CN116484355A - 一种智慧媒体平台认证模型调度方法 - Google Patents

Abstract

本申请提供一种智慧媒体平台认证模型调度方法，涉及模型调度技术领域。该方法包括划分基础认证类型，并获取基础认证模型，建立基础顺序认证类型集；结合基础顺序认证类型集，采集认证数据进行基础认证，形成基础认证结果数据；获取等级认证模型，根据基础认证结果数据采集不同领域的等级认证数据，并进行等级认证，形成等级认证结果数据；获取等级监测认证模型，根据等级认证结果数据采集等级监测认证数据，并进行等级监测认证，形成等级监测认证结果数据。其合理高效的调用认证模型进行平台认证。

Description

一种智慧媒体平台认证模型调度方法

技术领域

本申请涉及模型调度技术领域，具体而言，涉及一种智慧媒体平台认证模型调度方法。

背景技术

随着科技的进步，媒体传播依靠人工智能技术得到了极大的发展，形成当下前言的智慧媒体。为了能够更加广泛和合理的对媒体信息进行处理和引流，建立和利用不同的平台形成智慧媒体平台。同时随着媒体运作的普遍化程度增加，当下越来越多的普通人也纷纷加入到媒体行业中来。

目前，随着短视频、流量新闻等不同类型的媒体不断涌现，越来越多团队、个体加入到媒体运作中来。一方面，极大的丰富了媒体的信息量，为日常生活带了更加及时更加广阔的信息量，充实人们的生活，扩展人们的视野。同时，随着媒体平台用户的增多，不同类型不同需求形式的用户在平台上涌现，对于平台进行用户认证的工作量逐渐增加。当前，虽然凭借强大的后台支持，智慧媒体平台通常建立起了完善的平台认证模型以满足不同类型和不同需求的用户的认证。但对于在进行认证时，如何合理高效的对认证模型进行调度，以高效有序的实现智慧媒体平台上的认证，成为当前重要的课题。

因此，设计一种智慧媒体平台认证模型调度方法，能够合理高效的调用认证模型进行平台认证，是目前亟待解决的问题。

发明内容

本申请实施例的目的在于提供一种智慧媒体平台认证模型调度方法，通过对平台认证的类型进行总结和分析，形成不同类型的平台认证调度需求，并在调度需求上进行认证模型的类型划分，同时建立起基于认证模型进行准确高效认证的调度顺序。一方面，本调度方法能够根据类型对平台认证模型进行合理的分类规划，形成可以高效利用的认证模型调度资源库，另一方面，根据平台认证的类型进行合理的模型调度认证，顺序高效的完成平台上的模型认证，高效快速且节约资源。

第一方面，本申请实施例提供一种智慧媒体平台认证模型调度方法，包括划分基础认证类型，并获取基础认证模型，建立基础顺序认证类型集；结合基础顺序认证类型集，采集认证数据进行基础认证，形成基础认证结果数据；获取等级认证模型，根据基础认证结果数据采集不同领域的等级认证数据，并进行等级认证，形成等级认证结果数据；获取等级监测认证模型，根据等级认证结果数据采集等级监测认证数据，并进行等级监测认证，形成等级监测认证结果数据。

在本申请实施例中，该方法通过对平台认证的类型进行总结和分析，形成不同类型的平台认证调度需求，并在调度需求上进行认证模型的类型划分，同时建立起基于认证模型进行准确高效认证的调度顺序。一方面，本调度方法能够根据类型对平台认证模型进行合理的分类规划，形成可以高效利用的认证模型调度资源库，另一方面，根据平台认证的类型进行合理的模型调度认证，顺序高效的完成平台上的模型认证，高效快速且节约资源。

作为一种可能的实现方式，划分基础认证类型，并获取基础认证模型，建立基础顺序认证类型集，包括：划分身份基础认证类型、职业基础认证类型、兴趣基础认证类型以及领域基础认证类型，并确定与各认证类型相关的参考参数；根据参考参数，获取身份基础认证模型，形成身份基础认证类型子集，获取职业基础认证模型，形成职业基础认证类型子集，获取兴趣基础认证模型，形成兴趣基础认证类型子集，获取领域基础认证模型，形成领域基础认证类型子集；将身份基础认证类型子集确定为第一基础顺序认证类型，将职业基础认证类型子集确定为第二基础顺序认证类型，将兴趣基础认证类型子集确定为第三基础顺序认证类型，将领域基础认证类型子集确定为第四基础顺序认证类型，并按顺序进行排列，形成基础顺序认证类型集。

在本申请实施例中，平台认证首先需要进行的就是用户的基础信息认证，用户的基础信息包括用户的身份、兴趣、职业以及在媒体平台所想专业的领域。对于基础信息的认证，一方面是为了保证用户在平台中进行合理合法的媒体运作，另一方面也是方便平台进行归类和管理，以为后续的用户个人发展和基于平台上的需求变化作出快速准确的响应。而基础信息中，身份信息是最基本的认证类型，包括了姓名、年龄等重要且简单的基础信息，这些信息也是平台多数认证模型所需要参考的基本参数信息。所以将身份基础认证模型作为首先需要认证的模型。在身份基础认证完成后，依次建立起同媒体运作相关的职业基础认证、兴趣基础认证和领域基础认证。有序调度认证模型进行认证，形成用户认证的基本画像。考虑在兴趣、职业以及领域认证的模型中，会有参考身份信息的参数，诸如在职业基础认证中，对于职业认证的模型可能会考虑年龄来筛选职业类型。所以按顺序建立基础信息认证模型的调度，能够高效快速的完成认证。

作为一种可能的实现方式，结合基础顺序认证类型集，采集认证数据进行基础认证，形成基础认证结果数据，包括：确定第一基础顺序认证类型中所有的身份基础认证模型的身份输入参数，并根据身份输入参数采集身份认证数据；调用所有身份基础认证模型，对身份认证数据进行验证：若通过所有身份基础认证模型的验证，则进行下一基础顺序的认证，若存在任何身份基础认证模型的验证未通过，则终止认证，输出认证失败。

在本申请实施例中，身份基础认证模型按照认证顺序进行模型调度来完成认证。可以理解的是，身份认证数据是用于在平台上开展媒体运作的数据基础，所以对于用户的身份认证数据的认证就需要进行完全的认证，以避免后期在平台运作或者进行后续的认证时发生错误。

作为一种可能的实现方式，结合基础顺序认证类型集，采集认证数据进行基础认证，形成基础认证结果数据，包括：当身份认证数据验证通过后，采集职业认证数据、兴趣认证数据以及领域认证数据；根据职业认证数据在第二基础顺序认证类型中确定适应的职业基础认证模型，并对职业认证数据进行职业类型确定，形成职业类型标签集A；根据兴趣认证数据在第三基础顺序认证类型中确定适应的兴趣基础认证模型，并对兴趣认证数据进行兴趣类型确定，形成兴趣类型标签集B；根据领域认证数据在第四基础顺序认证类型中确定适应的领域基础认证模型，并对领域认证数据进行领域类型确定，形成领域类型标签集C；将职业类型标签集A、兴趣类型标签集B以及领域类型标签集C进行以下集合运算，确定基础认证的类型标签结果：M=A∩B∩C，且M为非空集合，则赋予目标认证对象以领域类型匹配标签；或M=A∩B∩C，且M为空集，则赋予目标认证对象以领域类型独立标签。

在本申请实施例中，基于媒体平台上对于用户认证的形式，主要是根据用户在是否自身熟悉的领域开展相关的媒体运营来确定用户是否具有专业的可持续的该领域媒体运营能力。一方面是确保认证后期用户能够提供具有最大价值型的媒体信息，另一方面也是为了便于平台为用户提供准确且合理的媒体运营资源。所以，在进行职业类型、兴趣类型和领域类型的认证时，通过顺序调度不同的认证模型来依次进行认证，最终确定用户可能擅长的领域，并针对客户的认证结果设定针对性的后续认证方案，确保用户的利益发展以及平台信息的价值性。在认证时，将职业作为第二顺序认证类型，一方面是考虑大部分时候用户都会选择与职业相关的领域进行媒体运营，另一方面大部分的职业基础认证模型主要是基于身份认证数据的参数来完成认证的。而兴趣基础认证作为第三顺序认证类型，则是因为该类认证模型会基于职业认证数据进行分析补充，以确定用户所展现的兴趣是否与职业具有高度的关联性。这样合理的进行模型调度认证，最后将平台最关注的领域与之比较，确定用户在该领域进行媒体运营的基础情况，以为后续展开认证提供合理且准确的数据参考。

作为一种可能的实现方式，获取等级认证模型，根据基础认证结果数据采集不同领域的等级认证数据，并进行等级认证，形成等级认证结果数据，包括：当赋予目标认证对象以领域类型匹配标签后，获取目标认证对象所在领域的等级认证模型；根据等级认证模型，形成目标认证对象所在领域的不同等级认证模型集K_n={k₁，k₂，…，k_x}，其中K_n为等级是n的等级认证模型集，n取非零自然数，k_x表示等级认证模型集中的等级认证模型，x为等级认证模型集中等级认证模型的总数，x取非零自然数；设定采集周期，在采集周期内采集目标认证对象所在领域的等级认证数据，将等级认证数据依次与不同等级认证模型集进行等级认证，形成等级认证结果数据。

在本申请实施例中，等级认认证时平台上用户进行媒体运营的价值量展现，也是平台所需要获取的重要数据，以为媒体运营服务提供数据支撑和参考。在等级认证中，考虑不同用户所擅长的领域不同，且在不同领域不同用户存在运营能力的差异性。首先是在获取各领域等级认证模型的基础上，按照领域类型进行划分，一方面能够对等级认证模型进行系统性的归类，建立等级认证所可以高效利用的等级认证资源库，提高对等级认证模型资源的高效利用，节约数据资源，另一方面，也能在进行等级认证时，合理的选取所需的等级认证模型，大大降低了数据处理的工作量，提高了对于等级认证模型调度的效率。另外，考虑实际认证过程中，平台对于等级的需求是变化的，并且用户运营能力也是随着时间变化的，例如用户初次进入平台时可能是领域类媒体运营的新手等级，在一定时间后用户可能成为平台上该领域媒体运营的熟手甚至是大咖。所以等级认证评定是平台在合理的周期内自发进行的评定方案。当然，建立合理的等级认证周期，一方面可以实现对用户的合理等级认证，另一方面也为新的等级认证模型的加入提供了合理的时间点，在动态的调度过程中合理的进行等级认证模型集的更新，做到动态高效的调度认证。

作为一种可能的实现方式，设定采集周期，在采集周期内采集目标认证对象所在领域的等级认证数据，将等级认证数据依次与不同等级认证模型集进行等级认证，形成等级认证结果数据，包括：将等级认证数据依次按照由低到高的等级级别同等级认证模型集中的每个等级认证模型进行等级验证分析：当所在等级认证模型集中的所有等级认证模型均验证通过，则进入下一等级认证模型集进行等级验证分析；当所在等级认证模型集中存在等级认证模型未验证通过，则确定目标认证对象属于前一个等级，且：若当前进行验证的等级认证模型集中有过半的等级认证模型验证通过，则赋予目标认证对象属于前一个等级上升型标签；若当前进行验证的等级认证模型集中有过半的等级认证模型未验证通过，则赋予目标认证对象属于前一个等级稳定型标签。

在本申请实施例中，考虑在基础认证后，用户在领域内被确定为不同的类型标签。对于领域类型匹配标签，可以确定用户在实际生活中能够紧密的接触到与其在平台上运营的领域相关的作业，所以在进行等级认证时，可以理解为该类用户可以很好的在领域中发展。在进行等级认证模型的调度时，可基于大数据选择性的选取某一等级认证模型进行认证，直至确定用户的认证等级。这样的有序调度一方面可以高效的完成等级认证，另一方面也大大降低了对于模型认证的信息量，节约了数据资源。

作为一种可能的实现方式，获取等级监测认证模型，根据等级认证结果数据采集等级监测认证数据，并进行等级监测认证，形成等级监测认证结果数据，包括：获取目标认证对象所在领域的等级监测认证模型，并对获取的等级监测认证模型进行等级划分，形成目标认证对象所在领域的不同等级监测认证模型集Q_i={T₁，T₂，…，T_y}，其中T_y为等级是i的等级监测认证模型集，i取非零自然数，T_y表示等级监测认证模型集中的等级监测认证模型，y为等级监测认证模型集中等级监测认证模型的总数，y取非零自然数；根据等级认证结果数据所确定的认证的等级，确定等级监测认证所需要的等级监测认证模型集Q_i，并在每个采集周期内采集目标认证对象所在领域的等级监测认证数据；将等级监测认证数据依次同所确定的等级监测认证模型集中的等级监测认证模型进行等级监测认证：若在两个连续采集周期内，等级监测认证数据均未通过第一监测数量的等级监测认证模型的验证，则赋予目标认证对象属于前一个等级标签；若在两个连续采集周期内，存在一次等级监测认证数据通过第一检测数量的等级监测认证模型的验证，则赋予目标认证对象属于当前等级标签；若在两个连续采集周期内，等级监测认证数据均通过所有等级监测认证模型的验证，则赋予目标认证对象属于下一个等级标签。

在本申请实施例中，由于用户在领域内进行媒体运营的能力和情况会随着时间发生变化，平台需要实时的对用户的运营情况进行确认以为用户提供对应的平台使用资源，也能更好的向受众推荐合适的媒体信息。所以完成初次的等级认证后，在设定的周期内进行等级监测认证以实时更新用户的等级状态。通过将等级认证模型进行按照等级类型的分类，建立起有序的等级监测认证模型数据库，在进行等级监测认证时，根据初始评定的等级快速高效的调度适用的等级监测认证模型集来对用户进行等级监测认证。这样可以在节约资源降低认证时间的基础上，高效准确的完成等级监测的认证。

作为一种可能的实现方式，获取等级认证模型，根据基础认证结果数据采集不同领域的等级认证数据，并进行等级认证，形成等级认证结果数据，包括：当赋予目标认证对象以领域类型独立标签后，获取目标认证对象所在领域的等级认证模型；根据等级认证模型，形成目标认证对象所在领域的不同等级认证模型集K_n={k₁，k₂，…，k_x}，其中K_n为等级为n的等级认证模型集，n取非零自然数，k_x表示等级认证模型集中的等级认证模型，x为等级认证模型集中等级认证模型的总数，x取非零自然数；设定采集周期，在采集周期内采集目标认证对象所在领域的等级认证数据，将等级认证数据依次与不同等级认证模型集进行等级认证，并对职业类型标签集A、兴趣类型标签集B以及领域类型标签集C再次进行基础认证的判断，形成等级认证结果数据。

在本申请实施例中，相比与赋予领域类型匹配标签，被赋予领域类型独立标签的用户，考虑其在日常生活中可能很少接触到在媒体平台上运营的所述领域内容，所以对于该类标签用户的等级认证需要提供更加严格的认证方式。本方案中，通过建立等级认证模型集来进行合理的等级认证调度。同时考虑用户可能在运营过程中逐渐对运营的领域产生兴趣和付出大量的类似职业工作的专注性，所以等级认证时，还会调度基础认证模型进行进一步的认证，以更加合理准确的确定用户的等级。

作为一种可能的实现方式，设定采集周期，在采集周期内采集目标认证对象所在领域的等级认证数据，将等级认证数据依次与不同等级认证模型集进行等级认证，并对职业类型标签集A、兴趣类型标签集B以及领域类型标签集C再次进行基础认证的判断，形成等级认证结果数据，包括：将等级认证数据依次按照由低到高的等级级别同等级认证模型集中的每个等级认证模型进行等级验证分析：当所在等级认证模型集中的所有等级认证模型均验证通过，则进入下一等级认证模型集进行等级验证分析；当所在等级认证模型集中存在等级认证模型未验证通过，且M=A∩B∩C，M为非空集合，则确定目标认证对象属于前一个等级，同时：若当前进行验证的等级认证模型集中有过半的等级认证模型验证通过，且则赋予目标认证对象属于前一个等级上升型标签；若当前进行验证的等级认证模型集中有过半的等级认证模型未验证通过，则赋予目标认证对象属于前一个等级稳定型标签；当所在等级认证模型集中存在等级认证模型未验证通过，且M=A∩B∩C，M为空集，则确定目标认证对象属于前两个等级，同时：若当前进行验证的等级认证模型集中有过半的等级认证模型验证通过，且则赋予目标认证对象属于前两个等级上升型标签；若当前进行验证的等级认证模型集中有过半的等级认证模型未验证通过，则赋予目标认证对象属于前两个等级稳定型标签。

在本申请实施例中，相比与赋予领域类型匹配标签的目标认证对象。在等级认证过程中同样调度基础认证模型进行认证，若确认基础认证模型的交集非空，则说明目标对象已开始对运营的领域产生兴趣或作为职业进行作业，这样可以认为目标认证对象能够在运营中产生更加巨大的价值。所以这种情况下等级认证和赋予领域类型匹配标签的目标认证对象无异议。只有当调度基础认证模型进行验证所产生的交集为空集时，才考虑目标认证对象可能需要花费更加大的作业量才能产生和赋予领域类型匹配标签的目标认证对象相同的价值效果。所以对其的等级认证会相对第一等级。当然，对于该类目标认证对象的等级认证由于在开始建立了合理且有序的基础认证模型数据库和等级认证模型数据库，便能够高效快速的调度合理的认证模型进行等级认证。

作为一种可能的实现方式，获取等级监测认证模型，根据等级认证结果数据采集等级监测认证数据，并进行等级监测认证，形成等级监测认证结果数据，包括：获取目标认证对象所在领域的等级监测认证模型，并对获取的等级监测认证模型进行等级划分，形成目标认证对象所在领域的不同等级监测认证模型集Q_i={T₁，T₂，…，T_y}，其中T_y为等级是i的等级监测认证模型集，i取非零自然数，T_y表示等级监测认证模型集中的等级监测认证模型，y为等级监测认证模型集中等级监测认证模型的总数，y取非零自然数；根据等级认证结果数据所确定的认证的等级，确定等级监测认证所需要的等级监测认证模型集Q_i，并在每个采集周期内采集目标认证对象所在领域的等级监测认证数据；将等级监测认证数据依次同所确定的等级监测认证模型集中的等级监测认证模型进行等级监测认证：若在两个连续采集周期内，等级监测认证数据均未通过第二监测数量的等级监测认证模型的验证，则赋予目标认证对象属于前一个等级标签；若在两个连续采集周期内，存在一次等级监测认证数据通过第二检测数量的等级监测认证模型的验证，则赋予目标认证对象属于当前等级标签；若在两个连续采集周期内，等级监测认证数据均通过所有等级监测认证模型的验证，则赋予目标认证对象属于下一个等级标签。

在本申请实施例中，同样地，对于赋予领域类型独立标签的目标认证对象，在进行等级监测认证时，也是通过所建立的等级监测认证模型数据库调度合适的认证模型来完成认证。当然，考虑等级监测时一个持续的过程，所以以连续周期的等级监测认证结果作为最终的评定结果是比较合理的，并且相较于传统的等级监测认证，由于建立的等级监测认证的数据库，每一次的评定都十分高效，这样，在进行等级监测认证时，可以从大量的评定数据分析中挣脱出来充分考虑评定的合理性，以实现更加准确公平的等级监测认证。

本实施例提供的一种智慧媒体平台认证模型调度方法的有益效果有：

该方法通过对平台认证的类型进行总结和分析，形成不同类型的平台认证调度需求，并在调度需求上进行认证模型的类型划分，同时建立起基于认证模型进行准确高效认证的调度顺序。一方面，本调度方法能够根据类型对平台认证模型进行合理的分类规划，形成可以高效利用的认证模型调度资源库，另一方面，根据平台认证的类型进行合理的模型调度认证，顺序高效的完成平台上的模型认证，高效快速且节约资源。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请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为本申请实施例提供的智慧媒体平台认证模型调度方法的步骤图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。

随着科技的进步，媒体传播依靠人工智能技术得到了极大的发展，形成当下前言的智慧媒体。为了能够更加广泛和合理的对媒体信息进行处理和引流，建立和利用不同的平台形成智慧媒体平台。同时随着媒体运作的普遍化程度增加，当下越来越多的普通人也纷纷加入到媒体行业中来。

目前，随着短视频、流量新闻等不同类型的媒体不断涌现，越来越多团队、个体加入到媒体运作中来。一方面，极大的丰富了媒体的信息量，为日常生活带了更加及时更加广阔的信息量，充实人们的生活，扩展人们的视野。同时，随着媒体平台用户的增多，不同类型不同需求形式的用户在平台上涌现，对于平台进行用户认证的工作量逐渐增加。当前，虽然凭借强大的后台支持，智慧媒体平台通常建立起了完善的平台认证模型以满足不同类型和不同需求的用户的认证。但对于在进行认证时，如何合理高效的对认证模型进行调度，以高效有序的实现智慧媒体平台上的认证，成为当前重要的课题。

参考图1，本申请实施例提供一种智慧媒体平台认证模型调度方法。该方法通过对平台认证的类型进行总结和分析，形成不同类型的平台认证调度需求，并在调度需求上进行认证模型的类型划分，同时建立起基于认证模型进行准确高效认证的调度顺序。一方面，本调度方法能够根据类型对平台认证模型进行合理的分类规划，形成可以高效利用的认证模型调度资源库，另一方面，根据平台认证的类型进行合理的模型调度认证，顺序高效的完成平台上的模型认证，高效快速且节约资源。

智慧媒体平台认证模型调度方法包括以下主要步骤：

S1：划分基础认证类型，并获取基础认证模型，建立基础顺序认证类型集。

对于本步骤主要是建立合理的基础认证模型数据库，以为后期进行基础认证的调度提供便利，实现高效的模型调度和基础认证。本步骤主要包括：

划分身份基础认证类型、职业基础认证类型、兴趣基础认证类型以及领域基础认证类型，并确定与各认证类型相关的参考参数；根据参考参数，获取身份基础认证模型，形成身份基础认证类型子集，获取职业基础认证模型，形成职业基础认证类型子集，获取兴趣基础认证模型，形成兴趣基础认证类型子集，获取领域基础认证模型，形成领域基础认证类型子集；将身份基础认证类型子集确定为第一基础顺序认证类型，将职业基础认证类型子集确定为第二基础顺序认证类型，将兴趣基础认证类型子集确定为第三基础顺序认证类型，将领域基础认证类型子集确定为第四基础顺序认证类型，并按顺序进行排列，形成基础顺序认证类型集。

平台认证首先需要进行的就是用户的基础信息认证，用户的基础信息包括用户的身份、兴趣、职业以及在媒体平台所想专业的领域。对于基础信息的认证，一方面是为了保证用户在平台中进行合理合法的媒体运作，另一方面也是方便平台进行归类和管理，以为后续的用户个人发展和基于平台上的需求变化作出快速准确的响应。而基础信息中，身份信息是最基本的认证类型，包括了姓名、年龄等重要且简单的基础信息，这些信息也是平台多数认证模型所需要参考的基本参数信息。所以将身份基础认证模型作为首先需要认证的模型。在身份基础认证完成后，依次建立起同媒体运作相关的职业基础认证、兴趣基础认证和领域基础认证。有序调度认证模型进行认证，形成用户认证的基本画像。考虑在兴趣、职业以及领域认证的模型中，会有参考身份信息的参数，诸如在职业基础认证中，对于职业认证的模型可能会考虑年龄来筛选职业类型。所以按顺序建立基础信息认证模型的调度，能够高效快速的完成认证。

S2：结合基础顺序认证类型集，采集认证数据进行基础认证，形成基础认证结果数据。

该步骤包括：确定第一基础顺序认证类型中所有的身份基础认证模型的身份输入参数，并根据身份输入参数采集身份认证数据；调用所有身份基础认证模型，对身份认证数据进行验证：若通过所有身份基础认证模型的验证，则进行下一基础顺序的认证，若存在任何身份基础认证模型的验证未通过，则终止认证，输出认证失败。

身份基础认证模型按照认证顺序进行模型调度来完成认证。可以理解的是，身份认证数据是用于在平台上开展媒体运作的数据基础，所以对于用户的身份认证数据的认证就需要进行完全的认证，以避免后期在平台运作或者进行后续的认证时发生错误。

详细地，还包括：当身份认证数据验证通过后，采集职业认证数据、兴趣认证数据以及领域认证数据；根据职业认证数据在第二基础顺序认证类型中确定适应的职业基础认证模型，并对职业认证数据进行职业类型确定，形成职业类型标签集A；根据兴趣认证数据在第三基础顺序认证类型中确定适应的兴趣基础认证模型，并对兴趣认证数据进行兴趣类型确定，形成兴趣类型标签集B；根据领域认证数据在第四基础顺序认证类型中确定适应的领域基础认证模型，并对领域认证数据进行领域类型确定，形成领域类型标签集C；将职业类型标签集A、兴趣类型标签集B以及领域类型标签集C进行以下集合运算，确定基础认证的类型标签结果：M=A∩B∩C，且M为非空集合，则赋予目标认证对象以领域类型匹配标签；或M=A∩B∩C，且M为空集，则赋予目标认证对象以领域类型独立标签。基于媒体平台上对于用户认证的形式，主要是根据用户在是否自身熟悉的领域开展相关的媒体运营来确定用户是否具有专业的可持续的该领域媒体运营能力。一方面是确保认证后期用户能够提供具有最大价值型的媒体信息，另一方面也是为了便于平台为用户提供准确且合理的媒体运营资源。所以，在进行职业类型、兴趣类型和领域类型的认证时，通过顺序调度不同的认证模型来依次进行认证，最终确定用户可能擅长的领域，并针对客户的认证结果设定针对性的后续认证方案，确保用户的利益发展以及平台信息的价值性。在认证时，将职业作为第二顺序认证类型，一方面是考虑大部分时候用户都会选择与职业相关的领域进行媒体运营，另一方面大部分的职业基础认证模型主要是基于身份认证数据的参数来完成认证的。而兴趣基础认证作为第三顺序认证类型，则是因为该类认证模型会基于职业认证数据进行分析补充，以确定用户所展现的兴趣是否与职业具有高度的关联性。这样合理的进行模型调度认证，最后将平台最关注的领域与之比较，确定用户在该领域进行媒体运营的基础情况，以为后续展开认证提供合理且准确的数据参考。

S3：获取等级认证模型，根据基础认证结果数据采集不同领域的等级认证数据，并进行等级认证，形成等级认证结果数据。

对于在基础认证过程中赋予不同类型标签的目标认证对象，本方案采用不同的等级认证方式，所涉及的认证等级调度方式也不同。

其中，当赋予目标认证对象以领域类型匹配标签后，获取目标认证对象所在领域的等级认证模型；根据等级认证模型，形成目标认证对象所在领域的不同等级认证模型集K_n={k₁，k₂，…，k_x}，其中K_n为等级是n的等级认证模型集，n取非零自然数，k_x表示等级认证模型集中的等级认证模型，x为等级认证模型集中等级认证模型的总数，x取非零自然数；设定采集周期，在采集周期内采集目标认证对象所在领域的等级认证数据，将等级认证数据依次与不同等级认证模型集进行等级认证，形成等级认证结果数据。

等级认认证时平台上用户进行媒体运营的价值量展现，也是平台所需要获取的重要数据，以为媒体运营服务提供数据支撑和参考。在等级认证中，考虑不同用户所擅长的领域不同，且在不同领域不同用户存在运营能力的差异性。首先是在获取各领域等级认证模型的基础上，按照领域类型进行划分，一方面能够对等级认证模型进行系统性的归类，建立等级认证所可以高效利用的等级认证资源库，提高对等级认证模型资源的高效利用，节约数据资源，另一方面，也能在进行等级认证时，合理的选取所需的等级认证模型，大大降低了数据处理的工作量，提高了对于等级认证模型调度的效率。另外，考虑实际认证过程中，平台对于等级的需求是变化的，并且用户运营能力也是随着时间变化的，例如用户初次进入平台时可能是领域类媒体运营的新手等级，在一定时间后用户可能成为平台上该领域媒体运营的熟手甚至是大咖。所以等级认证评定是平台在合理的周期内自发进行的评定方案。当然，建立合理的等级认证周期，一方面可以实现对用户的合理等级认证，另一方面也为新的等级认证模型的加入提供了合理的时间点，在动态的调度过程中合理的进行等级认证模型集的更新，做到动态高效的调度认证。

同时，设定采集周期，在采集周期内采集目标认证对象所在领域的等级认证数据，将等级认证数据依次与不同等级认证模型集进行等级认证，形成等级认证结果数据，包括：将等级认证数据依次按照由低到高的等级级别同等级认证模型集中的每个等级认证模型进行等级验证分析：当所在等级认证模型集中的所有等级认证模型均验证通过，则进入下一等级认证模型集进行等级验证分析；当所在等级认证模型集中存在等级认证模型未验证通过，则确定目标认证对象属于前一个等级，且：若当前进行验证的等级认证模型集中有过半的等级认证模型验证通过，则赋予目标认证对象属于前一个等级上升型标签；若当前进行验证的等级认证模型集中有过半的等级认证模型未验证通过，则赋予目标认证对象属于前一个等级稳定型标签。

考虑在基础认证后，用户在领域内被确定为不同的类型标签。对于领域类型匹配标签，可以确定用户在实际生活中能够紧密的接触到与其在平台上运营的领域相关的作业，所以在进行等级认证时，可以理解为该类用户可以很好的在领域中发展。在进行等级认证模型的调度时，可基于大数据选择性的选取某一等级认证模型进行认证，直至确定用户的认证等级。这样的有序调度一方面可以高效的完成等级认证，另一方面也大大降低了对于模型认证的信息量，节约了数据资源。

另一方面，当赋予目标认证对象以领域类型独立标签后，获取目标认证对象所在领域的等级认证模型；根据等级认证模型，形成目标认证对象所在领域的不同等级认证模型集K_n={k₁，k₂，…，k_x}，其中K_n为等级为n的等级认证模型集，n取非零自然数，k_x表示等级认证模型集中的等级认证模型，x为等级认证模型集中等级认证模型的总数，x取非零自然数；设定采集周期，在采集周期内采集目标认证对象所在领域的等级认证数据，将等级认证数据依次与不同等级认证模型集进行等级认证，并对职业类型标签集A、兴趣类型标签集B以及领域类型标签集C再次进行基础认证的判断，形成等级认证结果数据。相比与赋予领域类型匹配标签，被赋予领域类型独立标签的用户，考虑其在日常生活中可能很少接触到在媒体平台上运营的所述领域内容，所以对于该类标签用户的等级认证需要提供更加严格的认证方式。本方案中，通过建立等级认证模型集来进行合理的等级认证调度。同时考虑用户可能在运营过程中逐渐对运营的领域产生兴趣和付出大量的类似职业工作的专注性，所以等级认证时，还会调度基础认证模型进行进一步的认证，以更加合理准确的确定用户的等级。

所以，相应地，设定采集周期，在采集周期内采集目标认证对象所在领域的等级认证数据，将等级认证数据依次与不同等级认证模型集进行等级认证，并对职业类型标签集A、兴趣类型标签集B以及领域类型标签集C再次进行基础认证的判断，形成等级认证结果数据，包括：将等级认证数据依次按照由低到高的等级级别同等级认证模型集中的每个等级认证模型进行等级验证分析：当所在等级认证模型集中的所有等级认证模型均验证通过，则进入下一等级认证模型集进行等级验证分析；当所在等级认证模型集中存在等级认证模型未验证通过，且M=A∩B∩C，M为非空集合，则确定目标认证对象属于前一个等级，同时：若当前进行验证的等级认证模型集中有过半的等级认证模型验证通过，且则赋予目标认证对象属于前一个等级上升型标签；若当前进行验证的等级认证模型集中有过半的等级认证模型未验证通过，则赋予目标认证对象属于前一个等级稳定型标签；当所在等级认证模型集中存在等级认证模型未验证通过，且M=A∩B∩C，M为空集，则确定目标认证对象属于前两个等级，同时：若当前进行验证的等级认证模型集中有过半的等级认证模型验证通过，且则赋予目标认证对象属于前两个等级上升型标签；若当前进行验证的等级认证模型集中有过半的等级认证模型未验证通过，则赋予目标认证对象属于前两个等级稳定型标签。

相比与赋予领域类型匹配标签的目标认证对象。在等级认证过程中同样调度基础认证模型进行认证，若确认基础认证模型的交集非空，则说明目标对象已开始对运营的领域产生兴趣或作为职业进行作业，这样可以认为目标认证对象能够在运营中产生更加巨大的价值。所以这种情况下等级认证和赋予领域类型匹配标签的目标认证对象无异议。只有当调度基础认证模型进行验证所产生的交集为空集时，才考虑目标认证对象可能需要花费更加大的作业量才能产生和赋予领域类型匹配标签的目标认证对象相同的价值效果。所以对其的等级认证会相对第一等级。当然，对于该类目标认证对象的等级认证由于在开始建立了合理且有序的基础认证模型数据库和等级认证模型数据库，便能够高效快速的调度合理的认证模型进行等级认证。

S4：获取等级监测认证模型，根据等级认证结果数据采集等级监测认证数据，并进行等级监测认证，形成等级监测认证结果数据。

对于赋予领域类型匹配标签的目标认证对象，获取等级监测认证模型，根据等级认证结果数据采集等级监测认证数据，并进行等级监测认证，形成等级监测认证结果数据，包括：获取目标认证对象所在领域的等级监测认证模型，并对获取的等级监测认证模型进行等级划分，形成目标认证对象所在领域的不同等级监测认证模型集Q_i={T₁，T₂，…，T_y}，其中T_y为等级是i的等级监测认证模型集，i取非零自然数，T_y表示等级监测认证模型集中的等级监测认证模型，y为等级监测认证模型集中等级监测认证模型的总数，y取非零自然数；根据等级认证结果数据所确定的认证的等级，确定等级监测认证所需要的等级监测认证模型集Q_i，并在每个采集周期内采集目标认证对象所在领域的等级监测认证数据；将等级监测认证数据依次同所确定的等级监测认证模型集中的等级监测认证模型进行等级监测认证：若在两个连续采集周期内，等级监测认证数据均未通过第一监测数量的等级监测认证模型的验证，则赋予目标认证对象属于前一个等级标签；若在两个连续采集周期内，存在一次等级监测认证数据通过第一检测数量的等级监测认证模型的验证，则赋予目标认证对象属于当前等级标签；若在两个连续采集周期内，等级监测认证数据均通过所有等级监测认证模型的验证，则赋予目标认证对象属于下一个等级标签。

由于用户在领域内进行媒体运营的能力和情况会随着时间发生变化，平台需要实时的对用户的运营情况进行确认以为用户提供对应的平台使用资源，也能更好的向受众推荐合适的媒体信息。所以完成初次的等级认证后，在设定的周期内进行等级监测认证以实时更新用户的等级状态。通过将等级认证模型进行按照等级类型的分类，建立起有序的等级监测认证模型数据库，在进行等级监测认证时，根据初始评定的等级快速高效的调度适用的等级监测认证模型集来对用户进行等级监测认证。这样可以在节约资源降低认证时间的基础上，高效准确的完成等级监测的认证。

对于赋予领域类型独立标签的目标认证对象，获取等级监测认证模型，根据等级认证结果数据采集等级监测认证数据，并进行等级监测认证，形成等级监测认证结果数据，包括：获取目标认证对象所在领域的等级监测认证模型，并对获取的等级监测认证模型进行等级划分，形成目标认证对象所在领域的不同等级监测认证模型集Q_i={T₁，T₂，…，T_y}，其中T_y为等级是i的等级监测认证模型集，i取非零自然数，T_y表示等级监测认证模型集中的等级监测认证模型，y为等级监测认证模型集中等级监测认证模型的总数，y取非零自然数；根据等级认证结果数据所确定的认证的等级，确定等级监测认证所需要的等级监测认证模型集Q_i，并在每个采集周期内采集目标认证对象所在领域的等级监测认证数据；将等级监测认证数据依次同所确定的等级监测认证模型集中的等级监测认证模型进行等级监测认证：若在两个连续采集周期内，等级监测认证数据均未通过第二监测数量的等级监测认证模型的验证，则赋予目标认证对象属于前一个等级标签；若在两个连续采集周期内，存在一次等级监测认证数据通过第二检测数量的等级监测认证模型的验证，则赋予目标认证对象属于当前等级标签；若在两个连续采集周期内，等级监测认证数据均通过所有等级监测认证模型的验证，则赋予目标认证对象属于下一个等级标签。

同样地，对于赋予领域类型独立标签的目标认证对象，在进行等级监测认证时，也是通过所建立的等级监测认证模型数据库调度合适的认证模型来完成认证。当然，考虑等级监测时一个持续的过程，所以以连续周期的等级监测认证结果作为最终的评定结果是比较合理的，并且相较于传统的等级监测认证，由于建立的等级监测认证的数据库，每一次的评定都十分高效，这样，在进行等级监测认证时，可以从大量的评定数据分析中挣脱出来充分考虑评定的合理性，以实现更加准确公平的等级监测认证。

综上所述，本申请实施例提供的智慧媒体平台认证模型调度方法的有益效果有：

该方法通过对平台认证的类型进行总结和分析，形成不同类型的平台认证调度需求，并在调度需求上进行认证模型的类型划分，同时建立起基于认证模型进行准确高效认证的调度顺序。一方面，本调度方法能够根据类型对平台认证模型进行合理的分类规划，形成可以高效利用的认证模型调度资源库，另一方面，根据平台认证的类型进行合理的模型调度认证，顺序高效的完成平台上的模型认证，高效快速且节约资源。

本申请中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项（个）或复数项（个）的任意组合。例如，a,b,或c中的至少一项（个），可以表示：a, b, c, a-b, a-c, b-c, 或a-b-c，其中a,b,c可以是单个，也可以是多个。

应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元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，本申请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，服务器，或者网络设备等）执行本申请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（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种智慧媒体平台认证模型调度方法，其特征在于，包括：

划分基础认证类型，并获取基础认证模型，建立基础顺序认证类型集；

结合所述基础顺序认证类型集，采集认证数据进行基础认证，形成基础认证结果数据；

获取等级认证模型，根据所述基础认证结果数据采集不同领域的等级认证数据，并进行等级认证，形成等级认证结果数据；

获取等级监测认证模型，根据所述等级认证结果数据采集等级监测认证数据，并进行等级监测认证，形成等级监测认证结果数据。

2.根据权利要求1所述的智慧媒体平台认证模型调度方法，其特征在于，所述划分基础认证类型，并获取基础认证模型，建立基础顺序认证类型集，包括：

划分身份基础认证类型、职业基础认证类型、兴趣基础认证类型以及领域基础认证类型，并确定与各认证类型相关的参考参数；

根据所述参考参数，获取身份基础认证模型，形成身份基础认证类型子集，获取职业基础认证模型，形成职业基础认证类型子集，获取兴趣基础认证模型，形成兴趣基础认证类型子集，获取领域基础认证模型，形成领域基础认证类型子集；

将所述身份基础认证类型子集确定为第一基础顺序认证类型，将所述职业基础认证类型子集确定为第二基础顺序认证类型，将所述兴趣基础认证类型子集确定为第三基础顺序认证类型，将所述领域基础认证类型子集确定为第四基础顺序认证类型，并按顺序进行排列，形成基础顺序认证类型集。

3.根据权利要求2所述的智慧媒体平台认证模型调度方法，其特征在于，所述结合所述基础顺序认证类型集，采集认证数据进行基础认证，形成基础认证结果数据，包括：

确定所述第一基础顺序认证类型中所有的身份基础认证模型的身份输入参数，并根据所述身份输入参数采集身份认证数据；

调用所有所述身份基础认证模型，对所述身份认证数据进行验证：

若通过所有所述身份基础认证模型的验证，则进行下一基础顺序的认证，若存在任何所述身份基础认证模型的验证未通过，则终止认证，输出认证失败。

4.根据权利要求3所述的智慧媒体平台认证模型调度方法，其特征在于，所述结合所述基础顺序认证类型集，采集认证数据进行基础认证，形成基础认证结果数据，包括：

当身份认证数据验证通过后，采集职业认证数据、兴趣认证数据以及领域认证数据；

根据所述职业认证数据在所述第二基础顺序认证类型中确定适应的所述职业基础认证模型，并对所述职业认证数据进行职业类型确定，形成职业类型标签集A；

根据所述兴趣认证数据在所述第三基础顺序认证类型中确定适应的所述兴趣基础认证模型，并对所述兴趣认证数据进行兴趣类型确定，形成兴趣类型标签集B；

根据所述领域认证数据在所述第四基础顺序认证类型中确定适应的所述领域基础认证模型，并对所述领域认证数据进行领域类型确定，形成领域类型标签集C；

将所述职业类型标签集A、兴趣类型标签集B以及领域类型标签集C进行以下集合运算，确定基础认证的类型标签结果：

M=A∩B∩C，且M为非空集合，则赋予目标认证对象以领域类型匹配标签；

或M=A∩B∩C，且M为空集，则赋予目标认证对象以领域类型独立标签。

5.根据权利要求4所述的智慧媒体平台认证模型调度方法，其特征在于，所述获取等级认证模型，根据所述基础认证结果数据采集不同领域的等级认证数据，并进行等级认证，形成等级认证结果数据，包括：

当赋予目标认证对象以领域类型匹配标签后，获取所述目标认证对象所在领域的等级认证模型；

根据所述等级认证模型，形成所述目标认证对象所在领域的不同等级认证模型集K_n={k₁，k₂，…，k_x}，其中K_n为等级是n的等级认证模型集，n取非零自然数，k_x表示等级认证模型集中的等级认证模型，x为等级认证模型集中等级认证模型的总数，x取非零自然数；

设定采集周期，在采集周期内采集所述目标认证对象所在领域的等级认证数据，将所述等级认证数据依次与不同等级认证模型集进行等级认证，形成等级认证结果数据。

6.根据权利要求5所述的智慧媒体平台认证模型调度方法，其特征在于，所述设定采集周期，在采集周期内采集所述目标认证对象所在领域的等级认证数据，将所述等级认证数据依次与不同等级认证模型集进行等级认证，形成等级认证结果数据，包括：

将所述等级认证数据依次按照由低到高的等级级别同所述等级认证模型集中的每个所述等级认证模型进行等级验证分析：

当所在所述等级认证模型集中的所有所述等级认证模型均验证通过，则进入下一所述等级认证模型集进行等级验证分析；

当所在所述等级认证模型集中存在所述等级认证模型未验证通过，则确定所述目标认证对象属于前一个等级，且：

若当前进行验证的所述等级认证模型集中有过半的所述等级认证模型验证通过，则赋予所述目标认证对象属于前一个等级上升型标签；

若当前进行验证的所述等级认证模型集中有过半的所述等级认证模型未验证通过，则赋予所述目标认证对象属于前一个等级稳定型标签。

7.根据权利要求6所述的智慧媒体平台认证模型调度方法，其特征在于，所述获取等级监测认证模型，根据所述等级认证结果数据采集等级监测认证数据，并进行等级监测认证，形成等级监测认证结果数据，包括：

获取所述目标认证对象所在领域的等级监测认证模型，并对获取的所述等级监测认证模型进行等级划分，形成所述目标认证对象所在领域的不同等级监测认证模型集Q_i={T₁，T₂，…，T_y}，其中T_y为等级是i的等级监测认证模型集，i取非零自然数，T_y表示等级监测认证模型集中的等级监测认证模型，y为等级监测认证模型集中等级监测认证模型的总数，y取非零自然数；

根据所述等级认证结果数据所确定的认证的等级，确定等级监测认证所需要的所述等级监测认证模型集Q_i，并在每个所述采集周期内采集所述目标认证对象所在领域的等级监测认证数据；

将所述等级监测认证数据依次同所确定的所述等级监测认证模型集中的所述等级监测认证模型进行等级监测认证：

若在两个连续所述采集周期内，所述等级监测认证数据均未通过第一监测数量的所述等级监测认证模型的验证，则赋予所述目标认证对象属于前一个等级标签；

若在两个连续所述采集周期内，存在一次所述等级监测认证数据通过所述第一检测数量的所述等级监测认证模型的验证，则赋予所述目标认证对象属于当前等级标签；

若在两个连续所述采集周期内，所述等级监测认证数据均通过所有所述等级监测认证模型的验证，则赋予所述目标认证对象属于下一个等级标签。

8.根据权利要求4所述的智慧媒体平台认证模型调度方法，其特征在于，所述获取等级认证模型，根据所述基础认证结果数据采集不同领域的等级认证数据，并进行等级认证，形成等级认证结果数据，包括：

当赋予目标认证对象以领域类型独立标签后，获取所述目标认证对象所在领域的等级认证模型；

根据所述等级认证模型，形成所述目标认证对象所在领域的不同等级认证模型集K_n={k₁，k₂，…，k_x}，其中K_n为等级为n的等级认证模型集，n取非零自然数，k_x表示等级认证模型集中的等级认证模型，x为等级认证模型集中等级认证模型的总数，x取非零自然数；

设定采集周期，在采集周期内采集所述目标认证对象所在领域的等级认证数据，将所述等级认证数据依次与不同等级认证模型集进行等级认证，并对所述职业类型标签集A、兴趣类型标签集B以及领域类型标签集C再次进行基础认证的判断，形成等级认证结果数据。

9.根据权利要求8所述的智慧媒体平台认证模型调度方法，其特征在于，所述设定采集周期，在采集周期内采集所述目标认证对象所在领域的等级认证数据，将所述等级认证数据依次与不同等级认证模型集进行等级认证，并对所述职业类型标签集A、兴趣类型标签集B以及领域类型标签集C再次进行基础认证的判断，形成等级认证结果数据，包括：

将所述等级认证数据依次按照由低到高的等级级别同所述等级认证模型集中的每个所述等级认证模型进行等级验证分析：

当所在所述等级认证模型集中的所有所述等级认证模型均验证通过，则进入下一所述等级认证模型集进行等级验证分析；

当所在所述等级认证模型集中存在所述等级认证模型未验证通过，且M=A∩B∩C，M为非空集合，则确定所述目标认证对象属于前一个等级，同时：

若当前进行验证的所述等级认证模型集中有过半的所述等级认证模型验证通过，且则赋予所述目标认证对象属于前一个等级上升型标签；

若当前进行验证的所述等级认证模型集中有过半的所述等级认证模型未验证通过，则赋予所述目标认证对象属于前一个等级稳定型标签；

当所在所述等级认证模型集中存在所述等级认证模型未验证通过，且M=A∩B∩C，M为空集，则确定所述目标认证对象属于前两个等级，同时：

若当前进行验证的所述等级认证模型集中有过半的所述等级认证模型验证通过，且则赋予所述目标认证对象属于前两个等级上升型标签；

若当前进行验证的所述等级认证模型集中有过半的所述等级认证模型未验证通过，则赋予所述目标认证对象属于前两个等级稳定型标签。

10.根据权利要求9所述的智慧媒体平台认证模型调度方法，其特征在于，所述获取等级监测认证模型，根据所述等级认证结果数据采集等级监测认证数据，并进行等级监测认证，形成等级监测认证结果数据，包括：

获取所述目标认证对象所在领域的等级监测认证模型，并对获取的所述等级监测认证模型进行等级划分，形成所述目标认证对象所在领域的不同等级监测认证模型集Q_i={T₁，T₂，…，T_y}，其中T_y为等级是i的等级监测认证模型集，i取非零自然数，T_y表示等级监测认证模型集中的等级监测认证模型，y为等级监测认证模型集中等级监测认证模型的总数，y取非零自然数；

根据所述等级认证结果数据所确定的认证的等级，确定等级监测认证所需要的所述等级监测认证模型集Q_i，并在每个所述采集周期内采集所述目标认证对象所在领域的等级监测认证数据；

将所述等级监测认证数据依次同所确定的所述等级监测认证模型集中的所述等级监测认证模型进行等级监测认证：

若在两个连续所述采集周期内，所述等级监测认证数据均未通过第二监测数量的所述等级监测认证模型的验证，则赋予所述目标认证对象属于前一个等级标签；

若在两个连续所述采集周期内，存在一次所述等级监测认证数据通过所述第二检测数量的所述等级监测认证模型的验证，则赋予所述目标认证对象属于当前等级标签；

若在两个连续所述采集周期内，所述等级监测认证数据均通过所有所述等级监测认证模型的验证，则赋予所述目标认证对象属于下一个等级标签。