基于人工智能和大数据的信息处理方法、系统及云平台技术方案

本申请实施例提供的基于人工智能和大数据的信息处理方法、系统及云平台，鉴于进行兴趣挖掘的AI线程为经包括了更加多样化的线程配置状态的AI线程集中定位所得的设定线程性能参量符合设定要求的智能化线程，因而相较于借助模糊选取的AI线程进行兴趣挖掘而言，能够确保目标AI线程与用户行为大数据之间的兼容程度，从而规避目标AI线程在对用户行为大数据进行兴趣挖掘时所受到的配置约束，这样能够确保得到的会话兴趣挖掘情况的完整性和准确性，且会话兴趣挖掘情况包括兴趣主题标签或者潜在会话兴趣，因而能够为后续的兴趣需求分析和业务推送优化提供可靠的决策依据。业务推送优化提供可靠的决策依据。业务推送优化提供可靠的决策依据。

【技术实现步骤摘要】
基于人工智能和大数据的信息处理方法、系统及云平台


[0001]本申请涉及人工智能和大数据
，特别涉及一种基于人工智能和大数据的信息处理方法、系统及云平台。

技术介绍

[0002]在互联网时代，人工智能（Artificial Intelligence，AI）和大数据（Big Data）密不可分。随着人工智能和大数据的发展，其应用已经渗透到农业、工业、商业、服务业、医疗领域等各个方面，成为影响业务发展的一个重要因素。其中，人工智能和大数据形成的联合型技术在业务服务行业应用越来越广泛。在实际应用中，针对用户行为进行兴趣挖掘是主要的方向。然而专利技术人经研究和分析发现，相关的用户兴趣挖掘技术难以确保网络模型和用户行为数据之间的兼容性，进而难以保障用户兴趣挖掘的完整性和准确性。

技术实现思路

[0003]为改善相关技术中存在的技术问题，本申请提供了一种基于人工智能和大数据的信息处理方法、系统及云平台。
[0004]第一方面，本申请实施例提供了一种基于人工智能和大数据的信息处理方法，应用于信息处理云平台，所述方法包括：确定触发会话兴趣挖掘条件的用户行为大数据，并将所述触发会话兴趣挖掘条件的用户行为大数据传入目标AI线程以获得会话兴趣挖掘情况；所述会话兴趣挖掘情况旨在表示从所述触发会话兴趣挖掘条件的用户行为大数据中挖掘出来的兴趣主题标签或者潜在会话兴趣；所述目标AI线程为经第一待定AI线程中定位所得的设定线程性能参量符合设定要求的目标局部线程；所述第一待定AI线程包括若干第一局部线程；所述第一局部线程满足第一目标条件和第二目标条件中的至少一种；所述第一目标条件为：存在差异的第一局部线程所确定出的视觉显著性表达的兴趣挖掘质量评价不一致；所述第二目标条件为：存在差异的第一局部线程对用作执行兴趣挖掘的不同兴趣挖掘质量评价的视觉显著性表达的配置策略不一致；存在差异的第一局部线程对用作执行兴趣挖掘的不同兴趣挖掘质量评价的视觉显著性表达的配置策略不一致，旨在表示在存在差异的第一局部线程中兴趣挖掘单元与不同兴趣挖掘质量评价的视觉显著性表达之间的匹配列表不一致。
[0005]在一些可独立实施的技术方案下，在所述将所述触发会话兴趣挖掘条件的用户行为大数据传入目标AI线程以获得会话兴趣挖掘情况之前，所述方法包括：基于线程组装指示，创建所述第一待定AI线程；从所述第一待定AI线程中定位出目标局部线程，所述目标局部线程为设定线程性能参量达到设定要求的第一局部线程，并将所述目标局部线程作为所述目标AI线程。
[0006]在一些可独立实施的技术方案下，所述第一待定AI线程包括：若干第一局部线程，每个第一局部线程包括a个特征提取处理节点和与所述a个特征提取处理节点存在关联的b个兴趣挖掘单元，且所述a个特征提取处理节点中的一个特征提取处理节点与所述b个兴趣
挖掘单元中的不少于一个兴趣挖掘单元关联；所述线程组装指示包括：节点集群的数目、每个节点集群包括若干提取周期存在差异的特征提取处理节点、兴趣挖掘单元的数目、每个特征提取处理节点的基础线程变量，以及，每个兴趣挖掘单元对应的若干特征提取处理节点的量化提取周期；其中，一个特征提取处理节点的量化提取周期为：传入所述特征提取处理节点的用户行为大数据的数据量与所述特征提取处理节点所确定出的视觉显著性表达的数据量之间的量化比较结果；一个兴趣挖掘单元对应若干特征提取处理节点的量化提取周期，旨在表示所述兴趣挖掘单元在存在差异的第一局部线程中和与若干量化提取周期对应的不同特征提取处理节点关联；b和a为正整数。
[0007]在一些可独立实施的技术方案下，所述从所述第一待定AI线程中定位出目标局部线程，包括：从所述第一待定AI线程中捕捉原始局部线程；所述原始局部线程为特征提取处理节点的量化提取周期符合设定要求的第一局部线程；所述设定要求为事先配置的线程捕捉指标；借助从设定云存储空间中得到的范例用户行为大数据，对每个原始局部线程进行第一优化，获得第二待定AI线程；从所述第二待定AI线程中定位出所述目标局部线程。
[0008]在一些可独立实施的技术方案下，所述第二待定AI线程包括若干第二局部线程，所述从所述第二待定AI线程中定位出所述目标局部线程，包括：通过对所述若干第二局部线程进行捕捉并进行调整和/或融合以获得第三待定AI线程；所述第三待定AI线程包括若干第三局部线程；将从所述设定云存储空间中得到的辅助用户行为大数据，传入到每个第三局部线程，获得每个第三局部线程的挖掘信息；基于每个第三局部线程的挖掘信息，确定每个第三局部线程的设定线程性能参量；挑选设定线程性能参量最大的第三局部线程作为所述目标局部线程。
[0009]在一些可独立实施的技术方案下，所述将从所述设定云存储空间中得到的辅助用户行为大数据，传入到每个第三局部线程，获得每个第三局部线程的挖掘信息，包括：从所述第三待定AI线程中随机挑选一个第三局部线程作为当前局部线程；确定所述当前局部线程的一组线程变量；将所述当前局部线程的一组线程变量作为前置优化线程变量，对所述当前局部线程进行第二优化，获得所述当前局部线程的一组目标线程变量；所述第二优化中的超参收敛指标低于所述第一优化中的超参收敛指标；将所述当前局部线程的线程变量替换为所述一组目标线程变量；将从所述设定云存储空间中得到的辅助用户行为大数据，传入线程变量完成改进的所述当前局部线程中，获得挖掘信息；从所述第三待定AI线程中挑选后一第三局部线程作为所述当前局部线程，，直到所述第三待定AI线程中的每个第三局部线程已完成挑选，从而获得每个第三局部线程的挖掘信息。
[0010]在一些可独立实施的技术方案下，在所述借助从设定云存储空间中得到的范例用户行为大数据对每个原始局部线程进行第一优化，获得第二待定AI线程之后，所述方法还包括：确定每个第二局部线程的线程变量；基于每个所述第二局部线程的线程变量，获得a个节点集群中每个节点集群所包括的每个特征提取处理节点的过渡线程变量；所述确定所述当前局部线程的一组线程变量，包括：基于所述当前局部线程中的每个特征提取处理节点，从得到的过渡线程变量中，挑选对应的过渡线程变量以获得a个过渡线程变量，并将挑选的所述a个过渡线程变量作为所述当前局部线程的一组线程变量。
[0011]在一些可独立实施的技术方案下，所述通过对所述若干第二局部线程进行捕捉并进行调整和/或融合以获得第三待定AI线程，包括：从所述若干第二局部线程中随机挑选设
定数目的第二局部线程作为衍生线程；对所述衍生线程进行调整处理和/或融合处理，获得过渡线程；所述过渡线程包括若干局部过渡线程；从所述若干局部过渡线程中，捕捉出特征提取处理节点的量化提取周期符合所述设定要求的局部过渡线程作为主用局部线程，或者，捕捉出特征提取处理节点的量化提取周期符合所述设定要求，且算法量化指标符合设定判定指标的局部过渡线程作为主用局部线程；将所述主用局部线程和所述衍生线程所形成的局部线程集作为过渡待定AI线程，确定所述过渡待定AI线程中的每个过渡局部线程的设定线程性能参量；从所述过渡待定AI线程中，挑选设定线本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能和大数据的信息处理方法，其特征在于，应用于信息处理云平台，所述方法包括：确定触发会话兴趣挖掘条件的用户行为大数据，并将所述触发会话兴趣挖掘条件的用户行为大数据传入目标AI线程以获得会话兴趣挖掘情况；所述会话兴趣挖掘情况旨在表示从所述触发会话兴趣挖掘条件的用户行为大数据中挖掘出来的兴趣主题标签或者潜在会话兴趣；所述目标AI线程为经第一待定AI线程中定位所得的设定线程性能参量符合设定要求的目标局部线程；所述第一待定AI线程包括若干第一局部线程；所述第一局部线程满足第一目标条件和第二目标条件中的至少一种；所述第一目标条件为：存在差异的第一局部线程所确定出的视觉显著性表达的兴趣挖掘质量评价不一致；所述第二目标条件为：存在差异的第一局部线程对用作执行兴趣挖掘的不同兴趣挖掘质量评价的视觉显著性表达的配置策略不一致；存在差异的第一局部线程对用作执行兴趣挖掘的不同兴趣挖掘质量评价的视觉显著性表达的配置策略不一致，旨在表示在存在差异的第一局部线程中兴趣挖掘单元与不同兴趣挖掘质量评价的视觉显著性表达之间的匹配列表不一致。2.如权利要求1所述的方法，其特征在于，每个第一局部线程包括a个特征提取处理节点，第c个特征提取处理节点所确定出的视觉显著性表达是基于第一视觉显著性表达和第二视觉显著性表达得到，其中，所述第一视觉显著性表达是所述第c个特征提取处理节点对第d个特征提取处理节点所确定出的视觉显著性表达进行特征提取所得，所述第二视觉显著性表达是基于并行特征提取处理节点对第e个特征提取处理节点所确定出的视觉显著性表达进行特征提取所得；其中，所述第e个特征提取处理节点与所述第c个特征提取处理节点所确定出的视觉显著性表达的兴趣挖掘质量评价相同，所述第e个特征提取处理节点的提取周期数据为设定提取周期数据，且所述第e个特征提取处理节点的提取周期数据与第f个特征提取处理节点的提取周期数据之间符合设定提取周期配对情况；a、c和e为正整数，e低于c，且c不大于a
‑
1，d比c小1，f比e大1。3.如权利要求1所述的基于人工智能和大数据的信息处理方法，其特征在于，在所述将所述触发会话兴趣挖掘条件的用户行为大数据传入目标AI线程以获得会话兴趣挖掘情况之前，所述方法还包括：基于线程组装指示，创建所述第一待定AI线程；从所述第一待定AI线程中定位出目标局部线程，所述目标局部线程为设定线程性能参量达到设定要求的第一局部线程，并将所述目标局部线程作为所述目标AI线程。4.如权利要求3所述的基于人工智能和大数据的信息处理方法，其特征在于，所述第一待定AI线程包括：若干第一局部线程，每个第一局部线程包括a个特征提取处理节点和与所述a个特征提取处理节点存在关联的b个兴趣挖掘单元，且所述a个特征提取处理节点中的一个特征提取处理节点与所述b个兴趣挖掘单元中的不少于一个兴趣挖掘单元关联；所述线程组装指示包括：节点集群的数目、每个节点集群包括若干提取周期存在差异的特征提取处理节点、兴趣挖掘单元的数目、每个特征提取处理节点的基础线程变量，以及，每个兴趣挖掘单元对应的若干特征提取处理节点的量化提取周期；其中，一个特征提取处理节点
的量化提取周期为：传入所述特征提取处理节点的用户行为大数据的数据量与所述特征提取处理节点所确定出的视觉显著性表达的数据量之间的量化比较结果；一个兴趣挖掘单元对应若干特征提取处理节点的量化提取周期，旨在表示所述兴趣挖掘单元在存在差异的第一局部线程中和与若干量化提取周期对应的不同特征提取处理节点关联；b和a为正整数。5.如权利要求4所述的方法，其特征在于，所述从所述第一待定AI线程中定位出目标局部线程，包括：从所述第一待定AI线程中捕捉原始局部线程；所述原始局部线程为特征提取处理节点的量化提取周期符合设定要求的第一局部线程；所述设定要求为事先配置的线程捕捉指标；借助从设定云存储空间中得到的范例用户行为大数据，对每个原始局部线程进行第一优化，获得第二待定AI线程；从所述第二待定AI线程中定位出所述目标局部线程。6.如权利要求5所述的方法，其特征在于，所述第二待定AI线程包括若干第二局部线程，所述从所述第二待定AI线程中定位出所述目标局部线程，包括：通过对所述若干第二局部线程进行捕捉并进行调整和/或融合以获得第三待定AI线程；所述第三待定AI线程包括若干第三局部线程；将从所述设定云存储空间中得到的辅助用户行为大数据，传入到每个第三局部线程，获得每个第三局部线程的挖掘信息；基于每个第三局部线程的挖掘信息，确定每个第三局部线程的设定线程性能参量；挑选设定线程性能参量最大的第三局部线程作为所述目标局部线程；其中，所述将从所述设定云存储空间中得到的辅助用户行为大数据，传入到每个第三局部线程，获得每个第三局部线程的挖掘信息，包括：从所述第三待定AI线程中随机挑选一个第三局部线程作为当前局部线程；确定所述当前局部线程的一组线程变量；将所述当前局部线程的一组线程变量作为前置优化线程变量，对所述当前局部线程进行第二优化，获得所述当前局部线程的一组目标线程变量；所述第二优化中的超参收敛指标低于所述第一优化中的超参收敛指标；将所述当前局部线程的线程变量替换为所述一组目标线程变量；将从所述设定云存储空间中得到的辅助用户行为大数据，传入线程变量完成改进的所述当前局部线程中，获得挖掘信息；从所述第三待定AI线程中挑选后一第三局部线程作为所述当前局部线程，直到所述第三待定AI线程中的每个第三局部线...

【专利技术属性】
技术研发人员：王大可，王强，张剑坤，
申请(专利权)人：广州紫麦科技股份有限公司，
类型：发明
国别省市：