一种应用于AI的大数据优化方法及服务器技术

本发明专利技术提供的应用于AI的大数据优化方法及服务器，通过将行为偏好描述知识KV2与行为偏好描述知识KV3进行知识汇集得到行为偏好描述知识KV4，能够提升利用行为偏好描述知识KV1所包含的用户行为偏好向量优化行为偏好描述知识KV2所包含的用户行为偏好向量的质量，即能够提升利用第一数字服务交互大数据的用户行为偏好向量优化第二数字服务交互大数据的数据细节。根据行为偏好描述知识KV4对第二数字服务交互大数据进行知识细节优化，能够提升第一已优化数字服务大数据的数据细节丰富程度和完整性，即能够提升对第二数字服务交互大数据的优化性能，也即可使第二数字服务交互大数据的细节特征尽可能不出现缺失，为后续的数据推送分析提供高质量的分析依据。据推送分析提供高质量的分析依据。据推送分析提供高质量的分析依据。

【技术实现步骤摘要】
一种应用于AI的大数据优化方法及服务器


[0001]本专利技术涉及大数据
，尤其涉及一种应用于AI的大数据优化方法及服务器。

技术介绍

[0002]社会经济不断发展的过程中，信息数据量也呈现出迅速增长的发展趋势，与此同时，信息数据的存储、整合、搜索等工作的开展，对计算机网络技术提出的要求也随之进一步提高。所以，人工智能就成为了帮助人们处理信息数据最有效的方法。大数据时代下的人工智能技术在计算机网络中的应用，作为一种高效、准确的网络技术手段。能够利用其自身的智能化优势，合理的进行计算机系统中海量数据信息的分类和处理。当下，基于人工智能的数据挖掘和分析技术热度不减，而如何高质量实现特征层面的数据优化处理是其中一个难题。

技术实现思路

[0003]本专利技术提供一种应用于AI的大数据优化方法及服务器，为实现上述技术目的，本专利技术采用如下技术方案。
[0004]第一方面是一种应用于AI的大数据优化方法，应用于大数据优化服务器，所述方法包括：获得第一数字服务交互大数据的行为偏好描述知识KV1和第二数字服务交互大数据的行为偏好描述知识KV2；其中，所述第一数字服务交互大数据和所述第二数字服务交互大数据皆属于满足大数据优化条件的互动日志，所述第一数字服务交互大数据的数字签名值与所述第二数字服务交互大数据的数字签名值的差值不大于设定时序值；基于所述行为偏好描述知识KV1，得到不少于一个行为偏好描述知识KV3；其中，所述不少于一个行为偏好描述知识KV3在会话服务场景层面的分布特征皆与所述行为偏好描述知识KV1在所述会话服务场景层面的分布特征存在比较结果；将所述行为偏好描述知识KV2与所述不少于一个行为偏好描述知识KV3进行知识汇集，得到行为偏好描述知识KV4；基于所述行为偏好描述知识KV4对所述第二数字服务交互大数据进行知识细节优化，得到第一已优化数字服务大数据。
[0005]可见，大数据优化服务器在获得第一数字服务交互大数据的行为偏好描述知识KV1和行为偏好描述知识KV2，第一数字服务交互大数据和第二数字服务交互大数据为满足大数据优化条件的互动日志中数字签名值不同的两组数字服务交互大数据的基础上，根据行为偏好描述知识KV1得到在会话服务场景层面的分布特征与行为偏好描述知识KV1不同的不少于一个行为偏好描述知识KV3，这样提升不少于一个行为偏好描述知识KV3包括与行为偏好描述知识KV2在会话服务场景层面的分布特征相同的行为偏好描述知识的可能性。
[0006]如此设计，通过将行为偏好描述知识KV2与不少于一个行为偏好描述知识KV3进行知识汇集得到行为偏好描述知识KV4，能够提升利用行为偏好描述知识KV1所包含的用户行为偏好向量优化行为偏好描述知识KV2所包含的用户行为偏好向量的质量，即能够提升利
用第一数字服务交互大数据的用户行为偏好向量优化第二数字服务交互大数据的数据细节。
[0007]基于此，根据行为偏好描述知识KV4对第二数字服务交互大数据进行知识细节优化，得到第一已优化数字服务大数据，能够提升第一已优化数字服务大数据的数据细节丰富程度和完整性，即能够提升对第二数字服务交互大数据的优化性能，也即可使第二数字服务交互大数据的细节特征尽可能不出现缺失，为后续的数据推送分析提供高质量的分析依据。
[0008]在一些可能的实施例中，所述满足大数据优化条件的互动日志还包括第三数字服务交互大数据，所述第二数字服务交互大数据数字签名值处于所述第一数字服务交互大数据的数字签名值与所述第三数字服务交互大数据的数字签名值之间；在所述基于所述行为偏好描述知识KV4对所述第二数字服务交互大数据进行知识细节优化，得到第一已优化数字服务大数据之前，所述方法还包括：获得所述第三数字服务交互大数据的行为偏好描述知识KV5；对所述行为偏好描述知识KV4和所述行为偏好描述知识KV5进行知识汇集，得到行为偏好描述知识KV6；所述基于所述行为偏好描述知识KV4对所述第二数字服务交互大数据进行知识细节优化，得到第一已优化数字服务大数据，包括：基于所述行为偏好描述知识KV6对所述第二数字服务交互大数据进行知识细节优化，得到所述第一已优化数字服务大数据。
[0009]可见，大数据优化服务器在利用行为偏好描述知识KV1所包含的用户行为偏好向量优化行为偏好描述知识KV2所包含的用户行为偏好向量得到行为偏好描述知识KV4的基础上，通过对行为偏好描述知识KV4和行为偏好描述知识KV5进行知识汇集得到行为偏好描述知识KV6，并根据行为偏好描述知识KV6得到第一已优化数字服务大数据。如此不仅能够基于第一数字服务交互大数据的用户行为偏好向量优化第二数字服务交互大数据，还能够基于第三数字服务交互大数据的用户行为偏好向量优化第二数字服务交互大数据。
[0010]鉴于第二数字服务交互大数据的数字签名值位于第一数字服务交互大数据的数字签名值和第三数字服务交互大数据的数字签名值之间，基于此能够提升对第二数字服务交互大数据的优化性能（特征优化质量）。
[0011]此外，大数据优化服务器先利用行为偏好描述知识KV1所包含的用户行为偏好向量优化行为偏好描述知识KV2所包含的用户行为偏好向量得到行为偏好描述知识KV4，再利用行为偏好描述知识KV5所包含的用户行为偏好向量优化行为偏好描述知识KV4所包含的用户行为偏好向量得到行为偏好描述知识KV6。可以理解为先对第一数字服务交互大数据的用户行为偏好向量和第二数字服务交互大数据的用户行为偏好向量进行知识汇集，再对第三数字服务交互大数据的用户行为偏好向量和第二数字服务交互大数据的用户行为偏好向量进行知识汇集，即可以理解为实现了双重知识汇集。
[0012]鉴于第一数字服务交互大数据、第二数字服务交互大数据、第三数字服务交互大数据中的任意两组数字服务交互大数据在会话服务场景层面的分布特征都存在差异，如果直接通过对第一数字服务交互大数据的用户行为偏好向量、第二数字服务交互大数据的用户行为偏好向量、第三数字服务交互大数据的用户行为偏好向量进行知识汇集，需要同时分析三组数字服务交互大数据在会话服务场景层面的分布特征差异，进而导致优化第二数字服务交互大数据的数据细节丰富程度和完整性，优化性能差。但是通过所述技术思路，在
每轮知识汇集时，都只用分析两组数字服务交互大数据在会话服务场景层面的分布特征差异，相比于直接将三组数字服务交互大数据的用户行为偏好向量进行知识汇集，能够提升优化性能。
[0013]在一些可能的实施例中，所述行为偏好描述知识KV5的关注维度数为U，所述U为大于1的正数；所述对所述行为偏好描述知识KV4和所述行为偏好描述知识KV5进行知识汇集，得到行为偏好描述知识KV6，包括：从所述行为偏好描述知识KV5中筛选W个关注维度的向量字段，得到行为偏好描述知识KV7，所述W小于所述U；对所述行为偏好描述知识KV4和所述行为偏好描述知识KV7进行知识汇集，得到所述行为偏好描述知识KV6。
[0014]可见，鉴于行为偏好描述知识KV7的知识容量比行为偏好描述知识KV5的知识容量小，大数据优化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于AI的大数据优化方法，其特征在于，应用于大数据优化服务器，所述方法包括：获得第一数字服务交互大数据的行为偏好描述知识KV1和第二数字服务交互大数据的行为偏好描述知识KV2；其中，所述第一数字服务交互大数据和所述第二数字服务交互大数据皆属于满足大数据优化条件的互动日志，所述第一数字服务交互大数据的数字签名值与所述第二数字服务交互大数据的数字签名值的差值不大于设定时序值；基于所述行为偏好描述知识KV1，得到不少于一个行为偏好描述知识KV3；其中，所述不少于一个行为偏好描述知识KV3在会话服务场景层面的分布特征皆与所述行为偏好描述知识KV1在所述会话服务场景层面的分布特征存在比较结果；将所述行为偏好描述知识KV2与所述不少于一个行为偏好描述知识KV3进行知识汇集，得到行为偏好描述知识KV4；基于所述行为偏好描述知识KV4对所述第二数字服务交互大数据进行知识细节优化，得到第一已优化数字服务大数据。2.根据权利要求1所述的方法，其特征在于，所述满足大数据优化条件的互动日志还包括第三数字服务交互大数据，所述第二数字服务交互大数据数字签名值处于所述第一数字服务交互大数据的数字签名值与所述第三数字服务交互大数据的数字签名值之间；在所述基于所述行为偏好描述知识KV4对所述第二数字服务交互大数据进行知识细节优化，得到第一已优化数字服务大数据之前，所述方法还包括：获得所述第三数字服务交互大数据的行为偏好描述知识KV5；对所述行为偏好描述知识KV4和所述行为偏好描述知识KV5进行知识汇集，得到行为偏好描述知识KV6；所述基于所述行为偏好描述知识KV4对所述第二数字服务交互大数据进行知识细节优化，得到第一已优化数字服务大数据，包括：基于所述行为偏好描述知识KV6对所述第二数字服务交互大数据进行知识细节优化，得到所述第一已优化数字服务大数据。3.根据权利要求2所述的方法，其特征在于，所述行为偏好描述知识KV5的关注维度数为U，所述U为大于1的正数；所述对所述行为偏好描述知识KV4和所述行为偏好描述知识KV5进行知识汇集，得到行为偏好描述知识KV6，包括：从所述行为偏好描述知识KV5中筛选W个关注维度的向量字段，得到行为偏好描述知识KV7，所述W小于所述U；对所述行为偏好描述知识KV4和所述行为偏好描述知识KV7进行知识汇集，得到所述行为偏好描述知识KV6。4.根据权利要求3所述的方法，其特征在于，所述基于所述行为偏好描述知识KV6对所述第二数字服务交互大数据进行知识细节优化，得到所述第一已优化数字服务大数据，包括：对所述行为偏好描述知识KV6进行知识再提炼，得到行为偏好描述知识KV8；对所述行为偏好描述知识KV8进行细节挖掘操作，得到行为偏好描述知识KV9；对所述行为偏好描述知识KV9进行知识衍生，得到行为偏好描述知识KV10；所述行为偏好描述知识KV10的规模与所述行为偏好描述知识KV6的规模相同；对所述行为偏好描述知识KV10进行知识翻译，得到所述第一已优化数字服务大数据。5.根据权利要求4所述的方法，其特征在于，所述将所述行为偏好描述知识KV2与所述不少于一个行为偏好描述知识KV3进行知识汇集，得到行为偏好描述知识KV4，包括：对所述
行为偏好描述知识KV2和所述不少于一个行为偏好描述知识KV3进行基于第一关注维度策略的知识汇集，得到行为偏好描述知识KV11；对所述行为偏好描述知识KV11进行基于第二关注维度策略的知识汇集，得到行为偏好描述知识KV12；基于所述行为偏好描述知识KV12，得到所述行为偏好描述知识KV4；其中，所述行为偏好描述知识KV12包括行为偏好描述知识KV13和行为偏好描述知识KV14，所述行为偏好描述知识KV13属于所述行为偏好描述知识KV12的第一关注维度，所述行为偏好描述知识KV14属于所述行为偏好描述知识KV12的第二关注维度；所述基于所述行为偏好描述知识KV12，得到所述行为偏好描述知识KV4，包括：获得所述第一关注维度的第一偏置因子和所述第二关注维度的第二偏置因子；将所述第一偏置因子作为所述行为偏好描述知识KV13的联动偏置因子，所述第二偏置因子作为所述行为偏好描述知识KV14的联动偏置因子，对所述行为偏好描述知识KV13和所述行为偏好描述知识KV14进行全局整理，得到所述行为偏好描述知识KV4。6.根据权利要求1所述的方法，其特征在于，所述基于所述行为偏好描述知识...

【专利技术属性】
技术研发人员：邓小东，杨彬，
申请(专利权)人：邓小东，
类型：发明
国别省市：