用于云端协同数字化服务的大数据跟踪方法及AI系统技术方案

本发明专利技术提供的用于云端协同数字化服务的大数据跟踪方法及AI系统，涉及人工智能技术领域。在本发明专利技术中，将第一群体知识图谱和第二群体知识图谱分别进行特征挖掘操作，以形成第一群体知识图谱的群体标识表征向量和第二群体知识图谱的群体非标识表征向量；将第一群体知识图谱和第二群体知识图谱进行联合特征挖掘操作，以输出联合挖掘表征向量；对群体标识表征向量、群体非标识表征向量和联合挖掘表征向量进行向量聚合操作，以形成聚合群体表征向量；对聚合群体表征向量进行特征挖掘逆向操作，以输出第三群体知识图谱；基于第三群体知识图谱，对待跟踪对象群体进行群体异常分析操作。基于上述内容，可以提高异常跟踪的可靠度。可以提高异常跟踪的可靠度。可以提高异常跟踪的可靠度。

【技术实现步骤摘要】
用于云端协同数字化服务的大数据跟踪方法及AI系统


[0001]本专利技术涉及人工智能
，具体而言，涉及一种用于云端协同数字化服务的大数据跟踪方法及AI系统。

技术介绍

[0002]通过云端协同提供数字化服务，可以在一定程度上提高服务提供的效率。其中，在提供数字化服务的过程中，对于用户（服务对象）而言，可以形成大量的行为数据（网络行为数据），通过对这些行为数据进行分析，可以得到一些有价值的信息，例如，通过进行分析，可以实现行为异常的跟踪，但是，在现有技术中，存在着可靠度不高的问题。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种用于云端协同数字化服务的大数据跟踪方法及AI系统，以提高异常跟踪的可靠度。
[0004]为实现上述目的，本专利技术实施例采用如下技术方案：一种用于云端协同数字化服务的大数据跟踪方法，所述大数据跟踪方法包括：提取到第一群体知识图谱和第二群体知识图谱，所述第一群体知识图谱基于对待跟踪对象群体包括的多个待跟踪对象的当前行为数据进行图谱化处理以形成，所述第二群体知识图谱基于对所述待跟本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于云端协同数字化服务的大数据跟踪方法，其特征在于，所述大数据跟踪方法包括：提取到第一群体知识图谱和第二群体知识图谱，所述第一群体知识图谱基于对待跟踪对象群体包括的多个待跟踪对象的当前行为数据进行图谱化处理以形成，所述第二群体知识图谱基于对所述待跟踪对象群体包括的多个待跟踪对象的历史行为数据进行图谱化处理以形成，所述当前行为数据和所述历史行为数据的数据形式包括文本数据；将所述第一群体知识图谱和所述第二群体知识图谱分别进行特征挖掘操作，以形成所述第一群体知识图谱的群体标识表征向量和所述第二群体知识图谱的群体非标识表征向量，所述群体标识表征向量用于表征所述待跟踪对象群体具有的群体特异性信息，所述群体非标识表征向量用于表征所述待跟踪对象群体的群体特异性信息以外的其它特征信息；将所述第一群体知识图谱和所述第二群体知识图谱进行联合特征挖掘操作，以输出所述第一群体知识图谱和所述第二群体知识图谱在整体上对应的联合挖掘表征向量；对所述群体标识表征向量、所述群体非标识表征向量和所述联合挖掘表征向量进行向量聚合操作，以形成对应的聚合群体表征向量；对所述聚合群体表征向量进行特征挖掘逆向操作，以输出对应的第三群体知识图谱，所述第三群体知识图谱和所述第一群体知识图谱的群体标识表征向量之间具有相关关系，所述第三群体知识图谱和所述第二群体知识图谱的群体非标识表征向量之间具有相关关系；基于所述第三群体知识图谱，对所述待跟踪对象群体进行群体异常分析操作，以得到所述待跟踪对象群体对应的群体异常分析结果，以实现对所述待跟踪对象群体的行为异常跟踪。2.如权利要求1所述的用于云端协同数字化服务的大数据跟踪方法，其特征在于，所述提取到第一群体知识图谱和第二群体知识图谱的步骤，包括：构建出第一对象知识图谱和第二对象知识图谱，所述第一对象知识图谱基于对多个管理对象的当前行为数据进行图谱化处理以形成，所述第二对象知识图谱基于对所述多个管理对象的历史行为数据进行图谱化处理以形成，在所述第一对象知识图谱中每一个图谱成员对应于所述多个管理对象中的一个管理对象，且该图谱成员的属性数据至少包括对应的所述当前行为数据，在所述第二对象知识图谱中每一个图谱成员对应于所述多个管理对象中的一个管理对象，且该图谱成员的属性数据至少包括对应的所述历史行为数据；将所述第一对象知识图谱和所述第二对象知识图谱分别进行群体确定操作，以确定出所述第一对象知识图谱和所述第二对象知识图谱中的群体部分；基于所述第一对象知识图谱中确定出的群体部分，抽选出对应的第一群体知识图谱，以及，基于所述第二对象知识图谱中确定出的群体部分，抽选出对应的第二群体知识图谱；其中，所述用于云端协同数字化服务的大数据跟踪方法还包括：基于所述第三群体知识图谱，对所述第二对象知识图谱中的群体部分进行替换操作，以形成对应的第三对象知识图谱，所述第三对象知识图谱和所述第一对象知识图谱中群体部分的群体标识表征向量之间具有相关关系，所述第三对象知识图谱和所述第二对象知识图谱中群体部分的群体非标识表征向量之间具有相关关系；基于所述第三对象知识图谱，对所述多个管理对象进行对象异常分析操作，以得到所
述多个管理对象对应的对象异常分析结果，以实现对所述多个管理对象的行为异常跟踪。3.如权利要求1所述的用于云端协同数字化服务的大数据跟踪方法，其特征在于，所述将所述第一群体知识图谱和所述第二群体知识图谱分别进行特征挖掘操作，以形成所述第一群体知识图谱的群体标识表征向量和所述第二群体知识图谱的群体非标识表征向量的步骤，包括：利用特征挖掘第一网络，将所述第一群体知识图谱进行特征挖掘操作，以形成所述第一群体知识图谱的群体标识表征向量，所述特征挖掘第一网络基于第一类示例性数据进行网络优化操作以形成；利用与所述特征挖掘第一网络不同的特征挖掘第二网络，将所述第二群体知识图谱进行特征挖掘操作，以形成所述第二群体知识图谱的群体非标识表征向量，所述特征挖掘第二网络基于第二类示例性数据和第三类示例性数据轮换进行网络优化操作以形成，所述第二类示例性数据未配置有相应的数据标签，所述第三类示例性数据配置有相应的数据标签。4.如权利要求3所述的用于云端协同数字化服务的大数据跟踪方法，其特征在于，所述利用特征挖掘第一网络，将所述第一群体知识图谱进行特征挖掘操作，以形成所述第一群体知识图谱的群体标识表征向量的步骤，包括：对所述第一群体知识图谱的第一图谱数据分布进行加载，以加载到特征挖掘第一网络中；以及，利用所述特征挖掘第一网络，将所述第一图谱数据分布进行特征挖掘操作，以形成所述第一群体知识图谱的群体标识表征向量；所述利用与所述特征挖掘第一网络不同的特征挖掘第二网络，将所述第二群体知识图谱进行特征挖掘操作，以形成所述第二群体知识图谱的群体非标识表征向量的步骤，包括：对所述第二群体知识图谱的第二图谱数据分布进行加载，以加载到与所述特征挖掘第一网络不同的特征挖掘第二网络中；以及，利用所述特征挖掘第二网络，将所述第二图谱数据分布进行特征挖掘操作，以形成所述第二群体知识图谱的群体非标识表征向量，所述特征挖掘第一网络和所述特征挖掘第二网络的网络参数不同。5.如权利要求3所述的用于云端协同数字化服务的大数据跟踪方法，其特征在于，所述将所述第一群体知识图谱和所述第二群体知识图谱进行联合特征挖掘操作，以输出所述第一群体知识图谱和所述第二群体知识图谱在整体上对应的联合挖掘表征向量的步骤，包括：利用联合特征挖掘网络，将所述第一群体知识图谱和所述...

【专利技术属性】
技术研发人员：王刚，李琼，
申请(专利权)人：昆明宇康科技有限公司，
类型：发明
国别省市：