CN120011552B - 一种基于人工智能的服务平台数据优化系统及方法 - Google Patents

Abstract

本发明公开了一种基于人工智能的服务平台数据优化系统及方法，涉及服务平台通信技术领域，包括访问信息采集模块、信息匹配模块、传输信息优化模块和数据通信模块，通过访问信息采集模块采集人工智能双创服务平台的访问信息，通过信息匹配模块在用户在平台上输入咨询问题后匹配能够回答对应输入的咨询问题的参考数据，通过传输信息优化模块分析匹配的参考数据的被标记情况，依据被标记情况对匹配的参考数据进行选择性排序处理，通过数据通信模块生成最终的优化参考数据，将最终的优化参考数据传输至当前在平台上输入咨询问题的用户所在客户端，提高了人工智能双创服务平台提供数据的有效性，同时减少了数据传输资源的浪费。

Description

一种基于人工智能的服务平台数据优化系统及方法

技术领域

本发明涉及服务平台通信技术领域，具体是一种基于人工智能的服务平台数据优化系统及方法。

背景技术

人工智能双创服务平台是指提供人工智能领域的研发工具、检验评测、安全、标准、知识产权、创业信息咨询等专业创新创业服务的公共平台，有信息咨询需求的用户可以通过登录人工智能双创服务平台，在平台上输入想要咨询的问题后，平台会向用户所在客户端传输与解决咨询问题相关的数据以供用户查询参考，用户也可以作为信息供给者向平台提供信息；

随着人工智能双创服务平台上存储的信息量快速增长，在用户输入想要咨询的问题后，平台可能会提供大量参考信息，需要用户一一查看对应参考信息以寻找有效信息，在接收到大量参考信息时，用户可能无法快速查找到真正有效的数据，部分用户可能在查看一些信息且发现没有对其有用的参考信息后退出服务平台，现有的服务平台无法根据用户的信息接收情况对平台的数据提供方式进行自适应优化，降低了人工智能双创服务平台的信息供给有效性。

发明内容

本发明的目的在于提供一种基于人工智能的服务平台数据优化系统及方法，以解决现有技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于人工智能的服务平台数据优化系统，系统包括访问信息采集模块、信息匹配模块、传输信息优化模块和数据通信模块；

所述访问信息采集模块用于采集人工智能双创服务平台的访问信息；

所述信息匹配模块用于在用户在平台上输入咨询问题后匹配能够回答对应输入的咨询问题的参考数据；

所述传输信息优化模块用于分析匹配的参考数据的被标记情况，依据被标记情况对匹配的参考数据进行选择性排序处理；

所述数据通信模块用于对进行选择性排序处理后的参考数据进行选择性筛选处理，生成最终的优化参考数据，将最终的优化参考数据传输至当前在平台上输入咨询问题的用户所在客户端。

优选的，所述访问信息采集模块包括平台登录数据采集单元和输入信息采集单元；

所述平台登录数据采集单元用于在用户登录人工智能双创服务平台后确认用户的身份信息，用户的身份信息经由用户授予权限后采集得到；

所述输入信息采集单元用于采集当前用户在登录后在平台上输入的咨询问题信息。

优选的，所述信息匹配模块包括输入信息识别单元和参考数据调取单元；

所述输入信息识别单元用于利用NLP技术对用户在平台上输入的咨询问题信息进行识别和语义分析；

所述参考数据调取单元用于利用智能AI问答技术从平台的数据库中调取出能够回答用户输入的咨询问题的参考数据，人工智能双创服务平台具备智能AI问答功能，智能AI问答技术是一种基于人工智能技术的创新应用，通过自然语言处理技术，即NLP技术和机器学习等技术实现解答用户疑问的功能。

优选的，所述传输信息优化模块包括被查询信息统计单元和供给方式优化单元；

所述被查询信息统计单元用于统计每一项参考数据被查看后的反馈信息，用户在查看完每一项参考数据后平台会弹出“对应参考数据是否为有效数据”的内容供用户选择，若用户选择“是”选项，则将对应项参考数据记为被标记1次；若用户选择“否”选项，不统计标记信息，所述反馈信息包括能够回答同一咨询问题的每一项参考数据的被标记次数，能够回答同一咨询问题的参考数据不止一项；

所述供给方式优化单元用于针对同一咨询问题，依据所有能够回答对应咨询问题的参考数据的被标记次数，选择是否对若干项参考数据进行排序处理：设置被标记次数差异阈值，如果若干项参考数据的被标记次数差异程度超出阈值，则选择对若干项参考数据进行排序处理；否则不进行排序处理，确认能够回答同一咨询问题的参考数据的最终排列顺序。

优选的，所述数据通信模块包括供给信息确认单元和供给数据传输单元；

所述供给信息确认单元用于采集用户以往由于未查找到有效参考数据而退出平台，在退出平台之前查看的参考数据量，用户在退出平台之前选择了“否”选项表示用户未查找到有效参考数据，依据参考数据量预测用户的可接受数据量，若当前输入咨询问题的用户为首次登录平台的用户，不对能够回答当前用户输入的咨询问题的参考数据做筛选处理，不对首次登录平台的用户进行可接受数据量预测，确认向当前用户提供的数据为能够回答当前用户输入的咨询问题的所有参考数据；若当前输入咨询问题的用户非首次登录平台的用户，对能够回答当前用户输入的咨询问题的参考数据做筛选处理，确认向当前用户提供的数据为经筛选处理后的数据，此处的在做筛选处理前的能够回答当前用户输入的咨询问题的参考数据为已确认最终排列顺序的参考数据；

所述供给数据传输单元用于将确认的向当前用户提供的数据传输至当前用户所在客户端，确认的向当前用户提供的数据为最终的优化参考数据。

一种基于人工智能的服务平台数据优化方法，包括以下步骤：

S1：采集人工智能双创服务平台的访问信息；

S2：在用户在平台上输入咨询问题后匹配能够回答对应输入的咨询问题的参考数据；

S3：分析匹配的参考数据的被标记情况，依据被标记情况对匹配的参考数据进行选择性排序处理；

S4：对进行选择性排序处理后的参考数据进行选择性筛选处理，生成最终的优化参考数据，将最终的优化参考数据传输至当前在平台上输入咨询问题的用户所在客户端。

优选的，所述S1包括：在用户登录人工智能双创服务平台后确认用户的身份信息，采集当前用户在登录后在平台上输入的咨询问题信息。

优选的，所述S2包括：利用NLP技术对当前用户在平台上输入的咨询问题信息进行识别和语义分析，利用智能AI问答技术从平台的数据库中调取出能够回答当前用户输入的咨询问题的所有参考数据。

优选的，所述S3包括：针对能够回答当前用户输入的咨询问题的所有参考数据，统计每一项参考数据以往被查看后的被标记信息，统计到每一项参考数据的历史被标记的次数集合为{H₁,H₂,...H_n}，n表示能够回答当前用户输入的咨询问题的参考数据项数，根据公式计算n项参考数据的被标记次数差异程度P，P=[∑ⁿ _i=1(H_i-(∑ⁿ _i=1(H_i))/n)²/n]^1/2，i表示第i项参考数据，设置被标记次数差异阈值为R，比较P和R：若P>R，选择对n项参考数据进行排序处理，将i项参考数据按历史被标记次数从大到小的顺序进行排序处理，被标记次数相同的参考数据采用随机排序方式处理；若P≤R，不进行排序处理，即n项参考数据是随机排列的；

针对同一个咨询问题，能够回答对应咨询问题的参考数据对于不同用户是否有效，即是否有参考价值，在现有技术中无法得到准确的评判，本发明通过在服务平台上设置页面弹出以供用户在查看完成不同项参考数据后反馈对应参考数据是否有效，相对于现有技术而言，本发明能够准确得到用户对于参考数据的反馈信息，在将能够回答对应咨询问题的参考数据传输给用户之前，通过参考数据的被标记情况来进行选择性排序处理，之所以进行选择性排序处理，是考虑到可能存在参考数据的被标记次数差异不大的情况，这种情况下没有必要进行排序处理，将经排序处理后的参考数据传输给用户，有利于提高用户快速寻找到有效参考数据的概率，同时简略了系统不必要的排序处理工作。

优选的，所述S4包括：确认当前输入咨询问题的用户是否为首次登录平台的用户：若是，将n项参考数据作为最终的优化参考数据传输至当前用户所在客户端；若否，采集当前用户以往由于未查找到所咨询问题的有效参考数据而退出平台，在退出平台之前查看的参考数据量：得到参考数据量集合为V={V₁,V₂,...V_m}，m表示当前用户以往因未查找到有效参考数据而退出平台的次数，预测得到当前用户的可接受数据量为V_m+1：V_m+1=θ*V_m+(1-θ)*D_m，其中，D_m表示用户在第m次退出平台之前查看的参考数据量平滑值，0<θ<1，θ表示平滑系数，θ为系统默认设置，获取到在已进行选择性排序处理的n项参考数据中，前k项参考数据的数据量总和未超出V_m+1且前k+1项参考数据的数据量总和超出V_m+1，将前k项参考数据作为最终的优化参考数据传输至当前用户所在客户端；

针对不同用户进行数据传输优化：考虑到部分用户可能是首次登录服务平台，而部分用户可能已经登录过若干次了，针对首次登录服务平台的用户，由于无法获取用户的历史查看行为数据，直接将能够回答对应咨询问题的所有参考数据全部传输给用户所在客户端；而对于已经登录过平台的用户，通过分析对应用户以往因未查找到有效参考数据而退出平台的次数分析，来预测用户的可接受数据量，即用户可能会在查看了一部分数据发现没有有效参考数据后退出服务平台，根据用户的可接受数据量来筛选出数据量合适的若干项参考数据，将筛选出的数据传输至对应用户所在客户端，根据用户的信息接收情况对平台的数据提供方式进行自适应优化，提高了人工智能双创服务平台的信息供给有效性，同时减少了数据传输资源的浪费。

与现有技术相比，本发明的有益效果是：

考虑到针对同一个咨询问题，能够回答对应咨询问题的参考数据对于不同用户是否有效，即是否有参考价值在现有技术中无法得到准确的评判，本发明通过在服务平台上设置页面弹出以供用户在查看完成不同项参考数据后反馈对应参考数据是否有效，相对于现有技术而言，本发明能够准确得到用户对于参考数据的反馈信息，在将能够回答对应咨询问题的参考数据传输给用户之前，通过参考数据的被标记情况来进行选择性排序处理，之所以进行选择性排序处理，是考虑到可能存在参考数据的被标记次数差异不大的情况，这种情况下没有必要进行排序处理，将经排序处理后的参考数据传输给用户，有利于提高用户快速寻找到有效参考数据的概率，同时简略了系统不必要的排序处理工作；

针对不同用户进行数据传输优化：考虑到部分用户可能是首次登录服务平台，而部分用户可能已经登录过若干次了，针对首次登录服务平台的用户，由于无法获取用户的历史查看行为数据，直接将能够回答对应咨询问题的所有参考数据全部传输给用户所在客户端；而对于已经登录过平台的用户，通过分析对应用户以往因未查找到有效参考数据而退出平台的次数分析，来预测用户的可接受数据量，即用户可能会在查看了一部分数据发现没有有效参考数据后退出服务平台，根据用户的可接受数据量来筛选出数据量合适的若干项参考数据，将筛选出的数据传输至对应用户所在客户端，根据用户的信息接收情况对平台的数据提供方式进行自适应优化，提高了人工智能双创服务平台的信息供给有效性，同时减少了数据传输资源的浪费。

附图说明

图1为本发明一种基于人工智能的服务平台数据优化系统的结构示意图；

图2为本发明一种基于人工智能的服务平台数据优化方法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1：如图1所示，本实施例提供了一种基于人工智能的服务平台数据优化系统，系统包括：访问信息采集模块、信息匹配模块、传输信息优化模块和数据通信模块；

访问信息采集模块用于采集人工智能双创服务平台的访问信息；

信息匹配模块用于在用户在平台上输入咨询问题后匹配能够回答对应输入的咨询问题的参考数据；

传输信息优化模块用于分析匹配的参考数据的被标记情况，依据被标记情况对匹配的参考数据进行选择性排序处理；

数据通信模块用于对进行选择性排序处理后的参考数据进行选择性筛选处理，生成最终的优化参考数据，将最终的优化参考数据传输至当前在平台上输入咨询问题的用户所在客户端，其中，选择性排序处理指的是选择对数据做排序处理和选择不对数据做排序处理两种情况；选择性筛选处理指的是选择对数据做筛选处理和选择不对数据做筛选处理两种情况。

访问信息采集模块包括平台登录数据采集单元和输入信息采集单元；

平台登录数据采集单元用于在用户登录人工智能双创服务平台后确认用户的身份信息；

输入信息采集单元用于采集当前用户在登录后在平台上输入的咨询问题信息。

信息匹配模块包括输入信息识别单元和参考数据调取单元；

输入信息识别单元用于利用NLP技术对用户在平台上输入的咨询问题信息进行识别和语义分析；

参考数据调取单元用于利用智能AI问答技术从平台的数据库中调取出能够回答用户输入的咨询问题的参考数据。

传输信息优化模块包括被查询信息统计单元和供给方式优化单元；

被查询信息统计单元用于统计每一项参考数据被查看后的反馈信息，用户在查看完每一项参考数据后平台会弹出“对应参考数据是否为有效数据”的内容供用户选择，若用户选择“是”选项，则将对应项参考数据记为被标记1次；若用户选择“否”选项，不统计标记信息，反馈信息包括能够回答同一咨询问题的每一项参考数据的被标记次数，能够回答同一咨询问题的参考数据不止一项；

供给方式优化单元用于针对同一咨询问题，依据所有能够回答对应咨询问题的参考数据的被标记次数，选择是否对若干项参考数据进行排序处理：设置被标记次数差异阈值，如果若干项参考数据的被标记次数差异程度超出阈值，则选择对若干项参考数据进行排序处理；否则不进行排序处理，确认能够回答同一咨询问题的参考数据的最终排列顺序。

数据通信模块包括供给信息确认单元和供给数据传输单元；

供给信息确认单元用于采集用户以往由于未查找到有效参考数据而退出平台，在退出平台之前查看的参考数据量，用户在退出平台之前选择了“否”选项表示用户未查找到有效参考数据，依据参考数据量预测用户的可接受数据量，若当前输入咨询问题的用户为首次登录平台的用户，不对能够回答当前用户输入的咨询问题的参考数据做筛选处理，不对首次登录平台的用户进行可接受数据量预测，确认向当前用户提供的数据为能够回答当前用户输入的咨询问题的所有参考数据；若当前输入咨询问题的用户非首次登录平台的用户，对能够回答当前用户输入的咨询问题的参考数据做筛选处理，确认向当前用户提供的数据为经筛选处理后的数据，此处的在做筛选处理前的能够回答当前用户输入的咨询问题的参考数据为已确认最终排列顺序的参考数据；

供给数据传输单元用于将确认的向当前用户提供的数据传输至当前用户所在客户端，确认的向当前用户提供的数据为最终的优化参考数据。

实施例2：如图2所示，本实施例提供了一种基于人工智能的服务平台数据优化方法，其基于实施例中的服务平台数据优化系统实现，具体包括以下步骤：

S1：采集人工智能双创服务平台的访问信息：在用户登录人工智能双创服务平台后确认用户的身份信息，采集当前用户在登录后在平台上输入的咨询问题信息；

S2：在用户在平台上输入咨询问题后匹配能够回答对应输入的咨询问题的参考数据：利用NLP技术对当前用户在平台上输入的咨询问题信息进行识别和语义分析，利用智能AI问答技术从平台的数据库中调取出能够回答当前用户输入的咨询问题的所有参考数据；

S3：分析匹配的参考数据的被标记情况，依据被标记情况对匹配的参考数据进行选择性排序处理：针对能够回答当前用户输入的咨询问题的所有参考数据，统计每一项参考数据以往被查看后的被标记信息，统计到每一项参考数据的历史被标记的次数集合为{H₁,H₂,...H_n}，n表示能够回答当前用户输入的咨询问题的参考数据项数，根据公式计算n项参考数据的被标记次数差异程度P，P=[∑ⁿ _i=1(H_i-(∑ⁿ _i=1(H_i))/n)²/n]^1/2，i表示第i项参考数据，设置被标记次数差异阈值为R，比较P和R：若P>R，选择对n项参考数据进行排序处理，将i项参考数据按历史被标记次数从大到小的顺序进行排序处理，被标记次数相同的参考数据采用随机排序方式处理；若P≤R，不进行排序处理，即n项参考数据是随机排列的；

S4：对进行选择性排序处理后的参考数据进行选择性筛选处理，生成最终的优化参考数据，将最终的优化参考数据传输至当前在平台上输入咨询问题的用户所在客户端：确认当前输入咨询问题的用户是否为首次登录平台的用户：若是，将n项参考数据作为最终的优化参考数据传输至当前用户所在客户端；若否，采集当前用户以往由于未查找到所咨询问题的有效参考数据而退出平台，在退出平台之前查看的参考数据量：得到参考数据量集合为V={V₁,V₂,...V_m}，m表示当前用户以往因未查找到有效参考数据而退出平台的次数，预测得到当前用户的可接受数据量为V_m+1：V_m+1=θ*V_m+(1-θ)*D_m，其中，*表示乘号，D_m表示用户在第m次退出平台之前查看的参考数据量平滑值，根据D₁=θ*V₁+(1-θ)*[(V₁+V₂+V₃)/3]求解得到用户在第1次退出平台之前查看的参考数据量平滑值D₁，根据D₂=θ*V₁+(1-θ)*D₁求解得到D₂，根据D₃=θ*V₂+(1-θ)*D₂求解得到D₃，依次计算最终得到D_m，0<θ<1，θ表示平滑系数，θ为系统默认设置，获取到在已进行选择性排序处理的n项参考数据中，前k项参考数据的数据量总和未超出V_m+1且前k+1项参考数据的数据量总和超出V_m+1，将前k项参考数据作为最终的优化参考数据传输至当前用户所在客户端；

例如：预测得到当前用户的可接受数据量为V_m+1=10KB，获取到在已进行选择性排序处理的10项参考数据中，前5项参考数据的数据量总和未超出V_m+1且前6项参考数据的数据量总和超出了V_m+1，将前6项参考数据作为最终的优化参考数据传输至当前用户所在客户端。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (8)

1.一种基于人工智能的服务平台数据优化系统，其特征在于：所述系统包括访问信息采集模块、信息匹配模块、传输信息优化模块和数据通信模块；

所述访问信息采集模块用于采集人工智能双创服务平台的访问信息；

所述信息匹配模块用于在用户在平台上输入咨询问题后匹配能够回答对应输入的咨询问题的参考数据；

所述传输信息优化模块用于分析匹配的参考数据的被标记情况，依据被标记情况对匹配的参考数据进行选择性排序处理；

所述数据通信模块用于对进行选择性排序处理后的参考数据进行选择性筛选处理，生成最终的优化参考数据，将最终的优化参考数据传输至当前在平台上输入咨询问题的用户所在客户端；

所述传输信息优化模块包括被查询信息统计单元和供给方式优化单元；

所述被查询信息统计单元用于统计每一项参考数据被查看后的反馈信息，用户在查看完每一项参考数据后平台会弹出“对应参考数据是否为有效数据”的内容供用户选择，若用户选择“是”选项，则将对应项参考数据记为被标记1次；若用户选择“否”选项，不统计标记信息，所述反馈信息包括能够回答同一咨询问题的每一项参考数据的被标记次数；

所述供给方式优化单元用于针对同一咨询问题，依据所有能够回答对应咨询问题的参考数据的被标记次数，选择是否对若干项参考数据进行排序处理：设置被标记次数差异阈值，如果若干项参考数据的被标记次数差异程度超出阈值，则选择对若干项参考数据进行排序处理；否则不进行排序处理，确认能够回答同一咨询问题的参考数据的最终排列顺序；

所述数据通信模块包括供给信息确认单元和供给数据传输单元；

所述供给信息确认单元用于采集用户以往由于未查找到有效参考数据而退出平台，在退出平台之前查看的参考数据量，用户在退出平台之前选择了“否”选项表示用户未查找到有效参考数据，依据参考数据量预测用户的可接受数据量，若当前输入咨询问题的用户为首次登录平台的用户，不对能够回答当前用户输入的咨询问题的参考数据做筛选处理，确认向当前用户提供的数据为能够回答当前用户输入的咨询问题的所有参考数据；若当前输入咨询问题的用户非首次登录平台的用户，对能够回答当前用户输入的咨询问题的参考数据做筛选处理，确认向当前用户提供的数据为经筛选处理后的数据；

所述供给数据传输单元用于将确认的向当前用户提供的数据传输至当前用户所在客户端。

2.根据权利要求1所述的一种基于人工智能的服务平台数据优化系统，其特征在于：所述访问信息采集模块包括平台登录数据采集单元和输入信息采集单元；

所述平台登录数据采集单元用于在用户登录人工智能双创服务平台后确认用户的身份信息；

所述输入信息采集单元用于采集当前用户在登录后在平台上输入的咨询问题信息。

3.根据权利要求2所述的一种基于人工智能的服务平台数据优化系统，其特征在于：所述信息匹配模块包括输入信息识别单元和参考数据调取单元；

所述输入信息识别单元用于利用NLP技术对用户在平台上输入的咨询问题信息进行识别和语义分析；

所述参考数据调取单元用于利用智能AI问答技术从平台的数据库中调取出能够回答用户输入的咨询问题的参考数据。

4.一种基于人工智能的服务平台数据优化方法，应用于如权利要求1-3任一项所述的一种基于人工智能的服务平台数据优化系统，其特征在于：包括以下步骤：

S1：采集人工智能双创服务平台的访问信息；

S2：在用户在平台上输入咨询问题后匹配能够回答对应输入的咨询问题的参考数据；

S3：分析匹配的参考数据的被标记情况，依据被标记情况对匹配的参考数据进行选择性排序处理；

S4：对进行选择性排序处理后的参考数据进行选择性筛选处理，生成最终的优化参考数据，将最终的优化参考数据传输至当前在平台上输入咨询问题的用户所在客户端。

5.根据权利要求4所述的一种基于人工智能的服务平台数据优化方法，其特征在于：所述S1包括：在用户登录人工智能双创服务平台后确认用户的身份信息，采集当前用户在登录后在平台上输入的咨询问题信息。

6.根据权利要求5所述的一种基于人工智能的服务平台数据优化方法，其特征在于：所述S2包括：利用NLP技术对当前用户在平台上输入的咨询问题信息进行识别和语义分析，利用智能AI问答技术从平台的数据库中调取出能够回答当前用户输入的咨询问题的所有参考数据。

7.根据权利要求6所述的一种基于人工智能的服务平台数据优化方法，其特征在于：所述S3包括：针对能够回答当前用户输入的咨询问题的所有参考数据，统计每一项参考数据以往被查看后的被标记信息，统计到每一项参考数据的历史被标记的次数集合为{H₁,H₂,...H_n}，n表示能够回答当前用户输入的咨询问题的参考数据项数，根据公式计算n项参考数据的被标记次数差异程度P，P=[∑ⁿ _i=1(H_i-(∑ⁿ _i=1(H_i))/n)²/n]^1/2，i表示第i项参考数据，设置被标记次数差异阈值为R，比较P和R：若P>R，选择对n项参考数据进行排序处理，将i项参考数据按历史被标记次数从大到小的顺序进行排序处理，被标记次数相同的参考数据采用随机排序方式处理；若P≤R，不进行排序处理。

8.根据权利要求7所述的一种基于人工智能的服务平台数据优化方法，其特征在于：所述S4包括：确认当前输入咨询问题的用户是否为首次登录平台的用户：若是，将n项参考数据作为最终的优化参考数据传输至当前用户所在客户端；若否，采集当前用户以往由于未查找到所咨询问题的有效参考数据而退出平台，在退出平台之前查看的参考数据量：得到参考数据量集合为V={V₁,V₂,...V_m}，m表示当前用户以往因未查找到有效参考数据而退出平台的次数，预测得到当前用户的可接受数据量为V_m+1：V_m+1=θ*V_m+(1-θ)*D_m，其中，D_m表示用户在第m次退出平台之前查看的参考数据量平滑值，0<θ<1，θ表示平滑系数，获取到在已进行选择性排序处理的n项参考数据中，前k项参考数据的数据量总和未超出V_m+1且前k+1项参考数据的数据量总和超出V_m+1，将前k项参考数据作为最终的优化参考数据传输至当前用户所在客户端。