基准物联网平台行为数据的基准行为知识字段,基于候选行为知识字段和基准行为知识字段,通过预设方式对候选物联网平台行为数据进行归纳,获得候选物联网平台行为数据在各个所述预设方式下对于每个行为意图信息的归纳结果,基于候选物联网平台行为数据在各个所述预设方式下对于每个行为意图信息的归纳结果,确定候选物联网平台行为数据的行为意图信息,因为本申请实施例可以基于归纳获得的各个所述预设方式下对于每个行为意图信息的归纳结果,确定出候选物联网平台行为数据的行为意图信息,则可以衡量不同预设方式对应的归纳结果,对候选物联网平台行为数据的归纳结果更加精确可靠,此外,本申请实施例中,能够在每个行为意图信息对应的基准物联网平台行为数据较少时,拥有对候选物联网平台行为数据较高的归纳结果的精度。
图2示意性地示出了可被用于实现本申请中所述的各个实施例的基于物联网平台行为数据挖掘的信息推荐系统100。
对于一个实施例,图2示出了基于物联网平台行为数据挖掘的信息推荐系统100,该基于物联网平台行为数据挖掘的信息推荐系统100具有多个处理器102、被耦合到(多个)处理器102中的至少一个的控制模块(芯片组)104、被耦合到控制模块104的存储器106、被耦合到控制模块104的非易失性存储器(NVM)/存储设备108、被耦合到控制模块104的多个输入/输出设备110,和被耦合到控制模块106的网络接口112。
处理器102可包括多个单核或多核处理器,处理器102可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些实施例中,基于物联网平台行为数据挖掘的信息推荐系统100能够作为本申请实施例中所述网关等服务器设备。
在一些实施例中,基于物联网平台行为数据挖掘的信息推荐系统100可包括具有指令114的多个计算机可读介质(例如,存储器106或NVM/存储设备108)和与该多个计算机可读介质相合并被配置为执行指令114以实现模块从而执行本公开中所述的动作的多个处理器102。
对于一个实施例,控制模块104可包括任意适当的接口控制器,以向(多个)处理器102中的一个或多个和/或与控制模块104通信的任意适当的设备或组件提供任意适当的接口。
控制模块104可包括存储器控制器模块,以向存储器106提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
存储器106可被用于例如为基于物联网平台行为数据挖掘的信息推荐系统100加载和存储数据和/或指令114。对于一个实施例,存储器106可包括任意适当的易失性存储器,例如,适当的DRAM。在一些实施例中,存储器106可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例,控制模块104可包括多个输入/输出控制器,以向NVM/存储设备108及(多个)输入/输出设备110提供接口。
例如,NVM/存储设备108可被用于存储数据和/或指令114。NVM/存储设备108可包括任意适当的非易失性存储器(例如,闪存)和/或可包括任意适当的(多个)非易失性存储设备(例如,多个硬盘驱动器(HDD)、多个光盘(CD)驱动器和/或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备108可包括在物理上作为基于物联网平台行为数据挖掘的信息推荐系统100被安装在其上的设备的一部分的存储资源,或者其可被该设备访问可不必作为该设备的一部分。例如,NVM/存储设备108可结合网络经由(多个)输入/输出设备110进行访问。
(多个)输入/输出设备110可为基于物联网平台行为数据挖掘的信息推荐系统100提供接口以与任意其他适当的设备通信,输入/输出设备110可以包括通信组件、拼音组件、传感器组件等。网络接口112可为基于物联网平台行为数据挖掘的信息推荐系统100提供接口以依据多个网络通信,基于物联网平台行为数据挖掘的信息推荐系统100可根据多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的多个组件进行无线通信,例如接入基于通信标准的无线网络,如WiFi、2G、3G、4G、5G等,或它们的组合进行无线通信。
对于一个实施例,(多个)处理器102中的至少一个可与控制模块104的多个控制器(例如,存储器控制器模块)的逻辑封装在一起。对于一个实施例,(多个)处理器102中的至少一个可与控制模块104的多个控制器的逻辑封装在一起以形成系统级封装(SiP)。对于一个实施例,(多个)处理器102中的至少一个可与控制模块104的多个控制器的逻辑集成在同一模具上。对于一个实施例,(多个)处理器102中的至少一个可与控制模块104的多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。
在各个实施例中,基于物联网平台行为数据挖掘的信息推荐系统100可以但不限于是:服务器、台式计算设备或移动计算设备(例如,膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中,基于物联网平台行为数据挖掘的信息推荐系统100可具有更多或更少的组件和/或不同的架构。例如,在一些实施例中,基于物联网平台行为数据挖掘的信息推荐系统100包括多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
本申请实施例提供了一种电子设备,包括:多个处理器;和,其上存储有指令的多个机器可读介质,当由所述多个处理器执行时,使得所述电子设备执行如本申请中多个所述的数据处理方法。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、和流程图和/或方框图中的流程和/或方框的依据。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得依据计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例和落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (9)
1.一种基于物联网平台行为数据挖掘的信息推荐方法,其特征在于,应用于基于物联网平台行为数据挖掘的信息推荐系统,所述方法包括:
提取目标用户在预设时间段内产生的候选物联网平台行为数据的行为意图信息,并基于所述候选物联网平台行为数据的行为意图信息构建所述目标用户在所述预设时间段内的目标行为意图知识网络,所述目标行为意图知识网络包括多个行为意图,不同的行为意图通过行为链路构建网络邻接关系,所述行为链路用于表示不同的行为意图之间的行为跳转路径;
将所述目标行为意图知识网络所对应的知识网络数据输入到预先训练的潜在兴趣挖掘模型中,获得所述目标行为意图知识网络所对应的潜在兴趣点分布;
获取所述目标用户的物联网订阅特征数据,从所述潜在兴趣点分布中确定与所述物联网订阅特征数据对应的目标潜在兴趣点,并根据所述目标用户在物联网平台上的访问页面信息调取与所述目标潜在兴趣点对应的页面内容推荐信息,将所述页面内容推荐信息推送给所述目标用户所对应的物联网服务终端;
所述潜在兴趣挖掘模型的训练步骤,包括:
获取基础兴趣挖掘训练模型的参考知识网络数据;其中,所述参考知识网络数据携带有先验训练数据,所述先验训练数据用于表征所述参考知识网络数据的潜在兴趣点的兴趣点标注信息;
依据所述基础兴趣挖掘训练模型的模型参数层架构,配置第一目标训练单元;
基于所述参考知识网络数据和第二目标训练单元,获取所述第二目标训练单元对应的各预测兴趣点的兴趣聚类特征;其中,所述基础兴趣挖掘训练模型和所述第二目标训练单元为模型配置类别一致的训练模型;
基于所述各预测兴趣点的兴趣聚类特征,确定所述第一目标训练单元的全连接层参数信息;
基于所述参考知识网络数据和所述先验训练数据对所述第一目标训练单元进行遍历权重参数更新,调整所述第一目标训练单元的除所述全连接层参数信息之外的网络层权重参数。
2.根据权利要求1所述的基于物联网平台行为数据挖掘的信息推荐方法,其特征在于,所述参考知识网络数据为多个,所述基于所述参考知识网络数据和所述先验训练数据对所述第一目标训练单元进行遍历权重参数更新,调整所述第一目标训练单元的除所述全连接层参数信息之外的网络层权重参数,包括:
将各所述参考知识网络数据分别加载至所述基础兴趣挖掘训练模型和所述第一目标训练单元中,获取所述基础兴趣挖掘训练模型从各所述参考知识网络数据中分别解析的各第一兴趣描述编码和所述第一目标训练单元分别从各所述参考知识网络数据中解析的各第二兴趣描述编码;
基于所述参考知识网络数据的数量、所述预测兴趣点的兴趣点数量、每个所述第一兴趣描述编码、每个所述第二兴趣描述编码、所述先验训练数据和所述全连接层参数信息,配置训练效果评估函数;
以所述训练效果评估函数为训练评估依据,依据一阶最优化算法对所述第一目标训练单元进行遍历权重参数更新,调整所述第一目标训练单元的除所述全连接层参数信息之外的网络层权重参数,直到所述训练效果评估函数的结果匹配训练终止要求。
3.根据权利要求2所述的基于物联网平台行为数据挖掘的信息推荐方法,其特征在于,所述训练效果评估函数包括第一训练效果评估单元,所述配置训练效果评估函数,包括:
基于所述参考知识网络数据的数量、所述预测兴趣点的兴趣点数量,每个所述第二兴趣描述编码、所述先验训练数据、所述全连接层参数信息和设定的交叉熵评估函数,配置所述第一训练效果评估单元。
4.根据权利要求3所述的基于物联网平台行为数据挖掘的信息推荐方法,其特征在于,所述训练效果评估函数还包括第二训练效果评估单元,所述训练效果评估函数为所述第一训练效果评估单元与所述第二训练效果评估单元之和,在配置所述第一训练效果评估单元之后,还包括:
基于每个所述第一兴趣描述编码和所述先验训练数据,确定每个所述预测兴趣点中同一预测兴趣点的参考知识网络数据之间的第一特征关联代价,并确定每个所述预测兴趣点对应的预测阶段数;
基于每个所述预测兴趣点对应的预测阶段数和各所述第一特征关联代价,确定每个所述预测兴趣点对应的第一特征关联代价的平均特征关联代价;
基于每个所述第二兴趣描述编码和所述先验训练数据,确定每个所述预测兴趣点中同一预测兴趣点的参考知识网络数据之间的第二特征关联代价;
基于每个所述预测兴趣点对应的预测阶段数和各所述第二特征关联代价,确定每个所述预测兴趣点对应的第二特征关联代价的平均特征关联代价;
基于所述第一特征关联代价的平均特征关联代价、所述第二特征关联代价的平均特征关联代价和设定的L1训练效果评估函数,配置所述第二训练效果评估单元。
5.根据权利要求1所述的基于物联网平台行为数据挖掘的信息推荐方法,其特征在于,所述参考知识网络数据为多个,所述基于所述参考知识网络数据和第二目标训练单元,获取所述第二目标训练单元对应的各预测兴趣点的兴趣聚类特征,包括:
将各所述参考知识网络数据加载至所述第二目标训练单元中,获取所述第二目标训练单元从各所述参考知识网络数据中分别解析的各第三兴趣描述编码;
基于每个所述第三兴趣描述编码和所述先验训练数据,确定每个所述预测兴趣点中同一预测兴趣点对应的第三兴趣描述编码的第三平均特征关联代价,并将所述同一预测兴趣点对应的第三兴趣描述编码的第三平均特征关联代价作为所述第二目标训练单元对应的所述预测兴趣点的兴趣聚类特征。
6.根据权利要求5所述的基于物联网平台行为数据挖掘的信息推荐方法,其特征在于,所述基于所述各预测兴趣点的兴趣聚类特征,确定所述第一目标训练单元的全连接层参数信息,包括:
分别对所述各预测兴趣点的兴趣聚类特征进行转置;
将转置后的所述各预测兴趣点的兴趣聚类特征拼接成参数阵列;
将所述参数阵列作为所述第一目标训练单元的全连接层参数信息。
7.根据权利要求1-6中任意一项所述的基于物联网平台行为数据挖掘的信息推荐方法,其特征在于,所述提取目标用户在预设时间段内产生的候选物联网平台行为数据的行为意图信息的步骤,包括:
当接收到数据挖掘指令时,提取候选物联网平台行为数据和基准物联网平台行为数据序列,所述基准物联网平台行为数据序列包括一个或多个行为意图信息对应的基准物联网平台行为数据;
对所述候选物联网平台行为数据进行知识字段挖掘,得到候选行为知识字段,并对所述基准物联网平台行为数据进行知识字段挖掘,得到所述基准物联网平台行为数据的基准行为知识字段;
基于所述候选行为知识字段和所述基准行为知识字段,通过预设方式对所述候选物联网平台行为数据进行归纳,得到所述候选物联网平台行为数据在各个所述预设方式下对于每一所述行为意图信息的归纳结果;
基于所述候选物联网平台行为数据在各个所述预设方式下对于每一所述行为意图信息的归纳结果,得到所述候选物联网平台行为数据的行为意图信息。
8.根据权利要求7所述的基于物联网平台行为数据挖掘的信息推荐方法,其特征在于,所述候选行为知识字段和所述基准行为知识字段为通过预先调校好的知识字段挖掘网络进行知识字段挖掘得到的业务知识字段;
所述对所述候选物联网平台行为数据进行知识字段挖掘,得到候选行为知识字段,并对所述基准物联网平台行为数据进行知识字段挖掘,得到所述基准物联网平台行为数据的基准行为知识字段之前,还包括对所述知识字段挖掘网络进行调校的步骤,包括:
获取训练平台行为数据集,所述训练平台行为数据集包括注释行为意图信息标记对应的拟推理训练平台行为数据和一个或多个行为意图信息对应的标准训练平台行为数据;
通过拟调校的知识字段挖掘网络对所述拟推理训练平台行为数据进行知识字段挖掘,得到拟推理训练平台行为数据的业务知识字段,并通过拟调校的知识字段挖掘网络对所述标准训练平台行为数据进行知识字段挖掘,得到标准训练平台行为数据业务知识字段;
通过所述拟调校的知识字段挖掘网络,依据预设方式确定所述拟推理训练平台行为数据的业务知识字段和所述标准训练平台行为数据业务知识字段之间的共性度量结果,得到各个所述预设方式下所述拟推理训练平台行为数据和所述标准训练平台行为数据之间的备取共性度量结果;
通过备取共性度量结果,确定各个所述预设方式下所述拟推理训练平台行为数据的目标行为意图信息;
基于各个所述预设方式下所述拟推理训练平台行为数据的目标行为意图信息,得到所述拟推理训练平台行为数据的行为意图信息序列,所述行为意图信息序列包括各个所述预设方式对应的目标行为意图信息;
确定各个所述预设方式对应的目标行为意图信息和所述行为意图信息标记之间的第一质量评估因子;
对所述第一质量评估因子进行合并,得到合并质量评估因子;
基于所述合并质量评估因子,对所述拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络;
业务大数据挖掘方法所述基于所述合并质量评估因子,对所述拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络之前,所述方法还包括:
对所述拟推理训练平台行为数据进行前置操作,得到变更训练平台行为数据;
基于所述变更训练平台行为数据,通过所述拟调校的知识字段挖掘网络的平台行为数据归纳模块对所述变更训练平台行为数据进行归纳,得到所述变更训练平台行为数据的备取行为意图信息;
获取所述变更训练平台行为数据对应的变更训练平台行为数据标记,以及确定所述备取行为意图信息和所述变更训练平台行为数据标记之间的第二质量评估因子;
所述基于所述合并质量评估因子,对所述拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络,包括:
基于所述合并质量评估因子和所述第二质量评估因子,对所述拟调校的知识字段挖掘网络进行迭代调试直到符合预设条件,得到调校完成的知识字段挖掘网络。
9.一种基于物联网平台行为数据挖掘的信息推荐系统,其特征在于,所述基于物联网平台行为数据挖掘的信息推荐系统包括处理器和机器可读存储介质,该机器可读存储介质中存储有机器可执行指令,该机器可执行指令由该处理器加载并执行以实现权利要求1-8中任意一项所述的基于物联网平台行为数据挖掘的信息推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211177693.2A CN115270003B (zh) | 2022-09-27 | 2022-09-27 | 一种基于物联网平台行为数据挖掘的信息推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211177693.2A CN115270003B (zh) | 2022-09-27 | 2022-09-27 | 一种基于物联网平台行为数据挖掘的信息推荐方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115270003A CN115270003A (zh) | 2022-11-01 |
CN115270003B true CN115270003B (zh) | 2023-01-06 |
Family
ID=83756161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211177693.2A Active CN115270003B (zh) | 2022-09-27 | 2022-09-27 | 一种基于物联网平台行为数据挖掘的信息推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115270003B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115712614B (zh) * | 2022-11-07 | 2023-07-07 | 航科广软(广州)数字科技有限公司 | 基于数据传输流控制的信息处理方法及系统 |
CN116578781B (zh) * | 2023-04-28 | 2023-10-24 | 北京天译科技有限公司 | 应用神经网络算法的气象服务推送方法及服务器 |
CN116245260B (zh) * | 2023-05-12 | 2023-08-08 | 国网吉林省电力有限公司信息通信公司 | 基于变电站资源部署5g基站的优化方法 |
CN116629252B (zh) * | 2023-07-21 | 2023-09-26 | 无锡小净共享网络科技有限公司 | 基于物联网的远程参数自适应性配置方法及系统 |
CN116881851B (zh) * | 2023-09-04 | 2023-12-19 | 成都无声讯通科技有限责任公司 | 基于机器学习的物联网数据处理方法、装置及服务器 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10185934B2 (en) * | 2013-07-09 | 2019-01-22 | Qualcomm Incorporated | Real-time context aware recommendation engine based on a user internet of things environment |
CN106844585A (zh) * | 2017-01-10 | 2017-06-13 | 广东精规划信息科技股份有限公司 | 一种基于多源物联网位置感知的时空关系分析系统 |
CN113392330B (zh) * | 2021-08-17 | 2021-10-26 | 湖南轻悦健康管理有限公司 | 一种基于互联网行为的大数据处理方法及系统 |
CN114896454B (zh) * | 2022-07-12 | 2022-09-27 | 长沙美哒网络科技有限公司 | 一种基于标签分析的短视频数据推荐方法及系统 |
-
2022
- 2022-09-27 CN CN202211177693.2A patent/CN115270003B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115270003A (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115270003B (zh) | 一种基于物联网平台行为数据挖掘的信息推荐方法及系统 | |
CN111144937B (zh) | 广告素材确定方法、装置、设备及存储介质 | |
CN111460290B (zh) | 信息的推荐方法、装置、设备和存储介质 | |
CN111611797B (zh) | 基于Albert模型的预测数据标注的方法、装置及设备 | |
CN114896454B (zh) | 一种基于标签分析的短视频数据推荐方法及系统 | |
AU2017239592A1 (en) | Deep temporal preserving recurrent neural network for video representation learning | |
US20110022365A1 (en) | Multi-objective optimization design support apparatus and method | |
CN110457578A (zh) | 一种客服服务需求识别方法及装置 | |
CN107798332B (zh) | 一种用户行为预测方法及装置 | |
Song | Web service reliability prediction based on machine learning | |
CN111191797A (zh) | 信息处理方法、装置、电子设备及存储介质 | |
US9454457B1 (en) | Software test apparatus, software test method and computer readable medium thereof | |
CN117175664A (zh) | 基于使用场景的储能充电设备输出功率自适应调节系统 | |
CN116502596A (zh) | 芯片功耗评估方法、功耗模型的生成方法和计算机设备 | |
CN116881851B (zh) | 基于机器学习的物联网数据处理方法、装置及服务器 | |
CN110532458B (zh) | 一种查找方式的确定方法、确定装置、服务器及存储介质 | |
CN115145391B (zh) | 一种基于ai深度学习的虚拟现实跑步机自适应方法及系统 | |
CN112308644A (zh) | 一种描述信息的处理方法及装置 | |
CN111797614A (zh) | 文本处理方法及装置 | |
CN110502715B (zh) | 点击概率的预测方法及装置 | |
CN112801406A (zh) | 数据处理方法及装置、计算设备 | |
CN107705159A (zh) | 存量房估价方法及装置 | |
CN110032498B (zh) | 一种用户app行为的预测方法 | |
CN116881543A (zh) | 金融资源对象推荐方法、装置、设备、存储介质和产品 | |
CN116343955A (zh) | 基于纳米材料的参数预测方法和装置、处理器及电子设备 |
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 |