CN115641176A - 一种数据分析方法及ai系统 - Google Patents

Abstract

本申请涉及数据分析与人工智能技术领域，具体而言，涉及一种数据分析方法及AI系统。本申请提供的一种数据分析方法及AI系统，通过挖掘分析范围的互动事件分析指示，并将电商数据标签的第一数据要素加载至互动事件分析指示中，使得在通过人工智能分类线程对多个关键交互数据分类进行分类的过程中，不需要重复挖掘识别范围来来识别电商数据标签的第一数据要素，削弱了针对识别范围的操作，从最终分类得到的各个电商数据标签中筛选关键交互数据，以得到多个关键交互数据的筛选结果；结合筛选结果和互动事件分析指示，确定电商数据分析结果；这样一来，能够更加准确的获得分析结果，提高了点数数据的分析效率。

Description

一种数据分析方法及AI系统

技术领域

本申请涉及数据分析与人工智能技术领域，具体而言，涉及一种数据分析方法及AI系统。

背景技术

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。

现目前，在数据分析过程中，由于数据的种类和数据量太多，从而导致AI系统超负荷的工作，使AI系统工作效率降低且数据分析准确性不高等问题。因此，亟需一种技术方案以改善上述技术问题。

发明内容

为改善相关技术中存在的技术问题，本申请提供了一种数据分析方法及AI系统。

第一方面，提供一种数据分析方法，所述方法至少包括：获得电子商务数据集中的多个关键交互数据；通过所述多个关键交互数据，事先配置分析范围的互动事件分析指示；通过人工智能分类线程将所述多个关键交互数据聚类到一个或者多个电商数据标签，并将所述电商数据标签的第一数据要素加载至所述互动事件分析指示中，其中，所述电商数据标签的第一数据要素包括所述电商数据标签对应的关键交互数据的描述关联的据；从最终分类得到的各个电商数据标签中筛选所述关键交互数据，以得到所述多个关键交互数据的筛选结果；结合所述筛选结果和所述互动事件分析指示，确定电商数据分析结果。

在一种独立实施的实施例中，所述通过所述多个关键交互数据，事先配置分析范围的互动事件分析指示，包括：基于目标筛选关键交互数据向量，确定目标电商数据标签分类数目，其中，所述目标筛选关键交互数据向量为需从所述多个关键交互数据中筛选的关键交互数据数目，所述目标电商数据标签分类数目为最终分类得到的电商数据标签的数目；为所述多个关键交互数据识别权重与所述目标电商数据标签分类数目关联的互动事件分析指示。

在一种独立实施的实施例中，所述通过人工智能分类线程将所述多个关键交互数据聚类到一个或者多个电商数据标签，并将所述电商数据标签的第一数据要素加载至所述互动事件分析指示中，包括：将所述多个关键交互数据的局部或全局关键交互数据分类至一电商数据标签，并将所述电商数据标签的第一数据要素加载至互动事件分析指示中；按照一定分布矩阵对所述互动事件分析指示的各个所述电商数据标签执行分类步骤，直到所述互动事件分析指示不再符合第一条件；其中，所述分类步骤包括：将所述电商数据标签确定为全局电商数据标签，并将所述全局电商数据标签对应的关键交互数据聚类到一个或者多个新的电商数据标签，将所述新的电商数据标签的第一数据要素加载至互动事件分析指示中。

在一种独立实施的实施例中，与当前执行的所述电商数据标签属于同一全局电商数据标签的剩余电商数据标签的执行分布矩阵先于由当前执行的电商数据标签分类得到的电商数据标签的执行 分布矩阵；和/或，所述按照一定分布矩阵对所述互动事件分析指示的各个所述电商数据标签执行分类步骤，包括：对于属于同一所述全局电商数据标签的局部电商数据标签，结合所述局部电商数据标签对应的关键交互数据数目确定所述局部电商数据标签的局部电商数据标签执行分布矩阵，结合所述局部电商数据标签执行分布矩阵对所述局部电商数据标签执行分类步骤，其中，所述局部电商数据标签为所述全局电商数据标签分类得到的电商数据标签；和/或，在所述将所述全局电商数据标签对应的关键交互数据聚类到一个或者多个新的电商数据标签之后，所述方法还包括：将属于同一所述全局电商数据标签的电商数据标签之间进行关联分析处理，且使位于最终关联分析的电商数据标签指向于所述全局电商数据标签指向的电商数据标签，使指向所述全局电商数据标签的电商数据标签优化指向于位于初始关联分析的电商数据标签；其中，所述电商数据标签的指向用于确定所述电商数据标签的执行分布矩阵。

在一种独立实施的实施例中，所述将所述新的电商数据标签的第一数据要素加载至互动事件分析指示中，包括：将其中一所述新的电商数据标签的所述第一数据要素遮挡所述全局电商数据标签的第一数据要素进行识别，其余所述新的电商数据标签的所述第一数据要素加载至所述互动事件分析指示中的其余识别集合中。

在一种独立实施的实施例中，所述将所述电商数据标签确定为全局电商数据标签，包括：在所述电商数据标签对应的关键交互数据数目符合第二条件的前提下，将所述电商数据标签确定为全局电商数据标签；和/或，所述将所述全局电商数据标签对应的关键交互数据聚类到一个或者多个新的电商数据标签，包括：将所述全局电商数据标签对应的全局范围分类为第一数目为局部范围，其中，所述全局范围为所述全局电商数据标签对应的关键交互数据在电子商务数据集中的范围；在所述局部范围中的关键交互数据数目符合第三条件的前提下，为所述局部范围生成对应的局部电商数据标签，其中所述局部电商数据标签对应的关键交互数据为所述局部范围中的关键交互数据；在所局部范围的关键交互数据数目不符合第三条件的前提下，不为所述局部范围生成对应的局部电商数据标签。

在一种独立实施的实施例中，所述第一条件为所述互动事件分析指示中的当前识别电商数据标签数少于目标电商数据标签分类数目；所述第二条件为所述电商数据标签对应的关键交互数据数目超过第一目标值；所述第三条件为所述局部范围中的关键交互数据数目超过第二目标值。

在一种独立实施的实施例中，所述将所述多个关键交互数据的局部或全局关键交互数据分类至一电商数据标签，包括：将所述电子商务数据集中除指定约束条件范围以外的范围确定为异常范围；将所述异常范围中的所述关键交互数据分类至一电商数据标签；和/或，所述按照一定分布矩阵对所述互动事件分析指示的各个所述电商数据标签执行分类步骤，直到所述互动事件分析指示不再符合第一条件的步骤，是在解析到当前分类的电商数据标签所对应的描述数超过目标筛选关键交互数据向量的前提下执行的。

在一种独立实施的实施例中，在所述获得电子商务数据集中的多个关键交互数据之后，所述方法还包括：为所述多个关键交互数据挖掘描述识别范围，并将所述多个关键交互数据的第二数据要素加载至描述识别范围中；其中，所述电商数据标签对应的描述信息包括所述电商数据标签对应的关键交互数据在所述描述识别范围的识别定位。

在一种独立实施的实施例中，所述电商数据标签对应的关键交互数据的描述关联的据包括所述电商数据标签对应的关键交互数据在所述描述识别范围中的起始识别定位和结束识别定位，所述方法还包括：每次将所述关键交互数据聚类到所述电商数据标签之后，调试所述描述识别范围中所述第二数据要素的识别定位，以使同一所述电商数据标签对应的关键交互数据的第二数据要素加载至相近定位上。

在一种独立实施的实施例中，所述描述识别范围为第一列队，所述第一列队中的各个属性用于识别一个关键交互数据的第二数据要素；和/或，所述关键交互数据的第二数据要素包括以下其中一种：所述关键交互数据在所述电子商务数据集中的定位信息、所述关键交互数据的回应系数、所述关键交互数据所属的描述数据的主题，其中，所述关键交互数据所属的描述数据为所述电子商务数据集对应的多个不同辨识度的描述数据中的随机一个。

在一种独立实施的实施例中，所述互动事件分析指示为第二列队，所述第二列队中的各个属性用于识别一个电商数据标签的第一数据要素；或者，所述互动事件分析指示为第一矩阵，所述第一矩阵中的各个事件用于识别一个电商数据标签的第一数据要素；和/或，所述电商数据标签的第一数据要素还包括以下其中一种：所述电商数据标签在所述电子商务数据集中对应的范围的定位信息、所述电商数据标签是否为指定电商数据标签、所述电商数据标签所指向的后一电商数据标签在所述互动事件分析指示中的识别定位信息、所述电商数据标签在所述人工智能分类线程得到的金字塔结构中所处的单元主题。

在一种独立实施的实施例中，所述人工智能分类线程包括第一分类方式和第二分类方式中的至少一种；和/或，所述从最终分类得到的各个电商数据标签中筛选所述关键交互数据，以得到所述多个关键交互数据的筛选结果；结合所述筛选结果和所述互动事件分析指示，确定电商数据分析结果，包括：分别从各个所述最终分类电商数据标签中挑选第二数目为所述关键交互数据，以得到所述多个关键交互数据的筛选结果；结合所述筛选结果和所述互动事件分析指示，确定电商数据分析结果。

第二方面，提供一种AI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调取计算机程序，并通过运行所述计算机程序实现上述的方法。

第三方面，提供一种AI服务器，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调取计算机程序，并通过运行所述计算机程序实现权利要求1-9任一项所述的方法。

本申请实施例所提供的一种数据分析方法及AI系统，通过挖掘分析范围的互动事件分析指示，并将电商数据标签的第一数据要素加载至互动事件分析指示中，使得在通过人工智能分类线程对多个关键交互数据分类进行分类的过程中，不需要重复挖掘识别范围来来识别电商数据标签的第一数据要素，削弱了针对识别范围的操作，从最终分类得到的各个电商数据标签中筛选关键交互数据，以得到多个关键交互数据的筛选结果；结合筛选结果和互动事件分析指示，确定电商数据分析结果；这样一来，能够更加准确的获得分析结果，提高了点数数据的分析效率。

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数据分析方法的流程图。

图2为本申请实施例所提供的一种数据分析装置的框图。

图3为本申请实施例所提供的一种AI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，示出了一种数据分析方法，该方法可以包括以下步骤S11-步骤S14所描述的技术方案。

步骤S11：获得电子商务数据集中的多个关键交互数据。

电子商务数据集可以是诸如手机、电脑等电子设备所记录到的数据，在此不进行逐一限定。

在本实施例中，在获得电子商务数据集中的多个关键交互数据之后，可以为多个关键交互数据挖掘描述识别范围，并将多个关键交互数据的第二数据要素加载至描述识别范围中。描述识别范围可以内存的内存范围。因此，通过挖掘描述识别范围，可以确定关键交互数据的识别定位，便于后续对关键交互数据进行分类。

在本实施例中，描述识别范围在内存中可以是一个列队，定义为第一列队。第一列队中涵盖一定数目的属性。在一个具体实施方式中，第一列队中的各个属性用于识别一个关键交互数据的第二数据要素。因此，通过确定描述识别范围的具体方式，会便于后续对关键交互数据进行分类。

在本实施例中，关键交互数据的第二数据要素包括以下其中一种：关键交互数据在电子商务数据集中的定位信息、关键交互数据的回应系数、关键交互数据所属的描述数据的主题。

步骤S12：基于多个关键交互数据，事先配置分析范围的互动事件分析指示。

在得到多个关键交互数据以后，可以对这些关键交互数据进行分类，以得到关键交互数据的筛选结果。对关键交互数据进行分类，可以是通过人工智能分类线程将多个关键交互数据聚类到一个或者多个电商数据标签。因此，在执行对关键交互数据进行分类的步骤前，可以基于多个关键交互数据，事先配置分析范围的互动事件分析指示，该分析范围的互动事件分析指示可以用于存储分类后的关键交互数据的关联的据。在本实施例中，是在内存中挖掘分析范围的内存范围确定为互动事件分析指示。人工智能分类线程可以根据需要进行挑选。在本实施例中，互动事件分析指示为内存中的第二列队。

步骤S13：通过人工智能分类线程将多个关键交互数据聚类到一个或者多个电商数据标签，并将电商数据标签的第一数据要素加载至互动事件分析指示中。

在确定了互动事件分析指示以后，就可以通过人工智能分类线程将多个关键交互数据聚类到一个或者多个电商数据标签中，电商数据标签的数目可以根据需要进行配置，再次不进行一一限定。通过人工智能分类线程将多个关键交互数据聚类到一个或者多个电商数据标签，对于电子商务数据集而言，即是将电子商务数据集分成多个范围，各个范围对应一个电商数据标签，并确定各个范围涵盖的关键交互数据，各个范围涵盖的关键交互数据即为该范围对应的电商数据标签对应的关键交互数据。由此，可以实现将多个关键交互数据聚类到一个或者多个电商数据标签中。在一些可能实施的实施例中，人工智能分类线程包括第一分类方式和第二分类方式中的一种或者多种。通过确定人工智能分类线程的具体方式，可以对关键交互数据进行第一分类或者是第二分类。

在一个实施例中，若某些关键交互数据的定位是多个数据范围的约束条件，则可以根据需要将约束条件上的关键交互数据分类至多个数据范围中。

通过分类得到的电商数据标签后，可以将电商数据标签的第一数据要素加载至互动事件分析指示中。电商数据标签的第一数据要素可以包括电商数据标签对应的关键交互数据的描述关联的据。电商数据标签对应的关键交互数据的描述关联的据，可以理解为与该电商数据标签对应的关键交互数据的关联的据，譬如是关键交互数据的在数据中的定位信息、关键交互数据在内存中的存储定位信息、关键交互数据的描述表示信息（如描述向量）等等。在本实施例中，电商数据标签对应的描述信息包括电商数据标签对应的关键交互数据在描述识别范围的识别定位。

在本实施例中，互动事件分析指示为内存中的第二列队，第二列队中的各个属性用于识别一个电商数据标签的第一数据要素。在另一个实施方式中，互动事件分析指示为第一矩阵，第一矩阵中的各个事件用于识别一个电商数据标签的第一数据要素。

在本实施例中，电商数据标签的第一数据要素还包括以下其中一种：电商数据标签在电子商务数据集中对应的范围的定位信息、电商数据标签是否为指定电商数据标签、电商数据标签所指向的后一电商数据标签在互动事件分析指示中的识别定位信息、电商数据标签在人工智能分类线程得到的金字塔结构中所处的单元主题。

步骤S14：从最终分类得到的各个电商数据标签中筛选关键交互数据，以得到多个关键交互数据的筛选结果；结合所述筛选结果和所述互动事件分析指示，确定电商数据分析结果。

经过分类后，可以得到一定数目的电商数据标签，电商数据标签对应的电子商务数据集的范围中会涵盖一定数目的关键交互数据，此时可以从最终分类得到的电商数据标签中筛选关键交互数据，以得到多个关键交互数据的筛选结果，即是从最终分类得到的各个电商数据标签中，挑选一定数目的关键交互数据，以此确定为关键交互数据的筛选结果。

在本实施例中，可以是分别从各个最终分类电商数据标签中挑选第二数目为关键交互数据，以得到多个关键交互数据的筛选结果。第二数目可以根据进行配置，再次不进行一一限定。譬如，可以在最终分类得到的各个电商数据标签中，从各个电商数据标签中筛选1个关键交互数据，从各个电商数据标签中筛选的关键交互数据即为多个关键交互数据的筛选结果。

因此，通过挖掘分析范围的互动事件分析指示，并将电商数据标签的第一数据要素加载至互动事件分析指示中，使得在通过人工智能分类线程对多个关键交互数据分类进行分类时，不需要重复的向内存挖掘内存范围来识别电商数据标签的第一数据要素，削弱了针对内存的操作，以此可以提高关键交互数据分类方法的执行效率。

本实施例是对上述步骤提及的“基于多个关键交互数据，事先配置分析范围的互动事件分析指示”进一步说明，具体包括以下步骤S121和步骤S122所描述的内容。

步骤S121：基于目标筛选关键交互数据向量，确定目标电商数据标签分类数目。

目标筛选关键交互数据向量为需从多个关键交互数据中筛选的关键交互数据数目，目标筛选关键交互数据向量的具体数目可以根据需要进行配置。目标电商数据标签分类数目为最终分类得到的电商数据标签的数目。在本实施例中，目标电商数据标签分类数目可以与目标筛选关键交互数据向量相同。譬如，需要从多个关键交互数据中筛选的关键交互数据数目筛选5个关键交互数据确定为目标筛选关键交互数据，则目标电商数据标签分类数目可以是5个电商数据标签。

步骤S122：为多个关键交互数据识别权重与目标电商数据标签分类数目关联的互动事件分析指示。

在确定最终分类得到的电商数据标签的数目后，在这些电商数据标签对应的电子商务数据集的范围会涵盖从电子商务数据集中抽取得到的多个关键交互数据，因此，可以多个关键交互数据识别权重与目标电商数据标签分类数目关联的互动事件分析指示，用于识别电商数据标签的第一数据要素。

因此，通过识别权重与目标电商数据标签分类数目关联的互动事件分析指示，可以使得互动事件分析指示能够存储全局最终分类得到的电商数据标签的第一数据要素，使得后续无需再挖掘新的识别范围，以此削弱了针对识别范围的操作，从最终分类得到的各个电商数据标签中筛选关键交互数据，以得到多个关键交互数据的筛选结果；结合筛选结果和互动事件分析指示，确定电商数据分析结果；这样一来，能够更加准确的获得分析结果，提高了点数数据的分析效率。

本实施例是对上述步骤提及的“通过人工智能分类线程将多个关键交互数据聚类到一个或者多个电商数据标签，并将电商数据标签的第一数据要素加载至互动事件分析指示中”步骤的进一步解释，具体包括如下步骤。

步骤S131：将多个关键交互数据的局部或全局关键交互数据分类至一电商数据标签，并将电商数据标签的第一数据要素加载至互动事件分析指示中。

在进行具体关键交互数据的分类时，首选可以把需要分类的关键交互数据都划入一个电商数据标签中。具体地，可以将多个关键交互数据的局部或全局关键交互数据分类至一电商数据标签。在本实施例中，在通过人工智能分类线程来对关键交互数据进行分类时，会首先确定一电商数据标签，该电商数据标签可以认为是根电商数据标签。此时，可以认为将全局关键交互数据都划入至一个电商数据标签中，或者将局部关键交互数据分类至根电商数据标签中。

在本实施例中，在执行后续的按照一定分布矩阵对互动事件分析指示的各个电商数据标签执行分类步骤，直到互动事件分析指示不再符合第一条件的步骤时，是在解析到当前分类的电商数据标签所对应的描述数超过目标筛选关键交互数据向量的前提下执行的。也即，在将多个关键交互数据的局部或全局关键交互数据分类至一电商数据标签以后，是通过判断当前分类的电商数据标签所对应的描述数是否超过目标筛选关键交互数据向量，来确定是否需要执行后续的按照一定分布矩阵对互动事件分析指示的各个电商数据标签执行分类步骤。可以理解的，如果当前分类的电商数据标签所对应的描述数没有超过目标筛选关键交互数据向量，则意味着该电商数据标签对应的全局关键交互数据，都可以直接被确定被筛选的关键交互数据了，因此也就不必再执行后续的按照一定分布矩阵分类的步骤。因此，通过判断当前分类的电商数据标签所对应的描述数是否超过目标筛选关键交互数据向量，可以确定是否需要继续执行后续的按照一定分布矩阵对互动事件分析指示的各个电商数据标签执行分类步骤。

步骤S132：按照一定分布矩阵对互动事件分析指示的各个电商数据标签执行分类步骤，直到互动事件分析指示不再符合第一条件；其中，分类步骤包括：将电商数据标签确定为全局电商数据标签，并将全局电商数据标签对应的关键交互数据聚类到一个或者多个新的电商数据标签，将新的电商数据标签的第一数据要素加载至互动事件分析指示中。

在将关键交互数据的局部或全局关键交互数据分类至一电商数据标签以后，就可以对电商数据标签进行按照一定分布矩阵分类，在分类后，将分类得到的电商数据标签对应的第一数据要素加载至互动事件分析指示中。以此，可以实现对关键交互数据筛选过程中的关键交互数据的分类。譬如，当通过第一分类方式时，是先对根电商数据标签进行分类，得到四个电商数据标签，然后将这2个电商数据标签分别确定为全局电商数据标签，并按照一定分布矩阵对这2个全局电商数据标签进行分类。分类完后，将新分类出的电商数据标签确定为全局电商数据标签，再次对这些全局电商数据标签进行按照一定分布矩阵分类。按照一定分布矩阵分类，即依照一定的分布矩阵进行分类。

在本实施例中，全局电商数据标签分类得到的电商数据标签为该全局电商数据标签的局部电商数据标签，对于属于同一全局电商数据标签的局部电商数据标签，可以根据局部电商数据标签对应的关键交互数据数目来确定局部电商数据标签的局部电商数据标签执行分布矩阵，后续便可根据局部电商数据标签执行分布矩阵对局部电商数据标签执行分类步骤。也即，对于属于同一全局电商数据标签的局部电商数据标签，其执行分类步骤的分布矩阵取决于局部电商数据标签对应的关键交互数据向量。

可以理解的，当一个电商数据标签被分类后，意味着该电商数据标签不再存储与互动事件分析指示。互动事件分析指示中的当前识别电商数据标签数，是互动事件分析指示涵盖的未被分类的电商数据标签，因为被分类的电商数据标签已经不再存储与互动事件分析指示中。

在本实施例中，第一条件为互动事件分析指示中的当前识别电商数据标签数少于目标电商数据标签分类数目。此时，当前识别电商数据标签数等于或超过目标电商数据标签数目，因此可以不再继续进行分类。因此，通过确定第一条件为互动事件分析指示中的当前识别电商数据标签数少于目标电商数据标签分类数目，可以在得到符合要求数目的电商数据标签以后，停止执行电商数据标签分类的步骤。

在本实施例中，本步骤提及的“将电商数据标签确定为全局电商数据标签”，是在电商数据标签对应的关键交互数据数目符合第二条件的前提下，才会将电商数据标签确定为全局电商数据标签。也即，当一个电商数据标签对应的关键交互数据数目符合第二条件时，才会将该电商数据标签确定为全局电商数据标签，并将该电商数据标签对应的关键交互数据聚类到一个或者多个新的电商数据标签。第二条件譬如是一个电商数据标签对应的关键交互数据数目超过第一目标值时，才会将该电商数据标签确定为全局电商数据标签。

在本实施例中，在每次将关键交互数据聚类到电商数据标签之后，可以调试描述识别范围中第二数据要素的识别定位，以使同一电商数据标签对应的关键交互数据的第二数据要素加载至相近定位上。

此时，如果需要继续调试另一个电商数据标签对应的关键交互数据的第二数据要素加载至相近定位上时，会调试起始定位，具体是将已经被调试为加载至相近定位上的关键交互数据的第二数据要素的所在的属性排除之后的第一个属性。

通过调试描述识别范围中第二数据要素的识别定位，可以使得同一电商数据标签对应的关键交互数据的第二数据要素加载至相近定位上。因为互动事件分析指示中存储的电商数据标签的第一数据要素，会包括电商数据标签对应的关键交互数据的描述关联的据，此时电商数据标签对应的关键交互数据的描述关联的据可以包括电商数据标签对应的关键交互数据在描述识别范围中的起始识别定位和结束识别定位。

本实施例是对上述步骤提及的“全局电商数据标签对应的关键交互数据聚类到一个或者多个新的电商数据标签”的进一步说明，具体包括如下步骤。

步骤S1321：将全局电商数据标签对应的全局范围分类为第一数目为局部范围。

步骤S1322：判断局部范围的关键交互数据数目是否符合第三条件。

在将全局范围分类为第一数目为局部范围，可以判断各个局部范围涵盖的关键交互数据的数目是否符合第三条件，以此来确定是否为该范围生成一个局部电商数据标签。在本实施例中，第三条件为局部范围中的关键交互数据数目超过第二目标值。在一个具体实施方式中，第二目标值可以是0。因此，通过判断局部范围的关键交互数据数目是否超过第二目标值，可以将关键交互数据数目少于第二目标值的范围排除。

步骤S1323：在局部范围中的关键交互数据数目符合第三条件的前提下，为局部范围生成对应的局部电商数据标签。

如果局部范围中的关键交互数据数目符合第三条件，意味着可以为该局部范围生成对应的局部电商数据标签。此时，局部电商数据标签对应的关键交互数据即为该局部范围中的关键交互数据。

步骤S1324：在所局部范围的关键交互数据数目不符合第三条件的前提下，不为局部范围生成对应的局部电商数据标签。

因此，通过将全局电商数据标签对应的全局范围分类为第一数目为局部范围，并且判断局部范围的关键交互数据数目是否符合第三条件，可以将不符合要求的局部范围排除从而可以不生成对应的局部电商数据标签，能够针对局部范围的描述数目灵活确定是否形成电商数据标签。

在一个公开实施例中，上述步骤S132中提及的“将新的电商数据标签的第一数据要素加载至互动事件分析指示中”具体可以是：将其中一新的电商数据标签的第一数据要素遮挡全局电商数据标签的第一数据要素进行识别，剩余新的电商数据标签的第一数据要素加载至互动事件分析指示中的其余识别集合中。

其余识别集合可以理解为在互动事件分析指示中，还没有用于存储电商数据标签的第一数据要素的识别范围。可以理解的，因为全局电商数据标签被分类后，可以认为该电商数据标签已经不再存在，因此，可以将分类得到的新电商数据标签中的随机一个新的电商数据标签的第一数据要素遮挡全局电商数据标签的第一数据要素进行识别，然后将剩余新的电商数据标签的第一数据要素加载至互动事件分析指示中的其余识别集合中。因此，通过利用一个新的电商数据标签的第一数据要素遮挡全局电商数据标签的第一数据要素进行识别，可以减少识别范围。

在一个公开实施例中，上述步骤S132提及的“将全局电商数据标签对应的关键交互数据聚类到一个或者多个新的电商数据标签”之后，本挖掘的数据分析方法还可以包括步骤：将属于同一全局电商数据标签的电商数据标签之间进行关联分析处理，且使位于最终关联分析的电商数据标签指向于全局电商数据标签指向的电商数据标签，使指向全局电商数据标签的电商数据标签优化指向于位于初始关联分析的电商数据标签；其中，电商数据标签的指向用于确定电商数据标签的执行分布矩阵。

在本实施例中，可以通过在各个电商数据标签的第一数据要素中存储指向的后一电商数据标签在互动事件分析指示中的识别定位信息，确定为电商数据标签之间进行关联分析处理。

上述方案，通过挖掘分析范围的互动事件分析指示，并将电商数据标签的第一数据要素加载至互动事件分析指示中，使得在通过人工智能分类线程对多个关键交互数据分类进行分类时，不需要重复的向内存挖掘内存范围来识别电商数据标签的第一数据要素，可以提高关键交互数据分类方法的执行效率。

本实施例还包括以下步骤。

步骤S21：获得电子商务数据集的多个描述数据，其中，各个描述数据的辨识度不同。

多个不同辨识度的描述数据可以是基于电子商务数据集的数据进行描述抽取得到的，也可以是针对一种电子商务数据集，进行不同的描述抽取，得到多个不同辨识度的描述数据。

步骤S22：对各个描述数据并行执行以下关键交互数据筛选：从描述数据获得多个关键交互数据，并获得多个关键交互数据的筛选结果。

在本实施例中，获得各个描述数据的多个关键交互数据的筛选结果是根据上述数据分析方法第一实施例描述的技术方案进行关键交互数据筛选得到的。

在本实施例中，在针对多个不同辨识度的描述数据并行执行数据分析方法时，描述数据涵盖的关键交互数据总数越多，用于对描述数据执行关键交互数据筛选的处理资源越多。可以理解的，描述数据涵盖的关键交互数据总数越多，需要分类的关键交互数据的数目就越多，所需要的工作量就越多，因此通过确定当描述数据涵盖的关键交互数据总数越多，用于对描述数据执行关键交互数据筛选的处理资源越多，以此提高关键交互数据筛选的工作效率。

在上述基础上，请结合参阅图2，提供了一种数据分析装置200，应用于数据分析云平台，所述装置包括：

数据获得模块210，用于获得电子商务数据集中的多个关键交互数据；

指示分析模块220，用于通过所述多个关键交互数据，事先配置分析范围的互动事件分析指示；

线程分类模块230，用于通过人工智能分类线程将所述多个关键交互数据聚类到一个或者多个电商数据标签，并将所述电商数据标签的第一数据要素加载至所述互动事件分析指示中，其中，所述电商数据标签的第一数据要素包括所述电商数据标签对应的关键交互数据的描述关联的据；

结果分析模块240，用于从最终分类得到的各个电商数据标签中筛选所述关键交互数据，以得到所述多个关键交互数据的筛选结果；结合所述筛选结果和所述互动事件分析指示，确定电商数据分析结果。

在上述基础上，请结合参阅图3，示出了一种AI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，还提供一种AI服务器，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调取计算机程序，并通过运行所述计算机程序实现权利要求1-9任一项所述的方法。

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，通过挖掘分析范围的互动事件分析指示，并将电商数据标签的第一数据要素加载至互动事件分析指示中，使得在通过人工智能分类线程对多个关键交互数据分类进行分类的过程中，不需要重复挖掘识别范围来来识别电商数据标签的第一数据要素，削弱了针对识别范围的操作，从最终分类得到的各个电商数据标签中筛选关键交互数据，以得到多个关键交互数据的筛选结果；结合筛选结果和互动事件分析指示，确定电商数据分析结果；这样一来，能够更加准确的获得分析结果，提高了点数数据的分析效率。

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 (11)

1.一种数据分析方法，其特征在于，所述方法至少包括：

获得所述电子商务数据集中的多个关键交互数据；

通过所述多个关键交互数据，事先配置分析范围的互动事件分析指示；

通过人工智能分类线程将所述多个关键交互数据聚类到一个或者多个电商数据标签，并将所述电商数据标签的第一数据要素加载至所述互动事件分析指示中，其中，所述电商数据标签的第一数据要素包括所述电商数据标签对应的关键交互数据的描述关联的据；

从最终分类得到的各个电商数据标签中筛选所述关键交互数据，以得到所述多个关键交互数据的筛选结果；结合所述筛选结果和所述互动事件分析指示，确定电商数据分析结果。

2.根据权利要求1所述的方法，其特征在于，所述通过所述多个关键交互数据，事先配置分析范围的互动事件分析指示，包括：

基于目标筛选关键交互数据向量，确定目标电商数据标签分类数目，其中，所述目标筛选关键交互数据向量为需从所述多个关键交互数据中筛选的关键交互数据数目，所述目标电商数据标签分类数目为最终分类得到的电商数据标签的数目；

为所述多个关键交互数据识别权重与所述目标电商数据标签分类数目关联的互动事件分析指示。

3.根据权利要求1或2所述的方法，其特征在于，所述通过人工智能分类线程将所述多个关键交互数据聚类到一个或者多个电商数据标签，并将所述电商数据标签的第一数据要素加载至所述互动事件分析指示中，包括：

将所述多个关键交互数据的局部或全局关键交互数据分类至一电商数据标签，并将所述电商数据标签的第一数据要素加载至互动事件分析指示中；

按照一定分布矩阵对所述互动事件分析指示的各个所述电商数据标签执行分类步骤，直到所述互动事件分析指示不再符合第一条件；

其中，所述分类步骤包括：将所述电商数据标签确定为全局电商数据标签，并将所述全局电商数据标签对应的关键交互数据聚类到一个或者多个新的电商数据标签，将所述新的电商数据标签的第一数据要素加载至互动事件分析指示中。

4.根据权利要求3所述的方法，其特征在于，与当前执行的所述电商数据标签属于同一全局电商数据标签的剩余电商数据标签的执行分布矩阵先于由当前执行的电商数据标签分类得到的电商数据标签的执行 分布矩阵；和/或，所述按照一定分布矩阵对所述互动事件分析指示的各个所述电商数据标签执行分类步骤，包括：

对于属于同一所述全局电商数据标签的局部电商数据标签，结合所述局部电商数据标签对应的关键交互数据数目确定所述局部电商数据标签的局部电商数据标签执行分布矩阵，结合所述局部电商数据标签执行分布矩阵对所述局部电商数据标签执行分类步骤，其中，所述局部电商数据标签为所述全局电商数据标签分类得到的电商数据标签；

和/或，在所述将所述全局电商数据标签对应的关键交互数据聚类到一个或者多个新的电商数据标签之后，所述方法还包括：将属于同一所述全局电商数据标签的电商数据标签之间进行关联分析处理，且使位于最终关联分析的电商数据标签指向于所述全局电商数据标签指向的电商数据标签，使指向所述全局电商数据标签的电商数据标签优化指向于位于初始关联分析的电商数据标签；其中，所述电商数据标签的指向用于确定所述电商数据标签的执行分布矩阵。

5.根据权利要求3或4所述的方法，其特征在于，所述将所述新的电商数据标签的第一数据要素加载至互动事件分析指示中，包括：将其中一所述新的电商数据标签的所述第一数据要素遮挡所述全局电商数据标签的第一数据要素进行识别，其余所述新的电商数据标签的所述第一数据要素加载至所述互动事件分析指示中的其余识别集合中。

6.根据权利要求5所述的方法，其特征在于，所述将所述电商数据标签确定为全局电商数据标签，包括：在所述电商数据标签对应的关键交互数据数目符合第二条件的前提下，将所述电商数据标签确定为全局电商数据标签；

和/或，所述将所述全局电商数据标签对应的关键交互数据聚类到一个或者多个新的电商数据标签，包括：

将所述全局电商数据标签对应的全局范围分类为第一数目为局部范围，其中，所述全局范围为所述全局电商数据标签对应的关键交互数据在电子商务数据集中的范围；

在所述局部范围中的关键交互数据数目符合第三条件的前提下，为所述局部范围生成对应的局部电商数据标签，其中所述局部电商数据标签对应的关键交互数据为所述局部范围中的关键交互数据；在所局部范围的关键交互数据数目不符合第三条件的前提下，不为所述局部范围生成对应的局部电商数据标签。

7.根据权利要求6所述的方法，其特征在于，所述第一条件为所述互动事件分析指示中的当前识别电商数据标签数少于目标电商数据标签分类数目；所述第二条件为所述电商数据标签对应的关键交互数据数目超过第一目标值；所述第三条件为所述局部范围中的关键交互数据数目超过第二目标值。

8.根据权利要求7所述的方法，其特征在于，所述将所述多个关键交互数据的局部或全局关键交互数据分类至一电商数据标签，包括：

将所述电子商务数据集中除指定约束条件范围以外的范围确定为异常范围；

将所述异常范围中的所述关键交互数据分类至一电商数据标签；和/或，所述按照一定分布矩阵对所述互动事件分析指示的各个所述电商数据标签执行分类步骤，直到所述互动事件分析指示不再符合第一条件的步骤，是在解析到当前分类的电商数据标签所对应的描述数超过目标筛选关键交互数据向量的前提下执行的。

9.根据权利要求8所述的方法，其特征在于，在所述获得电子商务数据集中的多个关键交互数据之后，所述方法还包括：为所述多个关键交互数据挖掘描述识别范围，并将所述多个关键交互数据的第二数据要素加载至描述识别范围中；其中，所述电商数据标签对应的描述信息包括所述电商数据标签对应的关键交互数据在所述描述识别范围的识别定位；

其中，所述电商数据标签对应的关键交互数据的描述关联的据包括所述电商数据标签对应的关键交互数据在所述描述识别范围中的起始识别定位和结束识别定位，所述方法还包括：每次将所述关键交互数据聚类到所述电商数据标签之后，调试所述描述识别范围中所述第二数据要素的识别定位，以使同一所述电商数据标签对应的关键交互数据的第二数据要素加载至相近定位上；

其中，所述描述识别范围为第一列队，所述第一列队中的各个属性用于识别一个关键交互数据的第二数据要素；和/或，所述关键交互数据的第二数据要素包括以下其中一种：所述关键交互数据在所述电子商务数据集中的定位信息、所述关键交互数据的回应系数、所述关键交互数据所属的描述数据的主题，其中，所述关键交互数据所属的描述数据为所述电子商务数据集对应的多个不同辨识度的描述数据中的随机一个；

其中，所述互动事件分析指示为第二列队，所述第二列队中的各个属性用于识别一个电商数据标签的第一数据要素；或者，所述互动事件分析指示为第一矩阵，所述第一矩阵中的各个事件用于识别一个电商数据标签的第一数据要素；和/或，所述电商数据标签的第一数据要素还包括以下其中一种：所述电商数据标签在所述电子商务数据集中对应的范围的定位信息、所述电商数据标签是否为指定电商数据标签、所述电商数据标签所指向的后一电商数据标签在所述互动事件分析指示中的识别定位信息、所述电商数据标签在所述人工智能分类线程得到的金字塔结构中所处的单元主题；

其中，所述人工智能分类线程包括第一分类方式和第二分类方式中的至少一种；和/或，所述从最终分类得到的各个电商数据标签中筛选所述关键交互数据，以得到所述多个关键交互数据的筛选结果；结合所述筛选结果和所述互动事件分析指示，确定电商数据分析结果，包括：分别从各个所述最终分类电商数据标签中挑选第二数目为所述关键交互数据，以得到所述多个关键交互数据的筛选结果；结合所述筛选结果和所述互动事件分析指示，确定电商数据分析结果。

10.一种AI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调取计算机程序，并通过运行所述计算机程序实现权利要求1-9任一项所述的方法。

11.一种AI服务器，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调取计算机程序，并通过运行所述计算机程序实现权利要求1-9任一项所述的方法。

Images