基于大数据的软件需求挖掘方法及系统技术方案

本发明专利技术提供的基于大数据的软件需求挖掘方法及系统，涉及人工智能技术领域。在本发明专利技术中，构建出用户行为序列表征数据；挖掘出用户行为序列表征数据中的各个表征数据成员对应的成员数据映射特征表示，基于成员数据映射特征表示，确定出待处理特征表示；基于待处理特征表示进行相关数据分析调整操作，依据典型用户行为序列、网络优化指标和相关数据分析调整操作形成的分析调整特征表示进行网络优化操作；依据网络优化操作形成的目标用户行为分析网络，形成行为异常识别结果；基于行为异常识别结果得到目标用户行为序列，基于目标用户行为序列得到目标需求表征数据。基于上述内容，可以在一定程度上提高需求挖掘的可靠度。可以在一定程度上提高需求挖掘的可靠度。可以在一定程度上提高需求挖掘的可靠度。

【技术实现步骤摘要】
基于大数据的软件需求挖掘方法及系统


[0001]本专利技术涉及人工智能
，具体而言，涉及一种基于大数据的软件需求挖掘方法及系统。

技术介绍

[0002]软件需求的挖掘实际上是对用户需求的挖掘，使得可以基于挖掘出的用户需求，进行相应的软件开发。对于各种网络服务提供平台，用户可以基于网络服务提供平台进行相应的网络行为，从而形成相应的网络行为数据，如此，可以基于这些网络行为数据进行用户需求的挖掘，即挖掘出用户需要的服务等。但是，在现有技术中，存在着挖掘可靠度不佳的问题。

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基于大数据的软件需求挖掘方法及系统，以在一定程度上提高需求挖掘的可靠度。
[0004]为实现上述目的，本专利技术实施例采用如下技术方案：
[0005]一种基于大数据的软件需求挖掘方法，包括：
[0006]基于典型用户行为序列包括的多个典型用户行为子序列和各个典型用户行为子序列的行为描述数据，构建出所述典型用户行为序列对应的用户行为序列表征数据，每一个所述典型用户行为子序列包括至少一个典型用户行为，所述典型用户行为属于相应的典型网络用户的历史网络行为，所述行为描述数据属于文本数据；
[0007]利用候选用户行为分析网络，挖掘出所述用户行为序列表征数据中的各个表征数据成员对应的多个成员数据映射特征表示，以及，基于所述多个成员数据映射特征表示，分别确定出各个所述表征数据成员对应的待处理特征表示；
[0008]基于各个所述表征数据成员对应的待处理特征表示进行相关数据分析调整操作，以及，依据所述典型用户行为序列、所述候选用户行为分析网络对应的网络优化指标和所述相关数据分析调整操作形成的各个所述表征数据成员对应的分析调整特征表示进行网络优化操作；
[0009]依据网络优化操作形成的目标用户行为分析网络，分别对各个待识别用户行为序列进行行为异常识别操作，以形成各个待识别用户行为序列对应的行为异常识别结果，所述行为异常识别结果用于反映各个所述待识别用户行为序列是否具有异常、异常的种类和/或异常的程度；
[0010]基于各个待识别用户行为序列对应的行为异常识别结果，对各个待识别用户行为序列进行筛选，以得到至少一个目标用户行为序列，以及，基于所述至少一个目标用户行为序列，对目标软件平台进行需求挖掘操作，以得到所述目标软件平台对应的目标需求表征数据，所述历史网络行为基于所述典型网络用户在所述目标软件平台进行相应的操作以形成。
[0011]在一些优选的实施例中，在上述基于大数据的软件需求挖掘方法中，所述基于典型用户行为序列包括的多个典型用户行为子序列和各个典型用户行为子序列的行为描述数据，构建出所述典型用户行为序列对应的用户行为序列表征数据的步骤，包括：
[0012]基于各个所述典型用户行为子序列的行为描述数据包括的至少一个局部行为描述数据，确定出各个所述典型用户行为子序列对应的用于反映所述局部行为描述数据的表征数据成员；
[0013]基于所述多个典型用户行为子序列在所述典型用户行为序列中的先后关系，将所述多个典型用户行为子序列中的每一个典型用户行为子序列对应的表征数据成员进行合并操作，以形成所述典型用户行为序列对应的用户行为序列表征数据。
[0014]在一些优选的实施例中，在上述基于大数据的软件需求挖掘方法中，所述基于典型用户行为序列包括的多个典型用户行为子序列和各个典型用户行为子序列的行为描述数据，构建出所述典型用户行为序列对应的用户行为序列表征数据的步骤，还包括：
[0015]基于所述多个典型用户行为子序列中第一典型用户行为子序列在所述典型用户行为序列中的先后关系表征信息，在所述用户行为序列表征数据中配置所述第一典型用户行为子序列对应的先后关系表征符号；
[0016]所述先后关系表征符号包括：
[0017]在所述典型用户行为序列中的第一个典型用户行为子序列对应的表征数据成员的前面配置的首端坐标表征符号；
[0018]在两个典型用户行为子序列对应的表征数据成员之间配置的间隔坐标表征符号，所述两个典型用户行为子序列在所述典型用户行为序列中具有相邻的先后关系；
[0019]在所述典型用户行为序列中的最后一个典型用户行为子序列对应的表征数据成员的后面配置的末端坐标表征符号。
[0020]在一些优选的实施例中，在上述基于大数据的软件需求挖掘方法中，所述利用候选用户行为分析网络，挖掘出所述用户行为序列表征数据中的各个表征数据成员对应的多个成员数据映射特征表示，以及，基于所述多个成员数据映射特征表示，确定出各个所述表征数据成员对应的待处理特征表示的步骤，包括：
[0021]利用候选用户行为分析网络，挖掘出所述用户行为序列表征数据中的各个表征数据成员对应的数据语义映射特征表示、数据坐标映射特征表示和数据范围映射特征表示，所述数据坐标映射特征表示用于反映所述表征数据成员在所述用户行为序列表征数据中的分布信息，所述数据范围映射特征表示用于反映所述表征数据成员在所述用户行为序列表征数据中所属的序列范围；
[0022]依据预先配置的聚合操作规则，将各个所述表征数据成员对应的多个成员数据映射特征表示进行聚合操作，以形成各个所述表征数据成员对应的待处理特征表示。
[0023]在一些优选的实施例中，在上述基于大数据的软件需求挖掘方法中，所述基于各个所述表征数据成员对应的待处理特征表示进行相关数据分析调整操作，以及，依据所述典型用户行为序列、所述候选用户行为分析网络对应的网络优化指标和所述相关数据分析调整操作形成的各个所述表征数据成员对应的分析调整特征表示进行网络优化操作的步骤，包括：
[0024]基于各个所述表征数据成员对应的待处理特征表示进行相关数据分析调整操作，
以形成各个所述表征数据成员对应的分析调整特征表示；
[0025]将所述典型用户行为序列中第一个典型用户行为子序列以外的其他典型用户行为子序列，按照预先配置的可能性参数分别进行子序列调整处理，以形成对应的调整典型用户行为序列，所述子序列调整处理包括将所述其他典型用户行为子序列调整为预先配置的目标符号或将所述其他典型用户行为子序列调整为确定出的用户行为子序列；
[0026]对各个所述表征数据成员对应的分析调整特征表示进行标记，以作为待处理数据，以及，将所述目标符号对应的典型用户行为子序列进行子序列逆向调整为所述典型用户行为序列中的真实典型用户行为子序列，设置为第一网络优化指标对应的优化调整方向，以进行网络优化操作。
[0027]在一些优选的实施例中，在上述基于大数据的软件需求挖掘方法中，所述可能性参数包括调整判断可能性参数、符号调整可能性参数和子序列调整可能性参数，所述将所述典型用户行为序列中第一个典型用户行为子序列以外的其他典型用户行为子序列，按照预先配置的可能性参数分别进行子序列调整处理，以形成对应的调整典型用户行为序列的步骤，包括：
[0028]将所述典型用户行为序列中第一个典型用户行为子序列本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的软件需求挖掘方法，其特征在于，包括：基于典型用户行为序列包括的多个典型用户行为子序列和各个典型用户行为子序列的行为描述数据，构建出所述典型用户行为序列对应的用户行为序列表征数据，每一个所述典型用户行为子序列包括至少一个典型用户行为，所述典型用户行为属于相应的典型网络用户的历史网络行为，所述行为描述数据属于文本数据；利用候选用户行为分析网络，挖掘出所述用户行为序列表征数据中的各个表征数据成员对应的多个成员数据映射特征表示，以及，基于所述多个成员数据映射特征表示，分别确定出各个所述表征数据成员对应的待处理特征表示；基于各个所述表征数据成员对应的待处理特征表示进行相关数据分析调整操作，以及，依据所述典型用户行为序列、所述候选用户行为分析网络对应的网络优化指标和所述相关数据分析调整操作形成的各个所述表征数据成员对应的分析调整特征表示进行网络优化操作；依据网络优化操作形成的目标用户行为分析网络，分别对各个待识别用户行为序列进行行为异常识别操作，以形成各个待识别用户行为序列对应的行为异常识别结果，所述行为异常识别结果用于反映各个所述待识别用户行为序列是否具有异常、异常的种类和/或异常的程度；基于各个待识别用户行为序列对应的行为异常识别结果，对各个待识别用户行为序列进行筛选，以得到至少一个目标用户行为序列，以及，基于所述至少一个目标用户行为序列，对目标软件平台进行需求挖掘操作，以得到所述目标软件平台对应的目标需求表征数据，所述历史网络行为基于所述典型网络用户在所述目标软件平台进行相应的操作以形成。2.如权利要求1所述的基于大数据的软件需求挖掘方法，其特征在于，所述基于典型用户行为序列包括的多个典型用户行为子序列和各个典型用户行为子序列的行为描述数据，构建出所述典型用户行为序列对应的用户行为序列表征数据的步骤，包括：基于各个所述典型用户行为子序列的行为描述数据包括的至少一个局部行为描述数据，确定出各个所述典型用户行为子序列对应的用于反映所述局部行为描述数据的表征数据成员；基于所述多个典型用户行为子序列在所述典型用户行为序列中的先后关系，将所述多个典型用户行为子序列中的每一个典型用户行为子序列对应的表征数据成员进行合并操作，以形成所述典型用户行为序列对应的用户行为序列表征数据。3.如权利要求2所述的基于大数据的软件需求挖掘方法，其特征在于，所述基于典型用户行为序列包括的多个典型用户行为子序列和各个典型用户行为子序列的行为描述数据，构建出所述典型用户行为序列对应的用户行为序列表征数据的步骤，还包括：基于所述多个典型用户行为子序列中第一典型用户行为子序列在所述典型用户行为序列中的先后关系表征信息，在所述用户行为序列表征数据中配置所述第一典型用户行为子序列对应的先后关系表征符号；所述先后关系表征符号包括：在所述典型用户行为序列中的第一个典型用户行为子序列对应的表征数据成员的前面配置的首端坐标表征符号；
在两个典型用户行为子序列对应的表征数据成员之间配置的间隔坐标表征符号，所述两个典型用户行为子序列在所述典型用户行为序列中具有相邻的先后关系；在所述典型用户行为序列中的最后一个典型用户行为子序列对应的表征数据成员的后面配置的末端坐标表征符号。4.如权利要求1所述的基于大数据的软件需求挖掘方法，其特征在于，所述利用候选用户行为分析网络，挖掘出所述用户行为序列表征数据中的各个表征数据成员对应的多个成员数据映射特征表示，以及，基于所述多个成员数据映射特征表示，确定出各个所述表征数据成员对应的待处理特征表示的步骤，包括：利用候选用户行为分析网络，挖掘出所述用户行为序列表征数据中的各个表征数据成员对应的数据语义映射特征表示、数据坐标映射特征表示和数据范围映射特征表示，所述数据坐标映射特征表示用于反映所述表征数据成员在所述用户行为序列表征数据中的分布信息，所述数据范围映射特征表示用于反映所述表征数据成员在所述用户行为序列表征数据中所属的序列范围；依据预先配置的聚合操作规则，将各个所述表征数据成员对应的多个成员数据映射特征表示进行聚合操作，以形成各个所述表征数据成员对应的待处理特征表示。5.如权利要求1所述的基于大数据的软件需求挖掘方法，其特征在于，所述基于各个所述表征数据成员对应的待处理特征表示进行相关数据分析调整操作，以及，依据所述典型用户行为序列、所述候选用户行为分析网络对应的网络优化指标和所述相关数据分析调整操作形成的各个所述表征数据成员对应的分析调整特征表示进行网络优化操作的步骤，包括：基于各个所述表征数据成员对应的待处理特征表示进行相关数据分析调整操作，以形成各个所述表征数据成员对应的分析调整特征表示；将所述典型用户行为序列中第一个典型用户行为子序列以外的其他典型用户行为子序列，按照预先配置的可能性参数分别进行子序列调整处理，以形成对应的调整典型用户行为序列，所述子序列调整处理包括将所述其他典型用户行为子序列调整为预先配置的目标符号或将所述其他典型用户行为子序列调整为确定出的用户行为子...

【专利技术属性】
技术研发人员：郭磊，
申请(专利权)人：垒神科技海南有限公司，
类型：发明
国别省市：