System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人工智能,具体而言,涉及一种应用于数据中台构建的数据处理方法及系统。
技术介绍
1、随着大数据和人工智能技术的发展,数据中台作为企业信息系统的核心组成部分,其作用越来越受到重视。数据中台整合企业内外的数据资源,支持数据的存储、处理和分析,以提供决策支持和服务创新。在这一背景下,准确理解和快速响应用户需求变得尤为关键。
2、传统的数据中台面临着从海量用户反馈中提取有效信息的挑战。现有的方法通常依赖简单的关键词搜索或手动标注过程,这些方法效率低下,而且无法深入挖掘用户反馈中的隐含意义。此外,随着用户需求的不断演变,传统的静态分析模型往往不能适应快速变化的环境,导致用户需求预测的准确性和时效性不足。
3、此外,现有的用户需求预测模型在更新和维护方面也存在问题。当遇到新的用户数据时,要么重新训练整个模型,耗费大量计算资源和时间;要么只能采用增量学习,但这可能导致模型迅速过时。因此,急需一种能够快速适应新数据,同时保持预测性能的用户需求预测方法。
技术实现思路
1、有鉴于此,本专利技术实施例的目的在于提供一种应用于数据中台构建的数据处理方法及系统,利用注意力网络机制,获取范例用户反馈数据,并进行深入分析后转化为包含丰富语义信息的样例反馈知识向量,采用预置的第一用户需求预测网络的网络配置信息来生成基础的第二用户需求预测网络,利用了已有网络的知识结构和参数作为出发点从而加速新网络的初始化和学习过程,结合收集到的样例反馈知识向量和对应的用户需求标签数据,系统对
2、依据本专利技术实施例的一个方面,提供一种应用于数据中台构建的数据处理方法及系统,所述方法包括:
3、获取数据中台的范例用户反馈数据和所述范例用户反馈数据对应的用户需求标签数据,并基于注意力网络对所述范例用户反馈数据进行注意力处理得到样例反馈知识向量;
4、获取预置的第一用户需求预测网络的网络配置信息,并基于所述网络配置信息生成基础的第二用户需求预测网络;其中,所述网络配置信息包括网络功能层架构和网络功能层权重信息中的至少一种,所述第一用户需求预测网络和所述第二用户需求预测网络均用于生成数据中台构建任务的用户需求集合中的关键用户需求,且,所述第一用户需求预测网络和所述第二用户需求预测网络对应不同标签的数据中台构建任务;
5、依据所述样例反馈知识向量和所述用户需求标签数据对所述基础的第二用户需求预测网络进行更新,生成完成更新的第二用户需求预测网络。
6、一种可替代的实施方式中,所述注意力网络包括初始化语音注意力网络、初始化视频注意力网络和初始化对话注意力网络中的至少一种;
7、所述范例用户反馈数据包括语音数据、视频数据和文本数据中的至少一种;
8、所述语音数据用于更新所述初始化语音注意力网络;
9、所述视频数据用于更新所述初始化视频注意力网络;所述文本数据用于更新所述初始化对话注意力网络。
10、一种可替代的实施方式中,在所述基于注意力网络对所述范例用户反馈数据进行注意力处理得到样例反馈知识向量之前,所述方法还包括:
11、获取已有数据中台构建任务中多个异常反馈会话对应的语音数据;
12、基于多个所述语音数据更新所述初始化语音注意力网络。
13、一种可替代的实施方式中,在所述基于注意力网络对所述范例用户反馈数据进行注意力处理得到样例反馈知识向量之前,所述方法还包括:
14、获取已有数据中台构建任务中多个异常反馈会话对应的视频数据;
15、基于多个所述视频数据更新所述初始化视频注意力网络。
16、一种可替代的实施方式中,在所述基于注意力网络对所述范例用户反馈数据进行注意力处理得到样例反馈知识向量之前,所述方法还包括:
17、获取已有数据中台构建任务中多个异常反馈会话对应的文本数据;
18、基于多个所述文本数据更新所述初始化对话注意力网络。
19、一种可替代的实施方式中,所述方法还包括:
20、获取数据中台请求数据;所述数据中台请求数据中设置有调用节点、第一网络节点、第二网络节点和网络学习函数;
21、基于所述数据中台请求数据调用所述调用节点,执行所述获取范例用户反馈数据和所述范例用户反馈数据对应的用户需求标签数据的步骤;
22、基于所述数据中台请求数据调用所述第一网络节点,执行所述基于注意力网络对所述范例用户反馈数据进行注意力处理得到样例反馈知识向量的步骤;
23、基于所述数据中台请求数据调用所述第二网络节点,执行所述获取预置的第一用户需求预测网络的网络配置信息,并基于所述网络配置信息生成基础的第二用户需求预测网络的步骤;
24、基于所述数据中台请求数据确定所述网络学习函数,并执行所述依据所述样例反馈知识向量和所述用户需求标签数据对所述基础的第二用户需求预测网络进行更新,生成完成更新的第二用户需求预测网络的步骤。
25、依据本专利技术实施例的另一方面,提供一种应用于数据中台构建的数据处理方法及系统,所述系统包括:
26、获取模块,用于获取范例用户反馈数据和所述范例用户反馈数据对应的用户需求标签数据,并基于注意力网络对所述范例用户反馈数据进行注意力处理得到样例反馈知识向量;
27、生成模块,用于获取预置的第一用户需求预测网络的网络配置信息,并基于所述网络配置信息生成基础的第二用户需求预测网络;其中,所述网络配置信息包括网络功能层架构和网络功能层权重信息中的至少一种,所述第一用户需求预测网络和所述第二用户需求预测网络均用于生成数据中台构建任务的用户需求集合中的关键用户需求,且,所述第一用户需求预测网络和所述第二用户需求预测网络对应不同标签的数据中台构建任务;
28、更新模块,用于依据所述样例反馈知识向量和所述用户需求标签数据对所述基础的第二用户需求预测网络进行更新,生成完成更新的第二用户需求预测网络。
29、依据本专利技术实施例的另一方面,提供一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以上任一项所述的应用于数据中台构建的数据处理方法的步骤。
30、依据本专利技术实施例的另一方面,提供一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现以上任一项所述的应用于数据中本文档来自技高网...
【技术保护点】
1.一种应用于数据中台构建的数据处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的应用于数据中台构建的数据处理方法,其特征在于,所述注意力网络包括初始化语音注意力网络、初始化视频注意力网络和初始化对话注意力网络中的至少一种;
3.根据权利要求2所述的应用于数据中台构建的数据处理方法,其特征在于,在所述基于注意力网络对所述范例用户反馈数据进行注意力处理得到样例反馈知识向量之前,所述方法还包括:
4.根据权利要求2所述的应用于数据中台构建的数据处理方法,其特征在于,在所述基于注意力网络对所述范例用户反馈数据进行注意力处理得到样例反馈知识向量之前,所述方法还包括:
5.根据权利要求2所述的应用于数据中台构建的数据处理方法,其特征在于,在所述基于注意力网络对所述范例用户反馈数据进行注意力处理得到样例反馈知识向量之前,所述方法还包括:
6.根据权利要求1所述的应用于数据中台构建的数据处理方法,其特征在于,所述方法还包括:
7.一种应用于数据中台构建的数据处理系统,其特征在于,包括:
8.一种电子
9.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的应用于数据中台构建的数据处理方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-6中任一项所述的应用于数据中台构建的数据处理方法的步骤。
...【技术特征摘要】
1.一种应用于数据中台构建的数据处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的应用于数据中台构建的数据处理方法,其特征在于,所述注意力网络包括初始化语音注意力网络、初始化视频注意力网络和初始化对话注意力网络中的至少一种;
3.根据权利要求2所述的应用于数据中台构建的数据处理方法,其特征在于,在所述基于注意力网络对所述范例用户反馈数据进行注意力处理得到样例反馈知识向量之前,所述方法还包括:
4.根据权利要求2所述的应用于数据中台构建的数据处理方法,其特征在于,在所述基于注意力网络对所述范例用户反馈数据进行注意力处理得到样例反馈知识向量之前,所述方法还包括:
5.根据权利要求2所述的应用于数据中台构建的数据处理方法,其特征在于,在所述基于注意力网络对所述范例用户反馈数据进行注意力处理得到样例...
【专利技术属性】
技术研发人员:缪承杜,马剑,吴嘉辉,张熙,
申请(专利权)人:广州科技金融集团有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。