CN115757745A - 基于人工智能的业务场景控制方法、系统及云平台 - Google Patents

Abstract

本发明的基于人工智能的业务场景控制方法、系统及云平台，通过借助知识映射范围存在差异的第一专家知识处理算子和第二专家知识处理算子分别对待分析业务会话互动记录进行业务偏好提炼，以挖掘得到相异窗口规模下的描述待分析业务会话互动记录的会话特征的数据，从而分别获得对应的业务偏好知识关系网。通过对业务偏好知识关系网进行知识整理，以利用相异窗口规模下的描述待分析业务会话互动记录的会话特征的数据，保障获得的与待分析业务会话互动记录对应的第一业务偏好热力分布的准确性，该第一业务偏好热力分布能够指示当前业务服务在业务偏好层面的实时更新处理，从而提高对不同业务场景下的服务升级优化的针对性和智能化程度。

Description

基于人工智能的业务场景控制方法、系统及云平台

技术领域

本发明涉及人工智能技术领域，特别涉及一种基于人工智能的业务场景控制方法、系统及云平台。

背景技术

人工智能能够让计算机拥有自主学习能力，可以通过对图像、声音、温度等的探测感知，得到可数据化的信息，可以通过学习实现人脑的自我辨识和产生自主指令。大数据和人工智能时代下的业务转型已经渗入人们日常的衣食住行、工作生活、生产服务等方方面面。各类业务服务的竞争激烈程度与日俱增，为了提高用户存留率，保障业务服务的核心竞争力，针对业务服务的高质量升级优化至关重要，但在实现业务服务的升级优化之前，如何精准挖掘用户偏好是保障升级优化的针对性和智能化程度的关键环节。

发明内容

为改善相关技术中存在的技术问题，本发明提供了一种基于人工智能的业务场景控制方法、系统及云平台。

第一方面，本发明实施例提供了一种基于人工智能的业务场景控制方法，应用于业务场景控制云平台，所述方法包括：响应于业务场景处理请求，获取待分析业务会话互动记录、第一专家知识处理算子和第二专家知识处理算子，所述第一专家知识处理算子的知识映射范围与所述第二专家知识处理算子的知识映射范围存在差异；通过所述第一专家知识处理算子对所述待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap1，通过所述第二专家知识处理算子对所述待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap2；对所述业务偏好知识关系网FeatureMap1和所述业务偏好知识关系网FeatureMap2进行知识整理，获得第一业务偏好热力分布；其中，所述第一业务偏好热力分布用于指示当前业务服务的实时更新处理。

如此设计，通过借助知识映射范围存在差异的第一专家知识处理算子和第二专家知识处理算子分别对待分析业务会话互动记录进行业务偏好提炼，以挖掘得到相异窗口规模下的描述待分析业务会话互动记录的会话特征的数据，从而分别获得对应的业务偏好知识关系网FeatureMap1和业务偏好知识关系网FeatureMap2。通过对业务偏好知识关系网FeatureMap1和业务偏好知识关系网FeatureMap2进行知识整理，以利用相异窗口规模下的描述待分析业务会话互动记录的会话特征的数据，保障获得的与待分析业务会话互动记录对应的第一业务偏好热力分布的准确性，该第一业务偏好热力分布能够指示当前业务服务在业务偏好层面的实时更新处理，从而提高对不同业务场景下的服务升级优化的针对性和智能化程度。

在一些实施例中，在所述对所述业务偏好知识关系网FeatureMap1和所述业务偏好知识关系网FeatureMap2进行知识整理，获得第一业务偏好热力分布之前，所述方法还包括：对所述待分析业务会话互动记录进行第一会话要素挖掘操作，获得第一会话互动要素向量，对所述待分析业务会话互动记录进行第二会话要素挖掘操作，获得第二会话互动要素向量，所述第一会话互动要素向量和所述第二会话互动要素向量均用于表征所述待分析业务会话互动记录的窗口规模信息，且所述第一会话互动要素向量所反映的窗口规模信息与所述第二会话互动要素向量所反映的窗口规模信息存在差异；结合所述第一会话互动要素向量确定所述业务偏好知识关系网FeatureMap1的第一重要度，结合所述第二会话互动要素向量确定所述业务偏好知识关系网FeatureMap2的第二重要度；所述对所述业务偏好知识关系网FeatureMap1和所述业务偏好知识关系网FeatureMap2进行知识整理，获得第一业务偏好热力分布，包括：结合所述第一重要度和所述第二重要度对所述业务偏好知识关系网FeatureMap1和所述业务偏好知识关系网FeatureMap2进行知识整理，获得所述第一业务偏好热力分布。

如此设计，通过对待分析业务会话互动记录分别进行第一会话要素挖掘操作和第二会话要素挖掘操作以提取相异窗口规模下的待分析业务会话互动记录的信息，获得第一会话互动要素向量和第二会话互动要素向量。结合第一会话互动要素向量确定业务偏好知识关系网FeatureMap1的第一重要度，结合第二会话互动要素向量确定业务偏好知识关系网FeatureMap2的第二重要度，并结合第一重要度和第二重要度对业务偏好知识关系网FeatureMap1和业务偏好知识关系网FeatureMap2进行知识整理，可提升获取到的第一业务偏好热力分布的准确性。

在另一些实施例中，所述结合所述第一重要度和所述第二重要度对所述业务偏好知识关系网FeatureMap1和所述业务偏好知识关系网FeatureMap2进行知识整理，获得所述第一业务偏好热力分布，包括：确定所述第一重要度与所述业务偏好知识关系网FeatureMap1之间的设定运算结果，获得业务偏好知识关系网FeatureMap3；确定所述第二重要度与所述业务偏好知识关系网FeatureMap2之间的设定运算结果，获得业务偏好知识关系网FeatureMap4；对所述业务偏好知识关系网FeatureMap3和所述业务偏好知识关系网FeatureMap4进行知识整理，获得所述第一业务偏好热力分布。

在又一些实施例中，所述结合所述第一会话互动要素向量确定所述业务偏好知识关系网FeatureMap1的第一重要度，结合所述第二会话互动要素向量确定所述业务偏好知识关系网FeatureMap2的第二重要度，包括：对所述第一会话互动要素向量和所述第二会话互动要素向量进行量纲标准化，获得所述第一会话互动要素向量对应的第三会话互动要素向量和所述第二会话互动要素向量对应的第四会话互动要素向量；将所述第三会话互动要素向量作为所述第一重要度，将所述第四会话互动要素向量作为所述第二重要度。

如此设计，通过对第一会话互动要素向量和第二会话互动要素向量进行量纲标准化，可使第一会话互动要素向量与第二会话互动要素向量中相同分布区域的业务活动数据块的特征值的求和结果为1。再通过将第一会话互动要素向量作为第一重要度、将第二会话互动要素向量作为第二重要度对业务偏好知识关系网FeatureMap1和业务偏好知识关系网FeatureMap2进行知识整理，可实现对待分析业务会话互动记录中不同记录内容集执行不同知识映射范围的业务偏好提炼，保障获得的第一业务偏好热力分布的准确性。

在又一些实施例中，在所述通过所述第一专家知识处理算子对所述待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap1，通过所述第二专家知识处理算子对所述待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap2之前，所述方法还包括：对所述待分析业务会话互动记录进行第三会话要素挖掘操作，获得业务偏好知识关系网FeatureMap5；所述通过所述第一专家知识处理算子对所述待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap1，通过所述第二专家知识处理算子对所述待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap2，包括：通过所述第一专家知识处理算子对所述业务偏好知识关系网FeatureMap5进行业务偏好提炼获得所述业务偏好知识关系网FeatureMap1，通过所述第二专家知识处理算子对所述业务偏好知识关系网FeatureMap5进行业务偏好提炼获得所述业务偏好知识关系网FeatureMap2；所述对所述待分析业务会话互动记录进行第一会话要素挖掘操作，获得第一会话互动要素向量，对所述待分析业务会话互动记录进行第二会话要素挖掘操作，获得第二会话互动要素向量，包括：对所述业务偏好知识关系网FeatureMap5进行所述第一会话要素挖掘操作，获得所述第一会话互动要素向量，对所述业务偏好知识关系网FeatureMap5进行所述第二会话要素挖掘操作，获得所述第二会话互动要素向量。

如此设计，在使用第一专家知识处理算子对待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap1，使用第二专家知识处理算子对待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap2之前，对待分析业务会话互动记录进行第三会话要素挖掘操作，以挖掘得到待分析业务会话互动记录的会话要素特征，获得业务偏好知识关系网FeatureMap5。使用第一专家知识处理算子对业务偏好知识关系网FeatureMap5进行业务偏好提炼获得业务偏好知识关系网FeatureMap1，使用第二专家知识处理算子对所述业务偏好知识关系网FeatureMap5进行业务偏好提炼获得所述业务偏好知识关系网FeatureMap2。这样可从待分析业务会话互动记录中挖掘得到多样化且准确的会话要素特征。

在又一些实施例中，所述第一专家知识处理算子和所述第二专家知识处理算子都是滑动滤波算子，且所述第一专家知识处理算子的尺寸与所述第二专家知识处理算子的尺寸一致，且所述第一专家知识处理算子的重要度与所述第二专家知识处理算子的重要度一致，且所述第一专家知识处理算子的膨胀系数与所述第二专家知识处理算子的膨胀系数存在差异。

如此设计，在第一专家知识处理算子和第二专家知识处理算子都是滑动滤波算子的基础上，可将第一专家知识处理算子的重要度与第二专家知识处理算子的重要度取为一致，且可使第一专家知识处理算子的知识映射范围与第二专家知识处理算子的知识映射范围存在差异。如此，使用第一专家知识处理算子对待分析业务会话互动记录进行业务偏好提炼获得的业务偏好知识关系网FeatureMap1包括的信息和使用第二专家知识处理算子对待分析业务会话互动记录进行专家知识处理算子处理获得的业务偏好知识关系网FeatureMap2包括的信息仅存在窗口规模上的不同。在对业务偏好知识关系网FeatureMap1和业务偏好知识关系网FeatureMap2进行知识整理时，可最大限度地基于相异窗口规模下待分析业务会话互动记录的信息提升获取到的第一业务偏好热力分布的准确性。

在又一些实施例中，所述第一专家知识处理算子或所述第二专家知识处理算子的膨胀系数为设定变量。

如此设计，通过将第一专家知识处理算子或第二专家知识处理算子的膨胀系数调整为0（比如设定变量），可在使用第一专家知识处理算子或第二专家知识处理算子对待分析业务会话互动记录进行业务偏好提炼时实现对待分析业务会话互动记录进行知识映射范围为1的业务偏好提炼，以更好的挖掘得到待分析业务会话互动记录中窗口规模小的记录内容集的信息。

在又一些实施例中，所述方法还包括：确定所述第一业务偏好热力分布中的特征值的求和结果，获得所述待分析业务会话互动记录中的偏好事件数目。

如此设计，结合第一业务偏好热力分布可准确可靠地确定待分析业务会话互动记录中的偏好事件数目。

在又一些实施例中，所述方法应用于偏好事件挖掘模型；所述偏好事件挖掘模型的调试步骤包括：获取业务会话互动记录示例；通过所述偏好事件挖掘模型对所述业务会话互动记录示例进行处理，获得第二业务偏好热力分布；结合所述业务会话互动记录示例与所述第二业务偏好热力分布之间的比较结果，获得模型代价函数；基于所述模型代价函数优化所述偏好事件挖掘模型的模型变量。

如此设计，使用调试后的偏好事件挖掘模型对待分析业务会话互动记录进行处理，可获得与待分析业务会话互动记录对应的业务偏好热力分布。

在又一些实施例中，在所述结合所述业务会话互动记录示例与所述第二业务偏好热力分布之间的比较结果，获得模型代价函数之前，所述方法还包括：结合设定算法、目标算子以及所述业务会话互动记录示例，获得所述业务会话互动记录示例的先验业务偏好热力分布；所述结合所述业务会话互动记录示例与所述第二业务偏好热力分布之间的比较结果，获得模型代价函数，包括：结合所述先验业务偏好热力分布与所述第二业务偏好热力分布之间的比较结果，获得所述模型代价函数。

如此设计，将业务会话互动记录示例的先验业务偏好热力分布作为偏好事件挖掘模型的调试参考，结合先验业务偏好热力分布与第二业务偏好热力分布之间的比较结果，确定偏好事件挖掘模型的模型代价函数，可提升获取到的模型代价函数的准确性，进而提升对偏好事件挖掘模型的调试质量。

在又一些实施例中，在所述通过所述偏好事件挖掘模型对所述业务会话互动记录示例进行处理，获得第二业务偏好热力分布之前，所述方法还包括：对所述业务会话互动记录示例进行设定处理，获得至少一组设定处理后的业务会话互动记录；所述通过所述偏好事件挖掘模型对所述业务会话互动记录示例进行处理，获得第二业务偏好热力分布，包括：通过所述偏好事件挖掘模型对所述至少一组设定处理后的业务会话互动记录进行处理，获得至少一组第三业务偏好热力分布，所述设定处理后的业务会话互动记录与所述第三业务偏好热力分布具有一对一对应关系；所述结合所述业务会话互动记录示例与所述第二业务偏好热力分布之间的比较结果，获得模型代价函数，包括：结合所述至少一组设定处理后的业务会话互动记录中的目标业务会话互动记录和与所述目标业务会话互动记录对应的第三业务偏好热力分布之间的比较结果，获得所述模型代价函数。

如此设计，在将业务会话互动记录示例加载到偏好事件挖掘模型之前，通过对业务会话互动记录示例进行设定处理，获得至少一组设定处理后的业务会话互动记录，并将所述至少一组设定处理后的业务会话互动记录作为调试样例加载到偏好事件挖掘模型。这样，能够实现丰富偏好事件挖掘模型的调试样例集的目的。

在又一些实施例中，所述设定处理包括：从所述业务会话互动记录示例中确定具有固定窗口大小的业务会话互动记录、对所述业务会话互动记录示例或所述具有固定窗口大小的业务会话互动记录进行数据格式转换中的至少一类。

第三方面，本发明还提供了一种基于人工智能的业务场景控制系统，包括相互通信的业务场景控制云平台和业务用户设备；所述业务场景控制云平台用于：响应于业务场景处理请求，获取待分析业务会话互动记录、第一专家知识处理算子和第二专家知识处理算子，所述第一专家知识处理算子的知识映射范围与所述第二专家知识处理算子的知识映射范围存在差异；通过所述第一专家知识处理算子对所述待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap1，通过所述第二专家知识处理算子对所述待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap2；对所述业务偏好知识关系网FeatureMap1和所述业务偏好知识关系网FeatureMap2进行知识整理，获得第一业务偏好热力分布；其中，所述第一业务偏好热力分布用于指示当前业务服务的实时更新处理。

第三方面，本发明还提供了一种业务场景控制云平台，包括处理器和存储器；所述处理器和所述存储器通信连接，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。

第四方面，本发明还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并于说明书一起用于解释本发明的原理。

图1是本发明实施例提供的一种基于人工智能的业务场景控制方法的流程示意图。

图2是本发明实施例提供的一种基于人工智能的业务场景控制系统的通信架构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

本发明实施例所提供的方法实施例可以在业务场景控制云平台、计算机设备或者类似的运算装置中执行。以运行在业务场景控制云平台上为例，业务场景控制云平台10可以包括一个或多个处理器102（处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）和用于存储数据的存储器104，可选地，上述业务场景控制云平台还可以包括用于通信功能的传输装置106。本领域普通技术人员可以理解，上述结构仅为示意，其并不对上述业务场景控制云平台的结构造成限定。例如，业务场景控制云平台10还可包括比上述所示更多或者更少的组件，或者具有与上述所示不同的配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的一种基于人工智能的业务场景控制方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至业务场景控制云平台10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括业务场景控制云平台10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器（Network Interface Controller，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频（RadioFrequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。

基于此，请参阅图1，图1是本发明实施例所提供的一种基于人工智能的业务场景控制方法的流程示意图，该方法应用于业务场景控制云平台，进一步可以包括步骤101-步骤103描述的技术方案。

步骤101、响应于业务场景处理请求，获取待分析业务会话互动记录、第一专家知识处理算子和第二专家知识处理算子。

其中，所述第一专家知识处理算子的知识映射范围与所述第二专家知识处理算子的知识映射范围存在差异。

在本发明实施例中，专家知识处理算子可以是基于人工智能技术的专家系统分支搭建的神经网络模型中的滑动平均处理核，也可以理解为卷积算子，而知识映射范围可以理解为专家知识处理算子在对待分析业务会话互动记录进行特征挖掘和映射处理的过程中所关联的数据区域或者信息区域。

进一步地，所述待分析业务会话互动记录可以是不同类型的数字业务（比如电子商务）对应的用户活动报告或者用户活动日志。本发明实施例对待分析业务会话互动记录中包括的细节信息不进行限制，比如可以是文本交互信息、图文交互信息或者语音交互信息等不同类型的交互数据。

本发明实施例中，在满足第一专家知识处理算子的知识映射范围与第二专家知识处理算子的知识映射范围存在差异的基础上，第一专家知识处理算子和第二专家知识处理算子皆可以为任意规模的专家知识处理算子，且第一专家知识处理算子的重要度和第二专家知识处理算子的重要度（权重值）皆可以是随机的数值，本发明实施例对第一专家知识处理算子的尺寸、第二专家知识处理算子的尺寸、第一专家知识处理算子的重要度以及第二专家知识处理算子的重要度都不进行限制。

其中，获取待分析业务会话互动记录的思路也不限，可以基于现有的记录获取技术实现。

步骤102、通过所述第一专家知识处理算子对所述待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap1，通过所述第二专家知识处理算子对所述待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap2。

在本发明实施例中，鉴于第一专家知识处理算子的知识映射范围与第二专家知识处理算子的知识映射范围存在差异，使用第一专家知识处理算子对待分析业务会话互动记录进行业务偏好提炼和使用第二专家知识处理算子对待分析业务会话互动记录进行业务偏好提炼相当于以不同的知识映射范围“关联”业务会话互动记录，实现获得相异窗口规模下的业务会话互动记录信息。即业务偏好知识关系网FeatureMap1和业务偏好知识关系网FeatureMap2皆涵盖用于描述待分析业务会话互动记录的会话特征的数据，但业务偏好知识关系网FeatureMap1包括的信息的窗口规模与业务偏好知识关系网FeatureMap2包括的信息的窗口规模存在差异。业务偏好知识关系网可以理解为业务偏好信息的特征向量组成的特征图。

步骤103、对所述业务偏好知识关系网FeatureMap1和所述业务偏好知识关系网FeatureMap2进行知识整理，获得第一业务偏好热力分布；其中，所述第一业务偏好热力分布用于指示当前业务服务的实时更新处理。

本发明实施例中，业务偏好热力分布包含业务偏好活跃程度信息。业务偏好热力分布中的每个业务活动数据块的特征值表征在该业务活动数据块处的偏好事件数目。示例性的，业务偏好热力分布中的业务活动数据块data block1的特征值为0.08，则业务活动数据块data block1处对应的业务偏好热度为0.08。

示例性的，由于一项业务偏好关联的记录内容集包含至少一个业务活动数据块，当一项业务偏好关联的记录内容集为1个业务活动数据块时，该业务活动数据块对应的特征值为1，当一项业务偏好关联的记录内容集为至少两个业务活动数据块时，该至少两个业务活动数据块的特征值的求和结果为1。因此，业务偏好热力分布中的特征值的数值区间为：不小于0且不大于1。示例性的，业务偏好项目preference1关联的记录内容集包含业务活动数据块data_a、业务活动数据块data_b和业务活动数据块data_c，则业务活动数据块data_a的特征值+业务活动数据块data_b的特征值+业务活动数据块data_c的特征值=1。

进一步地，所述第一业务偏好热力分布为与待分析业务会话互动记录对应的业务偏好热力分布，可反映待分析业务会话互动记录中的业务偏好活跃程度分布。第一业务偏好热力分布的大小与待分析业务会话互动记录的大小相同。本发明实施例中业务会话互动记录的大小指业务会话互动记录的横向窗口范围和纵向窗口范围（基于现有计算机视觉技术的实际参数而定）。第一业务偏好热力分布中的第一业务活动数据块的特征值可用于表征待分析业务会话互动记录中的第二业务活动数据块处的偏好事件数目。其中，第一业务活动数据块在第一业务偏好热力分布中的区域与第二业务活动数据块在待分析业务会话互动记录中的区域相同。

比如，业务活动数据块data block111在业务会话互动记录journal_A中的区域与业务活动数据块data block211在业务会话互动记录journal_B中的区域一致，业务活动数据块data block112在业务会话互动记录journal_A中的区域与业务活动数据块data_k在业务会话互动记录journal_B12中的区域一致，业务活动数据块data block113在业务会话互动记录journal_A中的区域与业务活动数据块data block213在业务会话互动记录journal_B中的区域一致，业务活动数据块data block121在业务会话互动记录journal_A中的区域与业务活动数据块data block221在业务会话互动记录journal_B中的区域一致，业务活动数据块data block122在业务会话互动记录journal_A中的区域与业务活动数据块data block222在业务会话互动记录journal_B中的区域一致，业务活动数据块datablock123在业务会话互动记录journal_A中的区域与业务活动数据块data block223在业务会话互动记录journal_B中的区域一致，业务活动数据块data block131在业务会话互动记录journal_A中的区域与业务活动数据块data block231在业务会话互动记录journal_B中的区域一致，业务活动数据块data block132在业务会话互动记录journal_A中的区域与业务活动数据块data block232在业务会话互动记录journal_B中的区域一致，业务活动数据块data block133在业务会话互动记录journal_A中的区域与业务活动数据块datablock233在业务会话互动记录journal_B中的区域相同。

如果业务活动数据块data_x在业务会话互动记录journal_X中的区域与业务活动数据块data_y在业务会话互动记录journal_Y中的区域一致，后续将业务活动数据块data_x视作业务会话互动记录journal_X中与业务活动数据块data_y区域一致的业务活动数据块，或将业务活动数据块data_y视作业务会话互动记录journal_Y中与业务活动数据块data_x区域一致的业务活动数据块。

鉴于业务偏好知识关系网FeatureMap1包括反映待分析业务会话互动记录的业务会话互动记录会话特征的数据的窗口规模和第二待分析业务会话互动记录包括反映待分析业务会话互动记录的业务会话互动记录会话特征的数据的窗口规模不同，通过对业务偏好知识关系网FeatureMap1和业务偏好知识关系网FeatureMap2进行知识整理（比如对应区域的特征值加权运算等），可利用相异窗口规模下的描述待分析业务会话互动记录的业务会话互动记录会话特征的数据生成待分析业务会话互动记录对应的业务偏好热力分布，即第一业务偏好热力分布。从而可提升获取到的与待分析业务会话互动记录对应的业务偏好热力分布的准确性，进而提升获得的待分析业务会话互动记录中偏好事件数目的准确性。

示例性的，本发明实施例介绍了通过两个知识映射范围存在差异的专家知识处理算子（比如第一专家知识处理算子和第二专家知识处理算子）分别对待分析业务会话互动记录进行业务偏好提炼，获得两个窗口规模下的描述待分析业务会话互动记录的业务会话互动记录会话特征的数据。实际上，也可通过不少于三个知识映射范围存在差异的专家知识处理算子分别对待分析业务会话互动记录进行业务偏好提炼，以获得不少于三个窗口规模下的描述待分析业务会话互动记录的业务会话互动记录会话特征的数据，并将该不少于三个窗口规模下的描述待分析业务会话互动记录的业务会话互动记录会话特征的数据进行知识整理，获得与待分析业务会话互动记录对应的业务偏好热力分布。

进一步地，在获得第一业务偏好热力分布后，可通过确定第一业务偏好热力分布中所有业务活动数据块的特征值的求和结果，得到待分析业务会话互动记录中的偏好事件数目。

本发明实施例通过借助知识映射范围存在差异的第一专家知识处理算子和第二专家知识处理算子分别对待分析业务会话互动记录进行业务偏好提炼，以挖掘得到相异窗口规模下的描述待分析业务会话互动记录的会话特征的数据，分别获得业务偏好知识关系网FeatureMap1和业务偏好知识关系网FeatureMap2。通过对业务偏好知识关系网FeatureMap1和业务偏好知识关系网FeatureMap2进行知识整理，以利用相异窗口规模下的描述待分析业务会话互动记录的会话特征的数据，提升获取到的与待分析业务会话互动记录对应的业务偏好热力分布的准确性，进而提升获得的待分析业务会话互动记录中偏好事件数目的准确性。

在实际应用时，虽然通过借助知识映射范围存在差异的第一专家知识处理算子和第二专家知识处理算子分别对待分析业务会话互动记录进行业务偏好提炼获得相异窗口规模下的描述待分析业务会话互动记录的会话特征的数据，但第一专家知识处理算子的知识映射范围和第二专家知识处理算子的知识映射范围都是不变的，而待分析业务会话互动记录中不同的记录内容集的窗口规模不同，因此分别使用第一专家知识处理算子和第二专家知识处理算子对待分析业务会话互动记录进行业务偏好提炼难以获得待分析业务会话互动记录中每个记录内容集的最优知识映射范围，即难以使获得的待分析业务会话互动记录中不同记录内容集的信息都是质量最佳的。基于此，本发明实施例还提供了一种通过在对业务偏好知识关系网FeatureMap1和业务偏好知识关系网FeatureMap2进行知识整理时为业务偏好知识关系网FeatureMap1和业务偏好知识关系网FeatureMap2配置重要度，以实现对待分析业务会话互动记录中相异窗口规模的记录内容集进行不同知识映射范围的业务偏好提炼，进而获得多样化且准确的信息。

在上述内容的基础上，另一种基于人工智能的业务场景控制方法的设计思路可以包括如下的相关步骤。

步骤501、对所述待分析业务会话互动记录进行第一会话要素挖掘操作，获得第一会话互动要素向量，对所述待分析业务会话互动记录进行第二会话要素挖掘操作，获得第二会话互动要素向量，所述第一会话互动要素向量和所述第二会话互动要素向量均用于表征所述待分析业务会话互动记录的窗口规模信息，且所述第一会话互动要素向量所反映的窗口规模信息与所述第二会话互动要素向量所反映的窗口规模信息存在差异。

本发明实施例中，会话要素挖掘操作可以是业务偏好提炼/特征提取/卷积处理，也可以是下采样操作，还可以是业务偏好提炼和下采样操作的结合。

在一些实施例中，依次通过多级滑动平均单元对待分析业务会话互动记录进行逐级业务偏好提炼，实现对待分析业务会话互动记录的第一会话要素挖掘操作，获得第一会话互动要素向量。类似地，可依次通过多级滑动平均单元对待分析业务会话互动记录进行逐级业务偏好提炼，实现对待分析业务会话互动记录的第二会话要素挖掘操作，获得第二会话互动要素向量。

在使用第一专家知识处理算子对待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap1，使用第二专家知识处理算子对待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap2之前，可对待分析业务会话互动记录进行第三会话要素挖掘操作，以挖掘得到待分析业务会话互动记录的会话要素特征，获得业务偏好知识关系网FeatureMap5。使用第一专家知识处理算子对业务偏好知识关系网FeatureMap5进行业务偏好提炼获得业务偏好知识关系网FeatureMap1，使用第二专家知识处理算子对所述业务偏好知识关系网FeatureMap5进行业务偏好提炼获得所述业务偏好知识关系网FeatureMap2。这样可从待分析业务会话互动记录中挖掘得到多样化且准确的会话要素特征。

进一步地，所述第一会话互动要素向量的大小和所述第二会话互动要素向量的大小均与待分析业务会话互动记录的大小相同。所述第一会话互动要素向量和所述第二会话互动要素向量均可用于反映待分析业务会话互动记录的窗口规模信息（比如待分析业务会话互动记录中不同记录内容集的窗口规模），且第一会话互动要素向量所反映的窗口规模信息与第二会话互动要素向量所反映的窗口规模信息存在差异。

本发明实施例中，业务会话互动记录（包括：所述业务偏好知识关系网FeatureMap1、所述业务偏好知识关系网FeatureMap2、所述第一会话互动要素向量、所述第二会话互动要素向量、下文将要提及的第三会话互动要素向量等）的窗口规模与对待分析业务会话互动记录进行会话要素挖掘操作（包括所述第一会话要素挖掘操作、所述第二会话要素挖掘操作以及所述第三会话要素挖掘操作）时所使用的专家知识处理算子的知识映射范围匹配。比如，使用大小为n1*n1的专家知识处理算子对业务会话互动记录进行业务偏好提炼得到的业务会话互动记录的窗口规模（文本窗口的尺寸）为x1，使用大小为n2*n2的专家知识处理算子对业务会话互动记录进行业务偏好提炼得到的业务会话互动记录的窗口规模为x2，那么使用大小为n1*n1的专家知识处理算子对待分析业务会话互动记录进行会话要素挖掘操作得到的会话互动要素向量的窗口规模为x1（比如该会话互动要素向量可反映待分析业务会话互动记录在窗口规模x1的信息），使用大小为n2*n2的专家知识处理算子对待分析业务会话互动记录进行会话要素挖掘操作得到的业务偏好知识关系网的窗口规模为x2。

示例性的，第一会话互动要素向量表征待分析业务会话互动记录在窗口规模x1下的信息，第二会话互动要素向量表征待分析业务会话互动记录在窗口规模x2下的信息，其中，窗口规模x1大于窗口规模x2。

其中，第一会话互动要素向量中的业务活动数据块的特征值和第二会话互动要素向量中的业务活动数据块的特征值的数值区间都是：不小于0，且不大于1。第一会话互动要素向量（或第二会话互动要素向量）中的某个业务活动数据块的特征值越靠近于1，表征在待分析业务会话互动记录中与该业务活动数据块区域一致的业务活动数据块的选定窗口规模与第一会话互动要素向量（或第二会话互动要素向量）所反映的窗口规模越靠近。本发明实施例中，选定窗口规模即为与该业务活动数据块的最优知识映射范围对应的窗口规模。

结合上述相关内容，业务活动数据块data_a和业务活动数据块data_b为第一会话互动要素向量中的两个不同的业务活动数据块，业务活动数据块data_c为待分析业务会话互动记录中与业务活动数据块data_a在第一会话互动要素向量中的区域相同的业务活动数据块，业务活动数据块data_d为待分析业务会话互动记录中与业务活动数据块data_b在第一会话互动要素向量中的区域相同的业务活动数据块。若业务活动数据块data_a的特征值为0.9，业务活动数据块data_b的特征值为0.7。则业务活动数据块data_c的选定窗口规模与窗口规模x1之间的比较结果小于业务活动数据块data_d的选定窗口规模与窗口规模x1之间的比较结果。

步骤502、结合所述第一会话互动要素向量确定所述业务偏好知识关系网FeatureMap1的第一重要度，结合所述第二会话互动要素向量确定所述业务偏好知识关系网FeatureMap2的第二重要度。

所述第一会话互动要素向量所反映的窗口规模与业务偏好知识关系网FeatureMap1的窗口规模一致，所述第二会话互动要素向量所反映的窗口规模与业务偏好知识关系网FeatureMap2的窗口规模相同。则第一会话互动要素向量中的业务活动数据块的特征值与1越靠近反映业务偏好知识关系网FeatureMap1中与该业务活动数据块在第一会话互动要素向量中的区域相同的业务活动数据块的选定窗口规模与业务偏好知识关系网FeatureMap1的窗口规模越靠近，第二会话互动要素向量中的业务活动数据块的特征值与1越靠近表征业务偏好知识关系网FeatureMap2中与该业务活动数据块在第二会话互动要素向量中的区域相同的业务活动数据块的选定窗口规模与业务偏好知识关系网FeatureMap2的窗口规模越靠近。

可结合第一会话互动要素向量确定业务偏好知识关系网FeatureMap1的第一重要度，以优化业务偏好知识关系网FeatureMap1中的业务活动数据块的窗口规模，使业务偏好知识关系网FeatureMap1中的业务活动数据块更靠近选定窗口规模。类似地，可结合第二会话互动要素向量确定业务偏好知识关系网FeatureMap2的第二重要度，以优化业务偏好知识关系网FeatureMap2中的业务活动数据块的窗口规模，使业务偏好知识关系网FeatureMap2中的业务活动数据块更靠近选定窗口规模。

在一些实施例中，可对第一会话互动要素向量和第二会话互动要素向量进行量纲标准化，获得第一会话互动要素向量对应的第三会话互动要素向量和第二会话互动要素向量对应的第四会话互动要素向量。将第三会话互动要素向量作为所述第一重要度，将第四会话互动要素向量作为所述第二重要度。

通过对第一会话互动要素向量和第二会话互动要素向量进行量纲标准化，可使第一会话互动要素向量与第二会话互动要素向量中相同分布区域的业务活动数据块（要素向量或者记录的最小组成单位，可以根据实际需求灵活调整其大小）的特征值的求和结果为1。示例性的，业务活动数据块data_a在第一会话互动要素向量中的区域与业务活动数据块data_b在第二会话互动要素向量中的区域一致，则对第一会话互动要素向量和第二会话互动要素向量进行量纲标准化后业务活动数据块data_a的特征值和业务活动数据块data_b的特征值的求和结果为1。如业务活动数据块data_c在第三会话互动要素向量中的区域与业务活动数据块data_a在第一会话互动要素向量中的区域一致，业务活动数据块data_d在第四会话互动要素向量中的区域与业务活动数据块data_b在第二会话互动要素向量中的区域一致，则业务活动数据块data_c的特征值与业务活动数据块data_d的特征值的求和结果为1。

所述量纲标准化可通过将第一会话互动要素向量和第二会话互动要素向量分别加载到归一化算法实现。示例性的，若第一会话互动要素向量和第二会话互动要素向量皆涵盖多个描述维度的业务会话互动记录，则将第一会话互动要素向量与第二会话互动要素向量中相同描述维度的业务会话互动记录分别加载到归一化算法。比如，第一会话互动要素向量和第二会话互动要素向量皆涵盖2个描述维度的业务会话互动记录，则在对第一会话互动要素向量和第二会话互动要素向量进行量纲标准化时，可将第一会话互动要素向量中第一个描述维度的业务会话互动记录和第二会话互动要素向量中第一个描述维度的业务会话互动记录加载到归一化算法，获得第三会话互动要素向量中第一个描述维度的业务会话互动记录以及第四会话互动要素向量中第一个描述维度的业务会话互动记录。

步骤503、结合所述第一重要度和所述第二重要度对所述业务偏好知识关系网FeatureMap1和所述业务偏好知识关系网FeatureMap2进行知识整理，获得所述第一业务偏好热力分布。

鉴于获得业务偏好知识关系网FeatureMap1的业务偏好提炼的知识映射范围和获得业务偏好知识关系网FeatureMap2的业务偏好提炼的知识映射范围存在差异。通过将第三会话互动要素向量作为业务偏好知识关系网FeatureMap1的第一重要度，将第四会话互动要素向量作为业务偏好知识关系网FeatureMap2的第二重要度对业务偏好知识关系网FeatureMap1和业务偏好知识关系网FeatureMap2进行知识整理，可对待分析业务会话互动记录中的不同记录内容集进行最优知识映射范围下的业务偏好提炼。如此，可尽可能完整地挖掘待分析业务会话互动记录中不同记录内容集的信息，使获得的与待分析业务会话互动记录对应的业务偏好热力分布的准确性更高。

可以理解的是，在一种结合第一重要度和第二重要度对业务偏好知识关系网FeatureMap1和业务偏好知识关系网FeatureMap2进行知识整理，获得第一业务偏好热力分布的设计思路中，确定第一重要度与业务偏好知识关系网FeatureMap1之间的设定运算结果，获得业务偏好知识关系网FeatureMap3，确定第二重要度与业务偏好知识关系网FeatureMap2之间的设定运算结果，获得业务偏好知识关系网FeatureMap4。通过对业务偏好知识关系网FeatureMap3和业务偏好知识关系网FeatureMap4进行知识整理（比如相同分布区域的特征值求和），可获得第一业务偏好热力分布。

本发明实施例通过对待分析业务会话互动记录分别进行第一会话要素挖掘操作和第二会话要素挖掘操作以挖掘相异窗口规模下的待分析业务会话互动记录的信息，获得第一会话互动要素向量和第二会话互动要素向量。结合第一会话互动要素向量确定业务偏好知识关系网FeatureMap1的第一重要度，结合第二会话互动要素向量确定业务偏好知识关系网FeatureMap2的第二重要度，并结合第一重要度和第二重要度对业务偏好知识关系网FeatureMap1和业务偏好知识关系网FeatureMap2进行知识整理，可提升获取到的第一业务偏好热力分布的准确性。

在上述的第一专家知识处理算子的重要度和第二专家知识处理算子的重要度不同时，使用第一专家知识处理算子对待分析业务会话互动记录进行业务偏好提炼挖掘得到的会话要素特征的偏向与使用第二专家知识处理算子对待分析业务会话互动记录进行业务偏好提炼挖掘得到的会话要素特征的偏向存在差异。比如，使用第一专家知识处理算子对待分析业务会话互动记录进行业务偏好提炼偏向于挖掘得到待分析业务会话互动记录中业务偏好的细节内容，而使用第二专家知识处理算子对待分析业务会话互动记录进行业务偏好提炼偏向于挖掘得到待分析业务会话互动记录中业务偏好的类别内容。再考虑到第一专家知识处理算子的知识映射范围和第二专家知识处理算子的知识映射范围的存在差异。如此，在后续对挖掘得到的业务偏好知识关系网FeatureMap1和业务偏好知识关系网FeatureMap2进行知识整理时，需要将相异窗口规模下的不同会话要素特征进行组合（如将窗口规模x1下的细节内容与窗口规模x2下的类别内容组合），这可能会造成窗口规模信息的组合难度。

基于此，可以将第一专家知识处理算子的重要度和第二专家知识处理算子的重要度取为一致，以削减对业务偏好知识关系网FeatureMap1和业务偏好知识关系网FeatureMap2进行知识整理时非窗口规模信息的整理，提高窗口规模信息整理的目的，保障获得的第一业务偏好热力分布的准确性。

鉴于如果第一专家知识处理算子和第二专家知识处理算子为通用专家知识处理算子，在第一专家知识处理算子的知识映射范围与第二专家知识处理算子的知识映射范围存在差异的基础上，第一专家知识处理算子的重要度与第二专家知识处理算子的重要度不可能相同。这样一来，在接下来介绍的设计思路中第一专家知识处理算子和第二专家知识处理算子都是滑动滤波算子，且第一专家知识处理算子的尺寸与第二专家知识处理算子的尺寸一致，且第一专家知识处理算子的重要度与第二专家知识处理算子的重要度一致，且第一专家知识处理算子的膨胀系数与第二专家知识处理算子的膨胀系数存在差异。

在第一专家知识处理算子和第二专家知识处理算子都是滑动滤波算子的基础上，可将第一专家知识处理算子的重要度与第二专家知识处理算子的重要度取为一致，且可使第一专家知识处理算子的知识映射范围与第二专家知识处理算子的知识映射范围存在差异。这样，使用第一专家知识处理算子对待分析业务会话互动记录进行业务偏好提炼获得的业务偏好知识关系网FeatureMap1包括的信息和使用第二专家知识处理算子对待分析业务会话互动记录进行专家知识处理算子处理获得的业务偏好知识关系网FeatureMap2包括的信息仅存在窗口规模上的差异。在对业务偏好知识关系网FeatureMap1和业务偏好知识关系网FeatureMap2进行知识整理时，可最大限度地基于相异窗口规模下待分析业务会话互动记录的信息提升获取到的第一业务偏好热力分布的准确性。

在一些实施例中，可通过使第一专家知识处理算子和第二专家知识处理算子共用同一组重要度的思路使第一专家知识处理算子的重要度与第二专家知识处理算子的重要度一致，如此，在后续分别使用第一专家知识处理算子和第二专家知识处理算子对待分析业务会话互动记录进行业务偏好提炼时，可减少所需处理的模型变量的规模。

在滑动滤波算子的大小一定的基础上，滑动滤波算子的知识映射范围与滑动滤波算子的膨胀系数呈正相关。当滑动滤波算子的膨胀系数为1时，滑动滤波算子的知识映射范围与相同大小的通用专家知识处理算子的知识映射范围一致，如滑动滤波算子的膨胀系数为1，此时该滑动滤波算子的知识映射范围与大小为n1*n1的通用专家知识处理算子的知识映射范围相同。

鉴于待分析业务会话互动记录中存在选定窗口规模较小的记录内容集，这些窗口规模较小的记录内容集需要使用较小的知识映射范围的业务偏好提炼才能挖掘得到多样化且准确的信息。为此，可以将滑动滤波算子的膨胀系数调整为0（比如设定变量），使滑动滤波算子的知识映射范围小于通用专家知识处理算子的知识映射范围，以更好的挖掘得到待分析业务会话互动记录中窗口规模较小的记录内容集的信息。

本发明实施例中，在第一专家知识处理算子为滑动滤波算子的基础上，通过将第一专家知识处理算子的膨胀系数调整为0，可在使用第一专家知识处理算子对待分析业务会话互动记录进行业务偏好提炼时实现对待分析业务会话互动记录进行知识映射范围为1的业务偏好提炼，以更好的挖掘得到待分析业务会话互动记录中窗口规模小的记录内容集的信息。

本发明实施例还提供了一种偏好事件挖掘模型，偏好事件挖掘模型可以包含11级滑动平均单元和9级下采样单元和6级残差单元。

将待分析业务会话互动记录加载到偏好事件挖掘模型，经第一级滑动平均单元对待分析业务会话互动记录进行处理获得第一级滑动平均单元生成的业务会话互动记录，第一级滑动平均单元生成的业务会话互动记录经第二级滑动平均单元的处理获得第二级滑动平均单元生成的业务会话互动记录，第二级滑动平均单元生成的业务会话互动记录经第一级下采样单元的处理获得第一级下采样单元生成的业务会话互动记录，等等，第十级滑动平均单元生成的业务会话互动记录经第一级残差单元的处理获得第一级残差单元生成的业务会话互动记录，等等，第九级下采样单元生成的业务会话互动记录经第十一级滑动平均单元的处理获得第一业务偏好热力分布。

进一步地，偏好事件挖掘模型中除所述第十一级滑动平均单元之外的所有滑动平均单元中的专家知识处理算子的尺寸皆可以是n1*n1，第十一级滑动平均单元中的专家知识处理算子的尺寸为n3*n3。第一级滑动平均单元中专家知识处理算子的数目和第二级滑动平均单元中专家知识处理算子的数目皆可以是V1，第三级滑动平均单元中专家知识处理算子的数目和第四级滑动平均单元中专家知识处理算子的数目皆可以是V2，第五级滑动平均单元中专家知识处理算子的数目、第六级滑动平均单元中专家知识处理算子的数目以及第七级滑动平均单元中专家知识处理算子的数目皆可以是V3，第八级滑动平均单元中专家知识处理算子的数目、第九级滑动平均单元中专家知识处理算子的数目以及第十级滑动平均单元中专家知识处理算子的数目皆可以是V4，第十一级滑动平均单元中专家知识处理算子的数目为1。偏好事件挖掘模型中的下采样单元可以为最大下采样单元，也可以是平均下采样单元。残差单元包括三个滑动滤波算子、一个局部聚焦算子。所述局部聚焦算子包含3个并行连接的滑动平均单元。

残差单元的输入业务会话互动记录分别经3个不同知识映射范围的滑动滤波算子的处理，分别获得业务偏好知识关系网FeatureMap6、业务偏好知识关系网FeatureMap7和业务偏好知识关系网FeatureMap8。

残差单元的输入业务会话互动记录分别经局部聚焦算子中的3个滑动平均单元的业务偏好提炼，分别获得第五会话互动要素向量、第六会话互动要素向量和第七会话互动要素向量。

业务偏好知识关系网FeatureMap6的窗口规模与第五会话互动要素向量的窗口规模一致，业务偏好知识关系网FeatureMap7的窗口规模与第六会话互动要素向量的窗口规模一致，业务偏好知识关系网FeatureMap8的窗口规模与第七会话互动要素向量的窗口规模相同。通过将第五会话互动要素向量作为业务偏好知识关系网FeatureMap6的重要度，将第六会话互动要素向量作为业务偏好知识关系网FeatureMap7的重要度，将第七会话互动要素向量作为业务偏好知识关系网FeatureMap8的重要度，对业务偏好知识关系网FeatureMap6、业务偏好知识关系网FeatureMap7和业务偏好知识关系网FeatureMap8进行知识整理，获得残差单元的输出业务会话互动记录。即将第五会话互动要素向量与业务偏好知识关系网FeatureMap6进行点积获得业务偏好知识关系网FeatureMap9，将第六会话互动要素向量与业务偏好知识关系网FeatureMap7进行点积获得业务偏好知识关系网FeatureMap10，将第七会话互动要素向量与业务偏好知识关系网FeatureMap8进行点积获得业务偏好知识关系网FeatureMap11。对业务偏好知识关系网FeatureMap9、业务偏好知识关系网FeatureMap10和业务偏好知识关系网FeatureMap11进行知识整理，获得残差单元的输出业务会话互动记录。可选的所述知识整理可以是将进行知识整理的两组业务会话互动记录中相同分布区域的业务活动数据块的特征值相加。

示例性的，偏好事件挖掘模型中单元层级的示例性数目可以灵活设置。

在应用上述偏好事件挖掘模型对待分析业务会话互动记录执行偏好事件统计任务之前，需对偏好事件挖掘模型进行调试。基于此，本发明还提供了一种偏好事件挖掘模型的调试方法。该调试方法可包括以下步骤：获取业务会话互动记录示例。经偏好事件挖掘模型对业务会话互动记录示例进行处理，获得第二业务偏好热力分布。结合业务会话互动记录示例与第二业务偏好热力分布之间的比较结果，获得模型代价函数。基于模型代价函数优化偏好事件挖掘模型的模型变量。

经偏好事件挖掘模型对业务会话互动记录示例的处理获得与业务会话互动记录示例对应的第二业务偏好热力分布后，可结合业务会话互动记录示例与第二业务偏好热力分布之间的比较结果确定偏好事件挖掘模型的模型代价函数。所述差异可以是业务会话互动记录示例与第二业务偏好热力分布中相同分布区域的业务活动数据块的特征值之间的比较结果。

本发明实施例中业务会话互动记录示例中业务活动数据块的特征值可用于表征业务活动数据块处是否有业务偏好，比如，业务偏好项目preference1在业务会话互动记录示例中所关联的记录内容集包含业务活动数据块data_a，业务活动数据块data_b，业务活动数据块data_c，那么业务活动数据块data_a的特征值、业务活动数据块data_b的特征值和业务活动数据块data_c的特征值都是1。若业务会话互动记录示例中的业务活动数据块data不属于业务偏好关联的记录内容集，则业务活动数据块的特征值为0。

进一步地，在确定偏好事件挖掘模型的模型代价函数后，可基于该模型代价函数通过反馈训练的思路优化偏好事件挖掘模型的模型变量，直至偏好事件挖掘模型趋于稳定，完成对偏好事件挖掘模型的调试。

鉴于业务会话互动记录示例中的业务活动数据块的特征值为0或者1，而第二业务偏好热力分布中的业务活动数据块的特征值为不小于0且不大于1之间的数值。因此，结合用业务会话互动记录示例与第二业务偏好热力分布之间的比较结果确定偏好事件挖掘模型的模型代价函数存在较大的区别。

鉴于先验业务偏好热力分布中业务活动数据块的特征值的数值区间也为不小于0且不大于1之间的变量，可选的，可将业务会话互动记录示例的先验业务偏好热力分布作为调试标准，结合先验业务偏好热力分布与第二业务偏好热力分布之间的比较结果确定偏好事件挖掘模型的模型代价函数，以提升获取到的模型代价函数的准确性。

在一些实施例中，结合RELU、目标算子（高斯算子）以及业务会话互动记录示例，可获得所述业务会话互动记录示例的先验业务偏好热力分布。

在一些实施例中，可结合设定算法获得业务会话互动记录示例的业务偏好关键词分布，该业务偏好关键词分布中业务活动数据块的特征值用于表征业务活动数据块是否属于业务偏好关联的记录内容集。

进一步地，在获得业务会话互动记录示例的先验业务偏好热力分布后，可结合先验业务偏好热力分布中与第二业务偏好热力分布中相同分布区域的业务活动数据块的特征值之间的比较结果，确定偏好事件挖掘模型的模型代价函数。比如将先验业务偏好热力分布中与第二业务偏好热力分布中所有的相同分布区域的业务活动数据块的特征值之间的比较结果的和作为偏好事件挖掘模型的模型代价函数（模型损失函数）。

在一些示例中，在将业务会话互动记录示例加载到偏好事件挖掘模型之前，可对业务会话互动记录示例进行设定处理，获得至少一组设定处理后的业务会话互动记录，并将所述至少一组设定处理后的业务会话互动记录作为调试样例加载到偏好事件挖掘模型。这样，能够实现丰富偏好事件挖掘模型的调试样例集的目的。

所述设定处理包括从业务会话互动记录示例中确定具有固定窗口大小的业务会话互动记录、对业务会话互动记录示例或所述具有固定窗口大小的业务会话互动记录进行数据格式转换中的至少一类。其中，具有固定窗口大小可以为V1*V1。对业务会话互动记录示例进行数据格式转换包括：文本数据格式转换。

比如，对业务会话互动记录示例进行适应性拆解，可获得4组设定处理后的业务会话互动记录。同时从业务会话互动记录示例中随机确定5组具有固定窗口大小的业务会话互动记录，可获得5组设定处理后的业务会话互动记录。在这种情况下，已获得9组设定处理后的业务会话互动记录。对该9组设定处理后的业务会话互动记录进行数据格式转换，可获得9组转换后的业务会话互动记录，即另外9组设定处理后的业务会话互动记录。这样能够获得18组设定处理后的业务会话互动记录。

通过将至少一组设定处理后的业务会话互动记录加载到偏好事件挖掘模型，可获得至少一组第三业务偏好热力分布，其中，每一组设定处理后的业务会话互动记录均对应有一组第三业务偏好热力分布。比如，将业务会话互动记录journal_A、业务会话互动记录journal_B、业务会话互动记录journal_C这3组设定处理后的业务会话互动记录分别加载到偏好事件挖掘模型，将分别获得与业务会话互动记录journal_A对应的业务偏好热力分布heat distribution_a，与业务会话互动记录journal_B对应的业务偏好热力分布heatdistribution_b，业务会话互动记录journal_C对应的业务偏好热力分布heatdistribution_c。其中，业务偏好热力分布heat distribution_a、业务偏好热力分布heatdistribution_b、业务偏好热力分布heat distribution_c均可视作第三业务偏好热力分布。

结合至少一组设定处理后的业务会话互动记录中的目标业务会话互动记录和与目标业务会话互动记录对应的第三业务偏好热力分布之间的比较结果，可获得偏好事件挖掘模型的模型代价函数。结合上述相关内容，结合业务会话互动记录journal_A与业务会话互动记录record_a之间的比较结果可获得第一误差，结合业务会话互动记录journal_B与业务会话互动记录record_b之间的比较结果可获得第二误差，结合业务会话互动记录journal_C与业务会话互动记录record_c之间的比较结果可获得第三误差。对第一误差、第二误差和第三误差求和可获得偏好事件挖掘模型的模型代价函数。

本发明实施例提供了一种偏好事件挖掘模型，使用该偏好事件挖掘模型对待分析业务会话互动记录进行处理，可获得与待分析业务会话互动记录对应的业务偏好热力分布，进而可确定待分析业务会话互动记录中的偏好事件数目。

可以理解的是，所述第一业务偏好热力分布用于指示当前业务服务的实时更新处理，该第一业务偏好热力分布能够指示当前业务服务在业务偏好层面的实时更新处理，从而提高对不同业务场景下的服务升级优化的针对性和智能化程度。基于此，在一些可独立实施的设计思路下，对所述业务偏好知识关系网FeatureMap1和所述业务偏好知识关系网FeatureMap2进行知识整理，获得第一业务偏好热力分布之后，该方法还可以包括如下内容：通过所述第一业务偏好热力分布确定目标业务偏好事项，对所述目标业务偏好事项进行需求挖掘，得到服务需求信息；利用所述服务需求信息对当前业务服务进行实时更新处理。

其中，可以根据第一业务偏好热力分布中的业务偏好热度确定最高热度的业务偏好事项作为目标业务偏好事项，并基于决策树模型进行服务需求信息的挖掘分析，这样可以结合服务需求信息进行针对性的业务服务更新优化，提高针对不同业务场景的业务服务更新的智能化程度。

在一些可独立实施的设计思路下，对所述目标业务偏好事项进行需求挖掘，得到服务需求信息，可以包括如下内容：对所述目标业务偏好事项的第一事项描述向量集合进行特征抽取，得到所述第一事项描述向量集合对应的第一偏好要素特征图集合；根据所述第一偏好要素特征图集合进行需求挖掘，得到第二偏好要素特征图集合；对所述第二偏好要素特征图集合进行需求解析处理，得到所述第二偏好要素特征图集合对应的服务需求信息。如此，通过第一偏好要素特征图集合进行需求挖掘，然后基于第二偏好要素特征图集合进行需求解析，能够快速准确地确定服务需求信息。

在一些可独立实施的设计思路下，在所述得到所述第二偏好要素特征图集合对应的服务需求信息之后，所述方法还包括：根据所述第一事项描述向量集合中的至少部分事项描述向量进行需求挖掘，得到需求挖掘的衍生服务需求信息；根据所述服务需求信息和所述衍生服务需求信息，得到需求挖掘的关联服务需求信息。

在一些可独立实施的设计思路下，所述对所述目标业务偏好事项的第一事项描述向量集合进行特征抽取，得到所述第一事项描述向量集合对应的第一偏好要素特征图集合，包括：对采集的第一事项描述向量集合进行空洞卷积，得到所述第一事项描述向量集合对应的第一卷积特征图集合；对所述第一卷积特征图集合进行特征变换，得到所述第一事项描述向量集合对应的第一偏好要素特征图集合。

基于上述相同或相似的发明构思，请结合参阅图2，还提供了一种基于人工智能的业务场景控制系统30的架构示意图，包括互相之间通信的业务场景控制云平台10和业务用户设备20，业务场景控制云平台10和业务用户设备20在运行时实现或者部分实现上述方法实施例所描述的技术方案。

进一步地，还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。

在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，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、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于人工智能的业务场景控制方法，其特征在于，应用于业务场景控制云平台，所述方法包括：

响应于业务场景处理请求，获取待分析业务会话互动记录、第一专家知识处理算子和第二专家知识处理算子，所述第一专家知识处理算子的知识映射范围与所述第二专家知识处理算子的知识映射范围存在差异；

通过所述第一专家知识处理算子对所述待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap1，通过所述第二专家知识处理算子对所述待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap2；

对所述业务偏好知识关系网FeatureMap1和所述业务偏好知识关系网FeatureMap2进行知识整理，获得第一业务偏好热力分布；其中，所述第一业务偏好热力分布用于指示当前业务服务的实时更新处理。

2.根据权利要求1所述的方法，其特征在于，所述对所述业务偏好知识关系网FeatureMap1和所述业务偏好知识关系网FeatureMap2进行知识整理，获得第一业务偏好热力分布，包括：

对所述待分析业务会话互动记录进行第一会话要素挖掘操作，获得第一会话互动要素向量，对所述待分析业务会话互动记录进行第二会话要素挖掘操作，获得第二会话互动要素向量；所述第一会话互动要素向量携带的内容包含：所述待分析业务会话互动记录中的业务活动数据块的选定窗口规模与所述业务偏好知识关系网FeatureMap1的窗口规模的适配系数；所述第二会话互动要素向量携带的内容包含：所述待分析业务会话互动记录中的业务活动数据块的选定窗口规模与所述业务偏好知识关系网FeatureMap2的窗口规模的适配系数；

结合所述第一会话互动要素向量确定所述业务偏好知识关系网FeatureMap1的第一重要度，结合所述第二会话互动要素向量确定所述业务偏好知识关系网FeatureMap2的第二重要度；

结合所述第一重要度和所述第二重要度对所述业务偏好知识关系网FeatureMap1和所述业务偏好知识关系网FeatureMap2进行知识整理，获得第一业务偏好热力分布。

3.根据权利要求2所述的方法，其特征在于，所述结合所述第一重要度和所述第二重要度对所述业务偏好知识关系网FeatureMap1和所述业务偏好知识关系网FeatureMap2进行知识整理，获得第一业务偏好热力分布，包括：

确定所述第一重要度与所述业务偏好知识关系网FeatureMap1之间的设定运算结果，获得业务偏好知识关系网FeatureMap3；

确定所述第二重要度与所述业务偏好知识关系网FeatureMap2之间的设定运算结果，获得业务偏好知识关系网FeatureMap4；

对所述业务偏好知识关系网FeatureMap3和所述业务偏好知识关系网FeatureMap4进行知识整理，获得所述第一业务偏好热力分布。

4.根据权利要求3所述的方法，其特征在于，所述结合所述第一会话互动要素向量确定所述业务偏好知识关系网FeatureMap1的第一重要度，结合所述第二会话互动要素向量确定所述业务偏好知识关系网FeatureMap2的第二重要度，包括：

对所述第一会话互动要素向量和所述第二会话互动要素向量进行量纲标准化，获得所述第一会话互动要素向量对应的第三会话互动要素向量和所述第二会话互动要素向量对应的第四会话互动要素向量；

将所述第三会话互动要素向量作为所述第一重要度，将所述第四会话互动要素向量作为所述第二重要度。

5.根据权利要求3所述的方法，其特征在于，在所述通过所述第一专家知识处理算子对所述待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap1，通过所述第二专家知识处理算子对所述待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap2之前，所述方法还包括：对所述待分析业务会话互动记录进行第三会话要素挖掘操作，获得业务偏好知识关系网FeatureMap5；

所述通过所述第一专家知识处理算子对所述待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap1，通过所述第二专家知识处理算子对所述待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap2，包括：通过所述第一专家知识处理算子对所述业务偏好知识关系网FeatureMap5进行业务偏好提炼获得所述业务偏好知识关系网FeatureMap1，通过所述第二专家知识处理算子对所述业务偏好知识关系网FeatureMap5进行业务偏好提炼获得所述业务偏好知识关系网FeatureMap2；

所述对所述待分析业务会话互动记录进行第一会话要素挖掘操作，获得第一会话互动要素向量，对所述待分析业务会话互动记录进行第二会话要素挖掘操作，获得第二会话互动要素向量，包括：对所述业务偏好知识关系网FeatureMap5进行所述第一会话要素挖掘操作，获得所述第一会话互动要素向量，对所述业务偏好知识关系网FeatureMap5进行所述第二会话要素挖掘操作，获得所述第二会话互动要素向量。

6.根据权利要求3所述的方法，其特征在于，所述第一专家知识处理算子和所述第二专家知识处理算子都是滑动滤波算子，且所述第一专家知识处理算子的尺寸与所述第二专家知识处理算子的尺寸一致，且所述第一专家知识处理算子的重要度与所述第二专家知识处理算子的重要度一致，且所述第一专家知识处理算子的膨胀系数与所述第二专家知识处理算子的膨胀系数存在差异；

其中，所述第一专家知识处理算子或所述第二专家知识处理算子的膨胀系数为设定变量。

7.根据权利要求3所述的方法，其特征在于，所述方法还包括：确定所述第一业务偏好热力分布中的特征值的求和结果，获得所述待分析业务会话互动记录中的偏好事件数目。

8.根据权利要求3所述的方法，其特征在于，所述方法应用于偏好事件挖掘模型；所述偏好事件挖掘模型的调试步骤包括：获取业务会话互动记录示例；通过所述偏好事件挖掘模型对所述业务会话互动记录示例进行处理，获得第二业务偏好热力分布；结合所述业务会话互动记录示例与所述第二业务偏好热力分布之间的比较结果，获得模型代价函数；基于所述模型代价函数优化所述偏好事件挖掘模型的模型变量；

其中，在所述结合所述业务会话互动记录示例与所述第二业务偏好热力分布之间的比较结果，获得模型代价函数之前，所述方法还包括：获得所述业务会话互动记录示例的先验业务偏好热力分布；所述结合所述业务会话互动记录示例与所述第二业务偏好热力分布之间的比较结果，获得模型代价函数，包括：结合所述先验业务偏好热力分布与所述第二业务偏好热力分布之间的比较结果，获得所述模型代价函数；

其中，在所述通过所述偏好事件挖掘模型对所述业务会话互动记录示例进行处理，获得第二业务偏好热力分布之前，所述方法还包括：对所述业务会话互动记录示例进行设定处理，获得至少一组设定处理后的业务会话互动记录；所述通过所述偏好事件挖掘模型对所述业务会话互动记录示例进行处理，获得第二业务偏好热力分布，包括：通过所述偏好事件挖掘模型对所述至少一组设定处理后的业务会话互动记录进行处理，获得至少一组第三业务偏好热力分布，所述设定处理后的业务会话互动记录与所述第三业务偏好热力分布具有一对一对应关系；所述结合所述业务会话互动记录示例与所述第二业务偏好热力分布之间的比较结果，获得模型代价函数，包括：结合所述至少一组设定处理后的业务会话互动记录中的目标业务会话互动记录和与所述目标业务会话互动记录对应的第三业务偏好热力分布之间的比较结果，获得所述模型代价函数；

其中，所述设定处理包括：从所述业务会话互动记录示例中确定具有固定窗口大小的业务会话互动记录、对所述业务会话互动记录示例或所述具有固定窗口大小的业务会话互动记录进行数据格式转换中的至少一类。

9.一种基于人工智能的业务场景控制系统，其特征在于，包括相互通信的业务场景控制云平台和业务用户设备；

所述业务场景控制云平台用于：响应于业务场景处理请求，获取待分析业务会话互动记录、第一专家知识处理算子和第二专家知识处理算子，所述第一专家知识处理算子的知识映射范围与所述第二专家知识处理算子的知识映射范围存在差异；通过所述第一专家知识处理算子对所述待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap1，通过所述第二专家知识处理算子对所述待分析业务会话互动记录进行业务偏好提炼获得业务偏好知识关系网FeatureMap2；对所述业务偏好知识关系网FeatureMap1和所述业务偏好知识关系网FeatureMap2进行知识整理，获得第一业务偏好热力分布；其中，所述第一业务偏好热力分布用于指示当前业务服务的实时更新处理。

10.一种业务场景控制云平台，其特征在于，包括处理器和存储器；所述处理器和所述存储器通信连接，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1-9任一项所述的方法。

Images