针对云业务和用户画像挖掘的信息处理方法及云服务器

技术领域

本公开涉及云业务和信息处理技术领域，特别涉及针对云业务和用户画像挖掘的信息处理方法及云服务器。

背景技术

云业务是指由云端按需提供的云服务，也就是通过网络以按需、易扩展的方式获得所需服务，其中，云服务是指是基于互联网的相关服务的增加、使用和交互模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。简单地讲，云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。这种服务可以是IT和软件、互联网相关，也可是其他服务。它意味着计算能力也可作为一种商品通过互联网进行流通。

而随着云业务的快速发展，大部分的线下交易转移到线上交易，用户通常会通过某个网站或者电商平台将用户的属性、用户偏好、生活习惯、用户行为等信息以标签的形式体现展现在网站或者电商平台中，商家通过用户的这些标签信息（用户画像）进行分析然后有针对性地进行业务服务推荐。

目前，相关技术在对用户画像进行挖掘时难以实现对业务交互状态的分析，从而无法准确地挖掘出用户的偏好信息，进而无法进行精准的业务服务推荐，同时会占用较多的网络资源。

发明内容

为改善相关技术中存在的技术问题，本公开提供了针对云业务和用户画像挖掘的信息处理方法及云服务器。

第一方面，本发明提供了一种针对云业务和用户画像挖掘的信息处理方法，所述信息处理方法包括：

获取到待分析支付业务终端的待分析支付业务数据；

对所述待分析支付业务终端的第一业务交互状态进行分析，得到所述第一业务交互状态的业务交互状态信息；

判断所述待分析支付业务终端的身份信息是否为目标支付业务终端的身份信息；如果所述待分析支付业务终端的身份信息为所述目标支付业务终端的身份信息，判断所述待分析支付业务数据中是否包括所述待分析支付业务终端的业务交互提示消息；如果所述待分析支付业务数据中包括所述待分析支付业务终端的业务交互提示消息，对所述待分析支付业务终端的第二业务交互状态进行分析，得到所述第二业务交互状态的业务交互状态信息；

基于所述第一业务交互状态的业务交互状态信息与所述第二业务交互状态的业务交互状态信息确定所述待分析支付业务终端的用户偏好信息。

可选的，所述对所述待分析支付业务终端的第一业务交互状态进行分析，得到所述第一业务交互状态的业务交互状态信息，包括：

对所述待分析支付业务终端的第一业务交互状态进行分析，得到所述第一业务交互状态的用户偏好信息以及所述第一业务交互状态的用户偏好信息的第一偏好热度值；

如果所述待分析支付业务数据中包括所述待分析支付业务终端的业务交互提示消息，对所述待分析支付业务终端的第二业务交互状态进行分析，得到所述第二业务交互状态的业务交互状态信息，包括：对所述待分析支付业务终端的第二业务交互状态进行分析，得到所述第二业务交互状态的用户偏好信息以及所述第二业务交互状态的用户偏好信息的第二偏好热度值；

所述基于所述第一业务交互状态的业务交互状态信息与所述第二业务交互状态的业务交互状态信息确定所述待分析支付业务终端的用户偏好信息，包括：基于第一用户偏好信息和第二用户偏好信息或/和所述第一偏好热度值和所述第二偏好热度值确定所述待分析支付业务终端的用户偏好信息；

其中，所述第一偏好热度值包括所述第一用户偏好信息对应的每种支付业务信息的偏好热度值；所述第二偏好热度值包括所述第二用户偏好信息对应的每种支付业务信息的偏好热度值；所述基于所述第一用户偏好信息和所述第二用户偏好信息或/和所述第一偏好热度值和所述第二偏好热度值确定所述待分析支付业务终端的用户偏好信息，包括：

依次比较所述第一用户偏好信息对应的每种支付业务信息与其业务操作信息对应的所述第二用户偏好信息的支付业务信息是否相同；

如果相同，将所述支付业务信息确定为所述待分析支付业务终端的用户偏好信息对应业务操作信息的交互状态支付信息；

如果不相同，比较所述第一用户偏好信息的支付业务信息的偏好热度值与所述第二用户偏好信息对应业务操作信息的支付业务信息的偏好热度值高低；将偏好热度值高的支付业务信息确定为所述待分析支付业务终端的用户偏好信息对应业务操作信息的交互状态支付信息；

其中，所述第一偏好热度值还包括所述第一业务交互状态的偏好热度值，所述第二偏好热度值还包括所述第二业务交互状态的偏好热度值；所述信息处理方法还包括：

如果所述第一用户偏好信息的支付业务信息的偏好热度值与所述第二用户偏好信息对应业务操作信息的支付业务信息的偏好热度值相等，比较所述第一业务交互状态的偏好热度值以及所述第二业务交互状态的偏好热度值的高低；

将偏好热度值高的用户偏好信息的对应业务操作信息的支付业务信息确定为所述交互状态支付信息。

可选的，所述判断所述待分析支付业务终端的身份信息是否为目标支付业务终端的身份信息，包括：

通过支付业务终端的身份信息分析模型判断所述待分析支付业务终端的身份信息是否为目标支付业务终端的身份信息；其中，支付业务终端的身份信息分析模型包括偶数个分析子模型；

所述通过支付业务终端的身份信息分析模型判断所述待分析支付业务终端的身份信息是否为目标支付业务终端的身份信息，包括：

分别通过每一个所述分析子模型对所述待分析支付业务终端的身份信息是否为所述目标支付业务终端的身份信息进行分析，得到每一个所述分析子模型的分析结果；

将数目多的分析结果确定为所述待分析支付业务终端的身份信息是否为目标支付业务终端的身份信息的判断结果；

其中，所述通过支付业务终端的身份信息分析模型判断所述待分析支付业务终端的身份信息是否为目标支付业务终端的身份信息之前还包括：

获取到目标支付业务终端的身份信息样本以及负例支付业务终端的身份信息样本；

将所述负例支付业务终端的身份信息样本划分为预设组数，并分别将每组的负例支付业务终端样本与所述目标支付业务终端样本融合，得到所述预设组数的训练样本；其中，所述预设组数与所述分析子模型的数目相同；

分别利用偶数组所述训练样本依次对每一个初始分析子模型进行训练，得到每个所述分析子模型；其中，每组所述训练样本对应一个所述分析子模型。

可选的，所述对所述待分析支付业务终端的第二业务交互状态进行分析，得到所述第二业务交互状态的业务交互状态信息之前，包括：

将所述待分析支付业务数据进行操作热度化处理，得到所述待分析支付业务数据对应的操作热度化的支付业务数据；

对所述操作热度化的支付业务数据进行支付业务数据除噪，以对所述操作热度化的支付业务数据中的待分析支付业务终端进行第二业务交互状态分析。

可选的，所述对所述操作热度化的支付业务数据进行支付业务数据除噪，包括：

通过所述操作热度化的支付业务数据中的最高操作热度值与最低操作热度值确定得到所述操作热度化的支付业务数据中的操作热度变化值，并设置第一修正参数；

利用所述操作热度变化值与所述第一修正参数判断所述操作热度化的支付业务数据是否需要进行支付业务数据除噪；

如果所述操作热度化的支付业务数据需要进行支付业务数据除噪，则对所述第一修正参数进行修正，得到第二修正参数；

利用所述第二修正参数和所述操作热度变化值确定得到修正后的最低操作热度值；

基于所述修正后的最低操作热度值和所述第二修正参数对所述操作热度化的支付业务数据中每种业务事项的操作热度化进行修正，以对所述操作热度化的支付业务数据进行支付业务数据除噪。

可选的，所述获取待分析支付业务终端的待分析支付业务数据，包括：

获取到初始支付业务数据；

响应于所述初始支付业务数据对应于所述待分析支付业务终端，获取所述待分析支付业务终端在所述初始支付业务数据中的第一支付渠道信息；

基于所述初始支付业务数据与所述待分析支付业务终端的第一支付渠道信息生成所述待分析支付业务数据。

可选的，所述对所述待分析支付业务终端的第一业务交互状态进行分析，得到所述第一业务交互状态的业务交互状态信息，还包括：

基于所述待分析支付业务数据的第一预设业务操作信息对所述待分析支付业务数据进行拆分，得到所述待分析支付业务数据的第一交互状态业务数据块；

对所述第一交互状态业务数据块进行第一业务交互状态分析，得到所述第一业务交互状态的业务交互状态信息；

所述对所述待分析支付业务终端的第二业务交互状态进行分析，得到所述第二业务交互状态的业务交互状态信息，还包括：基于所述待分析支付业务数据的第二预设业务操作信息对所述待分析支付业务数据进行拆分，得到所述待分析支付业务数据的第二交互状态业务数据块；对所述第二交互状态业务数据块进行第二业务交互状态分析，得到所述第二业务交互状态的业务交互状态信息。

可选的，所述方法还包括：

根据所述待分析支付业务终端的用户偏好信息，确定针对所述待分析支付业务终端的业务推送策略。

可选的，根据所述待分析支付业务终端的用户偏好信息，确定针对所述待分析支付业务终端的业务推送策略，包括：

根据所述用户偏好信息对应的兴趣标签，获取包含第一目标服务内容的每个第一推送项目信息；

针对所述每个第一推送项目信息，确定推送项目信息集合中与该第一推送项目信息匹配的第二推送项目信息的第一匹配值以及该第二推送项目信息对应的第一项目内容描述信息；

从每个第二推送项目信息中，选取第一数量的第三推送项目信息；

针对每个所述第三推送项目信息对应的每个第一项目内容描述信息，根据该第一项目内容描述信息的每个第三推送项目信息对应的第一匹配值，确定该第一项目内容描述信息对应的兴趣倾向匹配值；

确定与兴趣倾向匹配值最高的第二项目内容描述信息相对应的第三推送项目信息的第二数量，根据所述第一数量、所述第二数量和预设的第一项目匹配方式，确定所述第二项目内容描述信息对应的第二匹配值；

确定所述第二项目内容描述信息的第三推送项目信息中最高的第三匹配值，根据所述第三匹配值以及所述第二匹配值，确定所述第一目标服务内容的第一目标匹配值；

根据所述第一目标匹配值和预先确定的匹配度阈值，确定针对所述待分析支付业务终端的业务推送策略；

优选地，所述根据该第一项目内容描述信息的每个第三推送项目信息对应的第一匹配值，确定该第一项目内容描述信息对应的兴趣倾向匹配值包括：

根据该第一项目内容描述信息的每个第三推送项目信息对应的第一匹配值和预设的每个匹配度记录，确定每个第一匹配值分别对应的目标匹配度记录；

根据所述每个匹配度记录与加载匹配值的对应关系，确定所述每个第一匹配值分别对应的第四匹配值，根据每个第四匹配值，确定该第一项目内容描述信息对应的兴趣倾向匹配值；

优选地，所述从每个第二推送项目信息中，选取第一数量的第三推送项目信息包括：

根据所述每个第二推送项目信息对应的第一匹配值对所述每个第二推送项目信息进行编号，按照第一匹配值降序的顺序，选取第一数量的第三推送项目信息；

优选地，所述预先确定匹配度阈值的过程包括：

获取预设时间段内第三数量的第四推送项目信息的第一推送项目搜索指数值；

若所述第一推送项目搜索指数值不小于预设的第一搜索指数阈值，则根据预先确定的第一匹配度端点阈值，确定第一推送项目搜索指数值对应的匹配度阈值；

若所述第一推送项目搜索指数值不大于预设的第二搜索指数阈值，则根据预先确定的第二匹配度端点阈值，确定第一推送项目搜索指数值对应的匹配度阈值；

若所述第一推送项目搜索指数值大于预设的第二搜索指数阈值且小于预设的第一搜索指数阈值，则根据预先确定的所述第一匹配度端点阈值、所述第二匹配度端点阈值、所述第一推送项目搜索指数值、所述第一搜索指数阈值、所述第二搜索指数阈值，确定所述第一推送项目搜索指数值对应的匹配度阈值；其中，所述第一搜索指数阈值大于所述第二搜索指数阈值；

优选地，所述预先确定第一匹配度端点阈值和第二匹配度端点阈值的过程包括：

根据确定的目标项目匹配偏差率和预设的每个项目匹配偏差率记录，确定所述目标项目匹配偏差率对应的目标项目匹配偏差率记录；

根据预先确定的每个项目匹配偏差率记录与第三匹配度端点阈值和第四匹配度端点阈值的对应关系，确定所述目标项目匹配偏差率记录对应的第一匹配度端点阈值和第二匹配度端点阈值；

优选地，预先确定所述每个项目匹配偏差率记录与第三匹配度端点阈值和第四匹配度端点阈值的对应关系的过程包括：

分别获取预设的第二推送项目搜索指数值的第四数量的第五推送项目信息和预设的第三推送项目搜索指数值的第五数量的第六推送项目信息，所述第二推送项目搜索指数值大于第三推送项目搜索指数值；

针对每个项目匹配偏差率记录，基于所述第四数量的第五推送项目信息，确定该项目匹配偏差率记录对应的第三匹配度端点阈值；

并基于所述第五数量的第六推送项目信息，确定该项目匹配偏差率记录对应的第四匹配度端点阈值。

第二方面，本发明还提供了一种云服务器，包括处理器、存储器和总线；所述处理器和所述存储器通过所述总线通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述方法。

本公开的实施例提供的技术方案可以包括以下有益效果。

本公开提供了一种针对云业务和用户画像挖掘的信息处理方法及云服务器，首先对待分析支付业务终端的第一业务交互状态进行分析，得到第一业务交互状态的业务交互状态信息，对待分析支付业务终端的身份信息进行判断分析，并在进一步判断出待分析支付业务数据中包括待分析支付业务终端的业务交互提示消息后，对待分析支付业务终端的第二业务交互状态进行分析，得到第二业务交互状态的业务交互状态信息，最后基于第一业务交互状态的业务交互状态信息与第二业务交互状态的业务交互状态信息确定待分析支付业务终端的用户偏好信息，从而综合通过第一业务交互状态的业务交互状态信息与第二业务交互状态的业务交互状态信息来确定待分析支付业务终端的用户偏好信息，以提高业务交互状态分析的准确性，减少业务交互状态分析的偏差，从而准确地挖掘出用户的偏好信息，进而实现精准的业务服务推荐，从而减少业务服务推荐时所占用的网络资源。

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信息处理方法的一实施例流程示意图。

图2是本发明实施例提供的一种信息处理方法的另一实施例的流程示意图。

图3是步骤S23中支付业务终端的身份信息分析模型的训练过程示意图。

图4是本实施例支付业务数据除噪一实施例的流程示意图。

图5是本发明实施例提供的一种信息处理装置的框图。

图6是本发明实施例提供的一种云服务器的硬件结构示意图。

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申请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、本申请的一些方面相一致的装置和方法的例子。

为改善背景技术所述问题，本发明实施例提供了一种针对云业务和用户画像挖掘的信息处理方法及云服务器，该方法可以总结如下：获取到待分析支付业务终端的待分析支付业务数据；基于所述待分析支付业务数据，对所述待分析支付业务终端的不同业务交互状态进行分析，得到不同的业务交互状态信息；根据不同的业务交互状态信息确定所述待分析支付业务终端的用户偏好信息。

进一步地，对于上述内容中的基于所述待分析支付业务数据，对所述待分析支付业务终端的不同业务交互状态进行分析，得到不同的业务交互状态信息；根据不同的业务交互状态信息确定所述待分析支付业务终端的用户偏好信息，可以通过以下方式实现：对所述待分析支付业务终端的第一业务交互状态进行分析，得到所述第一业务交互状态的业务交互状态信息；判断所述待分析支付业务终端的身份信息是否为目标支付业务终端的身份信息；如果所述待分析支付业务终端的身份信息为所述目标支付业务终端的身份信息，判断所述待分析支付业务数据中是否包括所述待分析支付业务终端的业务交互提示消息；如果所述待分析支付业务数据中包括所述待分析支付业务终端的业务交互提示消息，对所述待分析支付业务终端的第二业务交互状态进行分析，得到所述第二业务交互状态的业务交互状态信息；基于所述第一业务交互状态的业务交互状态信息与所述第二业务交互状态的业务交互状态信息确定所述待分析支付业务终端的用户偏好信息。

可以理解，为便于对上述方案进行阐述，下面结合附图进行进一步的说明。

请参阅图1，图1是本发明信息处理方法一实施例的流程示意图。

步骤S11：获取到待分析支付业务终端的待分析支付业务数据。

在本步骤中，先获取到待分析支付业务终端的待分析支付业务数据。在一个具体的实施方式中，待分析支付业务数据可以为动态数据采集设备对当前支付业务状态中的支付业务终端进行数据采集所得到的动态支付业务数据、静态数据采集设备对当前支付业务状态中的支付业务终端进行数据采集所得到的支付业务数据或包括有待分析支付业务终端标识的支付业务数据，在此不做限定。

步骤S12：对待分析支付业务终端的第一业务交互状态进行分析，得到第一业务交互状态的业务交互状态信息。

对待分析支付业务数据对应的待分析支付业务终端的第一业务交互状态进行分析，得到第一业务交互状态的业务交互状态信息。在一个具体的实施方式中，第一业务交互状态的业务交互状态信息包括但不限于：第一业务交互状态对应于待分析支付业务数据中的支付渠道业务操作信息、第一业务交互状态的业务交互状态身份信息、第一业务交互状态的用户偏好信息以及第一业务交互状态的第一偏好热度值。

在一个具体的实施方式中，可以通过基于机器学习算法对第一业务交互状态进行分析，以获得第一业务交互状态的业务交互状态信息，具体的分析方法在本实施中不做限定。

步骤S13：判断待分析支付业务终端的身份信息是否为目标支付业务终端的身份信息。

在本实施例中，当待分析支付业务终端的身份信息为目标支付业务终端的身份信息时，即待分析支付业务终端中设置有业务交互状态标识信息时，也就是待分析支付业务终端中设置有区别于第一业务交互状态的第二业务交互状态时，才需对待分析支付业务终端进行后续的第二业务交互状态分析。因此，在本步骤中，先判断待分析支付业务终端的身份信息是否为目标支付业务终端的身份信息。

步骤S14：如果待分析支付业务终端的身份信息为目标支付业务终端的身份信息，判断待分析支付业务数据中是否包括待分析支付业务终端的业务交互提示消息。

当步骤S13的判断结果为待分析支付业务终端的身份信息为目标支付业务终端的身份信息后，进一步判断待分析支付业务数据中是否包括待分析支付业务终端的业务交互提示消息。

在一个具体的实施方式中，当待分析支付业务数据中包括待分析支付业务终端的业务交互提示消息时，待分析支付业务终端的业务交互提示中包括第一业务交互状态和第二业务交互状态。在一个具体的实施方式中，当待分析支付业务数据中包括待分析支付业务终端的业务验证提示消息时，待分析支付业务终端的业务交互验证提示消息中包括第一业务交互状态。

步骤S15：如果待分析支付业务数据中包括待分析支付业务终端的业务交互提示消息，对待分析支付业务终端的第二业务交互状态进行分析，得到第二业务交互状态的业务交互状态信息。

如果待分析支付业务数据中包括待分析支付业务终端的业务交互提示消息，则待分析支付业务数据中的待分析支付业务终端的业务交互提示中包括第一业务交互状态和第二业务交互状态。对待分析支付业务终端的业务交互提示中的第二业务交互状态进行分析，得到第二业务交互状态的业务交互状态信息。

在一个具体的实施方式中，第二业务交互状态的业务交互状态信息包括但不限于：第二业务交互状态在待分析支付业务数据中的支付渠道业务操作信息、第二业务交互状态的业务交互状态身份信息、第二业务交互状态的用户偏好信息以及第二业务交互状态的第二偏好热度值。

步骤S16：基于第一业务交互状态的业务交互状态信息与第二业务交互状态的业务交互状态信息确定待分析支付业务终端的用户偏好信息。

在获得了第一业务交互状态的业务交互状态信息和第二业务交互状态的业务交互状态信息后，综合第一业务交互状态的业务交互状态信息与第二业务交互状态的业务交互状态信息来确定待分析支付业务终端的用户偏好信息，从而实现待分析支付业务终端对应的业务交互状态分析。

通过上述方法，本实施例的信息处理方法通过先对待分析支付业务终端的第一业务交互状态进行分析，得到第一业务交互状态的业务交互状态信息，对待分析支付业务终端的身份信息进行判断分析，并在进一步判断出待分析支付业务数据中包括待分析支付业务终端的业务交互提示消息后，对待分析支付业务终端的第二业务交互状态进行分析，得到第二业务交互状态的业务交互状态信息，最后基于第一业务交互状态的业务交互状态信息与第二业务交互状态的业务交互状态信息确定待分析支付业务终端的用户偏好信息，从而综合通过第一业务交互状态的业务交互状态信息与第二业务交互状态的业务交互状态信息来确定待分析支付业务终端的用户偏好信息，以提高业务交互状态分析的准确性，减少业务交互状态分析的偏差，从而准确地挖掘出用户的偏好信息，进而实现精准的业务服务推荐。

请参阅图2，图2是本发明信息处理方法另一实施例的流程示意图。

步骤S21：获取到初始支付业务数据，响应于初始支付业务数据对应于待分析支付业务终端，获取待分析支付业务终端在初始支付业务数据中的第一支付渠道信息，基于初始支付业务数据与待分析支付业务终端的第一支付渠道信息生成待分析支付业务数据。

先获取到初始支付业务数据。在一个具体的实施方式中，初始支付业务数据可以为动态数据采集设备对当前支付业务状态进行数据采集所得到的动态支付业务数据、静态数据采集设备对当前支付业务状态进行数据采集所得到的支付业务数据或包括需要进行业务交互状态分析的支付业务数据，在此不做限定。

通过支付业务终端检测模型对初始支付业务数据进行检测，以检测出初始支付业务数据是否对应于支付业务终端，当初始支付业务数据中不对应待分析支付业务终端时，不再对初始支付业务数据进行业务交互状态分析。当初始支付业务数据对应于待分析支付业务终端时，继续通过支付业务终端检测模型对初始支付业务数据对应的待分析支付业务终端进行检测，以检测出待分析支付业务终端在初始支付业务数据中的第一支付渠道信息，即待分析支付业务终端对应的支付方式信息。基于初始支付业务数据与待分析支付业务终端的第一支付渠道信息生成本实施例的待分析支付业务数据。在一个具体的实施方式中，支付业务终端检测模型可以为卷积神经网络的机器学习算法。

步骤S22：对待分析支付业务终端的第一业务交互状态进行分析，得到第一业务交互状态的用户偏好信息以及第一业务交互状态的用户偏好信息的第一偏好热度值。

对待分析支付业务数据进行筛选，由于相当大一部分的第一业务交互状态在支付业务终端中存在过多的冗余数据，因此，在对待分析支付业务数据进行拆分时，首先将支付业务终端对应的待分析支付业务数据进行冗余数据筛分，以在一定程度上保证第一业务交互状态能够基于支付业务终端对应的待分析支付业务数据拆分之后的进一步分析处理得到，从而减少支付业务终端检测不准导致业务交互状态对应的状态数据被噪声干扰的情况的发生。在本实施例中，第一业务交互状态是指在支付业务终端中进行业交交互的状态。

在一个具体的实施方式中，基于筛分后的待分析支付业务数据的第一预设业务操作信息对待分析支付业务数据进行拆分，得到待分析支付业务数据的第一交互状态业务数据块。

通过对待分析支付业务数据进行筛分和拆分，得到待分析支付业务数据第一业务交互状态的第一交互状态业务数据块。

基于第一交互状态业务数据块对待分析支付业务终端的第一业务交互状态进行检测，并对检测到的第一业务交互状态进行分析，以得到第一业务交互状态的用户偏好信息以及第一业务交互状态的用户偏好信息的第一偏好热度值。

在一个具体的实施方式中，可以先通过业务交互状态检测模型对第一交互状态业务数据块进行检测，得到第一业务交互状态在第一交互状态业务数据块中的第二支付渠道信息，第一业务交互状态的业务交互状态身份信息和第一业务交互状态的偏好热度值。再基于第一交互状态业务数据块以及第一业务交互状态在第一交互状态业务数据块中的第二支付渠道信息通过分析网络对第一业务交互状态的各个支付业务信息进行分析，得到第一用户偏好信息和第一用户偏好信息对应的每种支付业务信息的偏好热度值。在一个具体的实施方式中，业务交互状态检测模型可以为预先训练的机器学习模型，在此不做限定。

在本步骤中，获得第一业务交互状态在第一交互状态业务数据块中的第二支付渠道信息，第一业务交互状态的业务交互状态身份信息和第一业务交互状态的偏好热度值以及第一用户偏好信息和第一用户偏好信息对应的每种支付业务信息的偏好热度值后，完成对第一业务交互状态的分析。

步骤S23：通过支付业务终端的身份信息分析模型判断待分析支付业务终端的身份信息是否为目标支付业务终端的身份信息；其中，支付业务终端的身份信息分析模型包括偶数个分析子模型。

将步骤S21中所获得的待分析支付业务数据输入至支付业务终端的身份信息分析模型，判断待分析支付业务终端的身份信息是否为目标支付业务终端的身份信息。其中，支付业务终端的身份信息分析模型包括偶数个分析子模型。

在本实施例中，当待分析支付业务终端的身份信息为目标支付业务终端的身份信息时，即待分析支付业务终端中设置有业务交互状态标识信息时，才需对待分析支付业务终端进行后续的第二业务交互状态分析。

具体地，分别通过每一个分析子模型对待分析支付业务终端的身份信息是否为目标支付业务终端的身份信息进行分析，得到每一个分析子模型的分析结果；将数目多的分析结果确定为待分析支付业务终端的身份信息为目标支付业务终端的身份信息的判断结果。其中，分析结果为两种结果，包括：待分析支付业务终端的身份信息为目标支付业务终端的身份信息以及待分析支付业务终端的身份信息不为目标支付业务终端的身份信息。

在一个具体的实施方式中，当分析子模型为3个时，分别通过每一个分析子模型对待分析支付业务终端的身份信息是否为目标支付业务终端的身份信息进行分析，得到每一个分析子模型的分析结果，如果3个分析子模型的分析结果不同时，则将数目多的分析结果确定为待分析支付业务终端的身份信息是否为目标支付业务终端的身份信息的判断结果，本步骤通过全局分析判断的方式，将数目多的分析结果确定为待分析支付业务终端的身份信息是否为目标支付业务终端的身份信息的判断结果，从而在一定程度上提高支付业务终端的身份信息分析模型分析的准确性。

请参阅图3，图3是步骤S23中支付业务终端的身份信息分析模型的训练过程示意图。

步骤S31：获取到目标支付业务终端的身份信息样本以及负例支付业务终端的身份信息样本。

先获取到目标支付业务终端的身份信息样本以及负例支付业务终端的身份信息样本。

步骤S32：将负例支付业务终端的身份信息样本划分为预设组数，并分别将每组的负例支付业务终端样本与目标支付业务终端样本融合，得到预设组数的训练样本；其中，预设组数与分析子模型的数目相同。

由于现实中各种身份信息的支付业务终端非常多，当在对目标支付业务终端的身份信息进行划分时，训练样本会因为目标支付业务终端的身份信息的样本数目和负例支付业务终端的身份信息的样本数目的不平衡，使得模型对少量样本的分类具有不客观性。因此，本步骤对上述问题进行改善，具体如下：将负例支付业务终端的身份信息样本划分为预设组数，并分别将每组的负例支付业务终端样本与目标支付业务终端样本融合，得到预设组数的训练样本；其中，预设组数与分析子模型的数目相同。

步骤S33：分别利用偶数组训练样本依次对每一个初始分析子模型进行训练，得到每种分析子模型；其中，每组训练样本对应一个分析子模型。

分别利用各组训练样本依次对每一个初始分析子模型进行训练，得到每种分析子模型；其中，每组训练样本对应一个分析子模型。在一个具体的实施方式中，初始分析子模型包括特征处理单元和分类单元，关于特征处理单元和分类单元的描述可以参阅现有技术，在此不作赘述。

本步骤的训练过程主要对特征处理单元的特征提取进行训练，使其特征提取更为准确，从而提高分类单元的分类结果的准确性。

步骤S24：如果为目标支付业务终端的身份信息，判断待分析支付业务数据中是否包括待分析支付业务终端的业务交互提示消息。

通过支付业务终端的身份信息分析模型对待分析支付业务数据的待分析支付业务终端进行分析，当分析出待分析支付业务终端的身份信息为目标支付业务终端的身份信息时，进一步判断待分析支付业务数据中是否包括待分析支付业务终端的业务交互提示消息。

在一个具体的实施方式中，可以通过业务验证交互提示分类模型分析待分析支付业务数据中是否包括待分析支付业务终端的业务交互提示消息或业务验证提示消息。

在一个具体的实施方式中，当检测出待分析支付业务数据中包括待分析支付业务终端的业务交互提示消息时，由于已分析出待分析支付业务终端的身份信息为目标支付业务终端的身份信息，则待分析支付业务终端的业务交互提示时一般而言设置提醒业务交互状态的消息，因此，对待分析支付业务终端进行第二业务交互状态分析。而当检测出待分析支付业务数据为业务验证提示支付数据时，待分析支付业务终端的业务验证提示并没有需要设置提醒业务交互状态的相关指示，一般而言只设置有支付业务终端中进行业务交互的业务交互状态，因此，此时即可将第一业务交互状态的分析结果作为最终待分析支付业务终端的业务交互状态分析结果。

步骤S25：如果待分析支付业务数据包括待分析支付业务终端的业务交互提示消息，将待分析支付业务数据进行操作热度化处理，得到待分析支付业务数据对应的操作热度化的支付业务数据。

在一个具体的实施方式中，当待分析支付业务数据包括待分析支付业务终端的业务交互提示消息，可确定待分析支付业务终端的业务交互提示中应设置提醒业务交互状态的消息标识信息，因此，需要对待分析支付业务终端的放高业务交互状态，即第二业务交互状态进行分析。

在一个具体的实施方式中，将待分析支付业务数据进行筛选，由于相当大一部分的第二业务交互状态在支付业务终端中存在交易安全问题，因此，在对待分析支付业务数据进行拆分时，首先将支付业务终端对应的待分析支付业务数据进行异常数据筛分，以在一定程度上保证第二业务交互状态能够基于支付业务终端对应的待分析支付业务数据拆分之后进一步分析处理得到，从而减少支付业务终端检测不准导致业务交互状态对应的状态数据被噪声干扰的情况的发生。

在一个具体的实施方式中，基于筛分后的待分析支付业务数据的第二预设业务操作信息对待分析支付业务数据进行拆分，得到待分析支付业务数据的第二交互状态业务数据块。

在一些可能的实施例中，对待分析支付业务终端进行数据采集所得到的初始支付业务数据的操作热度化差异可能较低，因此，本实施例需要对待分析支付业务数据进行支付业务数据除噪，通过修正支付业务数据的操作热度化，以达到更佳的分析效果。

请参阅图4，图4是本实施例支付业务数据除噪一实施例的流程示意图。

步骤S41：通过操作热度化的支付业务数据中的最高操作热度值与最低操作热度值确定得到操作热度化的支付业务数据中的操作热度变化值，并设置第一修正参数。

对待分析支付业务数据进行操作热度化处理，得到待分析支付业务数据对应的操作热度化的支付业务数据。通过操作热度化的支付业务数据中的最高操作热度值与最低操作热度值确定得到操作热度化的支付业务数据中的操作热度变化值。

步骤S42：利用操作热度变化值与第一修正参数判断操作热度化的支付业务数据是否需要进行支付业务数据除噪。

利用操作热度变化值与第一修正参数判断操作热度化的支付业务数据是否需要进行支付业务数据除噪。

步骤S43：对第一修正参数进行修正，得到第二修正参数。

当操作热度化的支付业务数据需要进行支付业务数据除噪后，对第一修正参数进行修正，得到第二修正参数。

步骤S44：利用第二修正参数和操作热度变化值确定得到修正后的最低操作热度值。

利用第二修正参数和操作热度变化值确定得到修正后的最低操作热度值。

步骤S45：基于修正后的最低操作热度值和第二修正参数对操作热度化的支付业务数据中每种业务事项的操作热度化进行修正，以对操作热度化的支付业务数据进行支付业务数据除噪。

最后，基于修正后的最低操作热度值、第二修正参数以及最低操作热度值对操作热度化的支付业务数据中每种业务事项的操作热度化进行修正，以对操作热度化的支付业务数据进行支付业务数据除噪。

最终通过上述步骤完成对操作热度化的支付业务数据的支付业务数据除噪。本实施例的支付业务数据除噪方法可以将本就操作热度变化值变化较大的操作热度化的支付业务数据过滤掉，从而不用对其进行操作热度化处理。而是将整体操作热度变化值变化不大的操作热度化的支付业务数据进行支付业务数据除噪，本身操作热度变化值变化较大的支付业务数据除噪后的变化和除噪之前的差异不大，所以过滤掉可以减少耗时，因此本实施例的支付业务数据除噪方法不仅可以将操作热度变化值较低的支付业务数据进行操作热度化除噪，还可以在一定程度上减少分析耗时，提高分析效率。

步骤S26：对待分析支付业务终端的第二业务交互状态进行分析，得到第二业务交互状态的用户偏好信息以及第二业务交互状态的用户偏好信息的第二偏好热度值。

将操作热度化的支付业务数据进行支付业务数据除噪后，对支付业务数据除噪后的第二交互状态业务数据块的待分析支付业务终端对应的第二业务交互状态进行分析，得到第二业务交互状态的用户偏好信息以及第二业务交互状态的用户偏好信息的第二偏好热度值，其中，第二业务交互状态的与第一业务交互状态不相同。

基于支付业务数据除噪后或不需进行支付业务数据除噪的第二交互状态业务数据块对待分析支付业务终端对应的第二业务交互状态进行分析，得到第二业务交互状态的用户偏好信息以及第二业务交互状态的用户偏好信息的第二偏好热度值。

在一个具体的实施方式中，可以先通过业务交互状态检测模型对第二交互状态业务数据块进行检测，得到第二业务交互状态在第二交互状态业务数据块中的第三支付渠道信息，第二业务交互状态的业务交互状态身份信息和第二业务交互状态的偏好热度值。再基于第二交互状态业务数据块以及第二业务交互状态在第二交互状态业务数据块中的第三支付渠道信息通过分析网络对第二业务交互状态的各个支付业务信息进行分析，得到第二用户偏好信息和第二用户偏好信息对应的每种支付业务信息的偏好热度值。

在本步骤中，获得第二业务交互状态在第二交互状态业务数据块中的第三支付渠道信息，第二业务交互状态的业务交互状态身份信息和第二业务交互状态的偏好热度值以及第二用户偏好信息和第二用户偏好信息对应的每种支付业务信息的偏好热度值后，完成对第二业务交互状态的分析。

在一个具体的实施方式中，当第二业务交互状态分析未能分析出第二业务交互状态的业务交互状态信息时（例如业务交互状态发生状态切换或业务交互状态未发生状态切换等情况），将第一业务交互状态的业务交互状态信息作为待分析支付业务终端的业务交互状态信息。

步骤S27：基于第一用户偏好信息和第二用户偏好信息或/和第一偏好热度值和第二偏好热度值确定待分析支付业务终端的用户偏好信息。

在一个具体的实施方式中，当在对比第一业务交互状态信息和第二业务交互状态信息前，先检测步骤S22中是否分析出第一业务交互状态的业务交互状态信息，如果没有，则将第二业务交互状态的业务交互状态信息作为待分析支付业务终端的业务交互状态信息；如果有，则进行第一业务交互状态信息和第二业务交互状态信息的对比。

依次比较第一用户偏好信息对应的每种支付业务信息与其业务操作信息对应的第二用户偏好信息的支付业务信息是否相同；如果相同，将支付业务信息确定为待分析支付业务终端的用户偏好信息对应业务操作信息的交互状态支付信息；如果不相同，比较第一用户偏好信息的支付业务信息的偏好热度值与第二用户偏好信息对应业务操作信息的支付业务信息的偏好热度值高低；将偏好热度值高的支付业务信息确定为待分析支付业务终端的用户偏好信息对应业务操作信息的交互状态支付信息。

在一个具体的实施方式中，在获得了待分析支付业务终端的用户偏好信息后，可以对依据待分析支付业务终端的身份信息判断待分析支付业务终端是否存在支付安全隐患，如果存在支付安全隐患，可以将待分析支付业务终端的用户偏好信息进行上报，以便于相关人员根据用户偏好信息对待分析支付业务终端的用户信息进行安全分析。

通过上述方法，本实施例的信息处理方法通过先对待分析支付业务终端的第一业务交互状态进行分析，得到第一业务交互状态的业务交互状态信息，再在判断出待分析支付业务数据包括待分析支付业务终端的业务交互提示消息后，对待分析支付业务终端的第二业务交互状态进行分析，得到第二业务交互状态的业务交互状态信息，最后基于第一业务交互状态的业务交互状态信息与第二业务交互状态的业务交互状态信息确定待分析支付业务终端的用户偏好信息，从而综合通过对比第一业务交互状态的业务交互状态信息与第二业务交互状态的业务交互状态信息来确定待分析支付业务终端的用户偏好信息，以提高业务交互状态分析的准确性，减少业务交互状态分析的偏差，从而准确地挖掘出用户的偏好信息，进而实现精准的业务服务推荐。比如，针对某个用户进行业务服务推荐，之前可能需要选择10种不同类型的业务服务进行推送，现在可以仅需要选择3种不同的类型的业务服务进行推送，若用户的意向业务服务为service1，那么推送3种不同的类型的业务服务所占用的网络资源是明显少于推送10种不同类型的业务服务的网络资源的，这样可以提高推送效率，减少网络资源消耗。又比如，在一些更为精准的推送过程中，可以直接推送业务服务service1，这样可以进一步减少对网络资源的占用。

在一种可替换的实施例中，该方法还包括：根据待分析支付业务终端的用户偏好信息，确定针对待分析支付业务终端的业务推送策略。

进一步地，根据待分析支付业务终端的用户偏好信息，确定针对待分析支付业务终端的业务推送策略，具体还可以包括步骤A-步骤G所描述的内容。

步骤A，根据所述用户偏好信息对应的兴趣标签，获取包含第一目标服务内容的每个第一推送项目信息。在一个具体的实施方式中，兴趣标签可以是游泳、登山、羽毛球、钓鱼、品茶、书法、乐器、看书、摄影、郊游、烘焙、电影、绘画等

步骤B，针对所述每个第一推送项目信息，确定推送项目信息集合中与该第一推送项目信息匹配的第二推送项目信息的第一匹配值以及该第二推送项目信息对应的第一项目内容描述信息。在一个具体的实施方式中，第二推送项目信息是指与第一推送项目信息下匹配的项目。第一匹配值是指推送项目信息集合中的项目内容与第二推送项目信息的项目内容相匹配的匹配值。

步骤C，从每个第二推送项目信息中，选取第一数量的第三推送项目信息。进一步地，该步骤可以通过以下方式实现：根据所述每个第二推送项目信息对应的第一匹配值对所述每个第二推送项目信息进行编号，按照第一匹配值降序的顺序，选取第一数量的第三推送项目信息。

步骤D，针对每个所述第三推送项目信息对应的每个第一项目内容描述信息，根据该第一项目内容描述信息的每个第三推送项目信息对应的第一匹配值，确定该第一项目内容描述信息对应的兴趣倾向匹配值。进一步地，在一些可能的实施例中，步骤D所描述的根据该第一项目内容描述信息的每个第三推送项目信息对应的第一匹配值，确定该第一项目内容描述信息对应的兴趣倾向匹配值进一步可以包括：根据该第一项目内容描述信息的每个第三推送项目信息对应的第一匹配值和预设的每个匹配度记录，确定每个第一匹配值分别对应的目标匹配度记录；根据所述每个匹配度记录与加载匹配值的对应关系，确定所述每个第一匹配值分别对应的第四匹配值，根据每个第四匹配值，确定该第一项目内容描述信息对应的兴趣倾向匹配值。

步骤E，确定与兴趣倾向匹配值最高的第二项目内容描述信息相对应的第三推送项目信息的第二数量，根据所述第一数量、所述第二数量和预设的第一项目匹配方式，确定所述第二项目内容描述信息对应的第二匹配值。

步骤F，确定所述第二项目内容描述信息的第三推送项目信息中最高的第三匹配值，根据所述第三匹配值以及所述第二匹配值，确定所述第一目标服务内容的第一目标匹配值。

步骤G，根据所述第一目标匹配值和预先确定的匹配度阈值，确定针对所述待分析支付业务终端的业务推送策略。在实际实施过程中，步骤G所描述的预先确定匹配度阈值的过程包括：获取预设时间段内第三数量的第四推送项目信息的第一推送项目搜索指数值；若所述第一推送项目搜索指数值不小于预设的第一搜索指数阈值，则根据预先确定的第一匹配度端点阈值，确定第一推送项目搜索指数值对应的匹配度阈值；若所述第一推送项目搜索指数值不大于预设的第二搜索指数阈值，则根据预先确定的第二匹配度端点阈值，确定第一推送项目搜索指数值对应的匹配度阈值；若所述第一推送项目搜索指数值大于预设的第二搜索指数阈值且小于预设的第一搜索指数阈值，则根据预先确定的所述第一匹配度端点阈值、所述第二匹配度端点阈值、所述第一推送项目搜索指数值、所述第一搜索指数阈值、所述第二搜索指数阈值，确定所述第一推送项目搜索指数值对应的匹配度阈值；其中，所述第一搜索指数阈值大于所述第二搜索指数阈值。

在上述实施例中，所述预先确定第一匹配度端点阈值和第二匹配度端点阈值的过程包括：根据确定的目标项目匹配偏差率和预设的每个项目匹配偏差率记录，确定所述目标项目匹配偏差率对应的目标项目匹配偏差率记录；根据预先确定的每个项目匹配偏差率记录与第三匹配度端点阈值和第四匹配度端点阈值的对应关系，确定所述目标项目匹配偏差率记录对应的第一匹配度端点阈值和第二匹配度端点阈值。进一步地，预先确定所述每个项目匹配偏差率记录与第三匹配度端点阈值和第四匹配度端点阈值的对应关系的过程包括：分别获取预设的第二推送项目搜索指数值的第四数量的第五推送项目信息和预设的第三推送项目搜索指数值的第五数量的第六推送项目信息，所述第二推送项目搜索指数值大于第三推送项目搜索指数值；针对每个项目匹配偏差率记录，基于所述第四数量的第五推送项目信息，确定该项目匹配偏差率记录对应的第三匹配度端点阈值；并基于所述第五数量的第六推送项目信息，确定该项目匹配偏差率记录对应的第四匹配度端点阈值。

举例而言，业务推送策略可以包括在什么时间段，以什么方式，向支付业务终端推送对应的业务服务，这样能避免推送行为对业务服务终端的其他正在进行的业务的干扰，同时也可以选择网络资源（比如带宽）较为充足的时候推送，进而减少推送耗时等其他异常情况的发生，以提高业务服务推送的效率。

通过上述步骤A-步骤G所描述的内容，首先根据用户偏好信息对应的兴趣标签，获取第一目标服务内容的每个第一推送项目信息，针对每个第一推送项目信息，确定推送项目信息集合中与该第一推送项目信息匹配的第二推送项目信息的第一匹配值以及第二推送项目信息对应的第一项目内容描述信息，其次针对从每个第二推送项目信息中选取的第三推送项目信息对应的第一项目内容描述信息，进而根据以上内容，分析出第一项目内容描述信息对应的兴趣倾向匹配值，进而根据兴趣倾向匹配值确定出第一目标服务内容的第一目标匹配值。然后根据第一目标匹配值和预先确定的匹配度阈值，确定针对所述待分析支付业务终端的业务推送策略。如此，根据用户偏好信息对应的兴趣标签对第一目标服务内容进行深度分析，以分析出与反映用户的兴趣偏好、实际需求和行为模式相匹配的目标匹配值，然后根据目标匹配值确定出待分析支付业务终端的业务推送策略，进而对用户进行业务服务推送。

在上述基础上，请结合图5，本发明还提供了一种针对云业务和用户画像挖掘的信息处理装置50的框图，所述装置包括以下功能模块。

业务数据获取模块51，用于获取到待分析支付业务终端的待分析支付业务数据。

交互状态分析模块52，用于对所述待分析支付业务终端的第一业务交互状态进行分析，得到所述第一业务交互状态的业务交互状态信息。

交互提示判断模块53，用于判断所述待分析支付业务终端的身份信息是否为目标支付业务终端的身份信息；如果所述待分析支付业务终端的身份信息为所述目标支付业务终端的身份信息，判断所述待分析支付业务数据中是否包括所述待分析支付业务终端的业务交互提示消息；如果所述待分析支付业务数据中包括所述待分析支付业务终端的业务交互提示消息，对所述待分析支付业务终端的第二业务交互状态进行分析，得到所述第二业务交互状态的业务交互状态信息。

偏好信息确定模块54，用于基于所述第一业务交互状态的业务交互状态信息与所述第二业务交互状态的业务交互状态信息确定所述待分析支付业务终端的用户偏好信息。

基于上述同样的发明构思，本发明实施例还提供了一种针对云业务和用户画像挖掘的信息处理系统，具体描述下。

一种针对云业务和用户画像挖掘的信息处理系统，包括互相之间通信的待分析支付业务终端以及云服务器；

待分析业务支付终端向云服务器上传待分析支付业务数据；

云服务器获取到待分析支付业务终端的待分析支付业务数据；对所述待分析支付业务终端的第一业务交互状态进行分析，得到所述第一业务交互状态的业务交互状态信息；判断所述待分析支付业务终端的身份信息是否为目标支付业务终端的身份信息；如果所述待分析支付业务终端的身份信息为所述目标支付业务终端的身份信息，判断所述待分析支付业务数据中是否包括所述待分析支付业务终端的业务交互提示消息；如果所述待分析支付业务数据中包括所述待分析支付业务终端的业务交互提示消息，对所述待分析支付业务终端的第二业务交互状态进行分析，得到所述第二业务交互状态的业务交互状态信息；基于所述第一业务交互状态的业务交互状态信息与所述第二业务交互状态的业务交互状态信息确定所述待分析支付业务终端的用户偏好信息。

可以理解，关于上述系统的描述可以参阅对应的方法实施例的说明。

在上述基础上，请结合参阅图6，提供了一种云服务器110，包括处理器110a以及与所述处理器110a连接的存储器110b和总线110c；其中，所述处理器110a和所述存储器110b通过所述总线110c完成相互间的通信；所述处理器110a用于调用所述存储器110b中的程序指令，以执行上述的方法。

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

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。