结合边缘计算的数字业务信息处理方法及服务器技术

本申请实施例提供的结合边缘计算的数字业务信息处理方法及边缘计算服务器，通过用于抽取上层宏观表征知识的对比学习映射单元和用于抽取行为倾向表征知识的行为倾向映射单元，得到能够学习到两类知识的网络，依据该数字业务信息处理网络对数字业务信息日志进行行为倾向分析时，能够通过联合上层宏观表征知识和行为倾向表征知识对数字业务信息进行信息提炼，协同学习的能力得到加强，并提高表征知识抽取的速度，依据得到的数字业务信息日志交互表征知识进行数字业务信息行为倾向分析，获取到的多元分类倾向结果更加精准且高效。获取到的多元分类倾向结果更加精准且高效。获取到的多元分类倾向结果更加精准且高效。

【技术实现步骤摘要】
结合边缘计算的数字业务信息处理方法及服务器


[0001]本申请涉及数据处理领域，尤其涉及人工智能领域，具体涉及一种结合边缘计算的数字业务信息处理方法及服务器。

技术介绍

[0002]随着云服务的大力发展，边缘计算伴随着AI的春风，在物联网领域起到越发重要的作用。边缘计算是为应用开发者和服务提供商在网络的边缘侧提供云服务和IT环境服务。例如在汽车辅助驾驶和智能化生产监测控制中，通过在边缘侧采集的设备数据进行就近计算，并高效进行响应，可以解决云计算模式下高延迟、网络不稳定及低带宽等问题。边缘侧产生的大量数字业务信息，其中通常隐藏用户的行为倾向含义，例如汽车驾驶中，通过对用户的驾驶行为分析，可以分析用户的驾驶行为倾向，以进行针对性的辅助驾驶。那么，如何准确从数字业务信息中分析识别出用户的行为倾向，是需要解决的技术问题，目前还有改善的空间。需要说明，以上内容仅为便于理解本申请方案的技术，不作为承认其是现有技术的依据。

技术实现思路

[0003]本申请提供了一种结合边缘计算的数字业务信息处理方法及服务器。
[0004]根据本申请的一方面，提供了一种结合边缘计算的数字业务信息处理方法，应用于边缘计算服务器，所述方法包括：通过边缘端的数据采集设备获取目标数字业务数据，生成数字业务信息日志；依据预先优化好的数字业务信息处理网络中的对比学习映射单元，抽取所述数字业务信息日志的上层宏观表征知识G
‑
K1；其中，所述上层宏观表征知识G
‑
K1用以体现所述数字业务信息日志的宏观维度数据含义；依据所述数字业务信息处理网络中的行为倾向映射单元，抽取所述数字业务信息日志的行为倾向表征知识I
‑
K1；其中，所述行为倾向表征知识I
‑
K1用以体现所述数字业务信息日志的数据行为倾向含义；依据所述数字业务信息处理网络中的行为倾向分析单元，对所述上层宏观表征知识G
‑
K1与所述行为倾向表征知识I
‑
K1进行表征知识交互，以及依据得到的第一交互表征知识对所述数字业务信息日志进行多元分类，得到所述数字业务信息日志的多元分类倾向结果；其中，所述数字业务信息处理网络为基于对所述对比学习映射单元和所述行为倾向映射单元组合优化得到。
[0005]作为一种实施方式，所述依据得到的第一交互表征知识对所述数字业务信息日志进行多元分类，还包括：依据所述对比学习映射单元，分别抽取日志库中的每一个备选数字业务信息日志的上层宏观表征知识G
‑
K2；依据所述行为倾向映射单元，分别抽取所述数字业务信息日志的行为倾向表征知
识I
‑
K2；依据所述行为倾向分析单元，分别将每一所述上层宏观表征知识G
‑
K2和对应的行为倾向表征知识I
‑
K2进行表征知识交互，得到每一所述备选数字业务信息日志分别对应的第二交互表征知识；分别依据所述第一交互表征知识和所述每一备选数字业务信息日志对应的第二交互表征知识，确定所述每一备选数字业务信息日志分别和所述数字业务信息日志的相似性评分；依据每一所述相似性评分确定所述数字业务信息日志对应的配对数字业务信息日志。
[0006]作为一种实施方式，所述数字业务信息处理网络还包括数据滤波单元；所述依据预先优化好的数字业务信息处理网络中的对比学习映射单元，抽取数字业务信息日志的上层宏观表征知识G
‑
K1之前，还包括：将所述数字业务信息日志载入所述数字业务信息处理网络中的数据滤波单元，依据所述数据滤波单元对所述数字业务信息日志进行宏观表征知识抽取，得到所述数字业务信息日志对应的宏观表征知识关系网；所述依据预先优化好的数字业务信息处理网络中的对比学习映射单元，抽取数字业务信息日志的上层宏观表征知识G
‑
K1，包括：依据所述对比学习映射单元，对所述宏观表征知识关系网进行映射降维处理，得到所述数字业务信息日志对应的上层宏观表征知识G
‑
K1；其中，所述行为倾向映射单元包括特征提炼子单元和特征编码子单元；所述依据所述数字业务信息处理网络中的行为倾向映射单元，抽取所述数字业务信息日志的行为倾向表征知识I
‑
K1，包括：依据所述行为倾向映射单元中的特征提炼子单元，对所述宏观表征知识关系网中的行为倾向信息进行表征知识抽取，并依据所述行为倾向映射单元中的特征编码子单元，对抽取得到的行为倾向信息进行映射降维处理，得到所述数字业务信息日志对应的行为倾向表征知识I
‑
K1；所述行为倾向分析单元的收敛效率参数大于其他单元的收敛效率参数，所述其他单元包括所述数据滤波单元、所述对比学习映射单元和所述行为倾向映射单元。
[0007]作为一种实施方式，所述数据滤波单元包括多个特征提炼子单元；所述数据滤波单元中的特征提炼子单元对应的参数为依据事先部署的示例日志库已调校完毕的参数进行权重和偏置初步赋值得到，所述行为倾向映射单元中的特征提炼子单元对应的参数为依据随机权重和偏置初步赋值得到。
[0008]作为一种实施方式，所述方法还包括所述数字业务信息处理网络的优化过程，包括：获取示例日志集合，在所述示例日志集合中筛选示例日志分组；将筛选得到的示例日志分组载入调校好的所述数字业务信息处理网络，获取依据所述数字业务信息处理网络中的对比学习映射单元输出的上层宏观表征知识G
‑
K3、所述行为倾向映射单元输出的行为倾向表征知识I
‑
K3、所述行为倾向分析单元输出的预估知识字段，所述预估知识字段代表示例日志对于各分类倾向结果对应的预估可信系数；依据所述上层宏观表征知识G
‑
K3、所述行为倾向表征知识I
‑
K3和所述预估知识字
段生成目标网络质量评估因子，以及依据所述目标网络质量评估因子对所述数字业务信息处理网络的参数进行反复调校，直至所述数字业务信息处理网络符合预设调校要求，得到调校好的数字业务信息处理网络。
[0009]作为一种实施方式，所述依据所述上层宏观表征知识G
‑
K3、所述行为倾向表征知识I
‑
K3和所述预估知识字段生成网络质量评估因子，包括：依据所述示例日志分组中的每一个示例日志对应的上层宏观表征知识G
‑
K3，生成第一多元示例日志质量评估因子；依据所述的每一个示例日志对应的行为倾向表征知识I
‑
K3，生成第二多元示例日志质量评估因子；依据所述的每一个示例日志分别对应的预估知识字段和对应的多元分类知识字段，生成多元分类质量评估因子，所述多元分类知识字段代表示例日志对于各分类倾向结果对应的真实可信系数；依据所述的每一个示例日志各自对应的预估知识字段，获取预估熵质量评估因子；将所述第一多元示例日志质量评估因子、所述第二多元示例日志质量评估因子、所述多元分类质量评估因子和所述预估熵质量评估因子进行整合，得到目标网络质量评估因子。
[0010]作为一种实施方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合边缘计算的数字业务信息处理方法，其特征在于，应用于边缘计算服务器，所述方法包括：通过边缘端的数据采集设备获取目标数字业务数据，生成数字业务信息日志；依据预先优化好的数字业务信息处理网络中的对比学习映射单元，抽取所述数字业务信息日志的上层宏观表征知识G
‑
K1；其中，所述上层宏观表征知识G
‑
K1用以体现所述数字业务信息日志的宏观维度数据含义；依据所述数字业务信息处理网络中的行为倾向映射单元，抽取所述数字业务信息日志的行为倾向表征知识I
‑
K1；其中，所述行为倾向表征知识I
‑
K1用以体现所述数字业务信息日志的数据行为倾向含义；依据所述数字业务信息处理网络中的行为倾向分析单元，对所述上层宏观表征知识G
‑
K1与所述行为倾向表征知识I
‑
K1进行表征知识交互，以及依据得到的第一交互表征知识对所述数字业务信息日志进行多元分类，得到所述数字业务信息日志的多元分类倾向结果；其中，所述数字业务信息处理网络为基于对所述对比学习映射单元和所述行为倾向映射单元组合优化得到。2.根据权利要求1所述的方法，其特征在于，所述依据得到的第一交互表征知识对所述数字业务信息日志进行多元分类，还包括：依据所述对比学习映射单元，分别抽取日志库中的每一个备选数字业务信息日志的上层宏观表征知识G
‑
K2；依据所述行为倾向映射单元，分别抽取所述数字业务信息日志的行为倾向表征知识I
‑
K2；依据所述行为倾向分析单元，分别将每一所述上层宏观表征知识G
‑
K2和对应的行为倾向表征知识I
‑
K2进行表征知识交互，得到每一所述备选数字业务信息日志分别对应的第二交互表征知识；分别依据所述第一交互表征知识和所述每一备选数字业务信息日志对应的第二交互表征知识，确定所述每一备选数字业务信息日志分别和所述数字业务信息日志的相似性评分；依据每一所述相似性评分确定所述数字业务信息日志对应的配对数字业务信息日志。3.根据权利要求1所述的方法，其特征在于，所述数字业务信息处理网络还包括数据滤波单元；所述依据预先优化好的数字业务信息处理网络中的对比学习映射单元，抽取数字业务信息日志的上层宏观表征知识G
‑
K1之前，还包括：将所述数字业务信息日志载入所述数字业务信息处理网络中的数据滤波单元，依据所述数据滤波单元对所述数字业务信息日志进行宏观表征知识抽取，得到所述数字业务信息日志对应的宏观表征知识关系网；所述依据预先优化好的数字业务信息处理网络中的对比学习映射单元，抽取数字业务信息日志的上层宏观表征知识G
‑
K1，包括：依据所述对比学习映射单元，对所述宏观表征知识关系网进行映射降维处理，得到所述数字业务信息日志对应的上层宏观表征知识G
‑
K1；其中，所述行为倾向映射单元包括特征提炼子单元和特征编码子单元；所述依据所述数字业务信息处理网络中的行为倾向映射单元，抽取所述数字业务信息日志的行为倾向表征知识I
‑
K1，包括：依据所述行为倾向映射单元中的特征提炼子单元，对
所述宏观表征知识关系网中的行为倾向信息进行表征知识抽取，并依据所述行为倾向映射单元中的特征编码子单元，对抽取得到的行为倾向信息进行映射降维处理，得到所述数字业务信息日志对应的行为倾向表征知识I
‑
K1；所述行为倾向分析单元的收敛效率参数大于其他单元的收敛效率参数，所述其他单元包括所述数据滤波单元、所述对比学习映射单元和所述行为倾向映射单元。4.根据权利要求3所述的方法，其特征在于，所述数据滤波单元包括多个特征提炼子单元；所述数据滤波单元中的特征提炼子单元对应的参数为依据事先部署的示例日志库已调校完毕的参数进行权重和偏置初步赋值得到，所述行为倾向映射单元中的特征提炼子单元对应的参数为依据随机权重和偏置初步赋值得到。5.根据权利要求1所述的方法，其特征在于，所述方法还包括所述数字业务信息处理网络的优化过程，包括：获取示例日志集合，在所述示例日志集合中筛选示例日志分组；将筛选得到的示例日志分组载入调校好的所述数字业务信息处理网络，获取依据所述数字业务信息处理网络中的对比学习映射单元输出的上层宏观表征知识G
‑
K3、所述行为倾向映射单元输出的行为倾向表征知识I
‑
K3、所述行为倾向分析单元输出的预估知识字段，所述预估知识字段代表示例日志对于各分类倾向结果对应的预估可信系数；依据所述上层宏观表征知识G
‑
K3、所述行为倾向表征知识I
‑
K3和所述预估知识字段生成目标网络质量评估因子，以及依据所述目标网络质量评估因子对所述数字业务信息处理网络的参数进行反复调校，直至所述数字业务信息处理网络符合预设调校要求，得到调校好的数字业务信息处理网络。6.根据权利要求5所述的方法，其特征在于，所述依据所述上层宏观表征知识G

【专利技术属性】
技术研发人员：孙家祥，郭乐乐，李代艳，
申请(专利权)人：太仓市律点信息技术有限公司，
类型：发明
国别省市：