基于人工智能的用户大数据优化方法及系统技术方案

本发明专利技术实施例公开了基于人工智能的用户大数据优化方法及系统；大数据优化系统采集目标业务平台用户的目标微服务互动数据日志后，从第二微服务互动数据中挖掘第一微服务互动数据与第二微服务互动数据间成组的场景联动行为知识，即目标场景联动行为知识，进而对目标场景联动行为知识进行用户会话行为向量翻译，得到第一微服务互动数据对应的已优化微服务互动数据；基于本发明专利技术实施例的设计思路，在实现对异常业务交互场景的微服务互动数据进行业务交互场景完善的同时，可以保障针对第一微服务互动数据的数据优化精度，并且基于行为知识/向量层面的数据优化，能够确保微服务互动数据优化过程中资源占用的最小化。动数据优化过程中资源占用的最小化。动数据优化过程中资源占用的最小化。

【技术实现步骤摘要】
基于人工智能的用户大数据优化方法及系统


[0001]本专利技术涉及大数据
，尤其涉及一种基于人工智能的用户大数据优化方法及系统。

技术介绍

[0002]当今时代是数据为王的大数据时代，并由此催生了数据获取、数据分析、数据管理、人工智能、统计优化和数据可视化等一些的分支。作为大数据时代下的其中一个热门应用，用户分析的关注度与日俱增。在实际的用户分析过程中，用户大数据的质量决定用户分析的质量，对于一些存在异常的用户大数据，如果不对其进行优化处理，势必会影响到后续的应用分析，但是传统的数据优化方法存在精度低下且资源占用过高的问题。

技术实现思路

[0003]本专利技术的一个目的是提供一种基于人工智能的用户大数据优化方法及系统。
[0004]本专利技术的技术方案是通过如下至少部分实施例实现的。
[0005]一种基于人工智能的用户大数据优化方法，应用于大数据优化系统，所述方法包括：采集目标业务平台用户的目标微服务互动数据日志；其中，所述目标微服务互动数据日志中涵盖所述目标业务平台用户在不同业务交互场景下的微服务互动数据，且所述微服务互动数据中包含u组异常业务交互场景对应的第一微服务互动数据以及v组全局业务交互场景对应的第二微服务互动数据，u和v为正整数；从所述第二微服务互动数据中挖掘目标场景联动行为知识，所述目标场景联动行为知识为所述第一微服务互动数据与所述第二微服务互动数据都携带的用户会话行为向量；对所述目标场景联动行为知识进行用户会话行为向量翻译，得到所述第一微服务互动数据对应的已优化微服务互动数据。
[0006]在一些可选的实施例中，所述从所述第二微服务互动数据中挖掘目标场景联动行为知识，包括：将所述第一微服务互动数据和所述第二微服务互动数据加载到所述异常业务交互场景对应的目标知识向量提炼模块，其中，不同的业务交互场景对应不同的知识向量提炼模块；通过所述目标知识向量提炼模块对所述第一微服务互动数据和所述第二微服务互动数据进行用户会话行为向量挖掘，得到所述目标场景联动行为知识；所述对所述目标场景联动行为知识进行用户会话行为向量翻译，得到所述第一微服务互动数据对应的已优化微服务互动数据，包括：将所述目标场景联动行为知识加载到所述异常业务交互场景对应的目标知识向量翻译模块，其中，不同的业务交互场景对应不同的知识向量翻译模块；通过所述目标知识向量翻译模块对所述目标场景联动行为知识进行用户会话行为向量翻译，得到所述已优化微服务互动数据。
[0007]在一些可选的实施例中，所述通过所述目标知识向量提炼模块对所述第一微服务互动数据和所述第二微服务互动数据进行用户会话行为向量挖掘，得到所述目标场景联动行为知识，包括：通过所述目标知识向量提炼模块对所述第一微服务互动数据和第w第二微服务互动数据进行用户会话行为向量挖掘，得到第w目标场景联动行为知识，所述第w第二微服务互动数据属于v组所述第二微服务互动数据，且w不大于v；所述将所述场景联动行为知识加载到所述异常业务交互场景对应的目标知识向量翻译模块，包括：对v类所述目标场景联动行为知识进行行为知识加权，得到场景联动行为加权知识；将所述场景联动行为加权知识加载到所述异常业务交互场景对应的所述目标知识向量翻译模块；所述通过所述目标知识向量翻译模块对所述目标场景联动行为知识进行用户会话行为向量翻译，得到所述已优化微服务互动数据，包括：通过所述目标知识向量翻译模块对所述场景联动行为加权知识进行用户会话行为向量翻译，得到所述已优化微服务互动数据。
[0008]在一些可选的实施例中，所述对v类所述目标场景联动行为知识进行行为知识加权，得到场景联动行为加权知识，包括：通过不少于两种知识精简策略对所述第w目标场景联动行为知识进行知识精简操作，得到所述第w目标场景联动行为知识对应的不少于两种场景联动行为压缩向量；对v类所述目标场景联动行为知识各自对应的所述场景联动行为压缩向量进行向量加权，得到所述场景联动行为加权知识。
[0009]在一些可选的实施例中，所述将所述场景联动行为加权知识加载到所述异常业务交互场景对应的所述目标知识向量翻译模块，包括：对所述场景联动行为加权知识进行行为关注面削减或者行为关注面扩增处理，其中，行为关注面削减或行为关注面扩增后所述场景联动行为加权知识的行为关注面的数目与所述目标知识向量提炼模块的输出的行为关注面的数目一致；将行为关注面削减或行为关注面扩增后所述场景联动行为加权知识加载到所述异常业务交互场景对应的所述目标知识向量翻译模块。
[0010]在一些可选的实施例中，所述知识向量提炼模块是由动态滑动滤波组成的联合神经网络，且所述动态滑动滤波的变量结合所述知识向量提炼模块对应的业务交互场景确定得到。
[0011]在一些可选的实施例中，所述方法还包括：采集已认证业务平台用户的已认证微服务互动数据日志，所述已认证微服务互动数据日志中涵盖所述已认证业务平台用户在不同业务交互场景下的已认证微服务互动数据，且所述已认证微服务互动数据中包含不少于一组异常业务交互场景对应的已认证第一微服务互动数据以及不少于一组全局业务交互场景对应的已认证第二微服务互动数据；结合所述已认证微服务互动数据日志调试各种业务交互场景对应的知识向量提炼模块和知识向量翻译模块。
[0012]在一些可选的实施例中，所述结合所述已认证微服务互动数据日志调试各种业务交互场景对应的知识向量提炼模块和知识向量翻译模块，包括：通过目标业务交互场景对应的知识向量提炼模块对所述已认证微服务互动数据
进行用户会话行为向量挖掘，得到第一已认证场景联动行为知识，其中，在所述目标业务交互场景为所述异常业务交互场景的基础上，所述第一已认证场景联动行为知识为所述已认证第一微服务互动数据与所述已认证第二微服务互动数据都携带的用户会话行为向量；在所述目标业务交互场景为所述全局业务交互场景的基础上，所述第一已认证场景联动行为知识为不同已认证第二微服务互动数据都携带的用户会话行为向量；通过所述目标业务交互场景对应的知识向量翻译模块对所述第一已认证场景联动行为知识进行用户会话行为向量翻译，得到已认证微服务互动预测数据；结合所述已认证微服务互动预测数据和所述已认证微服务互动数据调试各种业务交互场景各自对应的知识向量提炼模块和知识向量翻译模块。
[0013]在一些可选的实施例中，所述结合所述已认证微服务互动预测数据和所述已认证微服务互动数据调试各种业务交互场景各自对应的知识向量提炼模块和知识向量翻译模块，包括：结合所述已认证微服务互动预测数据和所述已认证微服务互动数据确定微服务数据匹配代价；结合所述微服务数据匹配代价调试各种业务交互场景各自对应的知识向量提炼模块和知识向量翻译模块。
[0014]在一些可选的实施例中，所述结合所述已认证微服务互动数据日志调试各种业务交互场景对应的知识向量提炼模块和知识向量翻译模块，还包括：通过所述目标业务交互场景对应的知识向量提炼模块对所述已认证微服务互动预测数据进行用户会话行为向量挖掘，得到第二已认证场景联动行为知识；所述结合所述已认证微服务互动预测数据和所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的用户大数据优化方法，其特征在于，应用于大数据优化系统，所述方法包括：采集目标业务平台用户的目标微服务互动数据日志；其中，所述目标微服务互动数据日志中涵盖所述目标业务平台用户在不同业务交互场景下的微服务互动数据，且所述微服务互动数据中包含u组异常业务交互场景对应的第一微服务互动数据以及v组全局业务交互场景对应的第二微服务互动数据，u和v为正整数；从所述第二微服务互动数据中挖掘目标场景联动行为知识，所述目标场景联动行为知识为所述第一微服务互动数据与所述第二微服务互动数据都携带的用户会话行为向量；对所述目标场景联动行为知识进行用户会话行为向量翻译，得到所述第一微服务互动数据对应的已优化微服务互动数据。2.根据权利要求1所述的方法，其特征在于，所述从所述第二微服务互动数据中挖掘目标场景联动行为知识，包括：将所述第一微服务互动数据和所述第二微服务互动数据加载到所述异常业务交互场景对应的目标知识向量提炼模块，其中，不同的业务交互场景对应不同的知识向量提炼模块；通过所述目标知识向量提炼模块对所述第一微服务互动数据和所述第二微服务互动数据进行用户会话行为向量挖掘，得到所述目标场景联动行为知识；所述对所述目标场景联动行为知识进行用户会话行为向量翻译，得到所述第一微服务互动数据对应的已优化微服务互动数据，包括：将所述目标场景联动行为知识加载到所述异常业务交互场景对应的目标知识向量翻译模块，其中，不同的业务交互场景对应不同的知识向量翻译模块；通过所述目标知识向量翻译模块对所述目标场景联动行为知识进行用户会话行为向量翻译，得到所述已优化微服务互动数据。3.根据权利要求2所述的方法，其特征在于，所述通过所述目标知识向量提炼模块对所述第一微服务互动数据和所述第二微服务互动数据进行用户会话行为向量挖掘，得到所述目标场景联动行为知识，包括：通过所述目标知识向量提炼模块对所述第一微服务互动数据和第w第二微服务互动数据进行用户会话行为向量挖掘，得到第w目标场景联动行为知识，所述第w第二微服务互动数据属于v组所述第二微服务互动数据，且w不大于v；所述将所述场景联动行为知识加载到所述异常业务交互场景对应的目标知识向量翻译模块，包括：对v类所述目标场景联动行为知识进行行为知识加权，得到场景联动行为加权知识；将所述场景联动行为加权知识加载到所述异常业务交互场景对应的所述目标知识向量翻译模块；所述通过所述目标知识向量翻译模块对所述目标场景联动行为知识进行用户会话行为向量翻译，得到所述已优化微服务互动数据，包括：通过所述目标知识向量翻译模块对所述场景联动行为加权知识进行用户会话行为向量翻译，得到所述已优化微服务互动数据。4.根据权利要求3所述的方法，其特征在于，所述对v类所述目标场景联动行为知识进行行为知识加权，得到场景联动行为加权知识，包括：通过不少于两种知识精简策略对所述第w目标场景联动行为知识进行知识精简操作，得到所述第w目标场景联动行为知识对应的不少于两种场景联动行为压缩向量；对v类所述目标场景联动行为知识各自对应的所述场景联动行为压缩向量进行向量加权，得到所述场景联动行为加权知识。
5.根据权利要求3所述的方法，其特征在于，所述将所述场景联动行为加权知识加载到所述异常业务交互场景对应的所述目标知识向量翻译模块，包括：对所述场景联动行为加权知识进行行为关注面削减或者行为关注面扩增处理，其中，行为关注面削减或行为关注面扩增后所述场景联动行为加权知识的行为关注面的数目与所述目标知识向量提炼模块的输出的行为关注面的数目一致；将行为关注面削减或行为关注面扩增后所述场景联动行为加权知识加载到所述异常业务交互场景对应的所述目标知识向量翻译模块。6.根据权利要求2所述的方法，其特征在于，所述知识向量提炼模块是由动态滑动滤波组成的联合神经网络，且所述动态滑动滤波的变量结合所述知识向量提炼模块对应的业务交互场景确定得到。7.根据权利要求2所述的方法，其特征在于，所述方法还包括：采集已认证业务平台用户的已认证微服务互动数据日志，所述已...

【专利技术属性】
技术研发人员：季银，蒋俊，蒋杰，
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：