CN116738082B - 基于人工智能的气象服务信息展示优化方法及服务器 - Google Patents
基于人工智能的气象服务信息展示优化方法及服务器 Download PDFInfo
- Publication number
- CN116738082B CN116738082B CN202311022935.5A CN202311022935A CN116738082B CN 116738082 B CN116738082 B CN 116738082B CN 202311022935 A CN202311022935 A CN 202311022935A CN 116738082 B CN116738082 B CN 116738082B
- Authority
- CN
- China
- Prior art keywords
- space
- time image
- description
- feature set
- algorithm
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 9
- 238000005065 mining Methods 0.000 claims abstract description 139
- 230000006399 behavior Effects 0.000 claims abstract description 115
- 238000012545 processing Methods 0.000 claims abstract description 45
- 239000013598 vector Substances 0.000 claims description 26
- 230000000007 visual effect Effects 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 10
- 238000013433 optimization analysis Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 238000004220 aggregation Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000002787 reinforcement Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 11
- 238000000605 extraction Methods 0.000 abstract description 5
- 230000006872 improvement Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000000644 propagated effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000579895 Chlorostilbon Species 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
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
- G06F16/9538—Presentation of query results
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- 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
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明的基于人工智能的气象服务信息展示优化方法及服务器，在对初始页面图像描述挖掘算法进行调试获得当前页面图像描述挖掘算法之后，通过当前页面图像描述挖掘算法挖掘时空图像展示数据的图像描述时，不但能够考虑时空图像展示数据的页面单元描述，还能够考虑时空图像展示数据的用户行为描述，因而基于本发明实施例可以实现初始页面图像描述挖掘算法对页面单元和用户行为两个维度的图像描述的挖掘和提取，这样能够在调试过程中基于学习输出信息和先验认证信息提升当前页面图像描述挖掘算法的特征挖掘性能，以便准确可靠地输出待处理图像数据的信息展示优化需求观点，进而基于信息展示优化需求观点实现高质量的展示优化处理。
Description
技术领域
本发明涉及人工智能技术领域，具体而言，涉及一种基于人工智能的气象服务信息展示优化方法及服务器。
背景技术
气象服务是以气象为主要对象的服务，可划分为决策气象服务、公众气象服务、专业气象服务和科技服务。气象服务按其属性，属于公共服务范畴。决策气象服务是为相关决策提供的气象服务，公众气象服务是为公众提供的日常气象服务，专业气象服务是为各行各业提供的针对行业需要的气象服务，科技服务是为专门用户提供的特殊需要的气象服务。这四者构成了覆盖全社会全方位的气象服务网。
随着互联网的普及，用户可以通过浏览气象服务网获取想要的信息，然而传统的气象服务网在进行页面信息展示时大多是千篇一律，难以根据用户需求进行灵活的信息展示优化。
发明内容
第一方面，本发明实施例提供了一种基于人工智能的气象服务信息展示优化方法，应用于展示优化分析服务器，所述方法包括：
获取初始页面图像描述挖掘算法的算法学习样例集，所述算法学习样例集包括目标气象服务展示项目的时空图像展示数据和所述时空图像展示数据的平台用户浏览操作记录；
获取所述时空图像展示数据的时空图像描述特征集，以及所述时空图像展示数据的平台用户浏览操作记录的浏览操作行为特征集；
调用所述初始页面图像描述挖掘算法，从所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，提取所述时空图像展示数据的展示优化决策描述变量；
依据所述时空图像展示数据的展示优化决策描述变量，确定所述初始页面图像描述挖掘算法的预调试事件所对应的学习输出信息；
依据所述预调试事件所对应的学习输出信息和先验认证信息确定所述初始页面图像描述挖掘算法的预调试代价，并基于所述预调试代价改进所述初始页面图像描述挖掘算法的算法变量，得到当前页面图像描述挖掘算法；
调用所述当前页面图像描述挖掘算法确定待处理图像数据的信息展示优化需求观点，通过所述信息展示优化需求观点对待处理气象服务展示项目进行展示优化处理。
优选的，所述调用所述初始页面图像描述挖掘算法，从所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，提取所述时空图像展示数据的展示优化决策描述变量，包括：
对所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集进行特征拼接，得到所述时空图像展示数据的联动描述特征集；
调用所述初始页面图像描述挖掘算法对所述时空图像展示数据的联动描述特征集进行卷积操作，得到所述时空图像展示数据的展示优化决策描述变量。
优选的，所述对所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集进行特征拼接，得到所述时空图像展示数据的联动描述特征集，包括：
将所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，对应于相同页面单元分布标签处的时空图像描述特征和浏览操作行为特征进行特征运算，得到所述时空图像展示数据的联动描述特征集；
或，
将所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，对应于相同页面单元分布标签处的时空图像描述特征和浏览操作行为特征进行整合操作，得到所述时空图像展示数据的联动描述特征集；
或，
将所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集加载到特征拼接算法；通过所述特征拼接算法对所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，对应于相同页面单元分布标签处的时空图像描述特征和浏览操作行为特征进行特征联动强化，得到所述时空图像展示数据的联动描述特征集。
优选的，所述调用所述初始页面图像描述挖掘算法，从所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，提取所述时空图像展示数据的展示优化决策描述变量，包括：
为所述时空图像展示数据的时空图像描述特征集添加第一区分特征集，得到处理后的时空图像描述特征集；
将所述时空图像展示数据的浏览操作行为特征集添加第二区分特征集，得到处理后的浏览操作行为特征集；其中，所述第一区分特征集和所述第二区分特征集，用于对所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集进行区别；
将所述处理后的时空图像描述特征集和所述处理后的浏览操作行为特征集进行聚合，得到聚合描述特征集；
调用所述初始页面图像描述挖掘算法对所述聚合描述特征集进行卷积操作，得到所述时空图像展示数据的展示优化决策描述变量。
优选的，所述初始页面图像描述挖掘算法包括第一图像描述挖掘组件和第二图像描述挖掘组件；所述调用所述初始页面图像描述挖掘算法，从所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，提取所述时空图像展示数据的展示优化决策描述变量，包括：
通过所述第一图像描述挖掘组件从所述时空图像展示数据的时空图像描述特征集中，提取时空图像残差向量；
通过所述第二图像描述挖掘组件从所述时空图像展示数据的浏览操作行为特征集中，提取操作行为残差向量；
对所述时空图像残差向量和所述操作行为残差向量进行特征拼接，得到所述时空图像展示数据的展示优化决策描述变量。
优选的，所述对所述时空图像残差向量和所述操作行为残差向量进行特征拼接，得到所述时空图像展示数据的展示优化决策描述变量，包括：
采用特征关注策略对所述时空图像残差向量和所述操作行为残差向量进行特征拼接，得到所述时空图像展示数据的展示优化决策描述变量。
优选的，所述获取所述时空图像展示数据的时空图像描述特征集，以及所述时空图像展示数据的平台用户浏览操作记录的浏览操作行为特征集，包括：
通过时空图像描述特征处理算法，挖掘所述时空图像展示数据中每一个页面单元的时空图像描述特征，得到所述时空图像描述特征集；
通过浏览操作行为特征处理算法，挖掘所述时空图像展示数据中每一个页面单元的平台用户浏览操作记录的浏览操作行为特征，得到所述浏览操作行为特征集。
优选的，所述初始页面图像描述挖掘算法的预调试环节包括第一调试周期、第二调试周期和第三调试周期；其中，所述第一调试周期用于调试所述时空图像描述特征处理算法，所述第二调试周期用于调试所述浏览操作行为特征处理算法，所述第三调试周期用于调试所述初始页面图像描述挖掘算法。
优选的，所述依据所述时空图像展示数据的展示优化决策描述变量，确定所述初始页面图像描述挖掘算法的预调试事件所对应的学习输出信息，包括：
通过页面单元分析算法依据所述时空图像展示数据的展示优化决策描述变量，确定所述时空图像展示数据中的目标页面单元的学习输出信息；和/或，通过深度残差算法基于第一时空图像展示数据的展示优化决策描述变量和第二时空图像展示数据的展示优化决策描述变量，确定所述第一时空图像展示数据和所述第二时空图像展示数据的上下游关系的学习输出信息。
优选的，所述方法还包括：
获取目标调试事件的调试示例，所述调试示例包括所述目标气象服务展示项目的页面单元展示示例和所述页面单元展示示例的平台用户浏览操作记录；
获取所述页面单元展示示例的时空图像描述特征集，以及所述页面单元展示示例的平台用户浏览操作记录的浏览操作行为特征集；
通过所述当前页面图像描述挖掘算法，从所述页面单元展示示例的时空图像描述特征集和浏览操作行为特征集中，提取所述页面单元展示示例的展示优化决策描述变量；
通过所述目标调试事件的判别算法依据所述页面单元展示示例的展示优化决策描述变量，确定所述页面单元展示示例对应的调试事件判别信息；
依据所述页面单元展示示例对应的调试事件判别信息和调试事件先验认证信息确定算法调试评估指标，并基于所述算法调试评估指标改进所述当前页面图像描述挖掘算法和所述判别算法的算法变量。
优选的，所述获取初始页面图像描述挖掘算法的算法学习样例集，包括：
从云共享空间获取所述目标气象服务展示项目的时空图像展示数据；
采用页面行为识别算法挖掘所述时空图像展示数据的平台用户浏览操作记录。
优选的，在所述目标气象服务展示项目为生态环境监测数据展示项目，且所述平台用户浏览操作记录为可视化操作轨迹的情况下，所述方法包括：
获取初始页面图像描述挖掘算法的算法学习样例集，所述算法学习样例集包括生态环境监测数据展示项目的时空图像展示数据和所述时空图像展示数据的可视化操作轨迹；
获取所述时空图像展示数据的时空图像描述特征集，以及所述时空图像展示数据的可视化操作轨迹的操作轨迹特征集；
调用所述初始页面图像描述挖掘算法，从所述时空图像展示数据的时空图像描述特征集和操作轨迹特征集中，提取所述时空图像展示数据的展示优化决策描述变量；
依据所述时空图像展示数据的展示优化决策描述变量，确定所述初始页面图像描述挖掘算法的预调试事件所对应的学习输出信息；
依据所述预调试事件所对应的学习输出信息和先验认证信息确定所述初始页面图像描述挖掘算法的预调试代价，并基于所述预调试代价改进所述初始页面图像描述挖掘算法的算法变量，得到当前页面图像描述挖掘算法。
第二方面，本发明实施例还提供了一种展示优化分析服务器，包括处理引擎、网络模块和存储器，所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎用于从所述存储器中读取计算机程序并运行，以实现上述的方法。
第三方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序运行时实现上述的方法。
在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前发明中的特征可以被实现和获得。
在对初始页面图像描述挖掘算法进行调试获得当前页面图像描述挖掘算法之后，通过当前页面图像描述挖掘算法挖掘时空图像展示数据的图像描述时，不但能够考虑时空图像展示数据的页面单元描述（时空图像描述特征集），还能够考虑时空图像展示数据的用户行为描述（浏览操作行为特征集），因而基于本发明实施例可以实现初始页面图像描述挖掘算法对页面单元和用户行为两个维度的图像描述的挖掘和提取，这样能够在调试过程中基于学习输出信息和先验认证信息提升当前页面图像描述挖掘算法的特征挖掘性能。在此基础上，可以调用当前页面图像描述挖掘算法准确可靠地输出待处理图像数据的信息展示优化需求观点，以便基于信息展示优化需求观点实现高质量的展示优化处理。
附图说明
为了更清楚地说明本发明实施例的技术方案，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发明的某些实施例，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。
附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中参考数字在附图的各个视图中代表相似的机构。
图1是根据本发明的一些实施例所示的一种示例性展示优化分析服务器中硬件和软件组成的示意图。
图2是根据本发明的一些实施例所示的一种示例性基于人工智能的气象服务信息展示优化方法和/或过程的流程图。
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发明技术方案做详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。
在下面的详细描述中，通过实例阐述了许多具体细节，以便提供对相关指导的全面了解。然而，对于本领域的技术人员来说，显然可以在没有这些细节的情况下实施本发明。在其他情况下，公知的方法、程序、系统、组成和/或电路已经在一个相对较高水平上被描述，没有细节，以避免不必要的模糊本发明的方面。
这些和其他特性、当前发明披露的功能、执行的方法、结构中相关元素的功能和部件的组合和生产经济性，在参照附图进行以下描述的考虑中可能会变得更加明显，所有这些形成本发明的一部分。然而，需要理解清楚的是，附图仅仅是为了说明和描述的目的，并不旨在限制本发明的范围。应当了解的是，这些图纸不是按比例绘制的。然而，应当明确理解的是，附图仅用于说明和描述的目的，并不意图限制本发明的范围。应当知晓的是，这些附图并不依照比例。
本发明中使用流程图说明根据本发明的实施例的系统所执行的执行过程。应当明确理解的是，流程图的执行过程可以不按顺序执行。相反，这些执行过程可以以相反的顺序或同时执行。另外，可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。
图1是根据本发明的一些实施例所示的一种展示优化分析服务器100的结构组成框图，展示优化分析服务器100可以包括处理引擎110、网络模块120和存储器130，处理引擎110和存储器130通过网络模块120通信。
处理引擎110可以处理相关的信息和/或数据以执行本发明中描述的一个或多个功能。例如，在一些实施例中，处理引擎110可以包括至少一个处理引擎（例如，单核处理引擎或多核处理器）。仅作为示例，处理引擎110可以包括中央处理单元（Central ProcessingUnit，CPU）、专用集成电路（Application-Specific Integrated Circuit，ASIC）、专用指令集处理器（Application-Specific Instruction-set Processor，ASIP）、图形处理单元（Graphics Processing Unit，GPU）、物理处理单元（Physics Processing Unit，PPU）、数字信号处理器（Digital Signal Processor，DSP）、现场可编程门阵列（Field ProgrammableGate Array，FPGA）、可编程逻辑器件（Programmable Logic Device，PLD）、控制器、微控制器单元、精简指令集计算机（Reduced Instruction-Set Computer，RISC）、微处理器等或其任意组合。
网络模块120可以促进信息和/或数据的交换。在一些实施例中，网络模块120可以是任何类型的有线或无线网络或其组合。仅作为示例，网络模块120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络（Local Area Network，LAN）、广域网（Wide Area Network，WAN）、无线局域网络（Wireless Local Area Network，WLAN）、城域网（Metropolitan Area Network，MAN）、公用电话交换网（Public Telephone SwitchedNetwork，PSTN）、蓝牙网络、无线个域网络、近场通讯（Near Field Communication，NFC）网络等或上述举例的任意组合。在一些实施例中，网络模块120可以包括至少一个网络接入点。例如，网络模块120可以包括有线或无线网路接入点，如基站和/或网路接入点。
存储器130可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。其中，存储器130用于存储程序，所述处理引擎110在接收到执行指令后，执行所述程序。
可以理解，图1所示的结构仅为示意，展示优化分析服务器100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
图2是根据本发明的一些实施例所示的一种示例性基于人工智能的气象服务信息展示优化方法和/或过程的流程图，基于人工智能的气象服务信息展示优化方法应用于图1中的展示优化分析服务器100，进一步可以包括步骤101-步骤106。
步骤101、获取初始页面图像描述挖掘算法的算法学习样例集，所述算法学习样例集包括目标气象服务展示项目的时空图像展示数据和所述时空图像展示数据的平台用户浏览操作记录。
本发明实施例中，初始页面图像描述挖掘算法可以理解为未训练的页面图像描述挖掘算法，页面图像描述挖掘算法用于对图像数据进行特征挖掘和分析，并最终输出与图像数据对应的信息展示优化需求。在此基础上，算法学习样例集可以理解为图像数据样本集，图像数据样本集可以包括目标气象服务展示项目（比如气象服务网站的页面展示项目等）所对应的时空图像展示数据，该时空图像展示数据包括空间层面的页面展示数据，以及页面排布和页面内容随着时间的变化而更新的图像数据等。进一步地，平台用户浏览操作记录用于表征平台用户（比如页面用户）针对时空图像展示数据的一系列交互操作（比如点击操作、框选操作、浏览操作等）。
步骤102、获取所述时空图像展示数据的时空图像描述特征集，以及所述时空图像展示数据的平台用户浏览操作记录的浏览操作行为特征集。
本发明实施例中，时空图像描述特征集用于描述时空图像展示数据的图像特征，浏览操作行为特征集用于描述平台用户浏览操作记录的图像特征。
步骤103、调用所述初始页面图像描述挖掘算法，从所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，提取所述时空图像展示数据的展示优化决策描述变量。
本发明实施例中，初始页面图像描述挖掘算法能够基于时空图像描述特征集和浏览操作行为特征集挖掘出时空图像展示数据所对应的展示优化决策描述变量，该展示优化决策描述变量可以理解为时空图像描述特征集和浏览操作行为特征集的融合特征样本。
示例性的，时空图像描述特征集记载了时空图像展示数据的图像细节特征，浏览操作行为特征集记载了用户的操作习惯/偏好/意向特征，在此基础上，通过聚合时空图像描述特征集和浏览操作行为特征集，能够综合考虑时空图像描述特征集和浏览操作行为特征集之间的关联关系，从而确保展示优化决策描述变量能够准确表征页面单元描述和用户行为描述之间的联系特征，从而为之后的展示优化分析提供数据基础。
步骤104、依据所述时空图像展示数据的展示优化决策描述变量，确定所述初始页面图像描述挖掘算法的预调试事件所对应的学习输出信息。
本发明实施例中，可以根据展示优化决策描述变量确定初始页面图像描述挖掘算法的预调试任务对应的预测信息，该预测信息可以是时空图像展示数据对应的信息展示优化需求观点样例。
步骤105、依据所述预调试事件所对应的学习输出信息和先验认证信息确定所述初始页面图像描述挖掘算法的预调试代价，并基于所述预调试代价改进所述初始页面图像描述挖掘算法的算法变量，得到当前页面图像描述挖掘算法。
在获得学习输出信息之后，可以根据学习输出信息和先验认证信息（信息展示优化需求认证观点/正确的信息展示优化需求观点）之间的区别确定初始页面图像描述挖掘算法的预调试代价，该预调试代价可以理解为初始页面图像描述挖掘算法的预调试损失函数。进一步可以朝着预调试代价收敛的方向改进初始页面图像描述挖掘算法的算法变量，从而得到调试后的当前页面图像描述挖掘算法。
步骤106、调用所述当前页面图像描述挖掘算法确定待处理图像数据的信息展示优化需求观点，通过所述信息展示优化需求观点对待处理气象服务展示项目进行展示优化处理。
本发明实施例中，待处理图像数据可以理解为算法应用阶段的图像数据，待处理图像数据包括待处理气象服务展示项目的待处理时空图像展示数据和所述待处理时空图像展示数据的待处理平台用户浏览操作记录。在此基础上，可以调用当前页面图像描述挖掘算法挖掘出待处理图像数据的信息展示优化需求观点，从而利用信息展示优化需求观点对待处理气象服务展示项目进行展示优化处理（比如对页面展示信息的排布和内容进行优化更新）。
可以理解，应用步骤101-步骤106，在对初始页面图像描述挖掘算法进行调试获得当前页面图像描述挖掘算法之后，通过当前页面图像描述挖掘算法挖掘时空图像展示数据的图像描述时，不但能够考虑时空图像展示数据的页面单元描述（时空图像描述特征集），还能够考虑时空图像展示数据的用户行为描述（浏览操作行为特征集），因而基于本发明实施例可以实现初始页面图像描述挖掘算法对页面单元和用户行为两个维度的图像描述的挖掘和提取，这样能够在调试过程中基于学习输出信息和先验认证信息提升当前页面图像描述挖掘算法的特征挖掘性能。在此基础上，可以调用当前页面图像描述挖掘算法准确可靠地输出待处理图像数据的信息展示优化需求观点，以便基于信息展示优化需求观点实现高质量的展示优化处理。
在一些可选的实施例中，步骤103中的所述调用所述初始页面图像描述挖掘算法，从所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，提取所述时空图像展示数据的展示优化决策描述变量，包括步骤1031和步骤1032。
步骤1031、对所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集进行特征拼接，得到所述时空图像展示数据的联动描述特征集。
步骤1032、调用所述初始页面图像描述挖掘算法对所述时空图像展示数据的联动描述特征集进行卷积操作，得到所述时空图像展示数据的展示优化决策描述变量。
其中，特征拼接和卷积操作分别可以理解为特征融合和特征提取，基于此，通过步骤1031和步骤1032，能够利用时空图像展示数据的时空图像描述特征集和浏览操作行为特征集以及时空图像展示数据的联动描述特征集实现阶段性的展示优化决策描述变量确定，从而保障展示优化决策描述变量的特征丰富性和精度。
在一些可能的设计思路下，步骤1031中的对所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集进行特征拼接，得到所述时空图像展示数据的联动描述特征集，包括如下三项中的其中一项。
第一项、将所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，对应于相同页面单元分布标签处的时空图像描述特征和浏览操作行为特征进行特征运算，得到所述时空图像展示数据的联动描述特征集。
本发明实施例中，页面单元可以理解为时空图像展示数据中的页面图像块或者页面图像集，分布标签可以理解为页面单元所在的位置。特征运算可以是平均化处理。
第二项、将所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，对应于相同页面单元分布标签处的时空图像描述特征和浏览操作行为特征进行整合操作（比如拼接处理），得到所述时空图像展示数据的联动描述特征集。
第三项、将所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集加载到特征拼接算法；通过所述特征拼接算法对所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，对应于相同页面单元分布标签处的时空图像描述特征和浏览操作行为特征进行特征联动强化（比如加权求和处理），得到所述时空图像展示数据的联动描述特征集。
可以理解，应用本发明实施例，能够灵活选择不同的方式确定联动描述特征集，从而提高确定联动描述特征集的扩展性。
在另一些可能的实施例中，步骤103中的所述调用所述初始页面图像描述挖掘算法，从所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，提取所述时空图像展示数据的展示优化决策描述变量，包括步骤103a-步骤103d。
步骤103a、为所述时空图像展示数据的时空图像描述特征集添加第一区分特征集，得到处理后的时空图像描述特征集。
步骤103b、将所述时空图像展示数据的浏览操作行为特征集添加第二区分特征集，得到处理后的浏览操作行为特征集。
本发明实施例中，所述第一区分特征集和所述第二区分特征集，用于对所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集进行区别。
步骤103c、将所述处理后的时空图像描述特征集和所述处理后的浏览操作行为特征集进行聚合，得到聚合描述特征集。
步骤103d、调用所述初始页面图像描述挖掘算法对所述聚合描述特征集进行卷积操作，得到所述时空图像展示数据的展示优化决策描述变量。
可以理解，通过步骤103a-步骤103d，能够在分配不同区分特征集的基础上进行针对性的特征聚合处理，然后进一步实现卷积操作以准确得到展示优化决策描述变量，能够避免在挖掘展示优化决策描述变量的过程中对时空图像描述特征集和浏览操作行为特征集的混淆导致的挖掘误差。
在一些示例下，所述初始页面图像描述挖掘算法包括第一图像描述挖掘组件和第二图像描述挖掘组件。其中，图像描述挖掘组件可以是图像特征提取子模型。基于此，步骤103中的所述调用所述初始页面图像描述挖掘算法，从所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，提取所述时空图像展示数据的展示优化决策描述变量，包括S1031-S1033。
S1031、通过所述第一图像描述挖掘组件从所述时空图像展示数据的时空图像描述特征集中，提取时空图像残差向量。
S1032、通过所述第二图像描述挖掘组件从所述时空图像展示数据的浏览操作行为特征集中，提取操作行为残差向量。
S1033、对所述时空图像残差向量和所述操作行为残差向量进行特征拼接，得到所述时空图像展示数据的展示优化决策描述变量。
可以理解，应用S1031-S1033，利用图像描述挖掘组件进行残差处理，能够确保时空图像残差向量和操作行为残差向量的特征完整性，从而在挖掘展示优化决策描述变量的过程中能够避免梯度爆炸导致的展示优化决策描述变量偏差。
进一步地，S1033中的对所述时空图像残差向量和所述操作行为残差向量进行特征拼接，得到所述时空图像展示数据的展示优化决策描述变量，包括：采用特征关注策略（可以是注意力机制）对所述时空图像残差向量和所述操作行为残差向量进行特征拼接，得到所述时空图像展示数据的展示优化决策描述变量。
在一些可能的实施例中，步骤102中的所述获取所述时空图像展示数据的时空图像描述特征集，以及所述时空图像展示数据的平台用户浏览操作记录的浏览操作行为特征集，包括步骤1021和步骤1022。
步骤1021、通过时空图像描述特征处理算法，挖掘所述时空图像展示数据中每一个页面单元的时空图像描述特征，得到所述时空图像描述特征集。
步骤1022、通过浏览操作行为特征处理算法，挖掘所述时空图像展示数据中每一个页面单元的平台用户浏览操作记录的浏览操作行为特征，得到所述浏览操作行为特征集。
可以理解，通过步骤1021和步骤1022，能够利用不同的特征处理算法分别挖掘每一个页面单元的描述特征，从而确保时空图像描述特征集和浏览操作行为特征集的完整性。
在另一些可能的实施例中，所述初始页面图像描述挖掘算法的预调试环节包括第一调试周期、第二调试周期和第三调试周期。其中，所述第一调试周期用于调试所述时空图像描述特征处理算法，所述第二调试周期用于调试所述浏览操作行为特征处理算法，所述第三调试周期用于调试所述初始页面图像描述挖掘算法。进一步地，不同的调试周期对应不同的调试阶段，通过分阶段调试，能够实现针对性的算法改进，从而提高整体算法调试的质量。
在另外的一些实施例中，步骤104中的所述依据所述时空图像展示数据的展示优化决策描述变量，确定所述初始页面图像描述挖掘算法的预调试事件所对应的学习输出信息，包括如下至少一项。
第一项、通过页面单元分析算法依据所述时空图像展示数据的展示优化决策描述变量，确定所述时空图像展示数据中的目标页面单元的学习输出信息。
第二项、通过深度残差算法基于第一时空图像展示数据的展示优化决策描述变量和第二时空图像展示数据的展示优化决策描述变量，确定所述第一时空图像展示数据和所述第二时空图像展示数据的上下游关系（顺序关系）的学习输出信息。
本发明实施例中，页面单元分析算法和深度残差算法可以单独应用也可以组合应用，这样能够尽可能保障学习输出信息的预测精度。
在一些可选的实施例中，所述方法还包括：获取目标调试事件的调试示例，所述调试示例包括所述目标气象服务展示项目的页面单元展示示例和所述页面单元展示示例的平台用户浏览操作记录；获取所述页面单元展示示例的时空图像描述特征集，以及所述页面单元展示示例的平台用户浏览操作记录的浏览操作行为特征集；通过所述当前页面图像描述挖掘算法，从所述页面单元展示示例的时空图像描述特征集和浏览操作行为特征集中，提取所述页面单元展示示例的展示优化决策描述变量；通过所述目标调试事件的判别算法依据所述页面单元展示示例的展示优化决策描述变量，确定所述页面单元展示示例对应的调试事件判别信息；依据所述页面单元展示示例对应的调试事件判别信息和调试事件先验认证信息确定算法调试评估指标，并基于所述算法调试评估指标改进所述当前页面图像描述挖掘算法和所述判别算法的算法变量。如此一来，可以基于目标调试事件的调试示例对当前页面图像描述挖掘算法和判别算法进行调试训练，从而确保当前页面图像描述挖掘算法和判别算法的稳定性。
在另一些可能的实施例中，步骤101中的所述获取初始页面图像描述挖掘算法的算法学习样例集，包括：从云共享空间获取所述目标气象服务展示项目的时空图像展示数据；采用页面行为识别算法挖掘所述时空图像展示数据的平台用户浏览操作记录。
在一些可选的实施例中，在所述目标气象服务展示项目为生态环境监测数据展示项目，且所述平台用户浏览操作记录为可视化操作轨迹的情况下，所述方法包括：获取初始页面图像描述挖掘算法的算法学习样例集，所述算法学习样例集包括生态环境监测数据展示项目的时空图像展示数据和所述时空图像展示数据的可视化操作轨迹；获取所述时空图像展示数据的时空图像描述特征集，以及所述时空图像展示数据的可视化操作轨迹的操作轨迹特征集；调用所述初始页面图像描述挖掘算法，从所述时空图像展示数据的时空图像描述特征集和操作轨迹特征集中，提取所述时空图像展示数据的展示优化决策描述变量；依据所述时空图像展示数据的展示优化决策描述变量，确定所述初始页面图像描述挖掘算法的预调试事件所对应的学习输出信息；依据所述预调试事件所对应的学习输出信息和先验认证信息确定所述初始页面图像描述挖掘算法的预调试代价，并基于所述预调试代价改进所述初始页面图像描述挖掘算法的算法变量，得到当前页面图像描述挖掘算法。
本发明实施例中，能够基于生态环境监测数据展示项目以及对应的可视化操作轨迹进行算法学习样例集的获取，并根据相应算法学习样例集对初始页面图像描述挖掘算法进行调试，这样能够确保当前页面图像描述挖掘算法能够学习和掌握生态环境监测数据展示项目以及对应的可视化操作轨迹的特征表达，以提高之后展示优化处理的针对性。
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，上述详细披露仅作为示例，而并不构成对本发明的限定。虽然此处并没有明确说明，本领域技术人员可以对本发明进行各种修改、改进和修正。该类修改、改进和修正在本发明中被建议，所以该类修改、改进、修正仍属于本发明示范实施例的精神和范围。
同时，本发明使用了特定术语来描述本发明的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本发明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，本说明书中在不同部分两次或多次提到的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本发明的至少一个实施例中的某些特征、结构或特点可以进行适当的组合。
另外，本领域普通技术人员可以理解的是，本发明的各个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，或对他们任何新的和有用的改进。相应地，本发明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以被称为“单元”、“组件”或“系统”。此外，本发明的各方面可以表现为位于至少一个计算机可读介质中的计算机产品，所述产品包括计算机可读程序编码。
计算机可读信号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、光形式等等、或合适的组合形式。计算机可读信号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。位于计算机可读信号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、光纤缆线、RF、或类似介质、或任何上述介质的组合。
本发明各方面执行所需的计算机程序码可以用一种或多种程序语言的任意组合编写，包括面向对象程序设计，如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET，Python等，或类似的常规程序编程语言，如C编程语言，Visual Basic，Fortran2003，Perl，COBOL 2002，PHP，ABAP，动态编程语言如Python，Ruby和Groovy或其它编程语言。所述程式设计编码可以完全在用户计算机上执行、或作为独立的软体包在用户计算机上执行、或部分在用户计算机上执行部分在远程计算机执行、或完全在远程计算机或服务器上执行。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，比如局域网络（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，除非申请专利范围中明确说明，本发明所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用，并非用于限定本发明流程和方法的顺序。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，附加的申请专利范围并不仅限于披露的实施例，相反，申请专利范围旨在覆盖所有符合本发明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装置实现，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行动装置上安装所描述的系统。
同样应当理解的是，为了简化本发明揭示的表述，从而帮助对至少一个发明实施例的理解，前文对本发明实施例的描述中，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，这种披露方法幷不意味着本发明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。
Claims (9)
1.一种基于人工智能的气象服务信息展示优化方法，其特征在于，应用于展示优化分析服务器，所述方法包括：
获取初始页面图像描述挖掘算法的算法学习样例集，所述算法学习样例集包括目标气象服务展示项目的时空图像展示数据和所述时空图像展示数据的平台用户浏览操作记录；
获取所述时空图像展示数据的时空图像描述特征集，以及所述时空图像展示数据的平台用户浏览操作记录的浏览操作行为特征集；
调用所述初始页面图像描述挖掘算法，从所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，提取所述时空图像展示数据的展示优化决策描述变量；
依据所述时空图像展示数据的展示优化决策描述变量，确定所述初始页面图像描述挖掘算法的预调试事件所对应的学习输出信息；
依据所述预调试事件所对应的学习输出信息和先验认证信息确定所述初始页面图像描述挖掘算法的预调试代价，并基于所述预调试代价改进所述初始页面图像描述挖掘算法的算法变量，得到当前页面图像描述挖掘算法；
调用所述当前页面图像描述挖掘算法确定待处理图像数据的信息展示优化需求观点，通过所述信息展示优化需求观点对待处理气象服务展示项目进行展示优化处理；
其中，所述调用所述初始页面图像描述挖掘算法，从所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，提取所述时空图像展示数据的展示优化决策描述变量，包括：
对所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集进行特征拼接，得到所述时空图像展示数据的联动描述特征集；
调用所述初始页面图像描述挖掘算法对所述时空图像展示数据的联动描述特征集进行卷积操作，得到所述时空图像展示数据的展示优化决策描述变量；
其中，所述对所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集进行特征拼接，得到所述时空图像展示数据的联动描述特征集，包括：
将所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，对应于相同页面单元分布标签处的时空图像描述特征和浏览操作行为特征进行特征运算，得到所述时空图像展示数据的联动描述特征集；
或，
将所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，对应于相同页面单元分布标签处的时空图像描述特征和浏览操作行为特征进行整合操作，得到所述时空图像展示数据的联动描述特征集；
或，
将所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集加载到特征拼接算法；通过所述特征拼接算法对所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，对应于相同页面单元分布标签处的时空图像描述特征和浏览操作行为特征进行特征联动强化，得到所述时空图像展示数据的联动描述特征集。
2.根据权利要求1所述的方法，其特征在于，所述调用所述初始页面图像描述挖掘算法，从所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，提取所述时空图像展示数据的展示优化决策描述变量，包括：
为所述时空图像展示数据的时空图像描述特征集添加第一区分特征集，得到处理后的时空图像描述特征集；
将所述时空图像展示数据的浏览操作行为特征集添加第二区分特征集，得到处理后的浏览操作行为特征集；其中，所述第一区分特征集和所述第二区分特征集，用于对所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集进行区别；
将所述处理后的时空图像描述特征集和所述处理后的浏览操作行为特征集进行聚合，得到聚合描述特征集；
调用所述初始页面图像描述挖掘算法对所述聚合描述特征集进行卷积操作，得到所述时空图像展示数据的展示优化决策描述变量。
3.根据权利要求1所述的方法，其特征在于，所述初始页面图像描述挖掘算法包括第一图像描述挖掘组件和第二图像描述挖掘组件；所述调用所述初始页面图像描述挖掘算法，从所述时空图像展示数据的时空图像描述特征集和浏览操作行为特征集中，提取所述时空图像展示数据的展示优化决策描述变量，包括：
通过所述第一图像描述挖掘组件从所述时空图像展示数据的时空图像描述特征集中，提取时空图像残差向量；
通过所述第二图像描述挖掘组件从所述时空图像展示数据的浏览操作行为特征集中，提取操作行为残差向量；
对所述时空图像残差向量和所述操作行为残差向量进行特征拼接，得到所述时空图像展示数据的展示优化决策描述变量；
其中，所述对所述时空图像残差向量和所述操作行为残差向量进行特征拼接，得到所述时空图像展示数据的展示优化决策描述变量，包括：采用特征关注策略对所述时空图像残差向量和所述操作行为残差向量进行特征拼接，得到所述时空图像展示数据的展示优化决策描述变量。
4.根据权利要求1所述的方法，其特征在于，所述获取所述时空图像展示数据的时空图像描述特征集，以及所述时空图像展示数据的平台用户浏览操作记录的浏览操作行为特征集，包括：
通过时空图像描述特征处理算法，挖掘所述时空图像展示数据中每一个页面单元的时空图像描述特征，得到所述时空图像描述特征集；
通过浏览操作行为特征处理算法，挖掘所述时空图像展示数据中每一个页面单元的平台用户浏览操作记录的浏览操作行为特征，得到所述浏览操作行为特征集；
其中，所述初始页面图像描述挖掘算法的预调试环节包括第一调试周期、第二调试周期和第三调试周期；其中，所述第一调试周期用于调试所述时空图像描述特征处理算法，所述第二调试周期用于调试所述浏览操作行为特征处理算法，所述第三调试周期用于调试所述初始页面图像描述挖掘算法。
5.根据权利要求1所述的方法，其特征在于，所述依据所述时空图像展示数据的展示优化决策描述变量，确定所述初始页面图像描述挖掘算法的预调试事件所对应的学习输出信息，包括：
通过页面单元分析算法依据所述时空图像展示数据的展示优化决策描述变量，确定所述时空图像展示数据中的目标页面单元的学习输出信息；和/或，通过深度残差算法基于第一时空图像展示数据的展示优化决策描述变量和第二时空图像展示数据的展示优化决策描述变量，确定所述第一时空图像展示数据和所述第二时空图像展示数据的上下游关系的学习输出信息。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取目标调试事件的调试示例，所述调试示例包括所述目标气象服务展示项目的页面单元展示示例和所述页面单元展示示例的平台用户浏览操作记录；
获取所述页面单元展示示例的时空图像描述特征集，以及所述页面单元展示示例的平台用户浏览操作记录的浏览操作行为特征集；
通过所述当前页面图像描述挖掘算法，从所述页面单元展示示例的时空图像描述特征集和浏览操作行为特征集中，提取所述页面单元展示示例的展示优化决策描述变量；
通过所述目标调试事件的判别算法依据所述页面单元展示示例的展示优化决策描述变量，确定所述页面单元展示示例对应的调试事件判别信息；
依据所述页面单元展示示例对应的调试事件判别信息和调试事件先验认证信息确定算法调试评估指标，并基于所述算法调试评估指标改进所述当前页面图像描述挖掘算法和所述判别算法的算法变量。
7.根据权利要求1所述的方法，其特征在于，所述获取初始页面图像描述挖掘算法的算法学习样例集，包括：
从云共享空间获取所述目标气象服务展示项目的时空图像展示数据；
采用页面行为识别算法挖掘所述时空图像展示数据的平台用户浏览操作记录。
8.根据权利要求1所述的方法，其特征在于，在所述目标气象服务展示项目为生态环境监测数据展示项目，且所述平台用户浏览操作记录为可视化操作轨迹的情况下，所述方法包括：
获取初始页面图像描述挖掘算法的算法学习样例集，所述算法学习样例集包括生态环境监测数据展示项目的时空图像展示数据和所述时空图像展示数据的可视化操作轨迹；
获取所述时空图像展示数据的时空图像描述特征集，以及所述时空图像展示数据的可视化操作轨迹的操作轨迹特征集；
调用所述初始页面图像描述挖掘算法，从所述时空图像展示数据的时空图像描述特征集和操作轨迹特征集中，提取所述时空图像展示数据的展示优化决策描述变量；
依据所述时空图像展示数据的展示优化决策描述变量，确定所述初始页面图像描述挖掘算法的预调试事件所对应的学习输出信息；
依据所述预调试事件所对应的学习输出信息和先验认证信息确定所述初始页面图像描述挖掘算法的预调试代价，并基于所述预调试代价改进所述初始页面图像描述挖掘算法的算法变量，得到当前页面图像描述挖掘算法。
9.一种展示优化分析服务器，其特征在于，包括处理引擎、网络模块和存储器，所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎用于从所述存储器中读取计算机程序并运行，以实现权利要求1-8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311022935.5A CN116738082B (zh) | 2023-08-15 | 2023-08-15 | 基于人工智能的气象服务信息展示优化方法及服务器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311022935.5A CN116738082B (zh) | 2023-08-15 | 2023-08-15 | 基于人工智能的气象服务信息展示优化方法及服务器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116738082A CN116738082A (zh) | 2023-09-12 |
| CN116738082B true CN116738082B (zh) | 2023-11-14 |
Family
ID=87906466
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311022935.5A Active CN116738082B (zh) | 2023-08-15 | 2023-08-15 | 基于人工智能的气象服务信息展示优化方法及服务器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116738082B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115687429A (zh) * | 2021-07-23 | 2023-02-03 | 中国科学院地理科学与资源研究所 | 一种社交媒体用户行为模式挖掘方法 |
| WO2023045867A1 (zh) * | 2021-09-27 | 2023-03-30 | 北京有竹居网络技术有限公司 | 基于视频的信息展示方法、装置、电子设备及存储介质 |
-
2023
- 2023-08-15 CN CN202311022935.5A patent/CN116738082B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115687429A (zh) * | 2021-07-23 | 2023-02-03 | 中国科学院地理科学与资源研究所 | 一种社交媒体用户行为模式挖掘方法 |
| WO2023045867A1 (zh) * | 2021-09-27 | 2023-03-30 | 北京有竹居网络技术有限公司 | 基于视频的信息展示方法、装置、电子设备及存储介质 |
Non-Patent Citations (6)
| Title |
|---|
| Intelligent Analysis Method of Meteorological Data Based on Artificial Intelligence Algorithm;Jian Huang et al.;《IEEE Xplore》;全文 * |
| Web使用模式挖掘在优化网站设计中的应用;沈红超 等;《电脑知识与技术》(第20期);第2节 * |
| Web时空数据挖掘研究进展;孙嘉;裴韬;龚玺;周成虎;;地球科学进展(第04期);全文 * |
| 基于关联规则的气象服务智能推荐;赵文芳 等;《大数据》(第02期);第1-3节 * |
| 基于关联规则的网络行为分析;刘宗成;张忠林;田苗凤;;电子科技(第09期);全文 * |
| 时空数据挖掘中的模式探讨;刘杰;张戬;;现代测绘(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116738082A (zh) | 2023-09-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108121795A (zh) | 用户行为预测方法及装置 | |
| CN116680689B (zh) | 应用于大数据的安全态势预测方法及系统 | |
| US10152405B2 (en) | Application testing system and method | |
| CN112633976B (zh) | 基于大数据和云业务的数据处理方法及云业务服务器 | |
| CN111401940A (zh) | 特征预测方法、装置、电子设备及存储介质 | |
| CN113779431B (zh) | 基于时序特征的业务信息处理方法及服务器 | |
| CN110674360A (zh) | 一种用于数据关联图谱的构建和数据的溯源方法和系统 | |
| CN110046081A (zh) | 性能测试方法、性能测试装置、电子设备及存储介质 | |
| CN116738082B (zh) | 基于人工智能的气象服务信息展示优化方法及服务器 | |
| CN112199715B (zh) | 基于区块链和云计算的对象生成方法及数字金融服务中心 | |
| CN114692889A (zh) | 用于机器学习算法的元特征训练模型 | |
| CN116112746B (zh) | 在线教育直播视频压缩方法及系统 | |
| CN112905451A (zh) | 应用程序的自动化测试方法及装置 | |
| CN113472860A (zh) | 大数据和数字化环境下的业务资源分配方法及服务器 | |
| CN113971136B (zh) | 基于图像识别的页面测试方法及系统 | |
| CN113032257A (zh) | 自动化测试方法、装置、计算机系统和可读存储介质 | |
| CN111625291A (zh) | 数据处理模型自动迭代方法、装置及电子设备 | |
| US11681511B2 (en) | Systems and methods for building and deploying machine learning applications | |
| CN116030115A (zh) | 应用于ai的视觉设计图像分析方法及系统 | |
| CN112308626B (zh) | 基于区块链和人工智能的广告推送方法及大数据挖掘中心 | |
| CN113596061A (zh) | 基于区块链技术的网络安全漏洞响应方法及系统 | |
| CN113515465B (zh) | 基于区块链技术的软件兼容性测试方法及系统 | |
| WO2019099085A1 (en) | Additional capability identification in designed system | |
| CN114661980B (zh) | 一种网页数据推送方法、系统及云平台 | |
| CN116823407B (zh) | 产品信息推送方法、装置、电子设备和计算机可读介质 |
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 |