基于人工智能的云服务在线页面优化方法及大数据系统技术方案

本申请实施例提供一种基于人工智能的云服务在线页面优化方法及大数据系统，在页面优化分配模型的训练过程中，每次加载至页面优化训练数据后，可以依据相应的页面优化训练数据关联的决策页面优化分配数据和实际页面优化分配数据获得第一训练代价，然后基于第一训练优化指标对第一训练代价进行调整，确定页面优化分配模型的目标训练代价，可以提高训练完成的目标页面优化分配模型中，每两个模型处理单元的模型生成信息的全局区分度，以提高目标页面优化分配模型的模型准确性，由此提高页面优化分配结果的精度。化分配结果的精度。化分配结果的精度。

【技术实现步骤摘要】
基于人工智能的云服务在线页面优化方法及大数据系统


[0001]本专利技术涉及大数据
，具体而言，涉及一种基于人工智能的云服务在线页面优化方法及大数据系统。

技术介绍

[0002]当前，互联网信息化建设已取得了卓越的成效，各种互联网服务商使用云服务平台为广大用户提供多种在线服务已经当前时代需求的产物。通过云服务平台对互联网服务商提供云服务，从而实现互联网服务商降低运行成本，提高管理效率。
[0003]然而，对于各个互联网服务商而言，云服务在线页面的稳定性关系到用户的体验，一旦云服务在线页面发生异常事件（如页面崩溃事件、页面异常跳转事件等），则会造成在线服务的中断，因此通常互联网服务商都会针对页面异常事件预先配置相应的应急优化措施以便于在线页面服务能够及时修复和继续运行。相关技术中，在决策页面优化方案时通常是仅依据异常字段进行一一匹配，然而根据匹配数量来确定最终的页面优化方案，该思路的页面优化分配结果的精度较低。

技术实现思路

[0004]为了至少克服现有技术中的上述不足，本专利技术的目的在于提供一种基于人工智能的云服务在线页面优化方法及大数据系统。
[0005]第一方面，本申请提供一种基于人工智能的云服务在线页面优化方法，应用于大数据系统，所述大数据系统与多个页面服务器通信连接，所述方法包括：对云服务在线页面的候选页面异常事件进行特征提取，获取候选页面异常事件的页面异常路径特征，以及分别获取各个待分配页面优化方案数据各自的页面优化逻辑知识点特征；将确定的所述页面异常路径特征和各个页面优化逻辑知识点特征，分别加载至满足模型收敛条件的目标页面优化分配模型中，生成所述各个待分配页面优化方案数据各自的页面优化分配支持度；其中，所述目标页面优化分配模型的训练步骤包括：依据页面优化训练数据序列对初始化模型权重参数的页面优化分配模型进行多个训练阶段的遍历模型权重参数优化，直至所述页面优化分配模型的模型权重参数不再变化，并将最后一个训练阶段生成的页面优化分配模型作为目标页面优化分配模型，所述页面优化分配模型包括多个模型处理单元，每个模型处理单元用于从一个页面优化标签对加载至所述页面优化分配模型的页面优化训练数据进行特征提取，其中，在一个遍历训练阶段中，执行下述步骤：将从所述页面优化训练数据序列中获取的页面优化训练数据，加载至所述页面优化分配模型，确定所述页面优化训练数据对应的决策页面优化分配数据；基于所述页面优化训练数据对应的决策页面优化分配数据和实际页面优化分配
数据，确定相应的第一训练代价；依据所述第一训练代价和第一训练优化指标，确定相应的目标训练代价；其中，所述第一训练优化指标用于表征依据相应的页面优化训练数据确定的，每两个模型处理单元的模型生成信息的全局区分度，且所述第一训练优化指标与所述目标训练代价呈负相关；基于所述目标训练代价，对所述页面优化分配模型进行遍历模型权重参数优化。
[0006]在第一方面的一种可能的实施方式中，所述各个待分配页面优化方案数据中的每个待分配页面优化方案数据的页面优化分配支持度为：针对预设的目标页面优化标签的页面优化分配支持度；所述将确定的所述页面异常路径特征和各个页面优化逻辑知识点特征，分别加载至满足模型收敛条件的目标页面优化分配模型中，生成所述各个待分配页面优化方案数据各自的页面优化分配支持度的过程中，每生成一个待分配页面优化方案数据的页面优化分配支持度，执行下述步骤：如果生成的页面优化分配支持度大于第一设定支持度，则将相应的待分配页面优化方案数据作为目标页面优化方案数据；将确定的各个目标页面优化方案数据依据各自的页面优化分配支持度进行次序整理，并将次序整理结果进行确定；获取目标云服务页面基于所述次序整理结果反馈的最终选定目标页面优化方案数据，并基于云端修复固件库中对应于所述最终选定目标页面优化方案数据的目标修复固件数据，对所述云服务在线页面进行页面优化。
[0007]在第一方面的一种可能的实施方式中，所述各个待分配页面优化方案数据中的每个待分配页面优化方案数据的页面优化分配支持度包括，针对预设的多个页面优化标签的页面优化分配支持度；所述将确定的所述页面异常路径特征和各个页面优化逻辑知识点特征，分别加载至满足模型收敛条件的目标页面优化分配模型中，生成所述各个待分配页面优化方案数据各自的页面优化分配支持度的过程中，每生成一个待分配页面优化方案数据的页面优化分配支持度，执行下述步骤之一：如果生成的多个页面优化标签的页面优化分配支持度中的一个，大于相应的第二设定支持度，则将相应的待分配页面优化方案数据作为目标页面优化方案数据；如果生成的多个页面优化标签的页面优化分配支持度中的多个，分别大于各自的第三设定支持度，则将相应的待分配页面优化方案数据作为目标页面优化方案数据；将确定的各个目标页面优化方案数据，依据各自的多个页面优化标签的页面优化分配支持度进行次序整理。
[0008]在第一方面的一种可能的实施方式中，所述将从所述页面优化训练数据序列中获取的页面优化训练数据，加载至所述页面优化分配模型，确定所述页面优化训练数据对应的决策页面优化分配数据，包括：将从所述页面优化训练数据序列中获取的页面优化训练数据，加载至所述页面优化分配模型，分别确定所述多个模型处理单元各自的模型生成信息以及所述多个模型处理单元各自对应的影响系数，并基于确定的各个模型生成信息和相应的影响系数，确定所述页面优化训练数据对应的决策页面优化分配数据；
所述第一训练优化指标基于下述步骤确定：分别确定所述多个模型处理单元中，每两个模型处理单元的模型生成信息之间的第一区别度量值，并依据确定的各个第一区别度量值，确定所述第一训练优化指标。
[0009]在第一方面的一种可能的实施方式中，所述多个模型处理单元各自的模型生成信息为生成特征； 所述分别确定所述多个模型处理单元中，每两个模型处理单元对应的模型生成信息之间的第一区别度量值，并依据确定的各个第一区别度量值，确定所述第一训练优化指标，包括：分别获取所述多个模型处理单元中，每两个模型处理单元对应的生成特征之间的第一特征偏离度，以及将确定的各个第一特征偏离度分别作为相应的第一区别度量值；对确定的各个第一区别度量值执行加权，确定所述第一训练优化指标。
[0010]在第一方面的一种可能的实施方式中，所述决策页面优化分配数据包括针对预设的多个页面优化标签的页面优化分配支持度；所述将从所述页面优化训练数据序列中获取的页面优化训练数据，加载至所述页面优化分配模型，分别确定所述多个模型处理单元各自的模型生成信息以及所述多个模型处理单元各自对应的影响系数，并基于确定的各个模型生成信息和相应的影响系数，确定所述页面优化训练数据对应的决策页面优化分配数据，包括：将从所述页面优化训练数据序列中获取的页面优化训练数据，加载至所述页面优化分配模型，分别确定所述多个模型处理单元各自的模型生成信息，以及获得所述多个模型处理单元各自在所述多个页面优化标签下的影响系数；基于所述多个模型处理单元各自在所述多个页面优化标签下的影响系数，分别确定所述多个页面优化标签各自对应的影响系数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的云服务在线页面优化方法，其特征在于，所述方法包括：对云服务在线页面的候选页面异常事件进行特征提取，获取候选页面异常事件的页面异常路径特征，以及分别获取各个待分配页面优化方案数据各自的页面优化逻辑知识点特征；将确定的所述页面异常路径特征和各个页面优化逻辑知识点特征，分别加载至满足模型收敛条件的目标页面优化分配模型中，生成所述各个待分配页面优化方案数据各自的页面优化分配支持度；其中，所述目标页面优化分配模型的训练步骤包括：依据页面优化训练数据序列对初始化模型权重参数的页面优化分配模型进行多个训练阶段的遍历模型权重参数优化，直至所述页面优化分配模型的模型权重参数不再变化，并将最后一个训练阶段生成的页面优化分配模型作为目标页面优化分配模型，所述页面优化分配模型包括多个模型处理单元，每个模型处理单元用于从一个页面优化标签对加载至所述页面优化分配模型的页面优化训练数据进行特征提取，其中，在一个遍历训练阶段中，执行下述步骤：将从所述页面优化训练数据序列中获取的页面优化训练数据，加载至所述页面优化分配模型，确定所述页面优化训练数据对应的决策页面优化分配数据；基于所述页面优化训练数据对应的决策页面优化分配数据和实际页面优化分配数据，确定相应的第一训练代价；依据所述第一训练代价和第一训练优化指标，确定相应的目标训练代价；其中，所述第一训练优化指标用于表征依据相应的页面优化训练数据确定的，每两个模型处理单元的模型生成信息的全局区分度，且所述第一训练优化指标与所述目标训练代价呈负相关；基于所述目标训练代价，对所述页面优化分配模型进行遍历模型权重参数优化。2.根据权利要求1所述的基于人工智能的云服务在线页面优化方法，其特征在于，所述各个待分配页面优化方案数据中的每个待分配页面优化方案数据的页面优化分配支持度为：针对预设的目标页面优化标签的页面优化分配支持度；所述将确定的所述页面异常路径特征和各个页面优化逻辑知识点特征，分别加载至满足模型收敛条件的目标页面优化分配模型中，生成所述各个待分配页面优化方案数据各自的页面优化分配支持度的过程中，每生成一个待分配页面优化方案数据的页面优化分配支持度，执行下述步骤：如果生成的页面优化分配支持度大于第一设定支持度，则将相应的待分配页面优化方案数据作为目标页面优化方案数据；将确定的各个目标页面优化方案数据依据各自的页面优化分配支持度进行次序整理，并将次序整理结果进行确定；获取目标云服务页面基于所述次序整理结果反馈的最终选定目标页面优化方案数据，并基于云端修复固件库中对应于所述最终选定目标页面优化方案数据的目标修复固件数据，对所述云服务在线页面进行页面优化。3.根据权利要求1所述的基于人工智能的云服务在线页面优化方法，其特征在于，所述各个待分配页面优化方案数据中的每个待分配页面优化方案数据的页面优化分配支持度包括，针对预设的多个页面优化标签的页面优化分配支持度；
所述将确定的所述页面异常路径特征和各个页面优化逻辑知识点特征，分别加载至满足模型收敛条件的目标页面优化分配模型中，生成所述各个待分配页面优化方案数据各自的页面优化分配支持度的过程中，每生成一个待分配页面优化方案数据的页面优化分配支持度，执行下述步骤之一：如果生成的多个页面优化标签的页面优化分配支持度中的一个，大于相应的第二设定支持度，则将相应的待分配页面优化方案数据作为目标页面优化方案数据；如果生成的多个页面优化标签的页面优化分配支持度中的多个，分别大于各自的第三设定支持度，则将相应的待分配页面优化方案数据作为目标页面优化方案数据；将确定的各个目标页面优化方案数据，依据各自的多个页面优化标签的页面优化分配支持度进行次序整理。4.根据权利要求1所述的基于人工智能的云服务在线页面优化方法，其特征在于，所述将从所述页面优化训练数据序列中获取的页面优化训练数据，加载至所述页面优化分配模型，确定所述页面优化训练数据对应的决策页面优化分配数据，包括：将从所述页面优化训练数据序列中获取的页面优化训练数据，加载至所述页面优化分配模型，分别确定所述多个模型处理单元各自的模型生成信息以及所述多个模型处理单元各自对应的影响系数，并基于确定的各个模型生成信息和相应的影响系数，确定所述页面优化训练数据对应的决策页面优化分配数据；所述第一训练优化指标基于下述步骤确定：分别确定所述多个模型处理单元中，每两个模型处理单元的模型生成信息之间的第一区别度量值，并依据确定的各个第一区别度量值，确定所述第一训练优化指标。5.根据权利要求4所述的基于人工智能的云服务在线页面优化方法，其特征在于，所述多个模型处理单元各自的模型生成信息为生成特征； 所述分别确定所述多个模型处理单元中，每两个模型处理单元对应的模型生成信息之间的第一区别度量值，并依据确定的各个第一区别度量值，确定所述第一训练优化指标，包括：分别获取所述多个模型处理单元中，每两个模型处理单元对应的生成特征之间的第一特征偏离度，以及将确定的各个第一特征偏离度分别作为相应的第一区别度量值；对确定的各个第一区别度量值执行加权，确定所述第一训练优化指标。6.根据权利要求4所述的基于人工智能的云服务在线页面优化方法，其特征在于，所述决策页面优化分配数据包括针对预设的多个页面优化标签的页面优化分配支持度；所述将从所述页面优化训练数据序列中获取的页面优化训练数据，加载至所述页面优化分配模型，分别确定所述多个模型处理单元各自的模型生成信息以及所述多个模型处理单元各自对应的影响系数，并基于确定的各个模型生成信息和相应的影响系数，确定所述页面优化训练数据对应的决策页面优化分配数据，包括：将从所述页面优化训练数据序列中获取的页面优化训练数据，加载至所述页面优化分配模型，分别确定所述多个模型处理单元各自的模型生成信息，以及获得所述多个模型处理单元各自在所述多个页面优化标签下的影响系数；基于所述多个模型处理单元各自在所述多个页面优化标签下的影响系数，分别确定所述多个页面优化标签各自对应的影响系数特征，其中，每个页面优化标签对应的影响系数特征包含的各个特征成员，分别与所述多个模型处理单元各自在相应页面优化标签下对应
的影响系数一一对应；针对所述多个页面优...

【专利技术属性】
技术研发人员：亢朝侠，方媛，
申请(专利权)人：亢朝侠，
类型：发明
国别省市：