一种大数据加工方法、服务器及介质技术

本发明专利技术提供一种大数据加工方法、服务器及介质，通过对事务作业日志的项目流程信息以及事务作业日志中作业行为描述的会话内容检测结果对应的意见反馈信息进行多个层面的细节特征抽取；然后将这些细节特征进行碰撞组合以及对获得的项目反馈碰撞向量队列进行进一步的特征强化操作，并基于特征强化操作结果确定对事务作业日志进行表征的事务作业聚合向量。鉴于调用了综合了事务作业日志的项目流程信息和作业行为描述对应的意见反馈信息这两个层面的细节的事务作业聚合向量对事务作业日志进行表征，使得事务作业聚合向量对事务作业日志的细节表征尽可能准确完整，从而提高了对事务作业日志进行特征信息抽取的质量。事务作业日志进行特征信息抽取的质量。事务作业日志进行特征信息抽取的质量。

【技术实现步骤摘要】
一种大数据加工方法、服务器及介质


[0001]本专利技术涉及大数据加工
，尤其涉及一种大数据加工方法、服务器及介质。

技术介绍

[0002]在大数据时代，数据信息已经渗透到当今每一个行业和业务/事务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用需求不断增多，对此，针对大数据的加工处理必不可少。大数据加工可以对最原始的数据信息进行针对性优化和处理，从而保障得到的已加工数据能够匹配各类业务应用。

技术实现思路

[0003]本专利技术提供一种大数据加工方法、服务器及介质，为实现上述技术目的，本专利技术采用如下技术方案。
[0004]第一方面是一种大数据加工方法，应用于大数据加工服务器，所述方法包括：对目标事务作业日志进行项目流程信息抽取，得到所述目标事务作业日志的项目流程信息队列；对目标事务作业日志中的作业行为描述进行会话内容检测，并对会话内容检测结果进行意见反馈信息抽取，得到所述目标事务作业日志的意见反馈信息队列；将所述项目流程信息队列和所述意见反馈信息队列进行信息碰撞，得到项目反馈碰撞向量队列；对所述项目反馈碰撞向量队列进行特征强化操作，得到事务作业聚合向量队列；依据所述事务作业聚合向量队列确定所述目标事务作业日志的事务作业聚合向量。
[0005]在一些可能的示例中，所述将所述项目流程信息队列和所述意见反馈信息队列进行信息碰撞，得到项目反馈碰撞向量队列，包括：对所述项目流程信息队列进行阶段性特征精简处理，得到目标项目流程信息队列；对所述意见反馈信息队列进行阶段性特征精简处理，得到目标意见反馈信息队列；将所述目标项目流程信息队列和所述目标意见反馈信息队列进行信息碰撞，得到项目反馈碰撞向量队列。
[0006]在一些可能的示例中，所述将所述目标项目流程信息队列和所述目标意见反馈信息队列进行信息碰撞，得到项目反馈碰撞向量队列，包括：获得设定的碰撞辅助信息；将所述碰撞辅助信息、所述目标项目流程信息队列以及所述目标意见反馈信息队列进行整理，得到全局事务描述信息队列；获得所述全局事务描述信息队列对应的分布定位特征队列以及作业层面特征队
列；对所述全局事务描述信息队列、所述分布定位特征队列以及所述作业层面特征队列进行特征碰撞，得到项目反馈碰撞向量队列。
[0007]在一些可能的示例中，所述对所述项目反馈碰撞向量队列进行特征强化操作，得到事务作业聚合向量队列，包括：将所述项目反馈碰撞向量队列投影至传递向量、请求向量以及应答向量的向量关系网中，得到传递向量队列、请求向量队列以及应答向量队列，并确定所述传递向量队列与所述请求向量队列的关联性列表；确定所述项目反馈碰撞向量队列中与所述碰撞辅助信息对应的分类联动向量、与所述目标项目流程信息队列对应的项目流程联动向量队列以及与所述目标意见反馈信息队列对应的意见反馈联动向量队列；结合所述分类联动向量与所述项目反馈碰撞向量队列中各向量的交叉处理结果、所述项目流程联动向量队列中各向量与所述意见反馈联动向量队列中各向量之间的交叉处理结果以及所述关联性列表确定特征强化系数列表；结合所述特征强化系数列表对所述应答向量队列进行特征向量强化，得到事务作业聚合向量队列。
[0008]在一些可能的示例中，所述对所述项目流程信息队列进行阶段性特征精简处理，得到目标项目流程信息队列，包括：将所述项目流程信息队列中的项目流程信息依据项目流程执行先后拆解为多个局部项目流程信息队列；对每个局部项目流程信息队列进行邻域特征提炼处理，得到多个第一邻域特征提炼向量，所述多个第一邻域特征提炼向量构成目标项目流程信息队列。
[0009]在一些可能的示例中，所述对所述意见反馈信息队列进行阶段性特征精简处理，得到目标意见反馈信息队列，包括：获得所述会话内容检测结果中的目标内容分割标签；依据所述目标内容分割标签将所述意见反馈信息队列拆解为多个局部意见反馈信息队列；对每个局部意见反馈信息队列进行邻域特征提炼处理，得到多个第二邻域特征提炼向量，所述多个第二邻域特征提炼向量构成目标意见反馈信息队列。
[0010]在一些可能的示例中，所述依据所述事务作业聚合向量队列确定所述目标事务作业日志的事务作业聚合向量，包括：从所述事务作业聚合向量队列中抽取出所述碰撞辅助信息对应的目标碰撞辅助信息队列；对所述目标碰撞辅助信息队列进行第一轮特征优化和标准化处理，得到第一中间辅助向量；调用设定的AI算法对所述第一中间辅助向量进行处理，得到第二中间辅助向量；对所述第二中间辅助向量进行第二次特征优化和标准化处理，得到目标事务作业日志的事务作业聚合向量。
[0011]在一些可能的示例中，所述对所述项目反馈碰撞向量队列进行特征强化操作，得
到事务作业聚合向量队列，包括：对所述项目反馈碰撞向量队列进行至少一轮特征强化操作，得到至少一个局部事务作业聚合向量队列；对所述至少一个局部事务作业聚合向量队列进行整理，得到事务作业聚合向量队列。
[0012]在一些可能的示例中，所述方法应用于大数据挖掘网络，所述大数据挖掘网络包括项目流程信息抽取子网、意见反馈信息抽取子网以及向量聚合处理子网；所述对目标事务作业日志进行项目流程信息抽取，得到所述目标事务作业日志的项目流程信息队列，包括：结合所述大数据挖掘网络的项目流程信息抽取子网对所述目标事务作业日志进行特征信息抽取，得到所述目标事务作业日志的项目流程信息队列；所述对目标事务作业日志中的作业行为描述进行会话内容检测，并对会话内容检测结果进行意见反馈信息抽取，得到所述目标事务作业日志的意见反馈信息队列，包括：结合所述大数据挖掘网络的意见反馈信息抽取子网对所述目标事务作业日志进行特征信息抽取，得到所述目标事务作业日志的意见反馈信息队列；所述将所述项目流程信息队列和所述意见反馈信息队列进行信息碰撞，得到项目反馈碰撞向量队列，对所述项目反馈碰撞向量队列进行特征强化操作，得到事务作业聚合向量队列，依据所述事务作业聚合向量队列确定所述目标事务作业日志的事务作业聚合向量，包括：结合所述大数据挖掘网络的向量聚合处理子网对所述项目流程信息队列和所述意见反馈信息队列进行信息碰撞，得到所述目标事务作业日志的事务作业聚合向量。
[0013]在一些可能的示例中，所述大数据挖掘网络的调试思路包括：获得调试示例集，并对所述调试示例集中的调试示例进行示例衍生，得到衍生调试示例集；调用待调试的第一机器学习网络对所述调试示例集进行特征信息抽取，得到第一事务作业日志向量队列；调用待调试的第二机器学习网络对所述衍生调试示例集进行特征信息抽取，得到第二事务作业日志向量队列，所述第一机器学习网络、所述第二机器学习网络的网络配置与所述大数据挖掘网络的网络配置相同，所述第一机器学习网络、所述第二机器学习网络的基础网络变量相同；结合所述第二事务作业日志向量队列调整设定的衍生向量队列，并从所述衍生向量队列中采集设定数目的事务作业日志向量，得到第三事务作业日志向量队列；依据所述第一事务作业日志向量队列、所述第二事务作业日志向量队列以及所述第三事务作业日志向量队列确定网络代价指标；结合所述网络代价指标对所述第一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大数据加工方法，其特征在于，应用于大数据加工服务器，所述方法包括：对目标事务作业日志进行项目流程信息抽取，得到所述目标事务作业日志的项目流程信息队列；对目标事务作业日志中的作业行为描述进行会话内容检测，并对会话内容检测结果进行意见反馈信息抽取，得到所述目标事务作业日志的意见反馈信息队列；将所述项目流程信息队列和所述意见反馈信息队列进行信息碰撞，得到项目反馈碰撞向量队列；对所述项目反馈碰撞向量队列进行特征强化操作，得到事务作业聚合向量队列；依据所述事务作业聚合向量队列确定所述目标事务作业日志的事务作业聚合向量。2.根据权利要求1所述的方法，其特征在于，所述将所述项目流程信息队列和所述意见反馈信息队列进行信息碰撞，得到项目反馈碰撞向量队列，包括：对所述项目流程信息队列进行阶段性特征精简处理，得到目标项目流程信息队列；对所述意见反馈信息队列进行阶段性特征精简处理，得到目标意见反馈信息队列；将所述目标项目流程信息队列和所述目标意见反馈信息队列进行信息碰撞，得到项目反馈碰撞向量队列。3.根据权利要求2所述的方法，其特征在于，所述将所述目标项目流程信息队列和所述目标意见反馈信息队列进行信息碰撞，得到项目反馈碰撞向量队列，包括：获得设定的碰撞辅助信息；将所述碰撞辅助信息、所述目标项目流程信息队列以及所述目标意见反馈信息队列进行整理，得到全局事务描述信息队列；获得所述全局事务描述信息队列对应的分布定位特征队列以及作业层面特征队列；对所述全局事务描述信息队列、所述分布定位特征队列以及所述作业层面特征队列进行特征碰撞，得到项目反馈碰撞向量队列；其中，所述对所述项目反馈碰撞向量队列进行特征强化操作，得到事务作业聚合向量队列，包括：将所述项目反馈碰撞向量队列投影至传递向量、请求向量以及应答向量的向量关系网中，得到传递向量队列、请求向量队列以及应答向量队列，并确定所述传递向量队列与所述请求向量队列的关联性列表；确定所述项目反馈碰撞向量队列中与所述碰撞辅助信息对应的分类联动向量、与所述目标项目流程信息队列对应的项目流程联动向量队列以及与所述目标意见反馈信息队列对应的意见反馈联动向量队列；结合所述分类联动向量与所述项目反馈碰撞向量队列中各向量的交叉处理结果、所述项目流程联动向量队列中各向量与所述意见反馈联动向量队列中各向量之间的交叉处理结果以及所述关联性列表确定特征强化系数列表；结合所述特征强化系数列表对所述应答向量队列进行特征向量强化，得到事务作业聚合向量队列。4.根据权利要求2所述的方法，其特征在于，所述对所述项目流程信息队列进行阶段性特征精简处理，得到目标项目流程信息队列，包括：将所述项目流程信息队列中的项目流程信息依据项目流程执行先后拆解为多个局部项目流程信息队列；对每个局部项目流程信息队列进行邻域特征提炼处理，得到多个第一邻域特征提炼向量，所述多个第一邻域特征提炼向量构成目标项目流程信息队列。5.根据权利要求2所述的方法，其特征在于，所述对所述意见反馈信息队列进行阶段性特征精简处理，得到目标意见反馈信息队列，包括：
获得所述会话内容检测结果中的目标内容分割标签；依据所述目标内容分割标签将所述意见反馈信息队列拆解为多个局部意见反馈信息队列；对每个局部意见反馈信息队列进行邻域特征提炼处理，得到多个第二邻域特征提炼向量，所述多个第二邻域特征提炼向量构成目标意见反馈信息队列。6.根据权利要求1所述的方法，其特征在于，所述依据所述事务作业聚合向量队列确定所述目标事务作业日志的事务作业聚合向量，包括：从所述事务作业聚合向量队列中抽取出所述碰撞辅助信息对应的目标碰撞辅助信息队列；对所述目标碰撞辅助信息队列进行第一轮特征优化和标准化处理，得到第一中间辅助向量；调用设定的AI算法对所述第一中间辅助向量进行处理，得到第二中间辅助向量；对所述第二中间辅助向量进行第二次特征优化和标准化处理，得到目标事务作业日志的事务作业聚合向量。7.根据权利要求1所述的方法，其特征在于，所述对所述项目反馈碰撞向量队列进行特征强化操作，得到事务作业聚合向量队列，包括：对所述项目反馈碰撞向量队列进行至少一轮特征强化操作，得到至少一个局部事务作业聚合向...

【专利技术属性】
技术研发人员：蒋传文，高艳娟，
申请(专利权)人：蒋传文，
类型：发明
国别省市：