基于数字业务的智能化信息挖掘方法及系统技术方案

本申请的基于数字业务的智能化信息挖掘方法及系统，能够获得针对目标用户行为事件的业务会话项目的挖掘决策知识，所述业务会话项目的挖掘决策知识涵盖可反映目标用户行为事件是否是否满足挖掘条件的决策知识特征。然后依据所述业务会话项目的挖掘决策知识对所述数字业务大数据进行提取，便能够基于这些能够反映目标用户行为事件是否满足挖掘条件的业务会话项目的挖掘决策知识提取出用于进行服务需求挖掘的目标业务大数据，这样无需应对整个数字业务大数据的数据挖掘处理，减少了软硬件资源消耗，保障了大数据挖掘的时效性，且目标业务大数据是基于数字业务大数据得到的，因而能够有效匹配信息挖掘请求，从而提高服务需求挖掘的精度和可信度。求挖掘的精度和可信度。求挖掘的精度和可信度。

【技术实现步骤摘要】
基于数字业务的智能化信息挖掘方法及系统


[0001]本申请涉及人工智能
，尤其涉及一种基于数字业务的智能化信息挖掘方法及系统。

技术介绍

[0002]随着信息技术的不断发展，数字业务涉及的领域越来越广泛，其所能提供的服务和功能越来越多样化，生产生活逐渐迈向数字化时代。当下，针对数字化业务的分析处理受到越来越多的关注。以用户需求挖掘为例，数字化业务场景下的用户需求挖掘能够指导业务服务的升级更新，提高用户存留率。然而专利技术人经研究和分析发现，传统的用户需求挖掘技术存在开销大、时效性差且准确性低下的问题。

技术实现思路

[0003]本申请的一个目的是提供一种基于数字业务的智能化信息挖掘方法及系统。
[0004]本申请的技术方案是通过如下至少部分实施例实现的。
[0005]一种基于数字业务的智能化信息挖掘方法，应用于数字AI挖掘系统，所述方法包括：响应于信息挖掘请求，从设定的共享数据库中调取数字业务大数据；获取所述数字业务大数据中目标用户行为事件的业务会话项目；提炼所述业务会话项目的挖掘决策知识；所述业务会话项目的挖掘决策知识涵盖如下至少一类：所述业务会话项目在所述数字业务大数据中的分布知识，所述业务会话项目所对应的业务数据集的窗口规模知识，所述业务会话项目的可信因子知识；依据所述业务会话项目的挖掘决策知识对所述数字业务大数据进行提取；利用提取得到的目标业务大数据进行服务需求挖掘。
[0006]优选的，所述获取所述数字业务大数据中目标用户行为事件的业务会话项目，包括：基于深度学习网络对所述数字业务大数据进行处理，得与所述数字业务大数据对应的活跃向量矩阵；将所述活跃向量矩阵中最大向量值对应的成员确定为所述目标用户行为事件的业务会话项目；其中，基于深度学习网络对所述数字业务大数据进行处理，得与所述数字业务大数据对应的活跃向量矩阵，包括：基于深度学习网络对所述数字业务大数据进行多轮第一调整处理与多轮第二调整处理，得与所述活跃向量矩阵；其中，在所述多轮第二调整处理过程中，整合所述多轮第一调整处理过程中输出的多层活跃向量关系网；其中，所述提炼所述业务会话项目的挖掘决策知识，包括：结合所述业务会话项目在所述数字业务大数据中的分布标签，确定所述分布知识和/或所述窗口规模知识；结合所述业务会话项目在所述活跃向量矩阵中的向量值，确定所述可信因子知识。
[0007]优选的，所述业务会话项目的挖掘决策知识包括所述业务会话项目的可信因子知识，所述依据所述业务会话项目的挖掘决策知识对所述数字业务大数据进行提取，包括：根
据各个所述业务会话项目的可信因子确定平均可信因子；结合所述平均可信因子与设定的可信因子判定值的运算结果对所述数字业务大数据进行提取；或者，所述业务会话项目的挖掘决策知识包括所述业务会话项目所对应的业务数据集的窗口规模知识，所述业务数据集为窗口化数据集，所述窗口规模知识包括所述窗口化数据集的第一窗口规模知识与第二窗口规模知识；所述依据所述业务会话项目的挖掘决策知识对所述数字业务大数据进行提取，包括：结合所述第一窗口规模知识对应的第一窗口约束变量与设定的第一窗口约束变量判定值的运算结果，以及所述第二窗口规模知识对应的第二窗口约束变量与设定的第二窗口约束变量判定值的运算结果，对所述数字业务大数据进行提取。
[0008]优选的，所述业务会话项目的挖掘决策知识包括所述业务会话项目在所述数字业务大数据中的分布知识，所述依据所述业务会话项目的挖掘决策知识对所述数字业务大数据进行提取，包括：结合所述分布知识，确定所述业务会话项目在所述数字业务大数据中所对应的内容集与所述数字业务大数据的设定内容集的关联度；结合所述关联度与设定的关联度判定值的运算结果，对所述数字业务大数据进行提取；其中，在对所述数字业务大数据进行提取之前，所述方法包括：根据运算结果确定所述数字业务大数据的评价指标，其中所述运算结果涵盖如下至少一类：所述平均可信因子与设定的可信因子判定值的运算结果；所述第一窗口约束变量与设定的第一窗口约束变量判定值的运算结果；所述第二窗口约束变量与设定的第二窗口约束变量判定值的运算结果；所述关联度与设定的关联度判定值的运算结果；所述对所述数字业务大数据进行提取，包括：依据所述数字业务大数据的评价指标对所述数字业务大数据进行提取；其中，所述运算结果还包括：所述数字业务大数据的窗口约束变量与设定的数据窗口约束变量判定值的运算结果；其中，所述根据运算结果确定所述数字业务大数据的评价指标，包括：在所述运算结果指示以下一种情况的基础上，结合所述平均可信因子与所述数字业务大数据的数据规模变量，确定所述数字业务大数据的评价指标：所述数字业务大数据的窗口约束变量达到所述数据窗口约束变量判定值；所述平均可信因子达到所述可信因子判定值；所述第一窗口约束变量达到所述第一窗口约束变量判定值；所述第二窗口约束变量达到所述第二窗口约束变量判定值；所述关联度未达到所述关联度判定值。
[0009]优选的，所述获取所述数字业务大数据中目标用户行为事件的业务会话项目，包括：利用基于通用CNN模型优化得到的深度学习网络，获取所述数字业务大数据中目标用户行为事件的业务会话项目；其中所述深度学习网络的调试步骤包括：获取数字业务大数据示例；所述数字业务大数据示例包括针对所述目标用户行为事件的业务会话项目的先验注释；所述先验注释反映所述目标用户行为事件的业务会话项目在所述数字业务大数据示例中的分布标签信息；利用所述数字业务大数据示例对所述深度学习网络进行多轮调试，其中，每一轮调试包括：将所述数字业务大数据示例输入所述深度学习网络，得到针对所述业务会话项目的回归分析结果；确定所述先验注释与所述回归分析结果之间的训练代价数据；依据所述训练代价数据改进所述深度学习网络的模型参量。
[0010]一种数字AI挖掘系统，包括：用于存储可执行计算机程序的存储器，用于执行所述存储器中存储的可执行计算机程序的处理器；所述数字AI挖掘系统与第三方服务系统通信，所述数字AI挖掘系统用于：响应于所述第三方服务系统的信息挖掘请求，从设定的共享数据库中调取数字业务大数据；获取所述数字业务大数据中目标用户行为事件的业务会话项目；提炼所述业务会话项目的挖掘决策知识；所述业务会话项目的挖掘决策知识涵盖如下至少一类：所述业务会话项目在所述数字业务大数据中的分布知识，所述业务会话项目所对应的业务数据集的窗口规模知识，所述业务会话项目的可信因子知识；依据所述业务会话项目的挖掘决策知识对所述数字业务大数据进行提取；利用提取得到的目标业务大数据进行服务需求挖掘。
[0011]优选的，所述获取所述数字业务大数据中目标用户行为事件的业务会话项目，包括：基于深度学习网络对所述数字业务大数据进行处理，得与所述数字业务大数据对应的活跃向量矩阵；将所述活跃向量矩阵中最大向量值对应的成员确定为所述目标用户行为事件的业务会话项目；其中，基于深度学习网络对所述数字业务大数据进行处理，得与所述数字业务大数据对应的活跃向量矩阵，包括：基于深度学习网络对所述数字业务大数据进行多轮第一调整处理与多轮第二调整处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字业务的智能化信息挖掘方法，其特征在于，应用于数字AI挖掘系统，所述方法包括：响应于信息挖掘请求，从设定的共享数据库中调取数字业务大数据；获取所述数字业务大数据中目标用户行为事件的业务会话项目；提炼所述业务会话项目的挖掘决策知识；所述业务会话项目的挖掘决策知识涵盖如下至少一类：所述业务会话项目在所述数字业务大数据中的分布知识，所述业务会话项目所对应的业务数据集的窗口规模知识，所述业务会话项目的可信因子知识；依据所述业务会话项目的挖掘决策知识对所述数字业务大数据进行提取；利用提取得到的目标业务大数据进行服务需求挖掘。2.根据权利要求1所述的方法，其特征在于，所述获取所述数字业务大数据中目标用户行为事件的业务会话项目，包括：基于深度学习网络对所述数字业务大数据进行处理，得与所述数字业务大数据对应的活跃向量矩阵；将所述活跃向量矩阵中最大向量值对应的成员确定为所述目标用户行为事件的业务会话项目；其中，基于深度学习网络对所述数字业务大数据进行处理，得与所述数字业务大数据对应的活跃向量矩阵，包括：基于深度学习网络对所述数字业务大数据进行多轮第一调整处理与多轮第二调整处理，得与所述活跃向量矩阵；其中，在所述多轮第二调整处理过程中，整合所述多轮第一调整处理过程中输出的多层活跃向量关系网；其中，所述提炼所述业务会话项目的挖掘决策知识，包括：结合所述业务会话项目在所述数字业务大数据中的分布标签，确定所述分布知识和/或所述窗口规模知识；结合所述业务会话项目在所述活跃向量矩阵中的向量值，确定所述可信因子知识。3.根据权利要求1所述的方法，其特征在于，所述业务会话项目的挖掘决策知识包括所述业务会话项目的可信因子知识，所述依据所述业务会话项目的挖掘决策知识对所述数字业务大数据进行提取，包括：根据各个所述业务会话项目的可信因子确定平均可信因子；结合所述平均可信因子与设定的可信因子判定值的运算结果对所述数字业务大数据进行提取；或者，所述业务会话项目的挖掘决策知识包括所述业务会话项目所对应的业务数据集的窗口规模知识，所述业务数据集为窗口化数据集，所述窗口规模知识包括所述窗口化数据集的第一窗口规模知识与第二窗口规模知识；所述依据所述业务会话项目的挖掘决策知识对所述数字业务大数据进行提取，包括：结合所述第一窗口规模知识对应的第一窗口约束变量与设定的第一窗口约束变量判定值的运算结果，以及所述第二窗口规模知识对应的第二窗口约束变量与设定的第二窗口约束变量判定值的运算结果，对所述数字业务大数据进行提取。4.根据权利要求3所述的方法，其特征在于，所述业务会话项目的挖掘决策知识包括所述业务会话项目在所述数字业务大数据中的分布知识，所述依据所述业务会话项目的挖掘决策知识对所述数字业务大数据进行提取，包括：结合所述分布知识，确定所述业务会话项目在所述数字业务大数据中所对应的内容集与所述数字业务大数据的设定内容集的关联度；结合所述关联度与设定的关联度判定值的运算结果，对所述数字业务大数据进行提取；其中，在对所述数字业务大数据进行提取之前，所述方法包括：根据运算结果确定所述数字业务大数据的评价指标，其中所述运算结果涵盖如下至少一类：所述平均可信因子与
设定的可信因子判定值的运算结果；所述第一窗口约束变量与设定的第一窗口约束变量判定值的运算结果；所述第二窗口约束变量与设定的第二窗口约束变量判定值的运算结果；所述关联度与设定的关联度判定值的运算结果；所述对所述数字业务大数据进行提取，包括：依据所述数字业务大数据的评价指标对所述数字业务大数据进行提取；其中，所述运算结果还包括：所述数字业务大数据的窗口约束变量与设定的数据窗口约束变量判定值的运算结果；其中，所述根据运算结果确定所述数字业务大数据的评价指标，包括：在所述运算结果指示以下一种情况的基础上，结合所述平均可信因子与所述数字业务大数据的数据规模变量，确定所述数字业务大数据的评价指标：所述数字业务大数据的窗口约束变量达到所述数据窗口约束变量判定值；所述平均可信因子达到所述可信因子判定值；所述第一窗口约束变量达到所述第一窗口约束变量判定值；所述第二窗口约束变量达到所述第二窗口约束变量判定值；所述关联度未达到所述关联度判定值。5.根据权利要求1所述的方法，其特征在于，所述获取所述数字业务大数据中目标用户行为事件的业务会话项目，包括：利用基于通用CNN模型优化得到的深度学习网络，获取所述数字业务大数据中目标用户行为事件的业务会话项目；其中所述深度学习网络的调试步骤包括：获取数字业务大数据示例；所述数字业务大数据示例包括针对所述目标用户行为事件的业务会话项目的先验注释；所述先验注释反映所述目标用户行为事件的业务会话项目在所述数字业务大数据示例中的分布标签信息；利用所述数字业务大数据示例对所述深度学习网络进行多轮调试，其中，每一轮调试包括：将所述数字业务大数据示例输入所述深度学习网络，得到针对所述业务会话项目的回归分析结果；确定所述先验注释与所述回归分析结果之间的训练代价数据；依据所述训练代价数据改进所述深度学习网络的模型参量。6.一种数字AI挖掘系统，其特征在于，包括：用于存储可执行计算机程序的存储...

【专利技术属性】
技术研发人员：付迎春，蒋俊，
申请(专利权)人：江苏永硕舟钰数据科技有限公司，
类型：发明
国别省市：