基于大数据的数据处理方法及AI系统技术方案

本发明专利技术涉及数据处理技术领域，特别涉及一种基于大数据的数据处理方法及AI系统。本发明专利技术提供的基于大数据的数据处理方法及AI系统，依据要素贡献值确定各个会话行为知识字段对应的兴趣聚焦决策向量的思路，减少了处理开销的占用，保障了用户兴趣挖掘的时效性；基于此，在应对较为复杂的电商业务交互知识链时的资源消耗有所降低，应对较为复杂的电商业务交互知识链的耗时也有所降低，进而确保针对较为复杂的电商业务交互知识链的用户兴趣挖掘效率。的电商业务交互知识链的用户兴趣挖掘效率。的电商业务交互知识链的用户兴趣挖掘效率。

【技术实现步骤摘要】
基于大数据的数据处理方法及AI系统


[0001]本专利技术涉及数据处理
，特别涉及一种基于大数据的数据处理方法及AI系统。

技术介绍

[0002]从大数据中“淘金”，从大量数据信息中挖掘出隐含的、未知的、对决策有潜在的关系、模型和趋势，并用这些知识和规则建立用于决策支持的模型，提供预测性决策支持的方法、工具和过程，就是大数据挖掘。以电商业务为例，大数据挖掘包括利用关联规则、聚类分析、分类与预测、时序模式、偏差检测、智能推荐等方法，帮助电商服务方提取数据中蕴含的数据资产价值，提高电商业务服务的智能化程度和针对性。当下，随着电商业务的不断发展，传统的大数据挖掘技术已经难以高效地实现电商用户的数据挖掘分析，因此亟需一种更为优化的方案来应对复杂的电商业务大数据的挖掘。

技术实现思路

[0003]为改善相关技术中存在的技术问题，本专利技术提供了一种基于大数据的数据处理方法及AI系统。
[0004]第一方面，本专利技术实施例提供了一种基于大数据的数据处理方法，应用于AI系统，所述方法包括：依据待挖掘的电商业务交互知识链中的会话行为知识字段的个数，确定所述电商业务交互知识链对应的第一要素关系网中的各个原始索引要素的第一要素贡献值，和所述电商业务交互知识链对应的第二要素关系网中的各个所述原始配对要素的第二要素贡献值；结合所述第一要素贡献值和所述第二要素贡献值，确定各个所述原始索引要素分别与各个所述原始配对要素之间的共性值；对于所述电商业务交互知识链中的各个会话行为知识字段，结合所述会话行为知识字段对应的原始索引要素与各个所述原始配对要素之间的共性值、以及所述电商业务交互知识链对应的第三要素关系网中的各个目标偏置要素，确定所述会话行为知识字段对应的兴趣聚焦决策向量；结合所述电商业务交互知识链中各个所述会话行为知识字段各自对应的兴趣聚焦决策向量，确定所述电商业务交互知识链对应的用户兴趣挖掘信息。
[0005]如此设计，借助确定出的各个原始索引要素对应的第一要素贡献值和各个原始配对要素对应的第二要素贡献值，确定出各个原始索引要素分别与各个原始配对要素之间的共性值，再依据各个共性值和第三要素关系网中的各个目标偏置要素，确定各个会话行为知识字段对应的兴趣聚焦决策向量；相较于将若干个聚焦决策关系网直接进行作积得到要素贡献关系网，再借助要素贡献关系网对会话行为知识字段进行量化运算，得到各个会话行为知识字段对应的兴趣聚焦决策向量，本专利技术实施例依据要素贡献值确定各个会话行为知识字段对应的兴趣聚焦决策向量的思路，减少了处理开销的占用，保障了用户兴趣挖掘的时效性。基于此，在应对较为复杂的电商业务交互知识链时的资源消耗有所降低，应对较为复杂的电商业务交互知识链的耗时也有所降低，进而确保针对较为复杂的电商业务交互
知识链的用户兴趣挖掘效率。
[0006]在一些示例性实施例中，所述结合所述第一要素贡献值和所述第二要素贡献值，确定各个所述原始索引要素分别与各个所述原始配对要素之间的共性值，包括：借助设定的若干个AI算法单元中的任意一个目标AI算法单元，将各个所述原始索引要素调整成满足设定要求的目标索引要素，以及将各个原始配对要素调整成满足设定要求的目标配对要素；依据各个所述原始配对要素对应的第二要素贡献值和该原始配对要素对应的目标配对要素，确定各个所述原始配对要素对应的第一要素运算结果；对于各个所述原始索引要素，结合所述原始索引要素对应的目标索引要素和所述原始索引要素对应的第一要素贡献值，确定所述原始索引要素对应的第二要素运算结果；并结合所述第二要素运算结果和各个所述原始配对要素对应所述第一要素运算结果，确定所述原始索引要素分别与各个所述原始配对要素之间的共性值。
[0007]如此设计，借助目标AI算法单元，将原始索引要素调整成满足设定要求的目标索引要素，以及将原始配对要素调整成满足设定要求的目标配对要素，规避了直接借助之前的量化值小于0的原始索引要素和/或之前的量化值小于0的原始配对要素进行处理，对得到的共性值的精度造成干扰，确保了共性值的精度和可信度。
[0008]在一些示例性实施例中，所述结合所述第二要素运算结果和各个所述原始配对要素对应所述第一要素运算结果，确定所述原始索引要素分别与各个所述原始配对要素之间的共性值，包括：结合所述原始索引要素在所述第一要素关系网中的第一顺序优先级和所述会话行为知识字段的个数，确定所述原始索引要素对应的第一偏心系数，以及依据各个所述原始配对要素在所述第二要素关系网中的第二顺序优先级，确定各个所述原始配对要素对应的第二偏心系数；结合所述第一偏心系数和所述原始索引要素对应的目标索引要素，确定所述原始索引要素对应的第三要素运算结果；对于各个所述原始配对要素，结合所述原始配对要素对应的第二偏心系数和所述原始配对要素对应的目标配对要素，确定所述原始配对要素对应的第四要素运算结果；结合所述第二要素运算结果、所述第三要素运算结果、各个所述原始配对要素对应的第一要素运算结果和第四要素运算结果，确定所述原始索引要素与各个所述原始配对要素之间的共性值。
[0009]如此设计，借助确定出的各个原始索引要素对应的第一偏心系数和各个原始配对要素对应的第二偏心系数，确定出各个原始索引要素与各个原始配对要素之间的共性值，可以进一步保障确定出的共性值的准确性。
[0010]在一些示例性实施例中，所述结合所述会话行为知识字段对应的原始索引要素与各个所述原始配对要素之间的共性值、以及所述电商业务交互知识链对应的第三要素关系网中的各个目标偏置要素，确定所述会话行为知识字段对应的兴趣聚焦决策向量，包括：对于各个所述原始配对要素，结合所述原始配对要素对应的第一要素运算结果，和在所述第三要素关系网中对应的第三顺序优先级与所述原始配对要素对应的第二顺序优先级相同的目标偏置要素，确定所述原始配对要素对应的第一特征计算信息；结合所述原始配对要素对应的第四要素运算结果，和在所述第三要素关系网中对应的第三顺序优先级与所述原始配对要素对应的第二顺序优先级相同的目标偏置要素，确定所述原始配对要素对应的第二特征计算信息；将所述原始索引要素对应的第二要素运算结果和各个所述原始配对要素对应的第一特征计算信息作积，得到第五要素运算结果；将所述原始索引要素对应的第三
要素运算结果和各个所述原始配对要素对应的第二特征计算信息作积，得到第六要素运算结果；结合所述会话行为知识字段对应的原始索引要素与各个所述原始配对要素之间的共性值的求和数据、所述第五要素运算结果的求和数据、以及所述第六要素运算结果的求和数据，确定所述会话行为知识字段对应的兴趣聚焦决策向量。
[0011]如此设计，通过第三顺序优先级和第二顺序优先级，能够在第三要素关系网中找到与各个原始配对要素匹配的目标偏置要素，从而确定出了各个要素特征二元组。依据要素特征二元组中的原始配对要素对应的要素运算结果，以及要素特征二元组的目标配对要素，可精准得到各个要素特征二元组各自对应的第一特征计算信息和第二特征计算信息。进而，依据准确的第一特征计算信息和第二特征计算信息，可以确定出准确的兴趣本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的数据处理方法，其特征在于，应用于大数据AI系统，所述方法包括：依据待挖掘的所述电商业务交互知识链中的会话行为知识字段的个数，确定所述电商业务交互知识链对应的第一要素关系网中的各个原始索引要素的第一要素贡献值，和所述电商业务交互知识链对应的第二要素关系网中的各个所述原始配对要素的第二要素贡献值；结合所述第一要素贡献值和所述第二要素贡献值，确定各个所述原始索引要素分别与各个所述原始配对要素之间的共性值；对于所述电商业务交互知识链中的各个会话行为知识字段，结合所述会话行为知识字段对应的原始索引要素与各个所述原始配对要素之间的共性值、以及所述电商业务交互知识链对应的第三要素关系网中的各个目标偏置要素，确定所述会话行为知识字段对应的兴趣聚焦决策向量；结合所述电商业务交互知识链中各个所述会话行为知识字段各自对应的兴趣聚焦决策向量，确定所述电商业务交互知识链对应的用户兴趣挖掘信息。2.如权利要求1所述的方法，其特征在于，所述结合所述第一要素贡献值和所述第二要素贡献值，确定各个所述原始索引要素分别与各个所述原始配对要素之间的共性值，包括：借助设定的若干个AI算法单元中的任意一个目标AI算法单元，将各个所述原始索引要素调整成满足设定要求的目标索引要素，以及将各个原始配对要素调整成满足设定要求的目标配对要素；依据各个所述原始配对要素对应的第二要素贡献值和该原始配对要素对应的目标配对要素，确定各个所述原始配对要素对应的第一要素运算结果；对于各个所述原始索引要素，结合所述原始索引要素对应的目标索引要素和所述原始索引要素对应的第一要素贡献值，确定所述原始索引要素对应的第二要素运算结果；结合所述第二要素运算结果和各个所述原始配对要素对应所述第一要素运算结果，确定所述原始索引要素分别与各个所述原始配对要素之间的共性值。3.如权利要求2所述的方法，其特征在于，所述结合所述第二要素运算结果和各个所述原始配对要素对应所述第一要素运算结果，确定所述原始索引要素分别与各个所述原始配对要素之间的共性值，包括：结合所述原始索引要素在所述第一要素关系网中的第一顺序优先级和所述会话行为知识字段的个数，确定所述原始索引要素对应的第一偏心系数，以及依据各个所述原始配对要素在所述第二要素关系网中的第二顺序优先级，确定各个所述原始配对要素对应的第二偏心系数；结合所述第一偏心系数和所述原始索引要素对应的目标索引要素，确定所述原始索引要素对应的第三要素运算结果；对于各个所述原始配对要素，结合所述原始配对要素对应的第二偏心系数和所述原始配对要素对应的目标配对要素，确定所述原始配对要素对应的第四要素运算结果；结合所述第二要素运算结果、所述第三要素运算结果、各个所述原始配对要素对应的第一要素运算结果和第四要素运算结果，确定所述原始索引要素与各个所述原始配对要素之间的共性值。
4.如权利要求1所述的方法，其特征在于，所述结合所述会话行为知识字段对应的原始索引要素与各个所述原始配对要素之间的共性值、以及所述电商业务交互知识链对应的第三要素关系网中的各个目标偏置要素，确定所述会话行为知识字段对应的兴趣聚焦决策向量，包括：对于各个所述原始配对要素，结合所述原始配对要素对应的第一要素运算结果，和在所述第三要素关系网中对应的第三顺序优先级与所述原始配对要素对应的第二顺序优先级相同的目标偏置要素，确定所述原始配对要素对应的第一特征计算信息；结合所述原始配对要素对应的第四要素运算结果，和在所述第三要素关系网中对应的第三顺序优先级与所述原始配对要素对应的第二顺序优先级相同的目标偏置要素，确定所述原始配对要素对应的第二特征计算信息；将所述原始索引要素对应的第二要素运算结果和各个所述原始配对要素对应的第一特征计算信息作积，得到第五要素运算结果；将所述原始索引要素对应的第三要素运算结果和各个所述原始配对要素对应的第二特征计算信息作积，得到第六要素运算结果；结合所述会话行为知识字段对应的原始索引要素与各个所述原始配对要素之间的共性值的求和数据、所述第五要素运算结果的求和数据、以及所述第六要素运算结果的求和数据，确定所述会话行为知识字段对应的兴趣聚焦决策向量。5.如权利要求1所述的方法，其特征在于，在所述依据待挖掘的电商业务交互知识链中的会话行为知识字段的个数，确定所述电商业务交互知识链对应的第一要素关系网中的各个所述原始索引要素的第一要素贡献值之前，还包括：获得待挖掘的所述电商业务交互知识链，并对所述电商业务交互知识链进行知识变换处理，得到完成变换的所述电商业务交互知识链；将所述电商业务交互知识链和完成变换的所述电商业务交互知识链进行链级整理，得到完成整理的电商业务交互知识链；借助目标向量关系网分别对完成整理的电商业务交互知识链进行知识投影操作，得到所述电商业务交互知识链对应的第一要素关系网、第二要素关系网和第三要素关...

【专利技术属性】
技术研发人员：李烜宇，韩叶刚，
申请(专利权)人：李烜宇，
类型：发明
国别省市：