CN115934132A - 一种基于业务升级的大数据处理方法及服务器 - Google Patents

Abstract

本发明提供一种基于业务升级的大数据处理方法及服务器，鉴于从用户诉求要素向量和知识定位变量两个关注面来配对用户诉求事件捕捉项和主题关键词，这样能够使得配对结果尽可能精准，以提高所得到的升级类别标签的精度和可信度，这样能够通过升级类别标签准确可靠实现云业务交互项目的升级处理。如此，可以基于用户诉求和数据升级之间的特征映射和空间映射关系确定指导数据服务升级的升级类别标签，从而提高大数据升级的智能性。

Description

一种基于业务升级的大数据处理方法及服务器

技术领域

本发明涉及大数据技术领域，尤其涉及一种基于业务升级的大数据处理方法及服务器。

背景技术

云业务采用了一项颠覆性的技术：虚拟化，它在整合的基础上实现了资源优化，提高了效率，与统一的WEB界面一道，成为电信运营商“云业务”的两大关键技术，使得运营商的网络与计算资源通用化，可以面对现有和未来可能出现的各种应用。在云业务不断发展和完善的过程中需要改善诸多的问题。发明人在研究和分析过程中发现，如何高质量实现云业务升级处理是其中一个难以攻克的壁垒。

发明内容

本发明提供一种基于业务升级的大数据处理方法及服务器，为实现上述技术目的，本发明采用如下技术方案。

第一方面是一种基于业务升级的大数据处理方法，应用于业务升级服务器，所述方法包括：

挖掘若干个不同交互状态的待处理云业务活动大数据中的不少于一个用户诉求事件捕捉项及各个所述用户诉求事件捕捉项的第一用户诉求要素向量；

通过各个所述用户诉求事件捕捉项在所述待处理云业务活动大数据中的分布特征，确定各个所述用户诉求事件捕捉项在数据升级知识空间中的第一知识定位变量；

通过各个所述用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，以及预设事件主题集中各个主题关键词的第二用户诉求要素向量和第二知识定位变量，确定不少于一个所述用户诉求事件捕捉项的升级类别标签；

利用所述升级类别标签进行云业务交互项目升级处理。

在一些可选的实施例中，所述通过各个所述用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，以及预设事件主题集中各个主题关键词的第二用户诉求要素向量和第二知识定位变量，确定不少于一个所述用户诉求事件捕捉项的升级类别标签，包括：

确定各个所述用户诉求事件捕捉项的第一用户诉求要素向量，与各个所述主题关键词的第二用户诉求要素向量之间的第一要素向量共性评分；

确定各个所述用户诉求事件捕捉项的第一知识定位变量，与各个所述主题关键词的第二知识定位变量之间的第一动态定位差异；

依据确定的所述第一要素向量共性评分和所述第一动态定位差异，确定不少于一个所述用户诉求事件捕捉项的升级类别标签。

在一些可选的实施例中，所述依据确定的所述第一要素向量共性评分和所述第一动态定位差异，确定不少于一个所述用户诉求事件捕捉项的升级类别标签，包括：

根据第一要素向量影响因子、第一定位差异影响因子、以及确定的所述第一要素向量共性评分和所述第一动态定位差异，确定各个跨维二元组的适配系数，其中，所述跨维二元组包括一个所述用户诉求事件捕捉项和一个所述主题关键词；

通过各个所述跨维二元组的适配系数，确定满足适配条件的所述跨维二元组；

将各个满足适配条件的所述跨维二元组中包含的所述主题关键词确定为所述跨维二元组中包含的所述用户诉求事件捕捉项的升级类别标签。

在一些可选的实施例中，所述根据第一要素向量影响因子、第一定位差异影响因子、以及确定的所述第一要素向量共性评分和所述第一动态定位差异，确定各个跨维二元组的适配系数，包括：根据第一要素向量影响因子、第一定位差异影响因子、各个跨维二元组中的所述主题关键词的时序权重、以及确定的所述第一要素向量共性评分和所述第一动态定位差异，确定各个所述跨维二元组的适配系数，其中，所述时序权重由所述主题关键词前一轮被捕捉的时序节点和所述待处理云业务活动大数据对应的时序节点确定。

在一些可选的实施例中，还包括：确定各个所述用户诉求事件捕捉项的认证指数；

所述根据第一要素向量影响因子、第一定位差异影响因子、以及确定的所述第一要素向量共性评分和所述第一动态定位差异，确定各个跨维二元组的适配系数，包括：根据第一要素向量影响因子、第一定位差异影响因子、各个跨维二元组中的所述用户诉求事件捕捉项的认证指数、以及确定的所述第一要素向量共性评分和所述第一动态定位差异，确定各个所述跨维二元组的适配系数。

在一些可选的实施例中，还包括：在没有被确定升级类别标签的若干个所述用户诉求事件捕捉项中，通过各个所述用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，生成不少于一个具有第一用户诉求要素向量和第一知识定位变量的主题关键词。

在一些可选的实施例中，还包括：

通过各个生成的主题关键词的第一用户诉求要素向量和第一知识定位变量，以及所述预设事件主题集中各个所述主题关键词的第二用户诉求要素向量和第二知识定位变量，确定各个生成的主题关键词与所述预设事件主题集中各个所述主题关键词的主题相关性；

在任意一个生成的主题关键词与所述预设事件主题集中的所述主题关键词的主题相关性不小于设定相关性限值的前提下，确定该生成的主题关键词对应的用户诉求事件捕捉项的升级类别标签为所述预设事件主题集中对应的所述主题关键词；

在任意一个生成的主题关键词与所述预设事件主题集中的各个所述主题关键词的主题相关性均小于所述设定相关性限值的前提下，将该生成的主题关键词加载到所述预设事件主题集中。

在一些可选的实施例中，还包括：在所述预设事件主题集中，通过各个所述主题关键词前一轮被捕捉的时序节点，和所述待处理云业务活动大数据对应的时序节点确定各个所述主题关键词的第二要素向量影响因子和第二定位差异影响因子；

所述通过各个生成的主题关键词的第一用户诉求要素向量和第一知识定位变量，以及所述预设事件主题集中各个所述主题关键词的第二用户诉求要素向量和第二知识定位变量，确定各个生成的主题关键词与所述预设事件主题集中各个所述主题关键词的主题相关性，包括：通过各个生成的主题关键词的第一用户诉求要素向量和第一知识定位变量，以及所述预设事件主题集中各个所述主题关键词的第二用户诉求要素向量、第二知识定位变量、第二要素向量影响因子和第二定位差异影响因子，确定各个生成的主题关键词与所述预设事件主题集中各个所述主题关键词的主题相关性。

在一些可选的实施例中，在所述确定不少于一个所述用户诉求事件捕捉项的升级类别标签之后，还包括：通过各个已确定升级类别标签的所述用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，优化所述预设事件主题集中对应的所述主题关键词的第二用户诉求要素向量和第二知识定位变量；

和/或，在任意一个生成的主题关键词与所述预设事件主题集中的所述主题关键词的主题相关性不小于设定相关性限值的前提下，还包括：根据该生成的主题关键词的第一用户诉求要素向量和第一多模态标签，优化所述预设事件主题集中对应的所述主题关键词的第二用户诉求要素向量和第二知识定位变量。

在一些可选的实施例中，所述通过各个所述用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，生成不少于一个具有第一用户诉求要素向量和第一知识定位变量的主题关键词，包括：

确定各个所述用户诉求事件捕捉项的第一用户诉求要素向量，与其它各个所述用户诉求事件捕捉项的第一用户诉求要素向量之间的第二要素向量共性评分；

确定各个所述用户诉求事件捕捉项的第一知识定位变量，与剩余各个所述用户诉求事件捕捉项的第一知识定位变量之间的第二动态定位差异；

根据第一要素向量影响因子、第一定位差异影响因子、以及各个用户诉求事件捕捉二元项中的两个所述用户诉求事件捕捉项之间的第二要素向量共性评分和第二动态定位差异，确定各个所述用户诉求事件捕捉二元项的适配系数，其中，所述用户诉求事件捕捉二元项包括两个不同的所述用户诉求事件捕捉项；

通过各个所述用户诉求事件捕捉二元项的适配系数，生成不少于一个主题关键词。

第二方面是一种业务升级服务器，包括存储器和处理器；所述存储器和所述处理器耦合；所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令；其中，当所述处理器执行所述计算机指令时，使得所述业务升级服务器执行第一方面的方法。

第三方面是一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在运行时执行第一方面的方法。

根据本发明的一个实施例，通过挖掘若干个不同交互状态的待处理云业务活动大数据中的不少于一个用户诉求事件捕捉项及各个所述用户诉求事件捕捉项的第一用户诉求要素向量，这样能够通过各个所述用户诉求事件捕捉项在所述待处理云业务活动大数据中的分布特征，确定各个所述用户诉求事件捕捉项在数据升级知识空间中的第一知识定位变量，继而可以通过各个所述用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，以及预设事件主题集中各个主题关键词的第二用户诉求要素向量和第二知识定位变量，确定不少于一个所述用户诉求事件捕捉项的升级类别标签，以便利用升级类别标签进行云业务交互项目升级处理。鉴于从用户诉求要素向量和知识定位变量两个关注面来配对用户诉求事件捕捉项和主题关键词，这样能够使得配对结果尽可能精准，以提高所得到的升级类别标签的精度和可信度，这样能够通过升级类别标签准确可靠实现云业务交互项目的升级处理。如此，可以基于用户诉求和数据升级之间的特征映射和空间映射关系确定指导数据服务升级的升级类别标签，从而提高大数据升级的智能性。

附图说明

图1为本发明实施例提供的基于业务升级的大数据处理方法的流程示意图。

图2为本发明实施例提供的大数据处理装置的模块框图。

具体实施方式

以下，术语“第一”、“第二”和“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”或“第三”等的特征可以明示或者隐含地包括一个或者更多个该特征。

图1示出了本发明实施例提供的基于业务升级的大数据处理方法的流程示意图，基于业务升级的大数据处理方法可以通过业务升级服务器实现，业务升级服务器可以包括存储器和处理器；所述存储器和所述处理器耦合；所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令；其中，当所述处理器执行所述计算机指令时，使得所述业务升级服务器执行Process101-Process104所描述的技术方案。

Process101：挖掘若干个不同交互状态的待处理云业务活动大数据中的不少于一个用户诉求事件捕捉项及各个所述用户诉求事件捕捉项的第一用户诉求要素向量。

在本发明实施例中，若干个不同交互状态的待处理云业务活动大数据，可以为若干个不同的业务大数据采集模块（比如数据爬虫、网页蜘蛛等）所采集的待处理云业务活动大数据。若干个不同的业务大数据采集模块分别按照自身的交互状态（该交互状态可以理解为交互时段、交互场景、交互环节等）进行部署，且若干个不同的业务大数据采集模块的交互状态之间存在交叉，换言之若干个不同的业务大数据采集模块可以从不同交互状态针对相同业务会话进行大数据采集。若干个不同的业务大数据采集模块可以并行或者串行进行大数据采集。

此外，可以事先调试或配置事项捕捉网络和要素挖掘网络，这样能够先用事项捕捉网络确定出的待处理云业务活动大数据中的用户诉求事件捕捉项，再使用要素挖掘网络对各个用户诉求事件捕捉项进行要素向量挖掘/特征向量提取，得到各个用户诉求事件捕捉项的用户诉求要素向量。以用户诉求事件为GUI界面交互引导优化事件为例，可以使用多分类模型和深度学习模型，对多交互状态的待处理云业务活动大数据中的用户诉求事件进行处理，分别得到用户诉求事件捕捉项，用户诉求事件捕捉项的认证指数，以及用户诉求事件特征/用户诉求要素向量。

对于一些示例性设计思路而言，还可以在挖掘用户诉求事件捕捉项的用户诉求要素向量之前，对确定出的若干个用户诉求事件捕捉项进行筛选。这样能够提高用户诉求事件捕捉项的质量，提高后续升级处理决策分析的可信度。

另外，在获得用户诉求事件捕捉项的同时，还可以得到用户诉求事件捕捉项的认证指数（置信度）。进一步的，还可以对各个用户诉求事件捕捉项的认证指数进行标准化处理，从而保证认证指数的取值范围在0~1之间。

在一些示例中，用户诉求事件捕捉项可以通过窗口的形式在待处理云业务活动大数据进行相关数据集或者信息集的围合或者选择，从而得到一个数据区域或者信息区域，以作为用户诉求事件的捕捉结果/捕捉窗口。

Process102：通过各个所述用户诉求事件捕捉项在所述待处理云业务活动大数据中的分布特征，确定各个所述用户诉求事件捕捉项在数据升级知识空间中的第一知识定位变量。

例如，可以选择用户诉求事件捕捉项中的某个分布特征对应的数据区域来表征用户诉求事件捕捉项的分布特征，即确定该分布特征对应的数据区域在诉求特征空间中的知识定位变量，来表示用户诉求事件捕捉项在数据升级知识空间中的第一知识定位变量。

举例而言，可以确定用户诉求事件捕捉项的映射质心（用户诉求事件捕捉项的数据区域中心）在待处理云业务活动大数据中的位置标签，然后根据采集该待处理云业务活动大数据的业务大数据采集模块的模块配置变量，将该位置标签变换成数据升级知识空间下的实际知识定位变量，从而作为用户诉求事件捕捉项在数据升级知识空间中的第一知识定位变量。因而，知识定位变量可以反映用户诉求事件捕捉项在数据升级知识空间中的位置信息。此外，数据升级知识空间是依据AI技术搭建得到的一类特征空间，通过用户诉求/需求--业务升级/优化之间的映射关系可以不断完善和补充数据升级知识空间，因而数据升级知识空间还可以作为业务升级的决策依据或者决策数据库。

Process103：通过各个所述用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，以及预设事件主题集中各个主题关键词的第二用户诉求要素向量和第二知识定位变量，确定不少于一个所述用户诉求事件捕捉项的升级类别标签。

在本发明实施例中，所述升级类别标签用主题关键词进行记录。主题关键词可以为“信息安全”、“可视化引导”、“推送拦截”等。

就Process103而言，可以在待处理云业务活动大数据为非第一组大数据的前提下执行。而在待处理云业务活动大数据为第一组大数据的前提下，可以通过各个所述用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，生成不少于一个具有第二用户诉求要素向量和第二知识定位变量主题关键词，并将生成的所述主题关键词保存至所述预设事件主题集中。

对于一些示例性设计思路而言，上述Process103包括Process1031和Process1033所描述的技术方案。

Process1031：确定各个所述用户诉求事件捕捉项的第一用户诉求要素向量，与各个所述主题关键词的第二用户诉求要素向量之间的第一要素向量共性评分。

举例而言，可以使用余弦相似度确定第一用户诉求要素向量和第二用户诉求要素向量之间的第一要素向量共性评分。可以确定第一要素向量共性评分列表LIST1_vec来表示各个第一用户诉求要素向量和各个第二用户诉求要素向量之间的第一要素向量共性评分，LIST1_vec中的每一横向数组反映一个用户诉求事件捕捉项，每一纵向数组反映一个主题关键词，因而LIST1_vec中的某个成员即为该成员所对应横向数组表示的用户诉求事件捕捉项，与该成员所对应纵向数组表示的主题关键词之间的第一要素向量共性评分V1_vec。

Process1032：确定各个所述用户诉求事件捕捉项的第一知识定位变量，与各个所述主题关键词的第二知识定位变量之间的第一动态定位差异。

举例而言，可以确定第一动态定位差异列表来表示各个第一知识定位变量和各个第二知识定位变量之间的第一动态定位差异（不同知识定位变量之间的相对差异），第一动态定位差异列表中的每一横向数组反映一个用户诉求事件捕捉项，每一纵向数组反映一个主题关键词，因而第一动态定位差异列表中的某个成员即为该成员所对应横向数组表示的用户诉求事件捕捉项，与该成员所对应纵向数组表示的主题关键词之间的第一动态定位差异。

Process1033：依据确定的所述第一要素向量共性评分和所述第一动态定位差异，确定不少于一个所述用户诉求事件捕捉项的升级类别标签。

Process1033所确定的用户诉求事件捕捉项的升级类别标签可以理解为项目升级的预测分析数据，鉴于用户诉求事件捕捉项是从若干个不同交互状态的待处理云业务活动大数据中挖掘得到，因而不同的用户诉求事件捕捉项可以确定为相同的升级类别标签。

在一些可能的设计思路下，Process1033的实现方式可以包括如下Process10331-Process10333。

Process10331：根据第一要素向量影响因子、第一定位差异影响因子、以及确定的各个所述用户诉求事件捕捉项与各个所述主题关键词之间的所述第一要素向量共性评分和所述第一动态定位差异，确定各个跨维二元组的适配系数，其中，所述跨维二元组包括一个所述用户诉求事件捕捉项和一个所述主题关键词。

举例而言，可以将第一动态定位差异ch1变换成第一相关系数in1_D：in1_D=exp（-index*ch1），其中，index为第一变换因子，进一步可以将第一动态定位差异列表中的各个成员均变换成对应的第一相关系数，从而得到第一相关系数列表L1_D，L1_D中的每一横向数组反映一个用户诉求事件捕捉项，每一纵向数组反映一个主题关键词，因而L1_D中的某个成员即为该成员所对应横向数组表示的用户诉求事件捕捉项，与该成员所对应纵向数组表示的主题关键词之间的第一相关系数。然后再使用第一相关系数来确定跨维二元组的适配系数P1：P1=in1_D*（1-Wq）*V1_vec*Wq，其中，1-Wq为第一定位差异影响因子（差异权重），Wq为第一要素向量影响因子（特征权重）。如果已经确定LIST1_vec和L_D，则可以对列表进行确定，从而得到第一适配系数列表L1，L1中的每一横向数组反映一个用户诉求事件捕捉项，每一纵向数组反映一个主题关键词，因而L1中的某个成员即为该成员所对应横向数组表示的用户诉求事件捕捉项，与该成员所对应纵向数组表示的主题关键词组成的跨维二元组（可以理解为匹配组合）的适配系数P1。

对于一些示例性设计思路而言，可以在第一要素向量影响因子、第一定位差异影响因子、以及确定的各个所述用户诉求事件捕捉项与各个所述主题关键词之间的第一要素向量共性评分和第一动态定位差异的前提下，进一步结合各个主题关键词的时序权重来确定各个跨维二元组的适配系数。即根据第一要素向量影响因子、第一定位差异影响因子、各个跨维二元组中的所述主题关键词的时序权重、以及确定的各个所述用户诉求事件捕捉项与各个所述主题关键词的第一要素向量共性评分和第一动态定位差异，确定各个所述跨维二元组的适配系数，其中，所述时序权重由所述主题关键词前一轮被捕捉的时序节点，和所述待处理云业务活动大数据对应的时序节点确定，待处理云业务活动大数据对应的时序节点可以为待处理云业务活动大数据的采集时序节点。本发明实施例中通过引入时序权重，扩增了主题关键词前一轮被捕捉的时序节点对适配系数的贡献，从而进一步提高了适配系数确定的精度。

对于一些示例性设计思路而言，可以在第一要素向量影响因子、第一定位差异影响因子、以及确定的各个所述用户诉求事件捕捉项与各个所述主题关键词之间的第一要素向量共性评分和第一动态定位差异的前提下，进一步结合各个跨维二元组中的所述用户诉求事件捕捉项的认证指数来确定各个跨维二元组的适配系数。即根据第一要素向量影响因子、第一定位差异影响因子、各个跨维二元组中的所述用户诉求事件捕捉项的认证指数、以及确定的各个所述用户诉求事件捕捉项与各个所述主题关键词之间的第一要素向量共性评分和第一动态定位差异，确定各个所述跨维二元组的适配系数。本发明实施例中通过引入认证指数，扩增了用户诉求事件捕捉项的认证指数对适配系数的贡献，从而进一步提高了适配系数确定的精度。

Process10332：通过各个所述跨维二元组的适配系数，确定满足适配条件的所述跨维二元组。举例而言，可以将适配系数高于预设的适配系数阈值的跨维二元组中的用户诉求事件捕捉项和主题关键词确定为成功配对。

Process10333：将各个满足适配条件的所述跨维二元组中包含的所述主题关键词确定为所述跨维二元组中包含的所述用户诉求事件捕捉项的升级类别标签。

在完成Process103之后，还可以通过各个已确定升级类别标签的所述用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，优化所述预设事件主题集中对应的所述主题关键词的第二用户诉求要素向量和第二知识定位变量。这样能够进一步丰富该主题关键词的第二用户诉求要素向量，而且保持该主题关键词的第二知识定位变量为最新的知识定位变量。进一步的可以在预设事件主题集中，通过各个主题关键词的第二知识定位变量的历次优化记录，可以确定各个主题关键词的变化记录。优化第二用户诉求要素向量时，可以按照事先设定的权值关系，将已确定升级类别标签的用户诉求事件捕捉项的第一用户诉求要素向量与预设事件主题集中对应的主题关键词的第二用户诉求要素向量进行加权，所得到的结果更新预设事件主题集中对应的主题关键词的第二用户诉求要素向量；优化主题关键词的第二知识定位变量时，使用用户诉求事件捕捉项的第一知识定位变量替换主题关键词的第二知识定位变量。

Process104：利用所述升级类别标签进行云业务交互项目升级处理。

在得到不少于一个所述用户诉求事件捕捉项的升级类别标签之后，可以根据升级类别标签确定相应的云业务交互项目的升级更新策略，也即保障升级更新策略能够迎合用户诉求/用户需求，从而提高业务交互的智能化程度和质量。

应用于Process101-Process104，通过挖掘若干个不同交互状态的待处理云业务活动大数据中的不少于一个用户诉求事件捕捉项及各个所述用户诉求事件捕捉项的第一用户诉求要素向量，这样能够通过各个所述用户诉求事件捕捉项在所述待处理云业务活动大数据中的分布特征，确定各个所述用户诉求事件捕捉项在数据升级知识空间中的第一知识定位变量，继而可以通过各个所述用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，以及预设事件主题集中各个主题关键词的第二用户诉求要素向量和第二知识定位变量，确定不少于一个所述用户诉求事件捕捉项的升级类别标签。鉴于从用户诉求要素向量和知识定位变量两个关注面来配对用户诉求事件捕捉项和主题关键词，这样能够使得配对结果尽可能精准，以提高所得到的升级类别标签的精度和可信度，这样能够通过升级类别标签实现云业务交互项目的升级处理。如此，可以基于用户诉求和数据升级之间的特征映射和空间映射关系确定指导数据服务升级的升级类别标签，从而提高大数据升级的智能性。

本发明的一些实施例中，在完成Process103之后，还可以在没有被确定升级类别标签的若干个所述用户诉求事件捕捉项中，通过各个所述用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，生成不少于一个具有第一用户诉求要素向量和第一知识定位变量的主题关键词。

对于一些示例性设计思路而言，可以将生成的主题关键词加载到预设事件主题集内，从而扩增预设事件主题集内的主题关键词数目，提高预设事件主题集的多样性。这样便在多交互状态多事件捕捉的前提下，不断确定每组大数据中部分用户诉求事件的主题关键词，然后利用没有被确定主题关键词的用户诉求事件生成新的主题关键词，从而逐渐完善预设事件主题集。

在另一个可能的实施例中，可以先通过各个生成的主题关键词的第一用户诉求要素向量和第一知识定位变量，以及所述预设事件主题集中各个所述主题关键词的第二用户诉求要素向量和第二知识定位变量，确定各个生成的主题关键词与所述预设事件主题集中各个所述主题关键词的主题相关性；然后，在任意一个生成的主题关键词与所述预设事件主题集中的所述主题关键词的主题相关性（主题相似度）不小于设定相关性限值的前提下，确定该生成的主题关键词对应的用户诉求事件捕捉项的升级类别标签为所述预设事件主题集中对应的所述主题关键词；在任意一个生成的主题关键词与所述预设事件主题集中的各个所述主题关键词的主题相关性都小于所述设定相关性限值的前提下，将该生成的主题关键词加载到所述预设事件主题集中。

其中，确定主题关键词的主题相关性之前，可以在预设事件主题集中，通过各个所述主题关键词前一轮被捕捉的时序节点，和所述待处理云业务活动大数据对应的时序节点确定各个所述主题关键词的第二要素向量影响因子和第二定位差异影响因子。然后在确定两个主题关键词的主题相关性时，可以通过各个生成的主题关键词的第一用户诉求要素向量和第一知识定位变量，以及所述预设事件主题集中各个所述主题关键词的第二用户诉求要素向量、第二知识定位变量、第二要素向量影响因子和第二定位差异影响因子，确定各个生成的主题关键词与所述预设事件主题集中各个所述主题关键词的主题相关性。

本发明实施例中，在生成主题关键词后，通过主题相关性来判断生成的主题关键词和预设事件主题集中的主题关键词是否为相同的主题关键词，若是相同的主题关键词则将两个主题关键词融合，若非相同的主题关键词则将生成的主题关键词加载到预设事件主题集中。这样能够避免预设事件主题集中的主题关键词存在冗余，提高准确性；而且还可以使得在Process103未被已确定主题关键词的用户诉求事件捕捉项，能够在本发明实施例中已确定主题关键词，从而进一步提高了用户诉求事件分析的精度。

可以理解的是，在任意一个生成的主题关键词与所述预设事件主题集中的所述主题关键词的主题相关性不小于设定相关性限值的前提下，还可以根据该生成的主题关键词的第一用户诉求要素向量和第一多模态标签，优化所述预设事件主题集中对应的所述主题关键词的第二用户诉求要素向量和第二知识定位变量。这样能够进一步丰富该主题关键词的第二用户诉求要素向量，而且保持该主题关键词的第二知识定位变量为最新的知识定位变量。

可以理解的是，在所述确定该生成的主题关键词对应的所述用户诉求事件捕捉项的升级类别标签为所述预设事件主题集中对应的所述主题关键词之后，还可以将所述预设事件主题集中对应的所述主题关键词的实时标签调整为已捕捉。从而使预设事件主题集中的各个主题关键词实时优化状态，便于判断各个主题关键词的目标的变化记录情况。

本发明的一些实施例中，无论是利用第一组大数据中的用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，还是利用没有被确定升级类别标签的用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，来生成主题关键词，都可以基于以下内生成。

首先，确定各个所述用户诉求事件捕捉项的第一用户诉求要素向量，与其它各个所述用户诉求事件捕捉项的第一用户诉求要素向量之间的第二要素向量共性评分。即在全部的用户诉求事件捕捉项中，两两之间确定第一用户诉求要素向量的第二要素向量共性评分。举例而言，可以使用余弦相似度确定第一用户诉求要素向量之间的第二要素向量共性评分。可以确定第二要素向量共性评分列表LIST2_vec来表示每两个第一用户诉求要素向量之间的第二要素向量共性评分，LIST2_vec中的每一横向数组反映一个用户诉求事件捕捉项（所有用户诉求事件捕捉项均具有表示的行），每一纵向数组也反映一个用户诉求事件捕捉项（全部的用户诉求事件捕捉项均具有表示的列），因而LIST1_vec中的某个成员即为该成员所对应横向数组表示的用户诉求事件捕捉项，与该成员所对应纵向数组表示的用户诉求事件捕捉项之间的第二要素向量共性评分LIST2_vec。

接下来，确定各个所述用户诉求事件捕捉项的第一知识定位变量，与剩余各个所述用户诉求事件捕捉项的第一知识定位变量之间的第二动态定位差异。即在全部的用户诉求事件捕捉项中，两两之间确定第一知识定位变量质检的第二动态定位差异。举例而言，可以确定第二动态定位差异列表来表示每两个用户诉求事件捕捉项的第一知识定位变量之间的第二动态定位差异，第二动态定位差异列表中的每一横向数组反映一个用户诉求事件捕捉项（所有用户诉求事件捕捉项均具有表示的行），每一纵向数组也反映一个用户诉求事件捕捉项（全部的用户诉求事件捕捉项均具有表示的列），因而第二动态定位差异列表中的某个成员即为该成员所对应横向数组表示的用户诉求事件捕捉项，与该成员所对应纵向数组表示的用户诉求事件捕捉项之间的第二动态定位差异。

进一步地，根据第一要素向量影响因子、第一定位差异影响因子、以及各个用户诉求事件捕捉二元项中的两个所述用户诉求事件捕捉项之间的第二要素向量共性评分和第二动态定位差异，确定各个所述用户诉求事件捕捉二元项的适配系数，其中，所述用户诉求事件捕捉二元项包括两个不同的所述用户诉求事件捕捉项。

最后，通过各个所述用户诉求事件捕捉二元项的适配系数，生成不少于一个主题关键词。

举例而言，可以通过各个用户诉求事件捕捉二元项的适配系数，以及分团规则（例如各个聚类中只能包括各个交互状态的大数据中的一个用户诉求事件捕捉项）对全部的用户诉求事件捕捉项进行分团，比如先将适配系数高于预设适配系数阈值的用户诉求事件捕捉二元项中的两个用户诉求事件捕捉项确定为同一个目标的用户诉求事件捕捉项，再结合不同用户诉求事件捕捉二元项中相同的用户诉求事件捕捉项，这样能够得到若干个用户诉求事件捕捉项分团簇，各个分团簇对应一个用户诉求事件，最后再利用分团规则对各个分团簇中的用户诉求事件捕捉项进行筛选。

进而可以根据分团簇生成不少于一个主题关键词，例如将各个分团簇确定为一个主题关键词，并将各个分团簇中全部用户诉求事件捕捉项的第一用户诉求要素向量进行加权，确定为对应的主题关键词的第一用户诉求要素向量，将各个分团簇中全部用户诉求事件捕捉项的第一知识定位变量进行平均，确定为对应的主题关键词的第一知识定位变量。

在待处理云业务活动大数据为第一组大数据时，可以根据若干个用户诉求事件捕捉项、各个用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量生成若干个主题关键词，确定预设事件主题集。在待处理云业务活动大数据为非第一组大数据时，可以通过各个用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，将若干个用户诉求事件捕捉项与预设事件主题集配对，成功配对到预设事件主题集中的主题关键词的用户诉求事件捕捉项确定升级类别标签，并使用用户诉求事件捕捉项的第一用户诉求要素向量优化配对到的主题关键词的第二用户诉求要素向量，使用用户诉求事件捕捉项的第一知识定位变量优化配对到的主题关键词的第二知识定位变量；利用未成功配对到预设事件主题集中的主题关键词的用户诉求事件捕捉项生成若干个主题关键词，并确定生成的主题关键词与预设事件主题集中主题关键词的主题相关性，若主题相关性不小于相关性限值则使用生成的主题关键词优化预设事件主题集中对应的主题关键词，若主题相关性小于相关性限值则将生成的主题关键词加载到预设事件主题集中。

在一些可独立的设计思路下，Process104所描述的利用所述升级类别标签进行云业务交互项目升级处理，可以包括如下内容：获取针对所述升级类别标签的项目升级更新策略集（比如可以通过关系型数据库匹配获得），所述项目升级更新策略集包括至少两条项目升级更新策略；获得所述项目升级更新策略集中的各条项目升级更新策略与所述升级类别标签之间的升级兼容评分（比如可以理解为策略相关度）；根据所述各条项目升级更新策略对应的升级兼容评分，以及所述各条项目升级更新策略的升级执行向量（可以理解为策略分类向量），对所述各条项目升级更新策略进行整理（排序），得到相应的项目升级更新策略链；基于所述项目升级更新策略链确定关于所述升级类别标签的目标项目升级建议链，所述目标项目升级建议链包括至少两个目标项目升级建议文本（用于进行项目升级指导）；确定所述目标项目升级建议链中的待采用项目升级建议文本；利用所述待采用项目升级建议文本进行云业务交互项目升级处理；其中，所述待采用项目升级建议文本与所述升级类别标签对应的云业务交互项目的用户感知系数（反映云业务交互项目升级优化过程中用户的感知明显程度）为所有目标项目升级建议文本中的最小值。如此设计，首先基于升级兼容评分和升级执行向量整理得到多个目标项目升级建议文本，然后基于用户感知系数筛选待采用项目升级建议文本进行云业务交互项目升级处理，能够从项目升级的可行性和项目升级的“低感知”层面实现智能化的云业务交互项目升级处理。

在一些可独立的设计思路下，所述根据所述各条项目升级更新策略对应的升级兼容评分，以及所述各条项目升级更新策略的升级执行向量，对所述各条项目升级更新策略进行整理，得到相应的项目升级更新策略链，具体包括：根据所述各条项目升级更新策略对应的升级兼容评分，以及所述各条项目升级更新策略的升级执行向量，对所述各条项目升级更新策略进行分治，得到至少两个项目升级更新策略子集；对各个项目升级更新策略子集进行整理，并分别对所述各个项目升级更新策略子集中的各条项目升级更新策略进行整理，得到所述项目升级更新策略链。如此，可以完整地确定出项目升级更新策略链。

在一些可独立的设计思路下，所述根据所述各条项目升级更新策略对应的升级兼容评分，以及所述各条项目升级更新策略的升级执行向量，对所述各条项目升级更新策略进行分治，得到至少两个项目升级更新策略子集，具体包括：分别根据所述各条项目升级更新策略对应的升级兼容评分，对所述各条项目升级更新策略的升级执行向量进行加权，得到所述各条项目升级更新策略的个性化升级执行向量；根据所述各条项目升级更新策略的个性化升级执行向量对所述各条项目升级更新策略进行聚类，得到至少两个项目升级更新策略子集。如此，可以完整地确定出项目升级更新策略子集。

在一些可独立的设计思路下，所述对各个项目升级更新策略子集之间进行整理，并分别对所述各个项目升级更新策略子集中的各条项目升级更新策略进行整理，得到所述项目升级更新策略链，具体包括：根据各个项目升级更新策略子集所包含的项目升级更新策略的数量，对所述各个项目升级更新策略子集进行整理；以及，针对所述各个项目升级更新策略子集，分别执行以下操作：根据所述项目升级更新策略子集中各条项目升级更新策略的升级执行向量与所述项目升级更新策略子集的关联程度，对所述项目升级更新策略子集中的各条项目升级更新策略进行整理；基于所述各个项目升级更新策略子集之间的整理结果，以及所述各个项目升级更新策略子集中各条项目升级更新策略的整理结果，生成所述项目升级更新策略链。如此，可以完整地确定出项目升级更新策略链。

基于同样的发明构思，图2示出了本发明实施例提供的大数据处理装置的模块框图，大数据处理装置可以包括实施图1所示的相关方法步骤的数据挖掘模块21，用于挖掘若干个不同交互状态的待处理云业务活动大数据中的不少于一个用户诉求事件捕捉项及各个所述用户诉求事件捕捉项的第一用户诉求要素向量；知识分析模块22，用于通过各个所述用户诉求事件捕捉项在所述待处理云业务活动大数据中的分布特征，确定各个所述用户诉求事件捕捉项在数据升级知识空间中的第一知识定位变量；升级处理模块23，用于通过各个所述用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，以及预设事件主题集中各个主题关键词的第二用户诉求要素向量和第二知识定位变量，确定不少于一个所述用户诉求事件捕捉项的升级类别标签；利用所述升级类别标签进行云业务交互项目升级处理。

应用于本发明的相关实施例可以达到如下技术效果：通过挖掘若干个不同交互状态的待处理云业务活动大数据中的不少于一个用户诉求事件捕捉项及各个所述用户诉求事件捕捉项的第一用户诉求要素向量，这样能够通过各个所述用户诉求事件捕捉项在所述待处理云业务活动大数据中的分布特征，确定各个所述用户诉求事件捕捉项在数据升级知识空间中的第一知识定位变量，继而可以通过各个所述用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，以及预设事件主题集中各个主题关键词的第二用户诉求要素向量和第二知识定位变量，确定不少于一个所述用户诉求事件捕捉项的升级类别标签，以便利用升级类别标签进行云业务交互项目升级处理。鉴于从用户诉求要素向量和知识定位变量两个关注面来配对用户诉求事件捕捉项和主题关键词，这样能够使得配对结果尽可能精准，以提高所得到的升级类别标签的精度和可信度，这样能够通过升级类别标签准确可靠实现云业务交互项目的升级处理。如此，可以基于用户诉求和数据升级之间的特征映射和空间映射关系确定指导数据服务升级的升级类别标签，从而提高大数据升级的智能性。

以上所述，仅为本发明的具体实施方式。熟悉本技术领域的技术人员根据本发明提供的具体实施方式，可想到变化或替换，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于业务升级的大数据处理方法，其特征在于，应用于业务升级服务器，所述方法包括：

挖掘若干个不同交互状态的待处理云业务活动大数据中的不少于一个用户诉求事件捕捉项及各个所述用户诉求事件捕捉项的第一用户诉求要素向量；

通过各个所述用户诉求事件捕捉项在所述待处理云业务活动大数据中的分布特征，确定各个所述用户诉求事件捕捉项在数据升级知识空间中的第一知识定位变量；

通过各个所述用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，以及预设事件主题集中各个主题关键词的第二用户诉求要素向量和第二知识定位变量，确定不少于一个所述用户诉求事件捕捉项的升级类别标签；

利用所述升级类别标签进行云业务交互项目升级处理。

2.如权利要求1所述的基于业务升级的大数据处理方法，其特征在于，所述通过各个所述用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，以及预设事件主题集中各个主题关键词的第二用户诉求要素向量和第二知识定位变量，确定不少于一个所述用户诉求事件捕捉项的升级类别标签，包括：

确定各个所述用户诉求事件捕捉项的第一用户诉求要素向量，与各个所述主题关键词的第二用户诉求要素向量之间的第一要素向量共性评分；

确定各个所述用户诉求事件捕捉项的第一知识定位变量，与各个所述主题关键词的第二知识定位变量之间的第一动态定位差异；

依据确定的所述第一要素向量共性评分和所述第一动态定位差异，确定不少于一个所述用户诉求事件捕捉项的升级类别标签。

3.如权利要求2所述的基于业务升级的大数据处理方法，其特征在于，所述依据确定的所述第一要素向量共性评分和所述第一动态定位差异，确定不少于一个所述用户诉求事件捕捉项的升级类别标签，包括：

根据第一要素向量影响因子、第一定位差异影响因子、以及确定的所述第一要素向量共性评分和所述第一动态定位差异，确定各个跨维二元组的适配系数，其中，所述跨维二元组包括一个所述用户诉求事件捕捉项和一个所述主题关键词；

通过各个所述跨维二元组的适配系数，确定满足适配条件的所述跨维二元组；

将各个满足适配条件的所述跨维二元组中包含的所述主题关键词确定为所述跨维二元组中包含的所述用户诉求事件捕捉项的升级类别标签。

4.如权利要求3所述的基于业务升级的大数据处理方法，其特征在于，所述根据第一要素向量影响因子、第一定位差异影响因子、以及确定的所述第一要素向量共性评分和所述第一动态定位差异，确定各个跨维二元组的适配系数，包括：根据第一要素向量影响因子、第一定位差异影响因子、各个跨维二元组中的所述主题关键词的时序权重、以及确定的所述第一要素向量共性评分和所述第一动态定位差异，确定各个所述跨维二元组的适配系数，其中，所述时序权重由所述主题关键词前一轮被捕捉的时序节点和所述待处理云业务活动大数据对应的时序节点确定。

5.如权利要求3所述的基于业务升级的大数据处理方法，其特征在于，还包括：确定各个所述用户诉求事件捕捉项的认证指数；

所述根据第一要素向量影响因子、第一定位差异影响因子、以及确定的所述第一要素向量共性评分和所述第一动态定位差异，确定各个跨维二元组的适配系数，包括：根据第一要素向量影响因子、第一定位差异影响因子、各个跨维二元组中的所述用户诉求事件捕捉项的认证指数、以及确定的所述第一要素向量共性评分和所述第一动态定位差异，确定各个所述跨维二元组的适配系数。

6.如权利要求1所述的基于业务升级的大数据处理方法，其特征在于，还包括：在没有被确定升级类别标签的若干个所述用户诉求事件捕捉项中，通过各个所述用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，生成不少于一个具有第一用户诉求要素向量和第一知识定位变量的主题关键词。

7.如权利要求6所述的基于业务升级的大数据处理方法，其特征在于，还包括：

通过各个生成的主题关键词的第一用户诉求要素向量和第一知识定位变量，以及所述预设事件主题集中各个所述主题关键词的第二用户诉求要素向量和第二知识定位变量，确定各个生成的主题关键词与所述预设事件主题集中各个所述主题关键词的主题相关性；

在任意一个生成的主题关键词与所述预设事件主题集中的所述主题关键词的主题相关性不小于设定相关性限值的前提下，确定该生成的主题关键词对应的用户诉求事件捕捉项的升级类别标签为所述预设事件主题集中对应的所述主题关键词；

在任意一个生成的主题关键词与所述预设事件主题集中的各个所述主题关键词的主题相关性均小于所述设定相关性限值的前提下，将该生成的主题关键词加载到所述预设事件主题集中；

其中，还包括：在所述预设事件主题集中，通过各个所述主题关键词前一轮被捕捉的时序节点，和所述待处理云业务活动大数据对应的时序节点确定各个所述主题关键词的第二要素向量影响因子和第二定位差异影响因子；所述通过各个生成的主题关键词的第一用户诉求要素向量和第一知识定位变量，以及所述预设事件主题集中各个所述主题关键词的第二用户诉求要素向量和第二知识定位变量，确定各个生成的主题关键词与所述预设事件主题集中各个所述主题关键词的主题相关性，包括：通过各个生成的主题关键词的第一用户诉求要素向量和第一知识定位变量，以及所述预设事件主题集中各个所述主题关键词的第二用户诉求要素向量、第二知识定位变量、第二要素向量影响因子和第二定位差异影响因子，确定各个生成的主题关键词与所述预设事件主题集中各个所述主题关键词的主题相关性；

其中，在所述确定不少于一个所述用户诉求事件捕捉项的升级类别标签之后，还包括：通过各个已确定升级类别标签的所述用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，优化所述预设事件主题集中对应的所述主题关键词的第二用户诉求要素向量和第二知识定位变量；和/或，在任意一个生成的主题关键词与所述预设事件主题集中的所述主题关键词的主题相关性不小于设定相关性限值的前提下，还包括：根据该生成的主题关键词的第一用户诉求要素向量和第一多模态标签，优化所述预设事件主题集中对应的所述主题关键词的第二用户诉求要素向量和第二知识定位变量。

8.如权利要求6所述的基于业务升级的大数据处理方法，其特征在于，所述通过各个所述用户诉求事件捕捉项的第一用户诉求要素向量和第一知识定位变量，生成不少于一个具有第一用户诉求要素向量和第一知识定位变量的主题关键词，包括：

确定各个所述用户诉求事件捕捉项的第一用户诉求要素向量，与其它各个所述用户诉求事件捕捉项的第一用户诉求要素向量之间的第二要素向量共性评分；

确定各个所述用户诉求事件捕捉项的第一知识定位变量，与剩余各个所述用户诉求事件捕捉项的第一知识定位变量之间的第二动态定位差异；

根据第一要素向量影响因子、第一定位差异影响因子、以及各个用户诉求事件捕捉二元项中的两个所述用户诉求事件捕捉项之间的第二要素向量共性评分和第二动态定位差异，确定各个所述用户诉求事件捕捉二元项的适配系数，其中，所述用户诉求事件捕捉二元项包括两个不同的所述用户诉求事件捕捉项；

通过各个所述用户诉求事件捕捉二元项的适配系数，生成不少于一个主题关键词。

9.一种业务升级服务器，其特征在于，包括：存储器和处理器；所述存储器和所述处理器耦合；所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令；其中，当所述处理器执行所述计算机指令时，使得所述业务升级服务器执行如权利要求1-8中任意一项所述的方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序在运行时执行如权利要求1-8中任意一项所述的方法。

Images