基于数字化和特征分析的业务数据共享方法及服务器技术

本申请提供一种基于数字化和特征分析的业务数据共享方法及服务器，可应用于电子商务、政企业务、元宇宙、供应链金融、应用软件开发、智能问答等业务领域，能够依据关联共享文本数据对目标共享文本数据进行文本内容优化操作，得到共享文本优化数据；然后对共享文本优化数据进行文本提炼，将文本提炼得到的文本向量矩阵中的共享文本向量簇进行拼接，得到拼接了共享文本优化数据多规模的文本特征细节的共享文本拼接向量簇，依据该共享文本拼接向量簇输出目标共享文本数据对应的具有更高文本细粒度的最终共享文本数据，这样可以实现对待共享的文本数据的补全和完善，从而提高文本数据共享的质量。数据共享的质量。数据共享的质量。

【技术实现步骤摘要】
基于数字化和特征分析的业务数据共享方法及服务器


[0001]本申请涉及大数据、特征分析和资源共享
，尤其涉及一种基于数字化和特征分析的业务数据共享方法及服务器。

技术介绍

[0002]数据共享/数据交换，是指让不同地方使用不同计算机、不同软件的用户能够读取他人数据并进行各种操作运算和分析。数据共享/数据交换能够降低业务运营成本、增强业务能力、提高效率、集中访问数据以减少重复数据集、促进组织间的沟通与合作，加强参与组织之间的联系等优势。
[0003]目前，随着数字化、大数据、云计算和人工智能的不断发展，文本数据涉及的领域可以是电子商务、政企业务、元宇宙、供应链金融、应用软件开发、智能问答等业务，基于文本形式的数据共享技术较为普遍。然而，由于源端文本数据的质量参差不齐，这限制了上述技术的发展空间。为此，针对源端文本数据在共享前进行适应性的优化处理是非常有必要的。

技术实现思路

[0004]本申请提供一种基于数字化和特征分析的业务数据共享方法及服务器，为实现上述技术目的，本申请采用如下技术方案。
[0005]第一方面是一种基于数字化和特征分析的业务数据共享方法，应用大数据共享服务器，所述方法包括：获得目标共享文本数据和所述目标共享文本数据的关联共享文本数据；其中，所述目标共享文本数据和所述关联共享文本数据的文本细粒度皆为第一文本细粒度；依据所述关联共享文本数据对所述目标共享文本数据进行文本内容优化操作，得到所述目标共享文本数据的共享文本优化数据；对所述共享文本优化数据进行文本提炼，从文本提炼得到的备选文本向量矩阵中确定与第一共享文本向量簇对应的第二共享文本向量簇；其中，所述第一共享文本向量簇为所述共享文本优化数据中的共享文本向量簇；对所述第一共享文本向量簇和所述第二共享文本向量簇进行拼接，得到共享文本拼接向量簇；依据所述共享文本拼接向量簇输出所述目标共享文本数据对应的最终共享文本数据；其中，所述最终共享文本数据的文本细粒度为第二文本细粒度，所述第二文本细粒度高于所述第一文本细粒度。
[0006]在一些可能的示例中，所述依据所述关联共享文本数据对所述目标共享文本数据进行文本内容优化操作，得到所述目标共享文本数据的共享文本优化数据的步骤，包括：对所述目标共享文本数据进行不少于一次文本提炼，通过特征挖掘单元挖掘经过文本提炼所得的文本数据中的文本向量，依据所挖掘的文本向量得到至少一个规模的目标
文本向量矩阵；对所述关联共享文本数据进行不少于一次文本提炼，通过特征挖掘单元挖掘经过文本提炼所得的文本数据中的文本向量，依据所挖掘的文本向量得到至少一个规模的关联文本向量矩阵；依据所述关联文本向量矩阵的每一规模对所述目标文本向量矩阵进行文本内容优化操作和文本推演操作，得到所述目标共享文本数据的共享文本优化数据。
[0007]在一些可能的示例中，所述依据所述关联文本向量矩阵的每一规模对所述目标文本向量矩阵进行文本内容优化操作和文本推演操作，得到所述目标共享文本数据的共享文本优化数据的步骤，包括：依据所述关联文本向量矩阵的每一规模对所述目标文本向量矩阵进行文本内容优化操作和文本推演操作，得到文本向量优化推演矩阵；通过文本数据翻译单元对所述文本向量优化推演矩阵中的优化推演向量进行文本数据翻译，得到所述目标共享文本数据的共享文本优化数据。
[0008]在一些可能的示例中，所述依据所述关联文本向量矩阵的每一规模对所述目标文本向量矩阵进行文本内容优化操作和文本推演操作，得到所述目标共享文本数据的共享文本优化数据的步骤，包括：依据第一规模的所述关联文本向量矩阵对第一规模的所述目标文本向量矩阵进行文本内容优化操作，得到文本向量优化矩阵；对所述文本向量优化矩阵进行文本推演，得到第二规模的文本向量参考矩阵；依据第二规模的所述目标文本向量矩阵、所述关联文本向量矩阵以及所述文本向量参考矩阵，得到与所述目标共享文本数据规模相同的所述共享文本优化数据。
[0009]在一些可能的示例中，所述依据第一规模的所述关联文本向量矩阵对第一规模的所述目标文本向量矩阵进行文本内容优化操作，得到文本向量优化矩阵的步骤，包括：获得第一规模的所述目标文本向量矩阵中的目标矩阵单元；从第一规模的所述关联文本向量矩阵中确定所述目标矩阵单元的至少一个关联矩阵单元；对所述目标矩阵单元和所述至少一个关联矩阵单元进行文本向量连接，得到所述文本向量优化矩阵。
[0010]在一些可能的示例中，所述对所述目标矩阵单元和所述至少一个关联矩阵单元进行文本向量连接，得到所述文本向量优化矩阵的步骤，包括：对所述至少一个关联矩阵单元进行滑动平均操作，得到窗口化矩阵单元；对第一规模的所述目标文本向量矩阵和第一规模的所述关联文本向量矩阵进行滑动平均操作，依据滑动平均操作结果得到偏置变量矩阵；所述偏置变量矩阵中包含有所述目标文本向量矩阵各个向量成员对应的偏置系数；从所述偏置变量矩阵中确定与所述目标矩阵单元中向量成员对应的偏置系数矩阵单元；对所述窗口化矩阵单元对应的情绪极性描述知识和所述偏置系数矩阵单元对应的偏置线性数组进行特征加权，将特征加权的结果作为所述目标矩阵单元的基准向量成员的情绪极性描述；
依据所述基准向量成员的情绪极性描述得到所述文本向量优化矩阵。
[0011]在一些可能的示例中，所述从第一规模的所述关联文本向量矩阵中确定所述目标矩阵单元的至少一个关联矩阵单元的步骤，包括：确定第一规模的所述关联文本向量矩阵中各个矩阵单元的情绪极性描述知识；确定所述目标矩阵单元的情绪极性描述知识；确定所述各个矩阵单元的情绪极性描述知识与所述目标矩阵单元的情绪极性描述知识的描述知识共性度量值；对所述各个矩阵单元对应的描述知识共性度量值进行顺序整理，依据顺序整理结果从所述各个矩阵单元中筛选所述关联矩阵单元。
[0012]在一些可能的示例中，所述对所述共享文本优化数据进行文本提炼，从文本提炼得到的备选文本向量矩阵中确定与第一共享文本向量簇对应的第二共享文本向量簇的步骤，包括：对所述共享文本优化数据进行不少于一次文本提炼，得到至少一个备选文本向量矩阵；依据所述至少一个备选文本向量矩阵确定所述第一共享文本向量簇的关联共享文本向量簇，得到所述第二共享文本向量簇。
[0013]在一些可能的示例中，所述对所述第一共享文本向量簇和所述第二共享文本向量簇进行拼接，得到共享文本拼接向量簇的步骤，包括：通过局部特征聚焦网络分别确定所述第一共享文本向量簇和所述第二共享文本向量簇中的活跃共享文本向量簇，得到第一目标共享文本向量簇和第二目标共享文本向量簇；对所述第一目标共享文本向量簇进行滑动平均操作，得到第一局部文本特征块；对所述第一目标共享文本向量簇进行文本提炼，并对文本提炼得到的共享文本向量簇进行滑动平均操作，得到第二局部文本特征块，将所述第一局部文本特征块和所述第二局部文本特征块求积，得到与所述第一目标共享文本向量簇对应的第一文本特征块；对所述第二目标共享文本向量簇进行滑动平均操作，得到第三局部文本特征块；对所述第二目标共享文本向量簇进行文本提炼，并对文本提炼得到的共享本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字化和特征分析的业务数据共享方法，其特征在于，应用大数据共享服务器，所述方法包括：获得目标共享文本数据和所述目标共享文本数据的关联共享文本数据；其中，所述目标共享文本数据和所述关联共享文本数据的文本细粒度皆为第一文本细粒度；依据所述关联共享文本数据对所述目标共享文本数据进行文本内容优化操作，得到所述目标共享文本数据的共享文本优化数据；对所述共享文本优化数据进行文本提炼，从文本提炼得到的备选文本向量矩阵中确定与第一共享文本向量簇对应的第二共享文本向量簇；其中，所述第一共享文本向量簇为所述共享文本优化数据中的共享文本向量簇；对所述第一共享文本向量簇和所述第二共享文本向量簇进行拼接，得到共享文本拼接向量簇；依据所述共享文本拼接向量簇输出所述目标共享文本数据对应的最终共享文本数据；其中，所述最终共享文本数据的文本细粒度为第二文本细粒度，所述第二文本细粒度高于所述第一文本细粒度。2.如权利要求1所述的方法，其特征在于，所述依据所述关联共享文本数据对所述目标共享文本数据进行文本内容优化操作，得到所述目标共享文本数据的共享文本优化数据的步骤，包括：对所述目标共享文本数据进行不少于一次文本提炼，通过特征挖掘单元挖掘经过文本提炼所得的文本数据中的文本向量，依据所挖掘的文本向量得到至少一个规模的目标文本向量矩阵；对所述关联共享文本数据进行不少于一次文本提炼，通过特征挖掘单元挖掘经过文本提炼所得的文本数据中的文本向量，依据所挖掘的文本向量得到至少一个规模的关联文本向量矩阵；依据所述关联文本向量矩阵的每一规模对所述目标文本向量矩阵进行文本内容优化操作和文本推演操作，得到所述目标共享文本数据的共享文本优化数据。3.如权利要求2所述的方法，其特征在于，所述依据所述关联文本向量矩阵的每一规模对所述目标文本向量矩阵进行文本内容优化操作和文本推演操作，得到所述目标共享文本数据的共享文本优化数据的步骤，包括：依据所述关联文本向量矩阵的每一规模对所述目标文本向量矩阵进行文本内容优化操作和文本推演操作，得到文本向量优化推演矩阵；通过文本数据翻译单元对所述文本向量优化推演矩阵中的优化推演向量进行文本数据翻译，得到所述目标共享文本数据的共享文本优化数据。4.如权利要求2所述的方法，其特征在于，所述依据所述关联文本向量矩阵的每一规模对所述目标文本向量矩阵进行文本内容优化操作和文本推演操作，得到所述目标共享文本数据的共享文本优化数据的步骤，包括：依据第一规模的所述关联文本向量矩阵对第一规模的所述目标文本向量矩阵进行文本内容优化操作，得到文本向量优化矩阵；对所述文本向量优化矩阵进行文本推演，得到第二规模的文本向量参考矩阵；依据第二规模的所述目标文本向量矩阵、所述关联文本向量矩阵以及所述文本向量参
考矩阵，得到与所述目标共享文本数据规模相同的所述共享文本优化数据；其中，所述依据第一规模的所述关联文本向量矩阵对第一规模的所述目标文本向量矩阵进行文本内容优化操作，得到文本向量优化矩阵的步骤，包括：获得第一规模的所述目标文本向量矩阵中的目标矩阵单元；从第一规模的所述关联文本向量矩阵中确定所述目标矩阵单元的至少一个关联矩阵单元；对所述目标矩阵单元和所述至少一个关联矩阵单元进行文本向量连接，得到所述文本向量优化矩阵；其中，所述对所述目标矩阵单元和所述至少一个关联矩阵单元进行文本向量连接，得到所述文本向量优化矩阵的步骤，包括：对所述至少一个关联矩阵单元进行滑动平均操作，得到窗口化矩阵单元；对第一规模的所述目标文本向量矩阵和第一规模的所述关联文本向量矩阵进行滑动平均操作，依据滑动平均操作结果得到偏置变量矩阵；所述偏置变量矩阵中包含有所述目标文本向量矩阵各个向量成员对应的偏置系数；从所述偏置变量矩阵中确定与所述目标矩阵单元中向量成员对应的偏置系数...

【专利技术属性】
技术研发人员：王迪，
申请(专利权)人：杭州卓晟信息咨询服务有限公司，
类型：发明
国别省市：