结合大数据服务的业务场景识别方法及深度学习服务系统
文献发布时间:2023-06-19 11:57:35
技术领域
本公开涉及人工智能分类技术领域,示例性地,涉及一种结合大数据服务的业务场景识别方法及深度学习服务系统。
背景技术
随着深度学习技术的不断发展,通过深度学习进行业务互动过程中的场景识别后,可以针对性学习业务互动过程中的关键场景对象的数据信息,进而可以为业务更新和更新提供信息决策和数据支持。
相关技术中,在进行业务场景识别时,考虑的信息不够全面,导致互动场景属性的准确度和业务场景识别效果较差。
发明内容
为了至少克服现有技术中的上述不足,本公开的目的在于提供一种结合大数据服务的业务场景识别方法及深度学习服务系统。
第一方面,本公开提供一种结合大数据服务的业务场景识别方法,应用于深度学习服务系统,所述深度学习服务系统与多个业务互动终端通信连接,所述方法包括:
获取业务互动事件对应的目标互动响应数据和目标业务应答数据,并提取所述目标互动响应数据的互动响应数据分量和所述目标业务应答数据的业务数据分量;
对所述互动响应数据分量进行场景属性预测,根据场景属性预测信息得到所述业务互动事件的响应互动场景属性,并对所述业务数据分量进行场景属性预测,根据场景属性预测信息得到所述业务互动事件的应答互动场景属性;
对所述互动响应数据分量和所述业务数据分量进行分量映射处理,得到所述互动响应数据分量和所述业务数据分量的分量映射信息;
根据所述响应互动场景属性、所述应答互动场景属性和所述分量映射信息,确定所述业务互动事件的目标互动场景属性,以便于基于各个业务互动事件的目标互动场景属性进行对应的大数据服务更新。
在第一方面的一种可能的设计思路中,所述基于各个业务互动事件的目标互动场景属性进行对应的大数据服务更新的步骤,包括:
根据所述业务互动终端的各个业务互动事件的目标互动场景属性获取所述业务互动终端的关键业务互动数据集;
获取所述关键业务互动数据集中的第一互动过程数据和第二互动过程数据,其中,所述关键业务互动数据集中包括在业务互动场景中生成的互动过程数据;
对所述第一互动过程数据和所述第二互动过程数据进行互动兴趣点识别,得到所述第一互动过程数据中与所述目标互动兴趣点对应的第一数据分区,和所述第二互动过程数据中与所述目标互动兴趣点对应的第二数据分区;
针对所述第一数据分区对应的第一数据分区属性特征,在所述第二互动过程数据中进行交叠属性特征定位,得到对应的交叠属性特征;
根据所述第二数据分区对应的第二数据分区属性特征和所述交叠属性特征,对所述第一互动过程数据和所述第二互动过程数据内的目标互动兴趣点进行融合,并基于各个融合目标互动兴趣点的目标互动过程数据对所述业务互动终端的大数据推送服务进行业务更新后,基于业务更新后的大数据推送服务进行业务推送。
在第一方面的一种可能的设计思路中,所述基于各个融合目标互动兴趣点的目标互动过程数据对所述业务互动终端的大数据推送服务进行业务更新后,基于业务更新后的大数据推送服务进行业务推送的步骤,包括:
获取所述各个融合目标互动兴趣点的目标互动过程数据中包含目标更新服务标签分量的目标服务标签数据,对所述目标服务标签数据进行分组处理,得到所述目标服务标签数据对应的分组服务标签数据;
获取所述目标服务标签数据对应的目标更新进程,通过所述目标更新进程从所述分组服务标签数据中提取第一服务标签分量特征和第二服务标签分量特征,将所述第一服务标签分量特征和所述第二服务标签分量特征进行映射融合,得到与所述目标服务标签数据相关联的服务标签标签融合特征;
根据所述服务标签标签融合特征、所述目标更新进程,对所述分组服务标签数据进行服务标签更新分量分析,得到所述分组服务标签数据对应的服务标签更新分量分析结果;
若所述服务标签更新分量分析结果指示所述目标服务标签数据中存在满足服务标签更新条件的分组服务标签数据,则将所述目标更新服务标签分量确定为待更新对象,并基于所述待更新对象以及所述待更新对象对应的满足服务标签更新条件的分组服务标签数据对所述业务互动终端的大数据推送服务进行更新。
譬如,在第一方面的一种可能的设计思路中,所述基于所述待更新对象以及所述待更新对象对应的满足服务标签更新条件的分组服务标签数据对所述业务互动终端的大数据推送服务进行更新的步骤,包括:
提取所述待更新对象对应的满足服务标签更新条件的分组服务标签数据中每个目标服务标签标识所对应的服务标签数据源,在从所述服务标签数据源的数据源接口中获取所述服务标签数据源在数据源索引时所关联的原始源服务元素列表的同时,并行地提取所述服务标签数据源的推送源特征分量;
基于提取到的推送源特征分量确定用于对所述原始源服务元素列表进行数据源索引分析的数据源索引处理兴趣架构信息,从所述数据源索引处理兴趣架构信息中提取出多个待使用的兴趣架构运行信息节点的兴趣架构参数以及不同兴趣架构运行信息节点之间的兴趣架构共享信息,根据所述兴趣架构参数和所述兴趣架构共享信息对多个待使用的兴趣架构运行信息节点进行数据源索引处理得到至少两个目标兴趣架构运行信息元素;其中,所述目标兴趣架构运行信息元素的兴趣架构参数的运行环境区间位于设定区间内且不同的目标兴趣架构运行信息元素之间的兴趣架构共享信息的差异度小于设定值;
通过所述目标兴趣架构运行信息元素对所述原始源服务元素列表进行数据源索引分析,得到待更新源服务元素列表;
根据预先确定出的目标推送源特征分量确定所述待更新源服务元素列表的热点数据源索引库更新分布,以及根据确定出的所述待更新源服务元素列表中的业务标签确定所述待更新源服务元素列表的热点数据源索引库扩展分布;
基于所述热点数据源索引库更新分布和所述热点数据源索引库扩展分布对所述待更新源服务元素列表进行关键更新服务标签标识提取,得到关键更新服务标签标识集;
基于所述关键更新服务标签标识集对所述业务互动终端的大数据推送服务进行更新。
第二方面,本公开实施例还提供一种结合大数据服务的业务场景识别系统,所述结合大数据服务的业务场景识别系统包括深度学习服务系统以及与所述深度学习服务系统通信连接的多个业务互动终端;
所述深度学习服务系统,用于:
获取待挖掘的目标金融业务支付数据,对所述目标金融业务支付数据进行分量提取,得到目标业务支付分量,所述目标业务支付分量包括所述目标金融业务支付数据对应的目标支付业务场景分量,所述目标金融业务支付数据为所述业务互动终端的历史金融业务支付数据;
获取所述目标金融业务支付数据中的目标支付指向业务,确定所述目标支付指向业务对应的第一相关支付指向业务;
根据所述第一相关支付指向业务的业务描述分量以及对应的业务热度信息,确定所述目标支付指向业务对应的目标主题描述分量,其中,所述业务热度信息根据所述目标支付业务场景分量与频繁项订阅场景分量之间的相关性参数得到,所述频繁项订阅场景分量为表示支付指向业务的频繁项订阅场景的分量;
将所述目标业务支付分量与所述目标支付指向业务对应的目标主题描述分量进行联接,得到目标联接分量,根据所述目标联接分量确定所述目标金融业务支付数据对应的挖掘信息。
根据上述任意一个方面,本公开提供的实施方式中,获取业务互动事件对应的互动响应数据和业务应答数据,进而提取互动响应数据分量和业务数据分量,通过综合考虑根据互动响应数据分量得到的互动场景属性、根据业务数据分量得到的互动场景属性以及互动响应数据分量和业务数据分量的分量映射信息,确定业务互动事件的互动场景属性。在此种业务场景识别的过程中,除考虑互动响应数据方面的信息外,还考虑业务应答数据方面的信息以及两个方面之间的匹配信息,考虑的信息较全面,识别稳定性较高,有利于提高互动场景属性的准确度,业务场景识别效果更高。
附图说明
图1为本公开实施例提供的结合大数据服务的业务场景识别系统的应用场景示意图;
图2为本公开实施例提供的结合大数据服务的业务场景识别方法的流程示意图;
图3为本公开实施例提供的结合大数据服务的业务场景识别装置的功能模块示意图;
图4为本公开实施例提供的用于实现上述的结合大数据服务的业务场景识别方法的深度学习服务系统的结构组件示意框图。
具体实施方式
下面结合说明书附图对本公开进行具体说明,方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。
图1是本公开一种实施例提供的结合大数据服务的业务场景识别系统10的交互示意图。结合大数据服务的业务场景识别系统10可以包括深度学习服务系统100以及与深度学习服务系统100通信连接的业务互动终端200。图1所示的结合大数据服务的业务场景识别系统10仅为一种可行的示例,在其它可行的实施例中,该结合大数据服务的业务场景识别系统10也可以仅包括图1所示组成部分的其中的至少部分或者还可以包括其它的组成部分。
在一种可能的设计思路中,结合大数据服务的业务场景识别系统10中的深度学习服务系统100和业务互动终端200可以通过配合执行以下方法实施例所描述的结合大数据服务的业务场景识别方法,具体深度学习服务系统100和业务互动终端200的执行步骤部分可以参照以下方法实施例的详细描述。
为了解决前述背景技术中的技术问题,图2为本公开实施例提供的结合大数据服务的业务场景识别方法的流程示意图,本实施例提供的结合大数据服务的业务场景识别方法可以由图1中所示的深度学习服务系统100执行,下面对该结合大数据服务的业务场景识别方法进行详细介绍。
步骤S110,获取业务互动事件对应的目标互动响应数据和目标业务应答数据,并提取目标互动响应数据的互动响应数据分量和目标业务应答数据的业务数据分量。
在一种可能的设计思路中,业务互动事件是指需要进行业务场景识别的任一业务互动事件。需要说明的是,业务互动事件可能是实际业务场景中发起的业务互动事件,也可能是模拟的业务互动事件,在此不作限定。当业务互动事件为模拟的业务互动事件时,业务互动事件可能是经过模拟器模拟生成的互动数据流等。
无论是哪种业务互动事件,在进行业务场景识别的过程中,业务互动事件处于业务互动程序的业务区域,在接收到业务场景识别指令后,业务互动程序采集业务互动事件对应的目标互动响应数据(即在互动过程中针对每个互动指令产生直接业务响应的数据,如互动内容的反馈响应数据),由此,业务互动程序获取业务互动事件对应的目标互动响应数据。
在一种可能的设计思路中,除获取业务互动事件对应的目标互动响应数据外,还可以获取业务互动事件对应的目标业务应答数据(即在互动过程中针对每个业务应答节点或业务沟通节点产生双向反馈应答的数据,如互动内容的反馈响应数据的应答内容数据)。业务行为在互动过程中,触发业务应答节点或业务沟通节点时会产生应答,所产生业务应答数据中,不仅包含应答过程的业务跨度信息,亦包含应答业务层或业务应答节点本身的应答标签信息。在一种可能的设计思路中,满足条件的业务应答数据可以是指在产生业务应答数据后的参考时序段或者业务段内接收到的业务应答数据。参考时序段或者业务段可以根据经验设置,也可以根据应用场景灵活调整,在此不作具体限定。在产生业务应答数据后的参考时序段或者业务段内接收到的业务应答数据可以视为业务互动事件应答的业务数据,较少其它业务应答数据的干扰。在一种可能的设计思路中,在实际场景中,在向业务互动事件产生业务应答数据后,除了可以接收到业务应答数据外,还可以接收到产生业务互动行为的直接业务数据,直接业务数据的业务跨度相比业务应答数据更短,业务层属性区别相对业务应答数据更少,因此,将此部分直接业务数据进行过滤剔除,可以从一定程度上避免直接业务数据的不良影响。
在此需要说明的是,业务互动事件对应的目标业务应答数据可能是指由业务互动事件对产生的业务互动行为进行应答后的真实业务应答数据,也可能是指预先准备好的模拟业务应答数据。示例性地,假设在对业务互动事件进行业务场景识别的过程中,业务应答组件被设置为未激活状态,并且在业务互动事件的节点处模拟反馈预先准备好的其它对象的业务应答数据,此种情况下,获取的业务互动事件对应的目标业务应答数据为预先准备好的模拟业务应答数据。
需要说明的是,对于业务互动事件为真实互动事件的情况,若业务互动事件对应的目标业务应答数据是指由业务互动事件对产生的业务互动行为进行应答后的真实业务应答数据,则业务互动事件对应的目标业务应答数据为真实的应答的业务应答数据。
在一种可能的设计思路中,在获取目标互动响应数据和目标业务应答数据后,可以提取目标互动响应数据的互动响应数据分量和目标业务应答数据的业务数据分量,进而便于利用互动响应数据分量和业务数据分量实现后续的业务场景识别过程。
在一种可能的设计思路中,业务场景识别过程可以调用业务场景识别单元实现。业务场景识别单元包括响应分量提取单元、应答分量提取单元、响应场景属性预测单元、应答场景属性预测单元和目标分量映射单元。业务场景识别单元通过配置得到,配置得到业务场景识别单元的过程可以在终端进行,也可以在服务器进行,在此不作具体限定。配置得到业务场景识别单元的过程详见下述的实施例,此处暂不赘述。
在业务场景识别单元中,响应分量提取单元用于提取互动响应数据的分量,本公开实施例对响应分量提取单元的单元结构不加以限定,只要能够起到提取互动响应数据分量的功能即可。示例性地,响应分量提取单元的单元结构为卷积神经单元。应答分量提取单元用于业务数据的分量,本公开实施例对应答分量提取单元的单元结构同样不加以限定,示例性地,应答分量提取单元的单元结构同样也可以为卷积神经单元。需要说明的是,即使响应分量提取单元和应答分量提取单元的单元结构均为卷积神经单元,由于响应分量提取单元和应答分量提取单元针对的分量提取对象不同,所以卷积神经单元具有不同的参数。
在一种可能的设计思路中,提取目标互动响应数据的互动响应数据分量和目标业务应答数据的业务数据分量的方式为:调用响应分量提取单元提取目标互动响应数据的互动响应数据分量;调用应答分量提取单元提取目标业务应答数据的业务数据分量。
由于本公开实施例中的互动响应数据分量和业务数据分量用于进行业务场景识别,所以互动响应数据分量和业务数据分量均携带业务场景识别方面的信息,以便于根据互动响应数据分量和业务数据分量执行后续的业务场景识别过程。在一种可能的设计思路中,业务数据分量可以为向量,通过对业务数据分量组合对应的向量进行标准化,可以获知应答业务层是否包含复杂业务沟通节点,以及复杂业务沟通节点是否包含真实业务互动行为。在一种可能的设计思路中,互动响应数据分量和业务数据分量除均携带业务场景识别方面的信息外,还可以均携带业务跨度和业务层级方面的信息,以便于进一步提高根据互动响应数据分量和业务数据分量进行业务场景识别的可靠性。业务跨度和业务层级方面的信息用于指示业务执行对象与业务互动事件之间的业务跨度和业务层级。
示例性地,对于业务数据分量而言,业务执行对象与业务互动事件之间的业务跨度和业务层级是指业务执行对象的业务覆盖节点(例如主要应答业务沟通节点)与业务互动事件的业务覆盖节点之间的业务跨度和业务层级。
步骤S120,对互动响应数据分量进行场景属性预测,根据场景属性预测信息得到业务互动事件的响应互动场景属性,并对业务数据分量进行场景属性预测,根据场景属性预测信息得到业务互动事件的应答互动场景属性。
本实施例中,互动响应数据分量携带业务场景识别方面的信息,在提取到互动响应数据分量后,对互动响应数据分量进行场景属性预测,根据场景属性预测信息得到业务互动事件的响应互动场景属性。该响应互动场景属性用于指示业务互动事件在互动响应数据层面的互动场景属性。响应互动场景属性指示的含义包括:业务互动事件为关键场景对象,或者,业务互动事件为非关键场景对象。
业务数据分量同样携带业务场景识别方面的信息,在提取到业务数据分量后,对业务数据分量进行场景属性预测,根据场景属性预测信息得到业务互动事件的应答互动场景属性。该应答互动场景属性用于指示业务互动事件在业务应答数据层面的互动场景属性。应答互动场景属性指示的含义包括:业务互动事件为关键场景对象,或者,业务互动事件为非关键场景对象。
需要说明的是,本公开实施例中提及的业务互动事件为关键场景对象是指业务互动事件具有真实的业务互动行为,业务互动事件为非关键场景对象是指业务互动事件不具有真实的业务互动行为。
对于调用业务场景识别单元实现业务场景识别过程的情况,业务场景识别单元中的响应场景属性预测单元用于对互动响应数据分量进行场景属性预测,以根据场景属性预测信息得到互动响应数据层面的互动场景属性;业务场景识别单元中的应答场景属性预测单元用于对业务数据分量进行场景属性预测,以根据场景属性预测信息得到业务应答数据层面的互动场景属性。本公开实施例对响应场景属性预测单元和应答场景属性预测单元的单元结构不加以限定,响应场景属性预测单元和应答场景属性预测单元的单元结构可以相同,也可以不同。示例性地,响应场景属性预测单元和应答场景属性预测单元均可以包括ReLU函数层,利用ReLU函数层进行场景属性预测并输出互动场景属性。
在一种可能的设计思路中,对互动响应数据分量进行场景属性预测,根据场景属性预测信息得到业务互动事件的响应互动场景属性,包括:调用响应场景属性预测单元对互动响应数据分量进行场景属性预测,根据场景属性预测信息得到业务互动事件的响应互动场景属性。对业务数据分量进行场景属性预测,根据场景属性预测信息得到业务互动事件的应答互动场景属性,包括:调用应答场景属性预测单元对业务数据分量进行场景属性预测,根据场景属性预测信息得到业务互动事件的应答互动场景属性。
对分量进行场景属性预测后,可以得到场景属性预测信息,该场景属性预测信息中包括不同类别的置信度。在一种可能的设计思路中,场景属性预测的过程可视为二分类过程,场景属性预测信息中包括关键场景对象类别的置信度和非关键场景对象类别的置信度。无论是对互动响应数据分量进行场景属性预测,还是对业务数据分量进行场景属性预测,在场景属性预测后,均可以得到包括关键场景对象类别的置信度和非关键场景对象类别的置信度的场景属性预测信息,进而根据场景属性预测信息得到待分类对应的互动场景属性。
在一种可能的设计思路中,对互动响应数据分量进行场景属性预测,根据场景属性预测信息得到业务互动事件的响应互动场景属性的方式包括但不限于以下两种。
可替代方案A:将对互动响应数据分量进行场景属性预测后得到场景属性预测信息作为业务互动事件的响应互动场景属性。
在此种可替代方案A下,业务互动事件的响应互动场景属性中同样包括关键场景对象类别的置信度和非关键场景对象类别的置信度,根据关键场景对象类别的置信度和非关键场景对象类别的置信度的大小关系,确定响应互动场景属性指示的具体属性含义。
可替代方案B当对互动响应数据分量进行场景属性预测后得到场景属性预测信息中的关键场景对象类别的置信度大于非关键场景对象类别的置信度时,将业务互动事件为关键场景对象作为业务互动事件的响应互动场景属性;当对互动响应数据分量进行场景属性预测后得到场景属性预测信息中关键场景对象类别的置信度小于非关键场景对象类别的置信度时,将业务互动事件为非关键场景对象作为业务互动事件的响应互动场景属性。
在此种可替代方案B下,响应互动场景属性直接指示业务互动事件是否为非关键场景对象。
类似地,对业务数据分量进行场景属性预测,根据场景属性预测信息得到业务互动事件的应答互动场景属性的方式包括两种:将对业务数据分量进行场景属性预测后得到场景属性预测信息作为业务互动事件的应答互动场景属性。或者,当对业务数据分量进行场景属性预测后得到场景属性预测信息中的关键场景对象类别的置信度大于非关键场景对象类别的置信度时,将业务互动事件为关键场景对象作为业务互动事件的应答互动场景属性;当对业务数据分量进行场景属性预测后得到场景属性预测信息中关键场景对象类别的置信度小于非关键场景对象类别的置信度时,将业务互动事件为非关键场景对象作为业务互动事件的应答互动场景属性。
响应互动场景属性和应答互动场景属性为业务互动事件在两个不同层面的互动场景属性,响应互动场景属性和应答互动场景属性均可认为是业务互动事件的初步互动场景属性,直接根据响应互动场景属性和第二检测结果难以准确确定业务互动事件的最终互动场景属性。需要进一步根据步骤S130判断目标互动响应数据和目标业务应答数据是否来自同一对象,在确定目标互动响应数据和目标业务应答数据是否来自同一对象的基础上,结合响应互动场景属性和应答互动场景属性,确定业务互动事件的最终互动场景属性,此种方式确定的互动场景属性可靠性高。
步骤S130,对互动响应数据分量和业务数据分量进行分量映射处理,得到互动响应数据分量和业务数据分量的分量映射信息。
在根据步骤S120得到互动响应数据分量和业务数据分量后,对互动响应数据分量和业务数据分量进行分量映射处理,以得到互动响应数据分量和业务数据分量的分量映射信息。互动响应数据分量和业务数据分量的分量映射信息用于指示互动响应数据分量和业务数据分量是否存在映射关联关系。互动响应数据分量和业务数据分量是否存在映射关联关系可以用于说明互动响应数据分量和业务数据分量是否来自同一对象。当互动响应数据分量和业务数据分量的分量映射信息指示互动响应数据分量和业务数据分量存在映射关联关系时,说明互动响应数据分量和业务数据分量来自同一对象;当互动响应数据分量和业务数据分量的分量映射信息指示互动响应数据分量和业务数据分量映射失败时,说明互动响应数据分量和业务数据分量可能来自不同对象。
需要说明的是,虽然目标对象和目标业务应答数据均是业务互动事件对应的,但是可能不均来自于业务互动事件。例如,对于业务应答组件被设置为未激活状态,在业务互动事件的节点处预先配置预先准备好的其它对象的业务应答数据的情况下,获取的业务互动事件对应的目标业务应答数据为预先准备好的模拟业务应答数据。此时,目标互动响应数据来自业务互动事件,目标业务应答数据来自其它对象,目标互动响应数据和目标业务应答数据来自不同对象。此种情况下,目标互动响应数据对应的互动响应数据分量和目标业务应答数据对应的业务数据分量来自不同对象。
对于调用业务场景识别单元实现业务场景识别过程的情况,业务场景识别单元中的目标分量映射单元用于对互动响应数据分量和业务数据分量进行分量映射处理,以判断互动响应数据分量和业务数据分量是否匹配。在一种可能的设计思路中,对互动响应数据分量和业务数据分量进行分量映射处理,得到互动响应数据分量和业务数据分量的分量映射信息的方式为:调用目标分量映射单元对互动响应数据分量和业务数据分量进行分量映射处理,得到互动响应数据分量和业务数据分量的分量映射信息。
在一种可能的设计思路中,目标分量映射单元的单元结构包括但不限于以下两种情况。
情况一:目标分量映射单元包括目标关联参数计算子单元。
目标关联参数计算子单元用于计算两个分量之间的关联参数值。
在一种可能的设计思路中,在此种情况之下,调用目标分量映射单元对互动响应数据分量和业务数据分量进行分量映射处理,得到互动响应数据分量和业务数据分量的分量映射信息的过程为:将互动响应数据分量和业务数据分量输入目标关联参数计算子单元,得到目标关联参数计算子单元计算的互动响应数据分量和业务数据分量之间的关联参数值,将互动响应数据分量和业务数据分量之间的关联参数值作为互动响应数据分量和业务数据分量的分量映射信息。此时,分量映射信息为关联参数值(如相似度值)。
在此种获取分量映射信息的情况下,分量映射信息指示互动响应数据分量和业务数据分量存在映射关联关系是指关联参数值指示互动响应数据分量和业务数据分量存在映射关联关系。在一种可能的设计思路中,关联参数值指示互动响应数据分量和业务数据分量存在映射关联关系是指关联参数值不小于目标关联参数阈值。由于当互动响应数据分量和业务数据分量存在映射关联关系时,说明互动响应数据分量和业务数据分量来自同一对象。所以,当关联参数值不小于目标关联参数阈值时,说明互动响应数据分量和业务数据分量均来自业务互动事件。需要说明的是,目标关联参数阈值可以根据经验设置,也可以根据应用场景灵活调整,在此不作具体限定。
在一种可能的设计思路中,目标关联参数计算子单元的主体为一个关联参数计算矩阵,互动响应数据分量和业务数据分量均为向量,在目标关联参数计算子单元中,计算互动响应数据分量组合对应的向量、关联参数计算矩阵和业务数据分量组合对应的向量这三者之间的乘积,将乘积作为互动响应数据分量和业务数据分量之间的关联参数值。
情况二:目标分量映射单元包括目标分量融合子单元和目标场景属性预测子单元。
目标分量融合子单元用于将两个分量进行融合,目标场景属性预测子单元用于对融合后的分量进行场景属性预测。
在一种可能的设计思路中,在此种情况之下,调用目标分量映射单元对互动响应数据分量和业务数据分量进行分量映射处理,得到互动响应数据分量和业务数据分量的分量映射信息的过程为:将互动响应数据分量和业务数据分量输入目标分量融合子单元进行融合,得到目标融合分量,调用目标场景属性预测子单元对目标融合分量进行场景属性预测,得到目标场景属性预测信息,将目标场景属性预测信息作为互动响应数据分量和业务数据分量的分量映射信息。此时,分量映射信息为目标场景属性预测信息。
在目标分量融合子单元中,对互动响应数据分量和业务数据分量进行融合的方式可以是指将互动响应数据分量和业务数据分量进行加和,也可以是指将互动响应数据分量和业务数据分量进行拼接,在此不作具体限定。目标场景属性预测子单元可以包括ReLU函数层,利用ReLU函数层对目标融合分量进行场景属性预测并得到场景属性预测信息。
在一种可能的设计思路中,目标场景属性预测信息中包括第一置信度和第二置信度这两个置信度,第一置信度表示互动响应数据分量和业务数据分量来自同一对象的置信度,第二置信度表示互动响应数据分量和业务数据分量来自不同对象的置信度。
在此种获取分量映射信息的情况下,分量映射信息指示互动响应数据分量和业务数据分量存在映射关联关系是指目标场景属性预测信息指示互动响应数据分量和业务数据分量存在映射关联关系。在一种可能的设计思路中,目标场景属性预测信息指示互动响应数据分量和业务数据分量存在映射关联关系是指目标场景属性预测信息中第一置信度大于第二置信度。由于当互动响应数据分量和业务数据分量存在映射关联关系时,说明互动响应数据分量和业务数据分量来自同一对象。所以,当目标场景属性预测信息中第一置信度大于第二置信度时,说明互动响应数据分量和业务数据分量均来自业务互动事件。
步骤S140,根据响应互动场景属性、应答互动场景属性和分量映射信息,确定业务互动事件的目标互动场景属性,以便于基于各个业务互动事件的目标互动场景属性进行对应的大数据服务更新。
在根据步骤S120得到响应互动场景属性和应答互动场景属性,以及根据步骤S130得到分量映射信息后,通过综合考虑响应互动场景属性、应答互动场景属性和分量映射信息来确定业务互动事件的目标互动场景属性。此种方式既考虑业务互动事件在互动响应数据层面和业务应答数据层面各自的互动场景属性,又考虑了互动响应数据对应的互动响应数据分量和业务应答数据对应的业务数据分量的分量映射信息,确定的业务互动事件的目标互动场景属性较准确,能够有效考虑被动互动。
在一种可能的设计思路中,根据响应互动场景属性、应答互动场景属性和分量映射信息,确定业务互动事件的目标互动场景属性的方式为:响应于响应互动场景属性指示业务互动事件为关键场景对象,应答互动场景属性指示业务互动事件为关键场景对象,分量映射信息指示互动响应数据分量和业务数据分量存在映射关联关系,将关键场景对象所对应的场景属性作为业务互动事件的目标互动场景属性。其中,响应互动场景属性指示业务互动事件为关键场景对象说明在互动响应数据层面确定业务互动事件为关键场景对象,应答互动场景属性指示业务互动事件为关键场景对象说明在业务应答数据层面确定业务互动事件为关键场景对象,互动响应数据分量和业务数据分量存在映射关联关系说明互动响应数据分量和业务数据分量来自同一对象(即均来自业务互动事件)。也就是说,当在互动响应数据层面和业务应答数据层面均确定业务互动事件为关键场景对象,并且确定目标互动响应数据对应的互动响应数据分量和目标业务应答数据对应的业务数据分量均来自业务互动事件时,认为业务互动事件的业务场景识别通过。
在一种可能的设计思路中,根据响应互动场景属性、应答互动场景属性和分量映射信息,确定业务互动事件的目标互动场景属性的方式为:响应于响应互动场景属性指示业务互动事件为关键场景对象,应答互动场景属性指示业务互动事件为关键场景对象,分量映射信息指示互动响应数据分量和业务数据分量映射失败,将业务场景识别未通过作为业务互动事件的目标互动场景属性。也就是说,虽然当互动响应数据层面和业务应答数据层面均确定业务互动事件为关键场景对象,但是由于互动响应数据分量和业务数据分量来自不同对象,所以在至少一个层面确定的业务互动事件为关键场景对象的结果是不可靠的,此时认为业务互动事件的业务场景识别未通过。
相比于相关技术中,根据互动响应数据进行的业务场景识别,本公开实施例提供的业务场景识别方法中,引入的业务应答数据不仅可以直接用于业务场景识别,使其配合互动响应数据进行检测可以获得更加鲁棒的检测服务标签。
在一种可能的设计思路中,获取业务互动事件对应的互动响应数据和业务应答数据,进而提取互动响应数据分量和业务数据分量,通过综合考虑根据互动响应数据分量得到的互动场景属性、根据业务数据分量得到的互动场景属性以及互动响应数据分量和业务数据分量的分量映射信息,确定业务互动事件的互动场景属性。在此种业务场景识别的过程中,除考虑互动响应数据方面的信息外,还考虑业务应答数据方面的信息以及两个方面之间的匹配信息,考虑的信息较全面,识别稳定性较高,有利于提高互动场景属性的准确度,业务场景识别效果更高。
根据以上实施例,下面针对业务场景识别单元的配置过程进行详细说明。
步骤S101,获取标的业务互动数据集,标的业务互动数据集包括至少两个标的业务互动数据子集,不同标的业务互动数据子集对应不同互动对象,任一标的业务互动数据子集包括任一互动对象对应的至少一个标的业务互动数据,任一互动对象对应的任一标的业务互动数据包括任一互动对象对应的任一互动响应数据和任一互动响应数据对应的业务应答数据。
标的业务互动数据集用于对待配置的业务场景识别单元进行配置。标的业务互动数据集中包括至少两个标的业务互动数据子集,不同标的业务互动数据子集对应不同互动对象。互动对象是指用于采集标的业务互动数据的场景对象。在一种可能的设计思路中,互动对象为业务互动场景下的互动控件元素,例如,互动行为等。
一个标的业务互动数据子集对应一个互动对象,不同标的业务互动数据子集对应不同互动对象。标的业务互动数据集中的标的业务互动数据子集的数量为至少两个,也就是说,用于采集标的业务互动数据的互动对象的数量为至少两个。对于任一标的业务互动数据子集而言,该任一标的业务互动数据子集包括任一互动对象对应的至少一个标的业务互动数据。也就是说,每个标的业务互动数据子集均包括至少一个标的业务互动数据,同一标的业务互动数据子集中包括的标的业务互动数据来自同一互动对象,不同标的业务互动数据子集中包括的标的业务互动数据来自不同互动对象。需要说明的是,不同标的业务互动数据子集中包括的标的业务互动数据的数量可以相同,也可以不同,在此不作具体限定。
在任一互动对象对应的至少一个标的业务互动数据中,任一互动对象对应的任一标的业务互动数据包括该任一互动对象对应的任一互动响应数据和该任一互动响应数据对应的业务应答数据。
根据上述分析可知,标的业务互动数据集中包括至少两个标的业务互动数据,虽然不同的标的业务互动数据可能对应不同的互动对象,但每个标的业务互动数据均包括一个互动响应数据和该互动响应数据对应的业务应答数据。
在一种可能的设计思路中,任一标的业务互动数据子集的获取过程包括以下实施方式。
(1)对于任一互动对象,获取该任一互动对象的互动响应数据序列和该任一互动对象应答的业务应答数据。
(2)将业务应答数据切分成至少一个应答子业务数据。
(3)将至少一个应答子业务数据与互动响应数据序列中的至少一个互动响应数据进行映射关联处理,得到与至少一个互动响应数据分别映射关联的应答子业务数据。
(4)对于至少一个互动响应数据中的任一互动响应数据,根据与任一互动响应数据映射关联的应答子业务数据构成任一互动响应数据对应的业务应答数据;根据任一互动响应数据和任一互动响应数据对应的业务应答数据构成任一互动对象对应的任一标的业务互动数据。
(5)根据至少一个互动响应数据构成的任一互动对象对应的至少一个标的业务互动数据,构成任一标的业务互动数据子集。
需要说明的是,以上实施方式介绍了获取任一标的业务互动数据子集的过程,针对每个互动对象,均可以根据上述实施方式获取一个标的业务互动数据子集,在获取至少两个标的业务互动数据子集后,可以得到标的业务互动数据集。
步骤S102,在至少两个标的业务互动数据子集中分别选取标的业务互动数据构成目标标的业务互动数据,根据目标标的业务互动数据对待配置的业务场景识别单元中的标的响应分量提取单元、标的应答分量提取单元、标的响应场景属性预测单元、标的应答场景属性预测单元以及标的分量映射单元进行配置,得到业务场景识别单元。
其中,业务场景识别单元包括响应分量提取单元、应答分量提取单元、响应场景属性预测单元、应答场景属性预测单元以及目标分量映射单元。
目标标的业务互动数据用于对待配置的业务场景识别单元进行一次配置。构成目标标的业务互动数据中的标的业务互动数据是在至少两个标的业务互动数据子集中分别选取的,由于不同标的业务互动数据子集对应不同互动对象,所以,目标标的业务互动数据中包括来自至少两个互动对象的至少两个标的业务互动数据。需要说明的是,在构成目标标的业务互动数据的过程中,不同标的业务互动数据子集中可以选取相同数量的标的业务互动数据,也可以选取不同数量的标的业务互动数据,在此不作具体限定。
在得到目标标的业务互动数据后,根据目标标的业务互动数据对待配置的业务场景识别单元进行配置,得到业务场景识别单元。在一种可能的设计思路中,根据目标标的业务互动数据对待配置的业务场景识别单元中的标的响应分量提取单元、标的应答分量提取单元、标的响应场景属性预测单元、标的应答场景属性预测单元以及标的分量映射单元进行配置,得到业务场景识别单元的流程包括以下实施方式。
步骤S1021,调用标的响应分量提取单元提取目标标的业务互动数据中的互动响应数据的标的互动响应数据分量。
譬如,标的响应分量提取单元为待配置的响应分量提取单元,用于提取互动响应数据的分量。在一种可能的设计思路中,调用标的响应分量提取单元提取目标标的业务互动数据中的互动响应数据的标的互动响应数据分量的过程为:将目标标的业务互动数据中的互动响应数据输入标的响应分量提取单元,得到标的响应分量提取单元提取的标的互动响应数据分量。需要说明的是,由于目标标的业务互动数据中包括来自至少两个互动对象的至少两个标的业务互动数据,每个标的业务互动数据中均包括互动响应数据,所以此步骤S1021调用标的响应分量提取单元提取的标的互动响应数据分量为每个互动响应数据分别对应的标的互动响应数据分量。也就是说,此步骤S1021调用标的响应分量提取单元提取的标的互动响应数据分量的数量为至少两个。
步骤S1022,调用标的应答分量提取单元提取目标标的业务互动数据中的业务应答数据的标的业务数据分量。
本实施例的提取过程可以参照步骤S1021的提取过程,具体不作赘述。
步骤S103,调用标的响应场景属性预测单元对标的互动响应数据分量进行场景属性预测,根据场景属性预测信息得到标的响应互动场景属性;调用标的应答场景属性预测单元对标的业务数据分量进行场景属性预测,根据场景属性预测信息得到标的应答互动场景属性。
标的响应场景属性预测单元为待配置的用于对互动响应数据分量进行场景属性预测的单元,标的应答场景属性预测单元为待配置的用于对业务数据分量进行场景属性预测的单元。
需要说明的是,在调用标的响应场景属性预测单元对标的互动响应数据分量进行场景属性预测的过程中,调用标的响应场景属性预测单元对每个标的互动响应数据分量分别进行场景属性预测。调用标的响应场景属性预测单元对每个标的互动响应数据分量进行场景属性预测后,均可以根据一个场景属性预测信息得到一个标的响应互动场景属性。由于标的互动响应数据分量的数量为至少两个,所以此步骤S1023中得到的标的响应互动场景属性的数量也为至少两个。
在调用标的应答场景属性预测单元对标的业务数据分量进行场景属性预测的过程中,调用标的应答场景属性预测单元对每个标的业务数据分量分别进行场景属性预测。调用标的应答场景属性预测单元对每个标的业务数据分量进行场景属性预测后,均可以根据一个场景属性预测信息得到一个标的应答互动场景属性。由于标的业务数据分量的数量为至少两个,所以此步骤S1023中得到的标的应答互动场景属性的数量也为至少两个。
步骤S1024,根据标的互动响应数据分量和标的业务数据分量,构成标定分量集合,任一标定分量集合由一个标的互动响应数据分量和一个标的业务数据分量构成。
根据步骤S1021和步骤S1022可知,标的互动响应数据分量的数量为至少两个,标的业务数据分量的数量也为至少两个,根据至少两个标的互动响应数据分量和至少两个标的业务数据分量,构成标定分量集合,任一标定分量集合由一个标的互动响应数据分量和一个标的业务数据分量构成。
在一种可能的设计思路中,标定分量集合包括积极标定分量集合和消极标定分量集合,根据标的互动响应数据分量和标的业务数据分量,构成标定分量集合的过程为:根据标的互动响应数据分量和标的业务数据分量,确定满足积极关联要求的标的互动响应数据分量-标的业务数据分量组合和满足消极关联要求的标的互动响应数据分量-标的业务数据分量组合;根据满足积极关联要求的标的互动响应数据分量-标的业务数据分量组合构成积极标定分量集合,根据满足消极关联要求的标的互动响应数据分量-标的业务数据分量组合构成消极标定分量集合。其中,满足积极关联要求是分量的互动响应数据分量组合对应的互动响应数据和标的业务数据分量组合对应的业务应答数据来自目标标的业务互动数据中的同一个标的业务互动数据;满足消极关联要求是分量的互动响应数据分量组合对应的互动响应数据和标的业务数据分量组合对应的业务应答数据来自目标标的业务互动数据中的满足参考条件的两个标的业务互动数据,满足参考条件的两个标的业务互动数据是指来自不同标的业务互动数据子集的两个标的业务互动数据。
一个标的业务互动数据子集对应一个互动对象,所以,在根据上述方式得到积极标定分量集合和消极标定分量集合后,积极标定分量集合中的标的互动响应数据分量和标的业务数据分量来自同一互动对象,能够使单元学习来自同一互动对象的互动响应数据分量和业务数据分量之间的关联分量;消极标定分量集合中的标的互动响应数据分量和标的业务数据分量来自不同互动对象,能够使单元学习来自不同互动对象的互动响应数据分量和业务数据分量之间的关联分量。
示例性地,假设目标标的业务互动数据包括来自标的业务互动数据子集a的一个标的业务互动数据A和来自标的业务互动数据子集b的一个标的业务互动数据B,则在经过步骤S1021后,可以得到标的业务互动数据A中的互动响应数据对应的标的互动响应数据分量1和标的业务互动数据B中的互动响应数据对应的标的互动响应数据分量2,在经过步骤S1022后,可以得到标的业务互动数据A中的业务应答数据对应的标的业务数据分量1和标的业务互动数据B中的业务应答数据对应的标的互动响应数据分量2。在此基础上,满足积极关联要求的标的互动响应数据分量-标的业务数据分量组合包括:标的互动响应数据分量1-标的业务数据分量1对和标的互动响应数据分量2-标的业务数据分量2对;满足积极关联要求的标的互动响应数据分量-标的业务数据分量组合包括:标的互动响应数据分量1-标的业务数据分量2对和标的互动响应数据分量2-标的业务数据分量1对。根据标的互动响应数据分量1-标的业务数据分量1对和标的互动响应数据分量2-标的业务数据分量2对可以构成(标的互动响应数据分量1,标的业务数据分量1)和(标的互动响应数据分量2,标的业务数据分量2)这两个积极标定分量集合;根据标的互动响应数据分量1-标的业务数据分量2对和标的互动响应数据分量2-标的业务数据分量1对可以构成(标的互动响应数据分量1,标的业务数据分量2)和(标的互动响应数据分量2,标的业务数据分量1)这两个消极标定分量集合。
步骤S1025,根据标的响应互动场景属性对标的响应场景属性预测单元进行配置;根据标的应答互动场景属性对标的应答场景属性预测单元进行配置;根据标定分量集合对标的分量映射单元进行配置;根据标的响应互动场景属性和标定分量集合对标的响应分量提取单元进行配置;根据标的应答互动场景属性和标定分量集合对标的应答分量提取单元进行配置。
此步骤S1025为对待配置的业务场景识别单元中的各个单元进行配置的过程,由于不同单元所起到的功能不同,所以对不同的单元进行配置所依据的数据是不同的。接下来分别介绍配置各个单元的方式。
1、根据标的响应互动场景属性对标的响应场景属性预测单元进行配置。
2、根据标的应答互动场景属性对标的应答场景属性预测单元进行配置。
3、根据标定分量集合对标的分量映射单元进行配置。
每个标定分量集合中包括一个标的互动响应数据分量和一个标的业务数据分量,标的分量映射单元用于将标定分量集合中的互动响应数据分量和业务数据分量进行匹配,根据标定分量集合能够对标的分量映射单元进行配置。在一种可能的设计思路中,标定分量集合包括积极标定分量集合和消极标定分量集合。在一种可能的设计思路中,标的分量映射单元的结构包括但不限于以下两种情况。
情况1:标的分量映射单元包括标的关联参数计算子单元。
在一种可能的设计思路中,在此种情况1下,根据标定分量集合对标的分量映射单元进行配置的过程为:调用标的关联参数计算子单元,计算积极标定分量集合中的标的互动响应数据分量和标的业务数据分量之间的第一关联参数值,以及消极标定分量集合中的标的互动响应数据分量和标的业务数据分量之间的第二关联参数值;根据第一关联参数值、第二关联参数值和第一参考阈值,计算第一目标分量差异参数;根据第一目标分量差异参数更新标的关联参数计算子单元的参数。
譬如,在一种可能的设计思路中,标的关联参数计算子单元的主体为一个关联参数计算矩阵,每个标定分量集合中的标的互动响应数据分量和标的业务数据分量均为向量,在标的关联参数计算子单元中,计算标的互动响应数据分量组合对应的向量、关联参数计算矩阵和标的业务数据分量组合对应的向量这三者之间的乘积,将乘积作为互动响应数据分量和业务数据分量之间的关联参数值。
每个积极标定分量集合均对应一个第一关联参数值,每个消极标定分量集合均对应一个第二关联参数值。在一种可能的设计思路中,在根据第一关联参数值、第二关联参数值和第一参考阈值,计算第一目标分量差异参数的过程中,可以直接利用全部的第一关联参数值和全部的第二关联参数值,也可以仅利用满足第一关联参数条件的第一关联参数值和满足第二关联参数条件的第二关联参数值,在此不作具体限定。满足第一关联参数条件可以是指关联参数值不大于第一关联参数阈值,满足第二关联参数条件可以是指关联参数值不小于第二关联参数阈值。第一关联参数阈值大于第二关联参数阈值,第一关联参数阈值和第二关联参数阈值可以根据经验设置,在此不作具体限定。
第一关联参数值为积极标定分量集合对应的关联参数值,由于积极标定分量集合中的标的互动响应数据分量和标的业务数据分量来自同一互动对象,所以第一关联参数值应该比较大;第二关联参数值为消极标定分量集合对应的关联参数值,由于消极标定分量集合中的标的互动响应数据分量和标的业务数据分量来自不同互动对象,所以第二关联参数值应该比较小。不大于第一关联参数阈值的第一关联参数值,以及不小于第二关联参数阈值的第二关联参数值为预测的较不准确的关联参数值,因此,仅利用满足第一关联参数条件的第一关联参数值和满足第二关联参数条件的第二关联参数值,可以使计算得到的第一目标分量差异参数能够更有针对性地更新单元参数,单元配置的效果更佳。
在一种可能的设计思路中,第一目标分量差异参数可以根据任意现有技术的损失函数计算获得,此处不作具体限定。
在得到第一目标分量差异参数后,根据第一目标分量差异参数更新标的关联参数计算子单元的参数,从而达到对标的分量映射单元进行配置的目的。
情况2:标的分量映射单元包括标的分量融合子单元和标的场景属性预测子单元。
在一种可能的设计思路中,积极标定分量集合对应第一标定分量信息,消极标定分量集合对应第二标定分量信息,其中,第一标定分量信息用于指示标的互动响应数据分量和标的业务数据分量来自同一互动对象,第二标定分量信息用于指示标的互动响应数据分量和标的业务数据分量来自不同互动对象。在此种情况2下,根据标定分量集合对标的分量映射单元进行配置的过程包括以下步骤a至步骤c。
步骤a:将积极标定分量集合中的标的互动响应数据分量和标的业务数据分量输入标的分量融合子单元进行融合,得到第一融合分量;调用标的场景属性预测子单元对第一融合分量进行场景属性预测,得到响应场景属性预测信息。
积极标定分量集合的数量为至少两个,将积极标定分量集合中的标的互动响应数据分量和标的业务数据分量输入标的分量融合子单元进行融合,得到第一融合分量的过程为:分别将每个积极标定分量集合中的标的互动响应数据分量和标的业务数据分量输入标的分量融合子单元进行融合,得到每个积极标定分量集合对应的第一融合分量。调用标的场景属性预测子单元对第一融合分量进行场景属性预测,得到响应场景属性预测信息的过程为:调用标的场景属性预测子单元分别对每个第一融合分量进行场景属性预测,得到每个第一融合分量组合对应的响应场景属性预测信息。每个第一融合分量组合对应的响应场景属性预测信息用于指示构成该第一融合分量的标的互动响应数据分量和标的业务数据分量是否为来自同一互动对象,响应场景属性预测信息为预测的结果。
步骤b:将消极标定分量集合中的标的互动响应数据分量和标的业务数据分量输入标的分量融合子单元进行融合,得到第二融合分量,调用标的场景属性预测子单元对第二融合分量进行场景属性预测,得到应答场景属性预测信息。
消极标定分量集合的数量也为至少两个,将消极标定分量集合中的互动响应数据分量和业务数据分量输入标的分量融合子单元进行融合,得到第二融合分量的过程为:分别将每个消极标定分量集合中的互动响应数据分量和业务数据分量输入标的分量融合子单元进行融合,得到每个消极标定分量集合对应的第二融合分量。调用标的场景属性预测子单元对第二融合分量进行场景属性预测,得到应答场景属性预测信息的过程为:调用标的场景属性预测子单元分别对每个第二融合分量进行场景属性预测,得到每个第二融合分量组合对应的应答场景属性预测信息。每个第二融合分量组合对应的应答场景属性预测信息用于指示构成该第二融合分量的标的互动响应数据分量和标的业务数据分量是否为来自同一互动对象,该应答场景属性预测信息为预测的结果。
在一种可能的设计思路中,对互动响应数据分量和业务数据分量进行融合的方式可以是指将互动响应数据分量和业务数据分量进行加权,也可以是指将互动响应数据分量和业务数据分量进行拼接,在此不作具体限定。标的场景属性预测子单元可以包括ReLU函数层,利用ReLU函数层对融合分量进行场景属性预测并得到场景属性预测信息。
步骤c:根据响应场景属性预测信息和第一标定分量信息之间的分量差异参数,以及应答场景属性预测信息和第二标定分量信息之间的分量差异参数,计算第二目标分量差异参数;根据第二目标分量差异参数更新标的分量融合子单元和标的场景属性预测子单元的参数。
4、根据标的响应互动场景属性和标定分量集合对标的响应分量提取单元进行配置。
标的响应分量提取单元提取的分量有两方面用途,一方面用于得到互动响应数据层面的标的响应互动场景属性,另一方面用于构成需要输入分量映射单元的标定分量集合。因此,根据标的响应互动场景属性和标定分量集合对标的响应分量提取单元进行配置。
在一种可能的设计思路中,标定分量集合包括积极标定分量集合和消极标定分量集合,对应于标的分量映射单元的两种不同单元结构,根据标的响应互动场景属性和标定分量集合对标的响应分量提取单元进行配置的过程包括以下两种。
过程一:根据标的响应互动场景属性和分类标签,获取第一分类分量差异参数;调用标的关联参数计算子单元,计算积极标定分量集合中的标的互动响应数据分量和标的业务数据分量之间的第一关联参数值,以及消极标定分量集合中的标的互动响应数据分量和标的业务数据分量之间的第二关联参数值;根据第一关联参数值、第二关联参数值和第一参考阈值,计算第一目标分量差异参数;根据第一分类分量差异参数和第一目标分量差异参数更新标的响应分量提取单元的参数。
此种过程一发生在标的分量映射单元包括标的关联参数计算子单元的情况下。获取第一分类分量差异参数的过程可以参见根据标的响应互动场景属性对标的响应场景属性预测单元进行配置的过程,此处不再赘述。计算第一目标分量差异参数的过程可以参见根据标定分量集合对标的分量映射单元进行配置的过程中的情况1,此处不再赘述。
过程二:根据标的响应互动场景属性和分类标签,获取第一分类分量差异参数;将积极标定分量集合中的标的互动响应数据分量和标的业务数据分量输入标的分量融合子单元进行融合,得到第一融合分量;调用标的场景属性预测子单元对第一融合分量进行场景属性预测,得到响应场景属性预测信息;将消极标定分量集合中的标的互动响应数据分量和标的业务数据分量输入标的分量融合子单元进行融合,得到第二融合分量,调用标的场景属性预测子单元对第二融合分量进行场景属性预测,得到应答场景属性预测信息;根据响应场景属性预测信息和第一标定分量信息之间的分量差异参数,以及应答场景属性预测信息和第二标定分量信息之间的分量差异参数,计算第二目标分量差异参数;根据第一分类分量差异参数和第二目标分量差异参数更新标的响应分量提取单元的参数。
此种过程二发生在标的分量映射单元包括标的分量融合子单元和标的场景属性预测子单元的情况下。获取第一分类分量差异参数的过程可以参见根据标的响应互动场景属性对标的响应场景属性预测单元进行配置的过程,此处不再赘述。计算第二目标分量差异参数的过程可以参见根据标定分量集合对标的分量映射单元进行配置的过程中的情况2,此处不再赘述。
根据上述过程一和过程二可知,第一分类分量差异参数除了用于更新标的响应场景属性预测单元的参数外,还用于更新标的响应分量提取单元的参数;目标分量差异参数(第一目标分量差异参数或第二目标分量差异参数)除了用于更新标的分量映射单元中的子单元的参数外,还用于更新标的响应分量提取单元的参数。
5、根据标的应答互动场景属性和标定分量集合对标的应答分量提取单元进行配置。
本实施例的配置过程可以参照上述配置过程,具体不再赘述。
步骤S1026,响应于配置得到响应分量提取单元、应答分量提取单元、响应场景属性预测单元、应答场景属性预测单元和目标分量映射单元,得到业务场景识别单元。
当配置得到响应分量提取单元、应答分量提取单元、响应场景属性预测单元、应答场景属性预测单元和目标分量映射单元时,即可得到业务场景识别单元。此时得到的业务场景识别单元,能够较为准确地提取出包含业务场景识别方面的信息的互动响应数据分量和业务数据分量,以能够分别在互动响应数据层面和业务应答数据层面较为准确地判断某一场景互动对象是否为关键场景对象,还能够较为准确地判断互动响应数据分量和业务数据分量是否来自同一场景对象。
在一种可能的设计思路中,对业务场景识别单元进行更新的流程包括以下实施方式。
(1)获取被动互动行为数据集,被动互动行为数据集包括至少一个被动互动行为数据子集,不同被动互动行为数据子集对应不同被动互动对象,任一被动互动行为数据子集包括任一被动互动对象对应的至少一个被动互动行为数据,任一被动互动对象对应的任一被动互动行为数据包括任一被动互动对象对应的任一互动响应数据和任一互动响应数据对应的业务应答数据。
被动互动行为数据集用于对配置得到的业务场景识别单元进行更新,被动互动行为数据集中包括至少一个被动互动行为数据子集,每个被动互动行为数据子集对应一个被动互动对象。被动互动对象指示用于采集被动互动行为(即被外部场景触发的互动行为)数据的互动对象。
(2)在被动互动行为数据集中选取被动互动行为数据构成目标被动互动行为数据,调用响应分量提取单元提取目标被动互动行为数据中的互动响应数据的目标互动响应数据分量;调用应答分量提取单元提取目标被动互动行为数据中的业务应答数据的目标业务数据分量。
被动互动行为数据集中包括至少一个被动互动行为数据子集,在被动互动行为数据集中选取被动互动行为数据可以是指在一个被动互动行为数据子集中选取被动互动行为数据,也可以是在多个被动互动行为数据子集中选取被动互动行为数据,在此不作具体限定。将选取的被动互动行为数据构成目标被动互动行为数据,目标被动互动行为数据用于对业务场景识别单元更新一次。需要说明的是,目标被动互动行为数据中可以包括一个被动互动行为数据,也可以包括多个被动互动行为数据,在此不作具体限定。
响应分量提取单元为配置好的响应分量提取单元,用于提取互动响应数据的分量。
应答分量提取单元为配置好的应答分量提取单元,用于提取业务应答数据的分量。
(3)根据目标互动响应数据分量和目标业务数据分量,构成被动互动分量集合,任一被动互动分量集合由一个目标互动响应数据分量和一个目标业务数据分量构成。
在一种可能的设计思路中,根据目标互动响应数据分量和目标业务数据分量,构成被动互动分量集合的方式为:根据目标互动响应数据分量和目标业务数据分量,确定满足参考关联要求的目标互动响应数据分量-目标业务数据分量组合;根据满足参考关联要求的目标互动响应数据分量-目标业务数据分量组合构成被动互动分量集合。其中,满足参考关联要求是指目标互动响应数据分量组合对应的互动响应数据和目标业务数据分量组合对应的业务应答数据来自目标被动互动行为数据中的同一个被动互动行为数据。被动互动分量集合的数量与目标被动互动行为数据中包括的被动互动行为数据的数量一致。
(4)根据被动互动分量集合对业务场景识别单元中的目标分量映射单元进行更新,根据更新后的目标分量映射单元,得到更新后的业务场景识别单元。
在得到被动互动分量集合后,根据被动互动分量集合对业务场景识别单元中的目标分量映射单元进行更新。在一种可能的设计思路中,对应于目标分量映射单元的两种不同单元结构,根据被动互动分量集合对业务场景识别单元中的目标分量映射单元进行更新的过程包括以下两种。
过程a:获取预设选定分量组,任一预设选定分量组由一个参考互动响应数据分量和一个参考业务数据分量构成;调用目标关联参数计算子单元,计算预设选定分量组中的参考互动响应数据分量和参考业务数据分量之间的第三关联参数值,以及被动互动分量集合中的目标互动响应数据分量和目标业务数据分量之间的第四关联参数值;根据第三关联参数值、第四关联参数值和第二参考阈值,计算第三目标分量差异参数;根据第三目标分量差异参数更新目标关联参数计算子单元的参数。
被动互动分量集合中的目标互动响应数据分量组合对应的互动响应数据和目标业务数据分量组合对应的业务应答数据来自同一被动互动对象,由于同一被动互动对象在互动响应数据层面和业务应答数据层面具有不同的互动场景属性,所以被动互动分量集合用于作为负向引导,负向引导是指使被动互动分量集合中的目标互动响应数据分量和目标业务数据分量之间的关联参数值低。
在获取预设选定分量组后,调用目标关联参数计算子单元,计算预设选定分量组中的参考互动响应数据分量和参考业务数据分量之间的第三关联参数值,以及被动互动分量集合中的目标互动响应数据分量和目标业务数据分量之间的第四关联参数值,然后根据第三关联参数值、第四关联参数值和第二参考阈值,计算第三目标分量差异参数。
第三关联参数值为预设选定分量组对应的关联参数值,由于预设选定分量组用于正向引导,所以第三关联参数值应该比较大;第四关联参数值为被动互动分量集合对应的关联参数值,由于被动互动分量集合中用于负向引导,所以第四关联参数值应该比较小。
在得到第三目标分量差异参数后,根据第三目标分量差异参数更新目标关联参数计算子单元的参数,从而达到对目标分量映射单元进行更新的目的。
过程b:将被动互动分量集合中的目标互动响应数据分量和目标业务数据分量输入目标分量融合子单元进行融合,得到第三融合分量;调用目标场景属性预测子单元对第三融合分量进行场景属性预测,得到目标场景属性预测信息;根据目标场景属性预测信息和第二标定分量信息之间的分量差异参数更新目标分量融合子单元和目标场景属性预测子单元的参数。
此过程b发生在目标分量映射单元包括目标分量融合子单元和目标场景属性预测子单元的情况下。被动互动行为数据组对应第二标定分量信息,第二标定分量信息用于指示互动响应数据分量和业务数据分量来自不同场景对象,将被动互动行为数据中的目标互动响应数据分量和目标业务数据分量视为来自不同场景对象,利用该第二标定分量信息进行监督可以更好地识别出被动互动对象体。
目标场景属性预测信息为被动互动分量集合对应的预测结果,第二标定分量信息为被动互动组对应的真实结果,目标场景属性预测信息和第二标定分量信息之间的分量差异参数是指每个目标场景属性预测信息和第二标定分量信息之间的分量差异参数。本公开实施例对目标场景属性预测信息和第二标定分量信息之间的分量差异参数的类型不加以限定,示例性地,目标场景属性预测信息和第二标定分量信息之间的分量差异参数为交叉熵分量差异参数。
在得到目标场景属性预测信息和第二标定分量信息之间的分量差异参数后,根据目标场景属性预测信息和第二标定分量信息之间的分量差异参数更新目标分量融合子单元和目标场景属性预测子单元的参数,从而达到对目标分量映射单元进行更新的目的。
无论是上述过程a还是上述过程b,均可以实现对目标分量映射单元进行更新的目的。需要说明的是,在根据被动互动分量集合对业务场景识别单元中的目标分量映射单元进行更新的过程中,业务场景识别单元中的其它单元参数保持不变。
在一种可能的设计思路中,通过配置的方式得到业务场景识别单元,在根据配置得到的业务场景识别单元进行业务场景识别的过程中,除考虑互动响应数据方面的信息外,还考虑业务应答数据方面的信息以及两个方面之间的匹配信息,考虑的信息较全面,识别稳定性较高,有利于提高互动场景属性的准确度,业务场景识别效果更高。
图3为本公开实施例提供的结合大数据服务的业务场景识别装置300的功能模块示意图,该结合大数据服务的业务场景识别装置300可以包括获取模块310、预测模块320、映射模块330和确定模块340,下面分别对该结合大数据服务的业务场景识别装置300的各个功能模块的功能进行详细阐述。
获取模块310,用于获取业务互动事件对应的目标互动响应数据和目标业务应答数据,并提取目标互动响应数据的互动响应数据分量和目标业务应答数据的业务数据分量。其中,获取模块310可以用于执行上述的步骤S110,关于获取模块310的详细实现方式可以参照上述针对步骤S110的详细描述即可。
预测模块320,用于获对互动响应数据分量进行场景属性预测,根据场景属性预测信息得到业务互动事件的响应互动场景属性,并对业务数据分量进行场景属性预测,根据场景属性预测信息得到业务互动事件的应答互动场景属性。其中,预测模块320可以用于执行上述的步骤S120,关于预测模块320的详细实现方式可以参照上述针对步骤S120的详细描述即可。
映射模块330,用于获对互动响应数据分量和业务数据分量进行分量映射处理,得到互动响应数据分量和业务数据分量的分量映射信息。其中,映射模块330可以用于执行上述的步骤S130,关于映射模块330的详细实现方式可以参照上述针对步骤S130的详细描述即可。
确定模块340,用于根据响应互动场景属性、应答互动场景属性和分量映射信息,确定业务互动事件的目标互动场景属性。其中,确定模块340可以用于执行上述的步骤S140,关于确定模块340的详细实现方式可以参照上述针对步骤S140的详细描述即可。
图4示出了本公开实施例提供的用于实现上述的结合大数据服务的业务场景识别方法的深度学习服务系统100的硬件结构示意图,如图4所示,深度学习服务系统100可包括处理器110、机器可读存储介质120、总线130以及收发器140。
在具体实现过程中,至少一个处理器110执行机器可读存储介质120存储的计算机执行指令,使得处理器110可以执行如上方法实施例的结合大数据服务的业务场景识别方法,处理器110、机器可读存储介质120以及收发器140通过总线130连接,处理器110可以用于控制收发器140的收发动作,从而可以与前述的业务互动终端200进行数据收发。
此外,本公开实施例还提供一种可读存储介质,所述可读存储介质中预设有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上结合大数据服务的业务场景识别方法。
最后,应当理解的是,本说明书中实施例仅用以说明本说明书实施例的原则。其它的变形也可能属于本说明书范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
- 结合大数据服务的业务场景识别方法及深度学习服务系统
- 结合大数据服务的业务数据推送方法及深度学习服务系统