基于人工智能的ERP信息发布方法及AI系统

技术领域

本发明涉及人工智能技术领域，特别涉及一种基于人工智能的ERP信息发布方法及AI系统。

背景技术

随着数字化转型的进程加快，企业开始重新评估ERP的作用。传统ERP经过多年僵硬化定制过于追求生产的一致性，而忽视了客户的需求变化，导致系统缺乏灵活性，已经无法满足当今大数据业务模型的增长需求。目前，人工智能、机器学习、专家系统等计算机智能技术发展迅速，而如何利用这些技术准确可靠实现比如用户行为处理的ERP数据处理分析是当下的技术难题。

发明内容

为改善相关技术中存在的技术问题，本发明提供了一种基于人工智能的ERP信息发布方法及AI系统。

第一方面，本发明实施例提供了一种基于人工智能的ERP信息发布方法，应用于AI系统，所述方法包括：

获得拟分析ERP业务大数据和待捕捉活跃用户行为事件对应的不少于一个ERP业务大数据样本；提炼所述拟分析ERP业务大数据对应的业务要素知识关系网和所述不少于一个ERP业务大数据样本中各个所述ERP业务大数据样本对应的要素知识关系网样本；

结合所述业务要素知识关系网和各个所述要素知识关系网样本构造联合知识关系网；其中，所述联合知识关系网在所述业务要素知识关系网的前提下记载了与各个所述要素知识关系网样本对应的要素知识向量；

将所述联合知识关系网映射成行为热力预测分布，并结合所述行为热力预测分布确定关于所述待捕捉活跃用户行为事件的行为事件捕捉报告；

基于所述行为事件捕捉报告进行信息发布处理。

在一些示例中，所述结合所述业务要素知识关系网和各个所述要素知识关系网样本构造联合知识关系网，包括：

结合所述业务要素知识关系网和各个所述要素知识关系网样本生成各个所述要素知识关系网样本对应的知识联系描述字段；所述知识联系描述字段反映所述业务要素知识关系网与所述要素知识关系网样本的关联性系数；

基于各个所述要素知识关系网样本对应的知识联系描述字段和对应的要素知识关系网样本，得到知识关联性描述矩阵；

拼接所述知识关联性描述矩阵和所述业务要素知识关系网，得到联合知识关系网。

在一些示例中，所述结合所述业务要素知识关系网和各个所述要素知识关系网样本生成各个所述要素知识关系网样本对应的知识联系描述字段，包括：利用各个所述要素知识关系网样本对所述业务要素知识关系网进行滑动平均操作，得到各个所述要素知识关系网样本对应的知识联系描述字段。

在一些示例中，所述利用各个所述要素知识关系网样本对所述业务要素知识关系网进行滑动平均操作，得到各个所述要素知识关系网样本对应的知识联系描述字段，包括：

借助通用的去量纲节点对所述业务要素知识关系网进行处理，得到业务要素过渡知识关系网；

对于每一要素知识关系网样本，通过所述通用的去量纲节点对所述要素知识关系网样本进行处理，得到要素过渡知识关系网样本；

将所述要素过渡知识关系网样本作为滑动滤波算子，将所述业务要素过渡知识关系网作为被滑动滤波的活跃用户行为事件，得到所述要素知识关系网样本对应的知识联系描述字段。

在一些示例中，在基于各个所述要素知识关系网样本对应的知识联系描述字段和对应的要素知识关系网样本，得到知识关联性描述矩阵之前，所述方法还包括：对各个所述要素知识关系网样本对应的知识联系描述字段进行标准化；

所述对各个所述要素知识关系网样本对应的知识联系描述字段进行标准化，包括：从不少于一个注意力层面对各个所述要素知识关系网样本对应的知识联系描述字段进行标准化，得到各个所述要素知识关系网样本在各个所述注意力层面下的拟拼接知识联系描述字段；基于各个所述要素知识关系网样本在各个所述注意力层面下的拟拼接知识联系描述字段，生成各个所述要素知识关系网样本对应的标准化后的知识联系描述字段。

在一些示例中，所述不少于一个注意力层面包括样本维度，所述从不少于一个注意力层面对各个所述要素知识关系网样本对应的知识联系描述字段进行标准化，得到各个所述要素知识关系网样本在各个所述注意力层面下的拟拼接知识联系描述字段，包括：

对于要素知识关系网样本对应的知识联系描述字段中的每一知识分布区域，获得各个所述要素知识关系网样本对应的知识联系描述字段在所述知识分布区域处的初始关联性；

对各个所述要素知识关系网样本对应的初始关联性进行标准化，得到各个所述要素知识关系网样本对应的知识联系描述字段在所述知识分布区域处的目标关联性；

基于各个所述要素知识关系网样本对应的知识联系描述字段在各个所述知识分布区域处的目标关联性，生成所述各个所述要素知识关系网样本对应的目标要素知识关系网样本。

在一些示例中，所述不少于一个注意力层面包括EPR业务场景维度，所述从不少于一个注意力层面对各个所述要素知识关系网样本对应的知识联系描述字段进行标准化，得到各个所述要素知识关系网样本在各个所述注意力层面下的拟拼接知识联系描述字段，包括：

对于各个所述要素知识关系网样本，获得所述要素知识关系网样本对应的知识联系描述字段在每一知识分布区域处的初始关联性，对各个所述知识分布区域处的初始关联性进行标准化，得到各个所述知识分布区域处的目标关联性；

基于各个所述知识分布区域处的目标关联性，生成所述要素知识关系网样本对应的业务场景知识关系网样本。

在一些示例中，所述基于各个所述要素知识关系网样本在各个所述注意力层面下的拟拼接知识联系描述字段，生成各个所述要素知识关系网样本对应的标准化后的知识联系描述字段，包括：

对于各个所述要素知识关系网样本，基于设定特征运算策略将所述要素知识关系网样本在各个所述注意力层面下的拟拼接知识联系描述字段进行拼接，生成所述要素知识关系网样本对应的标准化后的知识联系描述字段。

在一些示例中，所述基于各个所述要素知识关系网样本对应的知识联系描述字段和对应的要素知识关系网样本，得到知识关联性描述矩阵，包括：

对于各个所述要素知识关系网样本，对所述要素知识关系网样本进行关系网调整操作，得到完成调整的要素知识关系网样本；

利用所述完成调整的要素知识关系网样本对所述要素知识关系网样本对应的知识联系描述字段进行滑动平均操作，得到所述要素知识关系网样本对应的局部知识关联性描述矩阵；

基于各个所述要素知识关系网样本对应的局部知识关联性描述矩阵，生成所述知识关联性描述矩阵。

在一些示例中，所述拼接所述知识关联性描述矩阵和所述业务要素知识关系网，得到联合知识关系网，包括：对所述知识关联性描述矩阵和所述业务要素知识关系网进行拼接处理，得到所述联合知识关系网；所述拼接处理包括以下至少之一：跨越组合、滑动平均和去量纲节点处理。

在一些示例中，在将所述联合知识关系网映射成行为热力预测分布之前，所述方法还包括：将所述联合知识关系网作为所述业务要素知识关系网并跳转至所述结合所述业务要素知识关系网和所述要素知识关系网样本构造联合知识关系网的步骤，以实现循环操作。

在一些示例中，所述将所述联合知识关系网映射成行为热力预测分布，包括：

对所述联合知识关系网进行循环滑动平均操作；

对循环滑动平均操作后的联合知识关系网进行知识扩展，得到与所述拟分析ERP业务大数据规模相同的行为热力预测分布。

在一些示例中，所述结合所述行为热力预测分布确定关于所述待捕捉活跃用户行为事件的行为事件捕捉报告，包括以下至少之一：

对所述行为热力预测分布进行加权，得到所述拟分析ERP业务大数据中所述待捕捉活跃用户行为事件的标定数目；

获得所述行为热力预测分布中的阶段行为热力成员，并通过最优检测策略对所述阶段行为热力成员进行抽取，得到所述待捕捉活跃用户行为事件的分布；所述阶段行为热力成员的热力变量大于邻居行为热力成员的热力变量。

第二方面，本发明还提供了一种AI系统，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。

第三方面，本发明还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。

通过业务要素知识关系网和各个所述要素知识关系网样本生成对应的联合知识关系网，鉴于该联合知识关系网在业务要素知识关系网的前提下记载了与各个所述要素知识关系网样本对应的要素知识向量，进而，在基于该联合知识关系网确定对于所述待捕捉活跃用户行为事件的行为事件捕捉报告时，可以得到与该待捕捉活跃用户行为事件对应的行为事件捕捉报告，从而保障行为事件捕捉的精度和可信度，避免行为事件捕捉出现遗漏或者误差。进一步地，基于行为事件捕捉报告进行信息发布处理，能够准确、直观地呈现待捕捉活跃用户行为事件在ERP业务交互过程中的分布情况或者频繁性，便于提高信息发布的智能化程度。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并于说明书一起用于解释本发明的原理。

图1是本发明实施例提供的一种基于人工智能的ERP信息发布方法的流程示意图。

图2是本发明实施例提供的一种基于人工智能的ERP信息发布方法的应用环境的通信架构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

本发明实施例所提供的方法实施例可以在AI系统、计算机设备或者类似的运算装置中执行。以运行在AI系统上为例，AI系统10可以包括一个或多个处理器102（处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）和用于存储数据的存储器104，可选地，上述AI系统还可以包括用于通信功能的传输装置106。本领域普通技术人员可以理解，上述结构仅为示意，其并不对上述AI系统的结构造成限定。例如，AI系统10还可包括比上述所示更多或者更少的组件，或者具有与上述所示不同的配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的一种基于人工智能的ERP信息发布方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至AI系统10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括AI系统10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器（Network Interface Controller，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频（Radio Frequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。

基于此，请参阅图1，图1是本发明实施例所提供的一种基于人工智能的ERP信息发布方法的流程示意图，该方法应用于AI系统，进一步可以包括步骤101-步骤105描述的技术方案。

步骤101、获得拟分析ERP业务大数据和待捕捉活跃用户行为事件对应的不少于一个ERP业务大数据样本。

在本发明实施例中，该拟分析ERP业务大数据是需进行记录待捕捉活跃用户行为事件的数目的ERP业务大数据。在一些示例下，该拟分析ERP业务大数据中包括较多的待捕捉活跃用户行为事件，本发明实施例提供的基于人工智能的ERP信息发布方法用于对该拟分析ERP业务大数据中的待捕捉活跃用户行为事件进行定位和捕捉，从而智能化地实现信息可视化发布。

在本发明实施例中，该待捕捉活跃用户行为事件对应的ERP业务大数据样本为包括所述待捕捉活跃用户行为事件的ERP业务大数据，该不少于一个ERP业务大数据样本包括相同的待捕捉活跃用户行为事件，换言之，通过该不少于一个ERP业务大数据样本可以确定需要进行定位和捕捉的待捕捉活跃用户行为事件。换言之，该拟分析ERP业务大数据可以包括多个不同种类的活跃用户行为事件，在传入的不少于一个ERP业务大数据样本对应的待捕捉活跃用户行为事件相异的基础上，本发明实施例可以输出不同待捕捉活跃用户行为事件对应的行为事件捕捉报告，并智能化地实现信息可视化发布，以便从复杂多样的ERP业务大数据中精准抽取相关的活跃用户行为事件进行发布，通过突出显示活跃用户行为事件及其统计情况，能够在用户行为的积极性层面实现ERP业务大数据的可视化处理，为后续的ERP业务推送或者优化提供有力的分析依据。

在一些可能的示例下，该ERP业务大数据样本可以与该拟分析ERP业务大数据来源于相同的ERP业务大数据。在本发明实施例中，可以在该拟分析ERP业务大数据中选择不少于一个待捕捉活跃用户行为事件，以得到该待捕捉活跃用户行为事件的不少于一个捕捉窗口。通过该待捕捉活跃用户行为事件对应的不少于一个捕捉窗口，可以从该ERP业务大数据样本抽取对应的ERP业务大数据样本。ERP业务大数据样本可以理解为ERP业务大数据示例。

在一些可能的示例下，该ERP业务大数据样本可以与该拟分析ERP业务大数据来源于不同的ERP业务大数据。例如，在需要对ERP业务大数据dataA中的拟分析活跃用户行为事件进行定位和捕捉的情况下，可以在ERP业务大数据dataB中选择不少于一个待捕捉活跃用户行为事件，得到该待捕捉活跃用户行为事件的不少于一个捕捉窗口，进而获得来源于ERP业务大数据dataB的ERP业务大数据样本；还可以在ERP业务大数据dataC中选择不少于一个待捕捉活跃用户行为事件，得到该待捕捉活跃用户行为事件的不少于一个捕捉窗口，进而获得来源于ERP业务大数据dataC的ERP业务大数据样本；将来源于ERP业务大数据dataB和ERP业务大数据dataC的ERP业务大数据样本作为该待捕捉活跃用户行为事件对应的不少于一个ERP业务大数据样本。

可以理解，该ERP业务大数据样本中至少存在一个待捕捉活跃用户行为事件，换言之，在ERP业务大数据样本中，可以存在一个待捕捉活跃用户行为事件，也可以存在两个或多个待捕捉活跃用户行为事件。此外，活跃用户行为事件可以是用户的业务操作事件、文件整理事件、会议记录事件、信息安全反馈事件等一系列能够反映不同ERP业务项目的行为事件。

步骤102、提炼所述拟分析ERP业务大数据对应的业务要素知识关系网和所述不少于一个ERP业务大数据样本中各个所述ERP业务大数据样本对应的要素知识关系网样本。

在一些可能的示例下，可以通过预调试的专家系统模型（用于进行专家知识特征向量的挖掘和提炼），分别提炼该拟分析ERP业务大数据和每一ERP业务大数据样本对应的ERP业务大数据的知识特征（比如数据特征向量、数据知识字段等），得到该拟分析ERP业务大数据对应的业务要素知识关系网和各个所述ERP业务大数据样本对应的要素知识关系网样本。

其中，提炼该业务要素知识关系网对应的AI模型可以与提炼要素知识关系网样本对应的AI模型可以相同，也可以存在差异。业务要素知识关系网和要素知识关系网样本分别可以理解为数据特征分布以及数据特征分布示例，还可以理解为数据特征图以及数据特征图示例，也可以理解为数据特征矩阵以及数据特征矩阵示例。

可以理解，该每一ERP业务大数据样本对应的要素知识关系网样本均对应第一规模，即每一ERP业务大数据样本对应的要素知识关系网样本的规模相同；该业务要素知识关系网为第二规模，该第二规模大于该第一规模。其中，关系网的规模可以理解为关系网的大小，比如关系网在可视化窗口中所占据的窗口区域面积。

在一些可能的示例下，该专家系统模型可以为金字塔型的专家系统模型。例如，以该业务要素知识关系网的规模为U*V*W为例，该W注意力指标可以包括多个维度的要素知识向量。

步骤103、结合所述业务要素知识关系网和各个所述要素知识关系网样本构造联合知识关系网。

可以理解的是，所述联合知识关系网在所述业务要素知识关系网的前提下记载了与各个所述要素知识关系网样本对应的要素知识向量。联合知识关系网能够更为精细地反映要素知识特征的细节内容，因此可以理解为精优化改进的知识关系网。

在一些可能的示例下，可以分别获得该业务要素知识关系网与每一要素知识关系网样本对应的业务要素过渡知识关系网（比如可以理解为中间特征图），该业务要素过渡知识关系网在该业务要素知识关系网的前提下记载了与该要素知识关系网样本对应的要素知识向量；再拼接每一要素知识关系网样本对应的业务要素过渡知识关系网，可以得到该联合知识关系网。

在本发明实施例中，对于每一要素知识关系网样本，可以通过确定该要素知识关系网样本与该业务要素知识关系网之间的特征向量距离生成该要素知识关系网样本对应的业务要素过渡知识关系网。例如，该业务要素知识关系网可以包括不少于一个局部关系网，确定每一局部关系网的部分业务要素知识关系网与该要素知识关系网样本的特征向量距离；将每一局部关系网的部分业务要素知识关系网与该要素知识关系网样本的特征向量距离作为影响系数，对该业务要素知识关系网的每一局部关系网的部分业务要素知识关系网进行调整，得到该要素知识关系网样本对应的业务要素过渡知识关系网。

在本发明实施例中，在得到各个所述要素知识关系网样本对应的业务要素过渡知识关系网之后，可以通过特征求和等方法对各个所述要素知识关系网样本对应的业务要素过渡知识关系网进行拼接，得到该联合知识关系网。

在一些可能的示例下，可以拼接每一要素知识关系网样本，得到已拼接要素知识关系网样本；该已拼接要素知识关系网样本记载了每一要素知识关系网样本中待捕捉活跃用户行为事件的要素知识向量；基于该已拼接要素知识关系网样本和该业务要素知识关系网得到该联合知识关系网。

步骤104、将所述联合知识关系网映射成行为热力预测分布，并结合所述行为热力预测分布确定关于所述待捕捉活跃用户行为事件的行为事件捕捉报告。

在一些可能的示例下，该行为事件捕捉报告可以包括以下至少之一：该待捕捉活跃用户行为事件的标定数目、该拟分析ERP业务大数据中每一待捕捉活跃用户行为事件的分布信息（位置情况）。其中，行为热力预测分布可以理解为行为活跃度或者行为热度的分布图，用于从全局反映待捕捉活跃用户行为事件的频繁度和关注度，这样能够准确完整地得到行为事件捕捉报告。

步骤105、基于所述行为事件捕捉报告进行信息发布处理。

在本发明实施例中，可以结合行为事件捕捉报告对拟分析ERP业务大数据中的相关活跃用户行为事件进行突出标注，然后在进行信息发布时，可以提高相关活跃用户行为事件的突出程度，在信息分布时可以基于待捕捉活跃用户行为事件的标定数目、待捕捉活跃用户行为事件的分布信息进行灵活排版和发布，从而提高信息发布的智能化程度。

基于上述实施例，通过业务要素知识关系网和各个所述要素知识关系网样本生成对应的联合知识关系网，鉴于该联合知识关系网在业务要素知识关系网的前提下记载了与各个所述要素知识关系网样本对应的要素知识向量，进而，在基于该联合知识关系网确定对于所述待捕捉活跃用户行为事件的行为事件捕捉报告时，可以得到与该待捕捉活跃用户行为事件对应的行为事件捕捉报告，从而保障行为事件捕捉的精度和可信度，避免行为事件捕捉出现遗漏或者误差。进一步地，基于行为事件捕捉报告进行信息发布处理，能够准确、直观地呈现待捕捉活跃用户行为事件在ERP业务交互过程中的分布情况或者频繁性，便于提高信息发布的智能化程度。

在一些可独立的设计思路下，步骤103通过步骤201至步骤203实现。

步骤201、结合所述业务要素知识关系网和各个所述要素知识关系网样本生成各个所述要素知识关系网样本对应的知识联系描述字段。

在本发明实施例中，所述知识联系描述字段反映所述业务要素知识关系网与所述要素知识关系网样本的关联性系数（相关度）。因此，知识联系描述字段也可以理解为相关度特征或者关联性特征。

在一些可能的示例下，可以利用各个所述要素知识关系网样本对所述业务要素知识关系网进行滑动平均操作（比如卷积处理），得到各个所述要素知识关系网样本对应的知识联系描述字段。

步骤202、基于各个所述要素知识关系网样本对应的知识联系描述字段和对应的要素知识关系网样本，得到知识关联性描述矩阵。

在一些可能的示例下，鉴于每一要素知识关系网样本对应的知识联系描述字段反映了该业务要素知识关系网与该要素知识关系网样本之间的关联性系数，基于此，可以将每一要素知识关系网样本对应的知识联系描述字段作为影响系数，对该要素知识关系网样本进行拼接，得到每一要素知识关系网样本对应的局部知识关联性描述矩阵，通过拼接每一要素知识关系网样本对应的局部知识关联性描述矩阵，得到该知识关联性描述矩阵。

可以理解，该知识关联性描述矩阵的规模与该业务要素知识关系网的规模相同，知识关联性描述矩阵用于对知识联系描述字段进行统计和汇总。

步骤203、拼接所述知识关联性描述矩阵和所述业务要素知识关系网，得到联合知识关系网。

在一些可能的示例下，可以通过特征求和、特征成员加权等方式，拼接知识关联性描述矩阵和所述业务要素知识关系网，得到联合知识关系网。

可以理解的是，鉴于通过拼接低阶的业务要素知识关系网和高阶的知识关联性描述矩阵，可以避免模型调试过程中的梯度爆炸；同时，鉴于结合所述业务要素知识关系网和各个所述要素知识关系网样本生成各个所述要素知识关系网样本对应的知识联系描述字段，不仅可以引入不同ERP业务大数据样本中待捕捉活跃用户行为事件的相关性，得到的知识联系描述字段还可以确定业务要素知识关系网中与对应的要素知识关系网样本之间的关联性系数。

对于另一些可能的设计思路而言，步骤2011可以包括步骤301和步骤302。

步骤301、借助通用的去量纲节点对所述业务要素知识关系网进行处理，得到业务要素过渡知识关系网。

其中，通用的去量纲节点可以理解为共用的归一化子模型

步骤302、对于每一要素知识关系网样本，通过所述通用的去量纲节点对所述要素知识关系网样本进行处理，得到要素过渡知识关系网样本；将所述要素过渡知识关系网样本作为滑动滤波算子，将所述业务要素过渡知识关系网作为被滑动滤波的活跃用户行为事件，得到所述要素知识关系网样本对应的知识联系描述字段。

其中，每一要素知识关系网样本对应一个知识联系描述字段。滑动滤波算子可以作卷积核理解，这样可以基于去量纲处理和滑动滤波处理准确确定要素知识关系网样本对应的知识联系描述字段。

在一些可能的示例下，在得到每一要素知识关系网样本对应的知识联系描述字段之后，所述方法还可以包括步骤303。

步骤303、对各个所述要素知识关系网样本对应的知识联系描述字段进行标准化。

可以理解的是，在将要素知识关系网样本作为滑动滤波算子对业务要素知识关系网进行标准化/归一化之前，先借助通用的去量纲节点分别对要素知识关系网样本和业务要素知识关系网进行标准化，可以减少滑动平均过程的运算开销。

在另一些可能的实施例中，步骤303可以通过步骤401至步骤402实现。

步骤401、从不少于一个注意力层面对各个所述要素知识关系网样本对应的知识联系描述字段进行标准化，得到各个所述要素知识关系网样本在各个所述注意力层面下的拟拼接知识联系描述字段。

在一些可能的示例下，该不少于一个注意力层面可以包括样本维度和EPR业务场景维度。其中，基于该样本维度可以得到该样本维度对应的目标要素知识关系网样本；基于该EPR业务场景维度可以得到该EPR业务场景维度对应的业务场景知识关系网样本。

可以理解，对于每一个要素知识关系网样本对应的知识联系描述字段，在从一个注意力层面对该知识联系描述字段进行标准化时，可以得到每一个要素知识关系网样本在该注意力层面下对应的标准化知识向量。

在一些可能的示例下，所述不少于一个注意力层面包括样本维度，可以通过步骤4011至步骤4022实现所述从不少于一个注意力层面对各个所述要素知识关系网样本对应的知识联系描述字段进行标准化，得到各个所述要素知识关系网样本在各个所述注意力层面下的拟拼接知识联系描述字段。

步骤4011、对于要素知识关系网样本对应的知识联系描述字段中的每一知识分布区域，获得各个所述要素知识关系网样本对应的知识联系描述字段在所述知识分布区域处的初始关联性；对各个所述要素知识关系网样本对应的初始关联性进行标准化，得到各个所述要素知识关系网样本对应的知识联系描述字段在所述知识分布区域处的目标关联性；

其中，知识分布区域可以理解为特征位置或者特征向量所对应的分布区域。在一些可能的示例下，该要素知识关系网样本对应的知识联系描述字段可以包括多个知识分布区域。以该要素知识关系网样本对应的知识联系描述字段的规模为U*V的情况为例，该知识联系描述字段可以包括U*V个知识分布区域，换言之，每一个知识分布区域对应一个初始关联性，U*V个知识分布区域对应的初始关联性构成了该知识联系描述字段。

进一步地，鉴于每一要素知识关系网样本对应的知识联系描述字段的规模相同，因此，对于知识联系描述字段中的每一个知识分布区域，可以在每一个要素知识关系网样本对应的知识联系描述字段中找到对应的初始关联性。对于该知识分布区域，该知识分布区域对应的目标关联性是基于该知识分布区域在每一要素知识关系网样本对应的知识联系描述字段对应的初始关联性得到的。

例如，以知识分布区域（Z，Z）为例，在确定该知识分布区域（Z，Z）对应的目标关联性时，需要获得每一个要素知识关系网样本对应的知识联系描述字段中该知识分布区域（Z，Z）对应的初始关联性，比如，获得到第一要素知识关系网样本在该知识分布区域（Z，Z）的初始关联性为W1、第二要素知识关系网样本在该知识分布区域（Z，Z）的初始关联性为W2、…、第K要素知识关系网样本在该知识分布区域（Z，Z）的初始关联性为WK，则第一要素知识关系网样本在该知识分布区域（Z，Z）的目标关联性为W1/sum（W1、W2、…、WK）、第二要素知识关系网样本在该知识分布区域（Z，Z）的目标关联性为W2/sum（W1、W2、…、WK）、…、第K要素知识关系网样本在该知识分布区域（Z，Z）的目标关联性为WK/sum（W1、W2、…、WK）。

步骤4012、基于各个所述要素知识关系网样本对应的知识联系描述字段在各个所述知识分布区域处的目标关联性，生成所述各个所述要素知识关系网样本对应的目标要素知识关系网样本。

在一些可能的示例下，基于上述思路得到每一要素知识关系网样本对应的知识联系描述字段在每一知识分布区域的目标关联性之后，对于每一要素知识关系网样本，可以将该要素知识关系网样本对应的所有知识分布区域的目标关联性作为该要素知识关系网样本对应的目标要素知识关系网样本。

例如，对于每一个要素知识关系网样本，可以得到U*V个知识分布区域对应的目标关联性，这U*V个知识分布区域对应的目标关联性就形成了该要素知识关系网样本对应的目标要素知识关系网样本。

在一些可能的示例下，可以所述不少于一个注意力层面包括EPR业务场景维度，通过步骤4013实现所述从不少于一个注意力层面对各个所述要素知识关系网样本对应的知识联系描述字段进行标准化，得到所述不少于一个注意力层面中各个所述注意力层面对应的每一要素知识关系网样本对应的标准化后的知识联系描述字段。

步骤4013、对于各个所述要素知识关系网样本，获得所述要素知识关系网样本对应的知识联系描述字段在每一知识分布区域处的初始关联性，对各个所述知识分布区域处的初始关联性进行标准化，得到每一知识分布区域处的目标关联性；基于每一知识分布区域处的目标关联性，生成所述要素知识关系网样本对应的业务场景知识关系网样本。

在一些可能的示例下，该要素知识关系网样本对应的知识联系描述字段可以包括多个知识分布区域。以该要素知识关系网样本对应的知识联系描述字段的规模为U*V的情况为例，该知识联系描述字段可以包括U*V个知识分布区域，换言之，每一个知识分布区域对应一个初始关联性，U*V个知识分布区域对应的初始关联性形成了该知识联系描述字段。

与上述样本维度相异，在基于EPR业务场景维度对每一要素知识关系网样本对应的知识联系描述字段进行标准化时，不会引入不同ERP业务大数据样本（要素知识关系网样本）之间的关系，换言之，对于一个要素知识关系网样本的知识联系描述字段进行标准化时，仅考虑这个要素知识关系网样本的知识联系描述字段自身的内容。

对于每一个要素知识关系网样本（对应的知识联系描述字段），获得该要素知识关系网样本对应的知识联系描述字段在每一知识分布区域处的初始关联性，其中，每一知识分布区域处的目标关联性与该要素知识关系网样本对应的所有初始关联性相关。

例如，以一个要素知识关系网样本对应的知识联系描述字段的规模为U*V的情况为例，对于该知识联系描述字段中的每一个知识分布区域，换言之，包括（Z，Z）至（U-1，V-1）共U*V个知识分布区域，可以先获得每一知识分布区域处的初始关联性，并确定最大的初始知识联系度，对于每一个知识分布区域，该知识分布区域的目标关联性为初始知识联系度与该最大的初始知识联系度之间比值。如此反复，可以得到每一个要素知识关系网样本对应的业务场景知识关系网样本。

步骤402、基于各个所述注意力层面对应的每一要素知识关系网样本对应的标准化后的知识联系描述字段，生成所述要素知识关系网样本对应的标准化后的知识联系描述字段。

在一些可能的示例下，可以通过步骤4021实现上述基于各个所述注意力层面对应的每一要素知识关系网样本对应的标准化后的知识联系描述字段，生成所述要素知识关系网样本对应的标准化后的知识联系描述字段。

步骤4021、对于各个所述要素知识关系网样本，基于设定特征运算策略对各个所述注意力层面对应的标准化后的知识联系描述字段进行拼接，生成所述要素知识关系网样本对应的标准化后的知识联系描述字段。

其中，该要素知识关系网样本对应的每一注意力层面的标准化后的知识联系描述字段的规模是相同。在该不少于一个注意力层面包括EPR业务场景维度和样本维度的情况下，得到的目标要素知识关系网样本和业务场景知识关系网样本的规模是相同的。

在一些可能的示例下，可以基于设定特征运算策略（比如元素乘法），对该目标要素知识关系网样本和业务场景知识关系网样本进行拼接，得到该要素知识关系网样本对应的标准化后的知识联系描述字段。

可见，在得到各个要素知识关系网样本对应的知识联系描述字段之后，还对该知识联系描述字段进行标准化，不仅可以减少运算开销，提高模型训练效率，还可以规避梯度过载。并且，本发明实施例还基于样本维度对多个要素知识关系网样本对应的知识联系描述字段进行标准化，得到的标准化后的知识联系描述字段可以引入各个ERP业务大数据样本（要素知识关系网样本）之间的差异；同时本发明实施例还基于EPR业务场景维度对每一要素知识关系网样本对应的知识联系描述字段进行标准化，得到的标准化后的知识联系描述字段可以反映出业务要素知识关系网在不同分布与要素知识关系网样本之间的关联性系数；相应地，在拼接样本维度对应的目标要素知识关系网样本和EPR业务场景维度对应的业务场景知识关系网样本之后，可以使得处理后的标准化后的知识联系描述字段不仅可以引入各个ERP业务大数据样本（要素知识关系网样本）之间的不同，还可以反映出业务要素知识关系网在不同分布与要素知识关系网样本之间的关联性系数。

在另一些可能的设计思路下，步骤103之后，所述方法还包括步骤501，步骤104可以调整为步骤502。

步骤501、将所述联合知识关系网作为所述业务要素知识关系网并跳转至所述结合所述业务要素知识关系网和所述要素知识关系网样本构造联合知识关系网的步骤，以实现循环操作。

在一些可能的示例下，在基于该拟分析ERP业务大数据和不少于一个ERP业务大数据样本得到该联合知识关系网之后，即完成了一轮循环操作，换言之，一轮循环操作包括：结合所述业务要素知识关系网和各个所述要素知识关系网样本构造联合知识关系网。

其中，在完成一轮循环操作之后，可以将上一轮循环操作得到的联合知识关系网作为本轮循环操作中拟分析ERP业务大数据对应的业务要素知识关系网，并基于该新的业务要素知识关系网（上一轮循环操作得到的联合知识关系网）和各个所述要素知识关系网样本生成（本轮循环操作的）联合知识关系网。

在一些可能的示例下，可以获得预设的循环操作轮数，在执行该步骤501之前，可以先判断当前循环操作轮数是否达到所述预设的循环操作轮数，在达到该预设的循环操作轮数的情况下，直接将（上一轮循环操作得到的）联合知识关系网作为最终的联合知识关系网，并基于该最终的联合知识关系网确定行为事件捕捉报告；在未达到该预设的循环操作轮数的情况下，将上一轮循环操作得到的联合知识关系网作为本轮循环操作中拟分析ERP业务大数据对应的业务要素知识关系网，并基于该新的业务要素知识关系网（上一轮循环操作得到的联合知识关系网）和各个所述要素知识关系网样本生成（本轮循环操作的）联合知识关系网。

步骤502、将循环操作后的联合知识关系网映射成行为热力预测分布，并结合所述行为热力预测分布确定关于所述待捕捉活跃用户行为事件的行为事件捕捉报告。

在一些可能的示例下，将循环操作后的联合知识关系网作为最终的联合知识关系网。

可见，通过将得到的联合知识关系网作为原始的拟分析ERP业务大数据的业务要素知识关系网，并与不少于一个要素知识关系网样本得到新的联合知识关系网，由此，基于不少于一轮的循环，可以不断地对该联合知识关系网进行优化改进，使得最终的联合知识关系网与要素知识关系网样本之间的相关度更高，进而可以得到更加准确的行为事件捕捉报告。

在一些可能的实施例中，步骤104可以包括步骤601至步骤602。

步骤601、将所述联合知识关系网映射成行为热力预测分布。

在一些可能的示例下，可以通过步骤6011至步骤6012实现上述将所述联合知识关系网映射成行为热力预测分布。

步骤6011、对所述联合知识关系网进行循环滑动平均操作。

步骤6012、对循环滑动平均操作后的联合知识关系网进行知识扩展，得到与所述拟分析ERP业务大数据规模相同的行为热力预测分布。

步骤602、结合所述行为热力预测分布确定关于所述待捕捉活跃用户行为事件的行为事件捕捉报告。

在一些可能的示例下，可以通过步骤6021实现上述结合所述行为热力预测分布确定关于所述待捕捉活跃用户行为事件的行为事件捕捉报告。

步骤6021、对所述行为热力预测分布进行加权，得到所述拟分析ERP业务大数据中所述待捕捉活跃用户行为事件的标定数目。

在一些可能的示例下，该行为热力预测分布中各个分布的量化值的区间为[0，1]，在拟分析ERP业务大数据中一个分布存在待捕捉活跃用户行为事件的情况下，行为热力预测分布中该分布处的量化值越大，并越接近1。其中，若该拟分析ERP业务大数据中不存在任意一个待捕捉活跃用户行为事件，对应的行为热力预测分布中各个分布处的量化值均为0；在该拟分析ERP业务大数据中（I，J）处存在一个待捕捉活跃用户行为事件的情况下，该待捕捉活跃用户行为事件可以影响行为热力预测分布中（I，J）对应的被影响数据集的量化值大小。可以理解，在该被影响数据集中，所有分布的量化值和为1，换言之，拟分析ERP业务大数据中的一个待捕捉活跃用户行为事件，可以使得行为热力预测分布中各个分布的量化值和加1。由此，可以通过对所述行为热力预测分布进行加权，得到所述拟分析ERP业务大数据中所述待捕捉活跃用户行为事件的标定数目。

在一些可能的示例下，可以通过步骤6022实现上述结合所述行为热力预测分布确定关于所述待捕捉活跃用户行为事件的行为事件捕捉报告。

步骤6022、获得所述行为热力预测分布中的阶段行为热力成员，并通过最优检测策略对所述阶段行为热力成员进行抽取，得到所述待捕捉活跃用户行为事件的分布；所述阶段行为热力成员的热力变量大于邻居行为热力成员的热力变量。

在一些可能的示例下，鉴于行为热力预测分布中各个分布处的量化值越大，表征拟分析ERP业务大数据中该分布处存在待捕捉活跃用户行为事件的可能性越高，因此，可以通过获得所述行为热力预测分布中的阶段行为热力成员确定初步的待捕捉活跃用户行为事件的分布。引入存在偏差的情况，换言之，对于拟分析ERP业务大数据中相同的待捕捉活跃用户行为事件，在该行为热力预测分布中存在对应的至少两个阶段行为热力成员，如此，需要采用最优检测策略（非最大值抑制）对得到的所述阶段行为热力成员进行抽取，进而得到所述待捕捉活跃用户行为事件的分布。

可以理解的是，不仅可以获得到拟分析ERP业务大数据中待捕捉活跃用户行为事件的标定数目，还可以得到该拟分析ERP业务大数据中每一待捕捉活跃用户行为事件的分布，提升了后续进行信息发布的丰富程度和智能化程度。

在一些可独立的实施例中，在步骤105所描述的基于所述行为事件捕捉报告进行信息发布处理之后，该方法还可以包括如下内容：响应于针对信息发布过程中的目标活跃用户行为事件的需求挖掘指令，对所述拟分析ERP业务大数据中与所述目标活跃用户行为事件匹配的业务数据集进行需求挖掘，得到目标用户需求。

在一些可独立的实施例中，对所述拟分析ERP业务大数据中与所述目标活跃用户行为事件匹配的业务数据集进行需求挖掘，得到目标用户需求，可以包括如下内容：获得所述拟分析ERP业务大数据中与所述目标活跃用户行为事件匹配的业务数据集；通过调用完成配置的行为需求挖掘网络对所述业务数据集进行处理，得到所述业务数据集的目标用户需求，其中，所述行为需求挖掘网络包括连接的向量挖掘子模型和需求预测子模型，所述行为需求挖掘网络的配置思路为：获取第一网络配置依据，所述第一网络配置依据包括多个第一业务数据；将每个所述第一业务数据中包含的至少一个信息项进行调整，得到各所述第一业务数据对应的第二业务数据；基于各所述第一业务数据和各所述第二业务数据，对原始向量挖掘子模型进行配置，直至所述原始向量挖掘子模型对应的模型代价指标处于稳定状态，得到预配置后的向量挖掘子模型，其中，所述原始向量挖掘子模型的输入包括各所述第二业务数据，输出包括各所述第二业务数据对应的业务数据属性向量，所述模型代价指标的值反映了各所述第一业务数据的业务数据属性向量和对应的第二业务数据的业务数据属性向量之间的差异；获取第二网络配置依据，基于所述第二网络配置依据对所述预配置后的向量挖掘子模型和原始需求预测子模型进行配置，得到所述行为需求挖掘网络。如此，通过调整信息项的方式进行训练配置得到的行为需求挖掘网络具有较强的鲁棒性，这样在进行行为需求挖掘时能够减少噪声影响，从而提高目标用户需求的精度和可信度。

在一些可独立的实施例中，所述通过调用完成配置的行为需求挖掘网络对所述业务数据集进行处理，得到所述业务数据集的目标用户需求，包括：将所述业务数据集加载到所述行为需求挖掘网络的向量挖掘子模型，得到所述业务数据集的业务数据属性向量；将所述业务数据集的业务数据属性向量加载到所述行为需求挖掘网络的需求预测子模型，得到所述业务数据集的目标用户需求；其中，所述业务数据集的业务数据属性向量由所述向量挖掘子模型通过如下思路确定：提取所述业务数据集包含的各信息项的原始分类描述向量；对于每一信息项的原始分类描述向量，由至少一层第一知识挖掘单元基于该信息项的原始分类描述向量以及位于该信息项设定区间内的各信息项的原始分类描述向量，提取得到该信息项的第一分类描述向量；基于各所述信息项对应的第一分类描述向量得到所述业务数据属性向量。如此，可以基于分类描述向量和多次知识挖掘确保业务数据属性向量的完整性，从而避免目标用户需求出现缺失，提高目标用户需求的可信度。

基于上述相同或相似的发明构思，请结合参阅图2，还提供了一种基于人工智能的ERP信息发布方法的应用环境30的架构示意图，包括互相之间通信的AI系统10和ERP服务器20，AI系统10和ERP服务器20在运行时实现或者部分实现上述方法实施例所描述的技术方案。

进一步地，还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。

在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。