基于人工智能和云计算的业务分析方法及人工智能服务器

技术领域

本申请实施例涉及人工智能和云计算技术领域，具体涉及一种基于人工智能和云计算的业务分析方法及人工智能服务器。

背景技术

在数字化时代，人工智能、大数据和云计算相辅相成。云计算从量变到质变带来前所未有和高扩展性的计算资源。企业和互联网在数字化应用产生了大量的数据，这些数据和计算能力使得大数据技术普及到普通机构，而这些机构利用大数据来创建和优化相关的机器学习模型，从而带来更佳的人工智能效果。由此可见，在人工智能、大数据和云计算环境下的业务交互变得越来越流行，有效提高了各类业务的交互处理效率。

对于业务资源的访问和查询是云业务办理过程中的其中一个环节，随着业务交互设备的不断增多，各类资源访问事项的数量也处于激增的状态，为了优化资源访问的相关事项，通常需要对相关访问需求进行识别以提前进行资源预分配。然而相关的访问需求识别技术还存在需要改进的地方。

发明内容

有鉴于此，本申请实施例提供了一种基于人工智能和云计算的业务分析方法及人工智能服务器。

本申请实施例提供了一种基于人工智能和云计算的业务分析方法，应用于人工智能服务器，所述方法包括：获取当前资源访问事项的至少一个辅助交互信息和与所述辅助交互信息对应的辅助路径节点优化信息；其中，所述辅助路径节点优化信息与所述辅助交互信息通过同一资源访问事项获得；基于每个所述辅助交互信息对所述当前资源访问事项进行业务交互识别以获取至少一个第一访问需求识别结果；分别利用每个所述辅助交互信息对应的所述辅助路径节点优化信息对所述第一访问需求识别结果进行优化，以得到所述当前资源访问事项的目标访问需求识别结果。

优选的，所述业务分析方法是采用基于交互状态场景的访问需求识别策略，所述获取当前资源访问事项的至少一个辅助交互信息和与所述辅助交互信息对应的辅助路径节点优化信息，进一步包括：

分别为每个预设场景标签生成所述当前资源访问事项的交互信息辅助图谱和路径节点优化信息辅助图谱；其中，所述路径节点优化信息辅助图谱中所包括的所述辅助节点优化信息的数量与所述交互信息辅助图谱所包括的所述辅助交互信息的数量相等。

优选的，所述分别为每个预设场景标签生成所述当前资源访问事项的交互信息辅助图谱和路径节点优化信息辅助图谱，进一步包括：

按照所述预设场景标签确定所述当前资源访问事项的显性关联事项；

将每个所述显性关联事项的显性交互信息作为所述辅助交互信息，分别添加到所述交互信息辅助图谱中与所述显性关联事项对应的区域，进而生成得到所述预设场景标签的所述交互信息辅助图谱；其中，若所述显性关联事项不可用，则将预设交互信息添加到所述交互信息辅助图谱中与所述显性关联事项对应的区域；

将每个所述显性关联事项的显性路径节点优化信息作为所述辅助路径节点优化信息，分别添加到所述路径节点优化信息辅助图谱中与所述显性关联事项对应的区域，进而生成获得所述预设的场景标签的所述路径节点优化信息辅助图谱；其中，若所述显性关联事项不可用，则将预设路径节点优化信息添加到所述路径节点优化信息辅助图谱中与所述显性关联事项对应的区域；

相应的，所述基于每个所述辅助交互信息对所述当前资源访问事项进行业务交互识别以获取至少一个第一访问需求识别结果，进一步包括：

为所述当前资源访问事项中的每个第一预设长度的事项内容绑定对应的所述预设场景标签的交互信息辅助图谱中的辅助交互信息；

利用所述当前资源访问事项中的每个第一预设长度的事项内容的辅助交互信息，分别对所述每个第一预设长度的事项内容进行业务交互识别，以获取到每个第一预设长度的事项内容的第一访问需求识别结果；

所述分别利用每个所述辅助交互信息对应的所述辅助路径节点优化信息对所述第一访问需求识别结果进行优化，进一步包括：

为所述当前资源访问事项中的每个第一预设长度的事项内容绑定对应的所述预设场景标签的路径节点优化信息辅助图谱中的辅助路径节点优化信息；

利用所述当前资源访问事项中的每个第一预设长度的事项内容的辅助路径节点优化信息，分别对所述每个第一预设长度的事项内容的第一访问需求识别结果进行优化。

优选的，所述业务分析方法是采用基于隐性交互状态的访问需求识别策略或基于事项内容和隐性交互状态的访问需求识别策略，所述获取当前资源访问事项的至少一个辅助交互信息和与所述辅助交互信息对应的辅助路径节点优化信息，进一步包括：

生成所述当前资源访问事项的交互信息辅助图谱和与所述交互信息辅助图谱对应的路径节点优化信息辅助图谱；

获取所述当前资源访问事项在参考业务环境中的隐性配对事项的交互信息和路径节点优化信息，将所述隐性配对事项的交互信息作为所述辅助交互信息对应添加到所述交互信息辅助图谱，将所述路径节点优化信息作为所述辅助路径节点优化信息对应添加到所述路径节点优化信息辅助图谱；其中，若所述隐性配对事项的交互信息不可用，则将所述当前资源访问事项的设定显性关联事项交互信息的融合结果作为所述辅助交互信息，对应添加到所述交互信息辅助图谱的第一个区域；

基于所述当前资源访问事项的设定显性关联事项的路径节点优化信息确定所述辅助路径节点优化信息，并将其对应添加到所述路径节点优化信息辅助图谱的第一个区域；

相应的，所述基于所述当前资源访问事项的设定显性关联事项的路径节点优化信息确定所述辅助路径节点优化信息，并将其对应添加到所述路径节点优化信息辅助图谱的第一个区域，进一步包括：

若所述当前资源访问事项的设定显性关联事项的路径节点优化信息均相同，则直接将所述当前资源访问事项的设定显性关联事项的路径节点优化信息作为所述辅助路径节点优化信息添加到所述路径节点优化信息辅助图谱的第一个区域；

否则，将预设路径节点优化信息添加到所述路径节点优化信息辅助图谱的第一个区域。

优选的，所述业务分析方法是采用基于隐性交互状态和交互热度的访问需求识别策略，所述获取当前资源访问事项的至少一个辅助交互信息和与所述辅助交互信息对应的辅助路径节点优化信息，进一步包括：

在参考业务环境中确定所述当前资源访问事项的资源响应事项，所述资源响应事项包括初始资源响应事项和若干候选资源响应事项，所述初始资源响应事项为参考业务环境中与当前资源访问事项的热度相同的资源访问事项，所述候选资源响应事项为所述初始资源响应事项经过变换得到的隐性事项；

分别将所有所述资源响应事项拆分成第二预设长度的事项内容；

遍历每个资源响应事项中的每个第二预设长度的事项内容，以获取所述第二预设长度的事项内容所对应的隐性事项的所述交互信息和所述路径节点优化信息，并将所述隐性事项的所述交互信息作为所述当前资源访问事项中对应所述第二预设长度的事项内容的所述辅助交互信息，将所述隐性事项的所述路径节点优化信息作为所述当前资源访问事项中对应所述第二预设长度的事项内容的所述辅助路径节点优化信息；

相应的，若无法获取到所述事项内容对应的隐性事项的所述交互信息和/或所述路径节点优化信息，则所述方法还包括：

获取位于所述当前资源访问事项的事项处理线程中的关联事项的交互信息，并映射到参考业务环境后作为所述事项内容的所述辅助交互信息；和/或获取所述当前资源访问事项的事项处理线程中的关联事项的路径节点优化信息并输出为所述事项内容的所述辅助路径节点优化信息；

若所述当前资源访问事项的事项处理线程的关联事项不存在或交互信息不可用，则将预设交互信息输出为所述事项内容的所述辅助交互信息，并将预设路径节点优化信息输出为所述辅助路径节点优化信息。

优选的，所述分别利用每个所述辅助交互信息对应的所述辅助路径节点优化信息对所述第一访问需求识别结果进行优化，以确定所述当前资源访问事项的目标访问需求识别结果之后，所述方法还包括：

将所述当前资源访问事项内所有事项内容的交互信息导入至当前业务环境的交互信息数据库，将所述当前资源访问事项内所有事项内容的路径节点优化信息导入至所述当前业务环境的路径节点优化信息数据库，其中，所述交互信息包括所述交互状态信息和参考业务环境目录；

和/或将所述当前资源访问事项的交互信息更新至目标交互信息辅助图谱，并将所述当前资源访问事项内的任意一个事项内容的路径节点优化信息更新至路径节点优化信息的目标辅助图谱；所述当前资源访问事项的交互信息为与所述目标访问需求识别结果对应的交互信息，所述事项内容的路径节点优化信息为与所述目标访问需求识别结果对应的所述路径节点优化信息。

优选的，所述方法用于对资源访问设备进行访问需求识别；

所述分别利用每个所述辅助交互信息对应的所述辅助路径节点优化信息对所述第一访问需求识别结果进行优化，以得到所述当前资源访问事项的目标访问需求识别结果，进一步包括：

分别利用每个所述辅助交互信息对应的所述辅助路径节点优化信息对对应的所述第一访问需求识别结果进行优化，进而获取到第二访问需求识别结果；

比较所有所述第二访问需求识别结果的误差参数，将误差参数最小的第二访问需求识别结果作为所述当前资源访问事项的目标访问需求识别结果。

优选的，所述对资源访问设备进行访问需求识别的方式存在多种访问需求识别策略；

所述比较所有所述第二访问需求识别结果的误差参数，将误差参数最小的第二访问需求识别结果输出为所述当前资源访问事项的目标访问需求识别结果，进一步包括：

比较所有所述第二访问需求识别结果的误差参数，并将最小误差参数的所述第二访问需求识别结果作为所述当前访问需求识别策略的访问需求识别结果；

比较所有访问需求识别策略的访问需求识别结果的误差参数，并将所述误差参数最小的访问需求识别策略的访问需求识别结果输出为所述当前资源访问事项的目标访问需求识别结果。

本申请实施例还提供了一种人工智能服务器，包括处理器、通信总线和存储器；所述处理器和所述存储器通过所述通信总线通信，所述处理器从所述存储器中读取计算机程序并运行，以执行上述的方法。

本申请实施例还提供了一种计算机用可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在运行时实现上述的方法。

相较于现有技术，本申请实施例提供的基于人工智能和云计算的业务分析方法及人工智能服务器具有以下技术效果：区别于相关现有技术的情况，本申请所提供的技术方案，通过获取当前资源访问事项的至少一个辅助交互信息和与辅助交互信息对应的辅助路径节点优化信息，其中，辅助路径节点优化信息与辅助交互信息自同一资源访问事项获得，基于每个辅助交互信息对当前资源访问事项进行业务交互识别以获取至少一个第一访问需求识别结果；分别利用每个辅助交互信息对应的辅助路径节点优化信息对第一访问需求识别结果进行优化进而得到当前资源访问事项的目标访问需求识别结果。

本申请所提供的方案通过获取与辅助交互信息对应的辅助路径节点优化信息，并利用辅助路径节点优化信息对业务交互识别后所得的第一访问需求识别结果进行优化，进而可以获得更为准确的目标访问需求识别结果，由于本申请所提供的技术方案适用于资源访问设备和资源提供设备，进而无需在资源访问设备和资源提供设备之间配置路径节点优化信息的结构化关联参数，这样可以无需调整资源访问设备与资源提供设备之间所需要配置的业务资源交互执行线程的数量，进而提高识别访问需求的准确性，以达到提升资源访问事项挖掘性能的目的。

在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例所提供的一种人工智能服务器的方框示意图。

图2为本申请实施例所提供的一种基于人工智能和云计算的业务分析方法的流程图。

图3为本申请实施例所提供的一种基于人工智能和云计算的业务分析系统的架构图。

图4为本申请实施例所提供的一种基于人工智能和云计算的业务分析装置的框图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本申请的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

发明人经调查发现，相关技术在对资源访问事项进行挖掘识别时，通常需要调整不同的资源交互设备之间的业务资源交互执行线程的数量，进而需要在不同的资源交互设备之间配置相关的结构化关联参数以确保不同的资源交互设备之间的兼容性，这样难以确保针对资源访问事项的挖掘识别性能，从而导致确定出的访问需求存在偏差。

以上现有技术中的方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本申请实施例针对上述问题所提出的解决方案，都应该是发明人在本申请过程中对本申请做出的贡献。

基于上述研究，本申请实施例提供了一种基于人工智能和云计算的业务分析方法及人工智能服务器，适用于资源访问设备和资源提供设备，进而无需在资源访问设备和资源提供设备之间配置路径节点优化信息的结构化关联参数，这样可以无需调整资源访问设备与资源提供设备之间所需要配置的业务资源交互执行线程的数量，进而提高识别访问需求的准确性，以达到提升资源访问事项挖掘性能的目的。

图1示出了本申请实施例所提供的一种人工智能服务器10的方框示意图。本申请实施例中的人工智能服务器10可以为具有数据存储、传输、处理功能的服务端，如图1所示，人工智能服务器10包括：存储器11、处理器12、通信总线13和基于人工智能和云计算的业务分析装置20。

存储器11、处理器12和通信总线13之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有基于人工智能和云计算的业务分析装置20，所述基于人工智能和云计算的业务分析装置20包括至少一个可以软件或固件（firmware）的形式储存于所述存储器11中的软件功能模块，所述处理器12通过运行存储在存储器11内的软件程序以及模块，例如本申请实施例中的基于人工智能和云计算的业务分析装置20，从而执行各种功能应用以及数据处理，即实现本申请实施例中的基于人工智能和云计算的业务分析方法。

其中，所述存储器11可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。其中，存储器11用于存储程序，所述处理器12在接收到执行指令后，执行所述程序。

所述处理器12可能是一种集成电路芯片，具有数据的处理能力。上述的处理器12可以是通用处理器，包括中央处理器 (Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等。可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

通信总线13用于通过网络建立人工智能服务器10与其他通信终端设备之间的通信连接，实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。

可以理解，图1所示的结构仅为示意，人工智能服务器10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

本申请实施例还提供了一种计算机用可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在运行时实现上述的方法。

图2示出了本申请实施例所提供的一种基于人工智能和云计算的业务分析方法的流程图。所述方法有关的流程所定义的方法步骤应用于人工智能服务器10，可以由所述处理器12实现，所述方法包括以下步骤110-步骤130。

步骤110、获取当前资源访问事项的至少一个辅助交互信息和与所述辅助交互信息对应的辅助路径节点优化信息。

例如，资源访问事项可以是资源访问设备和资源提供设备之间的交互事项，在实际的交互过程中，在一些场景下资源访问设备可以具有资源访问功能，在另一些场景下资源访问设备也可以具有资源提供功能。同理，在一些场景下资源提供设备可以具有资源提供功能，在另一些场景下资源提供设备也可以具有资源访问功能。

此外，辅助交互信息和辅助路径节点优化信息用于对相关访问需求识别结果进行优化调整，从而确保相关访问需求识别结果能够与资源交互场景高度适配，以确保相关访问需求识别结果的准确性，避免相关访问需求识别结果出现偏差。辅助路径节点优化信息可以理解为基于节点化处理之后优化指示信息。其中，辅助路径节点优化信息与辅助交互信息可以通过同一资源访问事项获得。

在一些示例中，上述的业务分析方法可以采用基于交互状态场景的访问需求识别策略（访问需求识别模型）实现。基于此，上述步骤110所描述的获取当前资源访问事项的至少一个辅助交互信息和与所述辅助交互信息对应的辅助路径节点优化信息，可以通过以下实施方式实现：分别为每个预设场景标签生成所述当前资源访问事项的交互信息辅助图谱和路径节点优化信息辅助图谱。

相关实施例中，所述路径节点优化信息辅助图谱中所包括的所述辅助节点优化信息的数量与所述交互信息辅助图谱所包括的所述辅助交互信息的数量相等。预设场景标签用于对不同的交互状态场景进行区分，交互信息辅助图谱和路径节点优化信息辅助图谱可以理解为知识图谱（Knowledge Graph）或者图数据（Graphic Data），用于对辅助交互信息以及辅助节点优化信息进行可视化表达。如此，可以基于可视化处理思想完整地获得辅助交互信息及其对应的辅助路径节点优化信息。

在一些可能的实施例中，上述步骤所描述的“分别为每个预设场景标签生成所述当前资源访问事项的交互信息辅助图谱和路径节点优化信息辅助图谱”，进一步可以包括以下子步骤a1-子步骤a3所描述的内容。

子步骤a1，按照所述预设场景标签确定所述当前资源访问事项的显性关联事项。

子步骤a2，将每个所述显性关联事项的显性交互信息作为所述辅助交互信息，分别添加到所述交互信息辅助图谱中与所述显性关联事项对应的区域，进而生成得到所述预设场景标签的所述交互信息辅助图谱；其中，若所述显性关联事项不可用，则将预设交互信息添加到所述交互信息辅助图谱中与所述显性关联事项对应的区域。

子步骤a3，将每个所述显性关联事项的显性路径节点优化信息作为所述辅助路径节点优化信息，分别添加到所述路径节点优化信息辅助图谱中与所述显性关联事项对应的区域，进而生成获得所述预设的场景标签的所述路径节点优化信息辅助图谱；其中，若所述显性关联事项不可用，则将预设路径节点优化信息添加到所述路径节点优化信息辅助图谱中与所述显性关联事项对应的区域。

例如，显性关联事项可以直接根据预设场景标签的描述内容确定，相关图谱中的区域可以理解为在映射平面上的位置区域，比如相关图谱可以在映射平面上生成，该平面上不同的位置区域用于放置不同的图形化/可视化信息。这样一来，通过实施上述子步骤a1-子步骤a3，能够基于场景标签将当前资源访问事项的显性关联事项考虑在内，从而确保交互信息辅助图谱和路径节点优化信息辅助图谱的准确性。

在另一些示例中，上述业务分析方法可以采用基于隐性交互状态的访问需求识别策略或基于事项内容和隐性交互状态的访问需求识别策略实现。基于此，上述步骤110所描述的获取当前资源访问事项的至少一个辅助交互信息和与所述辅助交互信息对应的辅助路径节点优化信息，可以通过以下子步骤b1-子步骤b3实现。

子步骤b1、生成所述当前资源访问事项的交互信息辅助图谱和与所述交互信息辅助图谱对应的路径节点优化信息辅助图谱。

子步骤b2、获取所述当前资源访问事项在参考业务环境中的隐性配对事项的交互信息和路径节点优化信息，将所述隐性配对事项的交互信息作为所述辅助交互信息对应添加到所述交互信息辅助图谱，将所述路径节点优化信息作为所述辅助路径节点优化信息对应添加到所述路径节点优化信息辅助图谱。

在一些示例中，若所述隐性配对事项的交互信息不可用，则将所述当前资源访问事项的设定显性关联事项交互信息的融合结果作为所述辅助交互信息，对应添加到所述交互信息辅助图谱的第一个区域。

子步骤b3、基于所述当前资源访问事项的设定显性关联事项的路径节点优化信息确定所述辅助路径节点优化信息，并将其对应添加到所述路径节点优化信息辅助图谱的第一个区域。

在一些可能的实施例中，上述子步骤b3所描述的基于所述当前资源访问事项的设定显性关联事项的路径节点优化信息确定所述辅助路径节点优化信息，并将其对应添加到所述路径节点优化信息辅助图谱的第一个区域，进一步可以包括以下内容：若所述当前资源访问事项的设定显性关联事项的路径节点优化信息均相同，则直接将所述当前资源访问事项的设定显性关联事项的路径节点优化信息作为所述辅助路径节点优化信息添加到所述路径节点优化信息辅助图谱的第一个区域；否则，将预设路径节点优化信息添加到所述路径节点优化信息辅助图谱的第一个区域。如此设计，能够实现对路径节点优化信息辅助图谱的准确可靠更新。

可以理解，通过上述子步骤b1-子步骤b3，能够将参考业务环境考虑在内，从而确定隐性配对事项的交互信息和路径节点优化信息以对应添加到交互信息辅助图谱，并根据当前资源访问事项的设定显性关联事项的路径节点优化信息确定辅助路径节点优化信息以实现对路径节点优化信息辅助图谱的更新，这样不仅可以准确确定辅助交互信息及其辅助路径节点优化信息，还能够实现对路径节点优化信息辅助图谱的实时更新，确保路径节点优化信息辅助图谱的实时性和完整性。

在另外的一些实施例中，上述业务分析方法还可以采用基于隐性交互状态和交互热度的访问需求识别策略实现，基于此，上述步骤110所描述逇获取当前资源访问事项的至少一个辅助交互信息和与所述辅助交互信息对应的辅助路径节点优化信息，进一步可以以下子步骤c1-c3所描述的内容。

子步骤c1、在参考业务环境中确定所述当前资源访问事项的资源响应事项。

在相关实施例中，所述资源响应事项包括初始资源响应事项和若干候选资源响应事项，所述初始资源响应事项为参考业务环境中与当前资源访问事项的热度相同的资源访问事项，所述候选资源响应事项为所述初始资源响应事项经过变换得到的隐性事项。

子步骤c2、分别将所有所述资源响应事项拆分成第二预设长度的事项内容。

子步骤c3、遍历每个资源响应事项中的每个第二预设长度的事项内容，以获取所述第二预设长度的事项内容所对应的隐性事项的所述交互信息和所述路径节点优化信息，并将所述隐性事项的所述交互信息作为所述当前资源访问事项中对应所述第二预设长度的事项内容的所述辅助交互信息，将所述隐性事项的所述路径节点优化信息作为所述当前资源访问事项中对应所述第二预设长度的事项内容的所述辅助路径节点优化信息。

在另一些可能的实施例中，若无法获取到所述事项内容对应的隐性事项的所述交互信息和/或所述路径节点优化信息，则该方法还可以包括以下内容：获取位于所述当前资源访问事项的事项处理线程（预先通过编程或者模型训练得到的线程）中的关联事项（与当前资源访问事项存在业务关联）的交互信息，并映射到参考业务环境后作为所述事项内容的所述辅助交互信息；和/或获取所述当前资源访问事项的事项处理线程中的关联事项的路径节点优化信息并输出为所述事项内容的所述辅助路径节点优化信息；若所述当前资源访问事项的事项处理线程的关联事项不存在或交互信息不可用，则将预设交互信息输出为所述事项内容的所述辅助交互信息，并将预设路径节点优化信息输出为所述辅助路径节点优化信息。这样一来，能够确保在不同情况下尽可能确保辅助路径节点优化信息的完整性和可信度。

步骤120、基于每个所述辅助交互信息对所述当前资源访问事项进行业务交互识别以获取至少一个第一访问需求识别结果。

例如，访问需求识别结果用于描述资源访问事项的访问需求画像，比如资源访问设备的访问需求画像。进一步地，步骤S120的实施方式可以有多个，下面将结合部分实施方式进行说明。

在上述子步骤a1-子步骤a3的基础上，步骤120所描述的基于每个所述辅助交互信息对所述当前资源访问事项进行业务交互识别以获取至少一个第一访问需求识别结果，可以包括以下子步骤120a1和子步骤120a2所描述的内容。

子步骤120a1、为所述当前资源访问事项中的每个第一预设长度的事项内容绑定对应的所述预设场景标签的交互信息辅助图谱中的辅助交互信息。

例如，预设长度可以按照事项内容的流式记录时长确定，比如第一预设长度的事项内容可以是内容时长为t的事项内容。通过将第一预设长度的事项内容与辅助交互信息进行绑定，能够确保第一预设长度的事项内容与辅助交互信息之间的准确配对。

子步骤120a2、利用所述当前资源访问事项中的每个第一预设长度的事项内容的辅助交互信息，分别对所述每个第一预设长度的事项内容进行业务交互识别，以获取到每个第一预设长度的事项内容的第一访问需求识别结果。

例如，可以基于辅助交互信息对应的交互意图标签对每个第一预设长度的事项内容进行业务交互识别识别，从而通过交互意图标签挖掘得到第一预设长度的事项内容的第一访问需求识别结果，确保获取到的第一访问需求识别结果的时效性。

步骤130、分别利用每个所述辅助交互信息对应的所述辅助路径节点优化信息对所述第一访问需求识别结果进行优化，以得到所述当前资源访问事项的目标访问需求识别结果。

本申请实施例中，对第一访问需求识别结果进行优化可以理解为对第一访问需求识别结果进行修正或者除噪，这样能够确保目标访问需求识别结果的准确性。进一步地，步骤S130的实施方式可以有多个，下面将结合部分实施方式进行说明。

在上述子步骤120a1和子步骤120a2的基础上，步骤130所描述的分别利用每个所述辅助交互信息对应的所述辅助路径节点优化信息对所述第一访问需求识别结果进行优化，进一步可以包括以下子步骤130a1和子步骤130a2。

子步骤130a1、为所述当前资源访问事项中的每个第一预设长度的事项内容绑定对应的所述预设场景标签的路径节点优化信息辅助图谱中的辅助路径节点优化信息。

子步骤130a1、利用所述当前资源访问事项中的每个第一预设长度的事项内容的辅助路径节点优化信息，分别对所述每个第一预设长度的事项内容的第一访问需求识别结果进行优化。

可以理解，通过为每个第一预设长度的事项内容依次绑定辅助交互信息和辅助路径节点优化信息，能够尽可能确保辅助路径节点优化信息、辅助交互信息以及第一预设长度的事项内容之间的准确配对，进而实现对应的第一访问需求识别结果的优化，确保当前资源访问事项的目标访问需求识别结果的准确性。

可以理解的是，上述方法用于对资源访问设备进行访问需求识别，基于此，上述步骤130所描述的分别利用每个所述辅助交互信息对应的所述辅助路径节点优化信息对所述第一访问需求识别结果进行优化，以得到所述当前资源访问事项的目标访问需求识别结果，进一步通过以下步骤131和步骤132实现。

步骤131、分别利用每个所述辅助交互信息对应的所述辅助路径节点优化信息对对应的所述第一访问需求识别结果进行优化，进而获取到第二访问需求识别结果。

步骤132、比较所有所述第二访问需求识别结果的误差参数（比如与设定需求画像的比较结果），将误差参数最小的第二访问需求识别结果作为所述当前资源访问事项的目标访问需求识别结果。

在进一步的实施例中，步骤S132所描述的对资源访问设备进行访问需求识别的方式存在多种访问需求识别策略，所述比较所有所述第二访问需求识别结果的误差参数，将误差参数最小的第二访问需求识别结果输出为所述当前资源访问事项的目标访问需求识别结果，进一步可以包括以下内容：比较所有所述第二访问需求识别结果的误差参数，并将最小误差参数的所述第二访问需求识别结果作为所述当前访问需求识别策略的访问需求识别结果；比较所有访问需求识别策略的访问需求识别结果的误差参数，并将所述误差参数最小的访问需求识别策略的访问需求识别结果输出为所述当前资源访问事项的目标访问需求识别结果。如此设计，能基于优化后的误差参数选择目标访问需求识别结果，从而尽可能确保目标访问需求识别结果的准确性。

在一些可选的实施例中，在上述步骤130所描述的分别利用每个所述辅助交互信息对应的所述辅助路径节点优化信息对所述第一访问需求识别结果进行优化，以得到所述当前资源访问事项的目标访问需求识别结果之后，该所述方法还可以包括以下实施方式1和实施方式2中的至少一种。

实施方式1、将所述当前资源访问事项内所有事项内容的交互信息导入至当前业务环境的交互信息数据库（比如关系型数据库MySQL），将所述当前资源访问事项内所有事项内容的路径节点优化信息导入至所述当前业务环境的路径节点优化信息数据库（比如图数据库）。相关实施例中，所述交互信息包括所述交互状态信息和参考业务环境目录。

实施方式2、将所述当前资源访问事项的交互信息更新至目标交互信息辅助图谱，并将所述当前资源访问事项内的任意一个事项内容的路径节点优化信息更新至路径节点优化信息的目标辅助图谱。相关实施例中，所述当前资源访问事项的交互信息为与所述目标访问需求识别结果对应的交互信息，所述事项内容的路径节点优化信息为与所述目标访问需求识别结果对应的所述路径节点优化信息。

可以理解，通过上述实施方式1或者实施方式2，能够实现对路径节点优化信息的存储以避免丢失，便于后续通过相关数据库快速地进行信息调用。

请结合参阅图3，上述人工智能服务10可以与资源访问设备30通信以获取当前资源访问事项的至少一个辅助交互信息和与所述辅助交互信息对应的辅助路径节点优化信息，然后实施上述方案。进一步地，由于上述方案不涉及相关业务资源交互执行线程的修改和调整，因而可以适用于资源访问设备和资源提供设备，进而无需在资源访问设备和资源提供设备之间配置路径节点优化信息的结构化关联参数，这样可以无需调整资源访问设备与资源提供设备之间所需要配置的业务资源交互执行线程的数量，进而提高识别访问需求的准确性，避免确定出的访问需求存在偏差，从而达到提升资源访问事项挖掘性能的目的。

基于上述同样的发明构思，图4所示出的基于人工智能和云计算的业务分析装置20可以包括以下功能模块：

信息获取模块21，用于获取当前资源访问事项的至少一个辅助交互信息和与所述辅助交互信息对应的辅助路径节点优化信息；其中，所述辅助路径节点优化信息与所述辅助交互信息通过同一资源访问事项获得。

业务识别模块22，用于基于每个所述辅助交互信息对所述当前资源访问事项进行业务交互识别以获取至少一个第一访问需求识别结果。

结果优化模块23，用于分别利用每个所述辅助交互信息对应的所述辅助路径节点优化信息对所述第一访问需求识别结果进行优化，以得到所述当前资源访问事项的目标访问需求识别结果。

在一些选择性的实施例中，人工智能服务器还可以用于对不同的资源访问设备进行分类，从而挖掘不同聚类类别下的资源访问设备的群体画像。进一步地，在上述步骤130所描述的“分别利用每个所述辅助交互信息对应的所述辅助路径节点优化信息对所述第一访问需求识别结果进行优化，以得到所述当前资源访问事项的目标访问需求识别结果”的步骤之后，还可以包括关于对不同的资源访问设备进行分类的实施方式，关于对不同的资源访问设备进行分类的实施方式可以包括以下内容：获取目标资源访问设备节点的至少两个目标云服务激活状态；其中，连续两个所述目标云服务激活状态的服务状态相关性大于或等于预设参考服务状态相关性；分别确定每个目标云服务激活状态对应的备选关联访问设备节点分布；其中，每个目标云服务激活状态对应的备选关联访问设备节点分布包括的资源访问设备节点的云服务激活状态与该目标云服务激活状态的服务状态相关性小于或等于设定关联服务状态相关性；确定所有所述备选关联访问设备节点分布的备选关联节点子集合中的目标节点子集合；其中，所述备选关联节点子集合为所有所述备选关联访问设备节点分布的所有节点子集合中，云服务激活次数大于或等于预设激活阈值的节点子集合，所述目标节点子集合不是任一所述备选关联节点子集合的节点子集合。

在一些选择性的实施例中，关于上述“：获取目标资源访问设备节点的至少两个目标云服务激活状态；其中，连续两个所述目标云服务激活状态的服务状态相关性大于或等于预设参考服务状态相关性；分别确定每个目标云服务激活状态对应的备选关联访问设备节点分布；其中，每个目标云服务激活状态对应的备选关联访问设备节点分布包括的资源访问设备节点的云服务激活状态与该目标云服务激活状态的服务状态相关性小于或等于设定关联服务状态相关性；确定所有所述备选关联访问设备节点分布的备选关联节点子集合中的目标节点子集合；其中，所述备选关联节点子集合为所有所述备选关联访问设备节点分布的所有节点子集合中，云服务激活次数大于或等于预设激活阈值的节点子集合，所述目标节点子集合不是任一所述备选关联节点子集合的节点子集合”所描述的内容，可以通过以下实施方式实现。

步骤S21、获取目标资源访问设备节点的至少两个目标云服务激活状态。

本申请实施例中，多个资源访问设备节点（亦可理解为上述的资源访问设备）互相之间通信以实现云服务交互，云服务交互包括但不限于与境内在线支付、境内离线支付、跨境在线支付、跨境离线支付、远程协作办公、远程在线教育、数据文件共享、智慧城市监控和智慧工厂管理等。

本申请实施例中，人工智能服务器与每个资源访问设备节点通信，但不参与资源访问设备节点的云服务交互过程。

进一步地，目标云服务激活状态用于表征目标资源访问设备节点在交互过程中的服务交互激活状态或者服务交互执行状态，比如从空闲状态激活或者切换为忙碌状态。

相关实施例中，人工智能服务器获取目标资源访问设备节点的目标云服务激活状态的方式可以是：通过对目标资源访问设备节点的云服务运行日志进行访问以获得对应的目标云服务激活状态；或者经目标资源访问设备节点授权之后监测目标资源访问设备节点的服务线程，通过该服务线程获取目标资源访问设备节点的目标云服务激活状态。

可以理解的是，连续两个所述目标云服务激活状态的服务状态相关性大于或等于预设参考服务状态相关性。服务状态相关性可以理解为不同目标云服务激活状态的相似度，也可以理解为不同目标云服务激活状态的关联程度，一般而言，服务状态相关性可以通过相关性系数进行记录。设参考服务状态相关性可以根据实际情况进行设置，本实施例不再进说明。

在另外的一些实施例中，步骤S21所描述的获取目标资源访问设备节点的至少两个目标云服务激活状态，可以通过以下实施例a1实现。

实施例a1，所述获取目标资源访问设备节点的至少两个目标云服务激活状态的步骤，可以包括以下步骤所描述的内容：获取目标资源访问设备节点的目标访问设备节点身份信息；根据预先确定的访问设备节点身份信息和访问设备节点身份信息所表征资源访问设备节点的云服务激活状态的映射列表，以及所述目标访问设备节点身份信息，确定所述目标资源访问设备节点的至少两个目标云服务激活状态。

例如，目标访问设备节点身份信息用于对目标资源访问设备节点进行区分，目标访问设备节点身份信息可以的目标资源访问设备节点的标识信息或者标签信息，也可以是节点编号信息。进一步地，预先确定的访问设备节点身份信息和访问设备节点身份信息所表征资源访问设备节点的云服务激活状态的映射列表用于记录访问设备节点身份信息和对应的资源访问设备节点的云服务激活状态的对应关系，通过映射列表能够快速准确地获得目标资源访问设备节点的至少两个目标云服务激活状态，避免得到的至少两个目标云服务激活状态不符合服务状态相关性的有关条件。

在一些可选的实施例中，为了确保在获取目标访问设备节点身份信息时不会因为资源访问设备节点之间的关联关系的变化而出现偏差，在上述实施例a1所描述的获取目标资源访问设备节点的目标访问设备节点身份信息的基础上，进一步可以包括以下步骤S211-步骤S213所描述的内容。

步骤S211、从预先确定的访问设备节点身份信息和访问设备节点身份信息所表征资源访问设备节点的云服务激活状态的映射列表中，获取统计时间段内的云服务激活状态对应的访问设备节点身份信息，作为待分析的访问设备节点身份信息。

本申请实施例中，统计时间段可以是云服务互动较为频繁的时间段，以境内在线支付为例，统计时间段可以是节假日期间。待分析的访问设备节点身份信息可以理解为待定的访问设备节点身份信息。

步骤S212、若未确定所述待分析的访问设备节点身份信息所表征资源访问设备节点的关联资源访问设备节点，则确定所述待分析的访问设备节点身份信息为目标访问设备节点身份信息。

步骤S213、若已确定所述待分析的访问设备节点身份信息所表征资源访问设备节点的关联资源访问设备节点，则重新执行所述从预先确定的访问设备节点身份信息和访问设备节点身份信息所表征资源访问设备节点的云服务激活状态的映射列表中，获取统计时间段内的云服务激活状态对应的访问设备节点身份信息，作为待分析的访问设备节点身份信息的步骤。

如此设计，通过实施上述步骤S211-步骤S213，能够基于是否确定待分析的访问设备节点身份信息所表征资源访问设备节点的关联资源访问设备节点来确定待分析的访问设备节点身份信息是否为目标访问设备节点身份信息，从而确保在获取目标访问设备节点身份信息时不会因为资源访问设备节点之间的关联关系的变化而出现偏差。

在上述实施例a1的基础上，该方法还可以包括对云服务激活场景的确定。关于确定云服务激活场景的实施例可以参阅以下实施例a2。

实施例a2，根据预先确定的访问设备节点身份信息、访问设备节点身份信息所表征资源访问设备节点的云服务激活场景和访问设备节点身份信息所表征资源访问设备节点的云服务激活状态的映射列表，以及所述目标访问设备节点身份信息，确定所述目标资源访问设备节点的每个所述目标云服务激活状态对应的目标云服务激活场景。

例如，预先确定的访问设备节点身份信息、访问设备节点身份信息所表征资源访问设备节点的云服务激活场景和访问设备节点身份信息所表征资源访问设备节点的云服务激活状态的映射列表记录了“访问设备节点身份信息”、“云服务激活场景”以及“云服务激活状态”三者的对应关系，通过预先确定的访问设备节点身份信息、访问设备节点身份信息所表征资源访问设备节点的云服务激活场景和访问设备节点身份信息所表征资源访问设备节点的云服务激活状态的映射列表，能够在知晓“访问设备节点身份信息”、“云服务激活场景”以及“云服务激活状态”中的其中两个元素的情况下准确定位出剩余的元素。

本申请实施例中，目标云服务激活场景用于表征不同的云服务类型，通过确定“访问设备节点身份信息”、“云服务激活场景”以及“云服务激活状态”，能够为后续的关联访问设备节点分布的确定提供判定依据，从而提高关联访问设备节点分布的分类准确性。

步骤S22、分别确定每个目标云服务激活状态对应的备选关联访问设备节点分布。

本申请实施例中，备选关联访问设备节点分布可以理解为待进行进一步分析和筛选的关联资源访问设备节点的集合，比如备选关联访问设备节点分布可以包括Q1、Q2和Q3。而Q1、Q2和Q3中分别可以包括多个关联资源访问设备节点。

进一步地，每个目标云服务激活状态对应的备选关联访问设备节点分布包括的资源访问设备节点的云服务激活状态与该目标云服务激活状态的服务状态相关性小于或等于设定关联服务状态相关性。一般而言，设定关联服务状态相关性可以小于上述的预设参考服务状态相关性，这样可以先进行大范围地筛选，从而得到尽可能多的备选关联访问设备节点分布，避免对一些关联资源访问设备节点的遗漏。

在实际实施过程中，备选关联访问设备节点分布的确定可以通过实施例b1和实施例b2实现，实施例b1和实施例b2分别可以在上述实施例a1和实施例a2的基础上实施。

实施例b1，分别确定每个目标云服务激活状态对应的备选关联访问设备节点分布，可以包括以下内容：根据预先确定的访问设备节点身份信息和访问设备节点身份信息所表征资源访问设备节点的云服务激活状态的映射列表，分别确定每个目标云服务激活状态对应的备选关联访问设备节点分布。

在实施例b1中，所述备选关联访问设备节点分布包括访问设备节点身份信息，每个目标云服务激活状态对应的备选云服务激活状态与该目标云服务激活状态的服务状态相关性小于或等于设定关联服务状态相关性，所述备选云服务激活状态为该目标云服务激活状态对应的备选关联访问设备节点分布包括的访问设备节点身份信息对应的云服务激活状态。

实施例b2，分别确定每个目标云服务激活状态对应的备选关联访问设备节点分布，可以包括以下内容：根据预先确定的访问设备节点身份信息、访问设备节点身份信息所表征资源访问设备节点的云服务激活场景和访问设备节点身份信息所表征资源访问设备节点的云服务激活状态的映射列表，以及所述目标访问设备节点身份信息，分别确定每个目标云服务激活状态对应的备选关联访问设备节点分布。

在实施例b2中，所述备选关联访问设备节点分布包括访问设备节点身份信息，每个目标云服务激活状态对应的备选云服务激活状态与该目标云服务激活状态的服务状态相关性小于或等于设定关联服务状态相关性，且每个目标云服务激活状态对应的备选云服务激活场景与该目标云服务激活状态对应的目标云服务激活场景匹配，所述备选云服务激活状态为该目标云服务激活状态对应的备选关联访问设备节点分布包括的访问设备节点身份信息对应的云服务激活状态，所述备选云服务激活场景为该目标云服务激活状态对应的备选关联访问设备节点分布包括的访问设备节点身份信息对应的云服务激活场景。

可以理解，实施例b1和实施例b2在确定备选关联访问设备节点分布所考量的维度分为是：（1）云服务激活状态+访问设备节点身份信息；（2）云服务激活状态+访问设备节点身份信息+云服务激活场景。由此可见，实施例b1和实施例b2各自对应的备选关联访问设备节点分布的确定方式的范围界定存在些许差异。通过实施例b1确定出的备选关联访问设备节点分布可以包含较多的关联资源访问设备节点，通过实施例b2确定出的备选关联访问设备节点分布可以包含较少的关联资源访问设备节点。在实际实施过程中，可以根据人工智能服务器的实际资源负载情况灵活选取上述实施例b1和实施例b2进行实施。

步骤S23、确定所有所述备选关联访问设备节点分布的备选关联节点子集合中的目标节点子集合。

本申请实施例中，所述备选关联节点子集合为所有所述备选关联访问设备节点分布的所有节点子集合中，云服务激活次数大于或等于预设激活阈值的节点子集合，所述目标节点子集合不是任一所述备选关联节点子集合的节点子集合。进一步地，可以根据备选关联节点子集合对应的云服务激活次数以及集合之间的包含关系准确筛分出目标节点子集合，可以有效规避掉在同一云服务场景中不断检测到同一资源访问设备节点的情况，从而降低由于多次检测到非关联资源访问设备节点而将非关联资源访问设备节点确定为关联资源访问设备节点的概率。

步骤S24、根据所确定的目标节点子集合，确定所述目标资源访问设备节点的关联访问设备节点分布。

本申请实施例中，关联访问设备节点分布中包括与目标资源访问设备节点存在云服务关联的关联资源访问设备节点。由于关联资源访问设备节点和目标资源访问设备节点之间存在云服务关联，因而可以将关联资源访问设备节点和目标资源访问设备节点进行聚类，从而便于后续进行聚类分析和群体画像挖掘。

由此，可以根据设定关联服务状态相关性，统计目标资源访问设备节点的备选关联访问设备节点分布，基于所有备选关联访问设备节点分布的所有节点子集合中，云服务激活次数大于或等于预设激活阈值的所有备选关联节点子集合中的目标节点子集合，确定目标资源访问设备节点的关联访问设备节点分布。这可以有效规避掉在同一云服务场景中不断检测到同一资源访问设备节点的情况，从而降低由于多次检测到非关联资源访问设备节点而将非关联资源访问设备节点确定为关联资源访问设备节点的概率，提高了识别在一个云服务场景中与目标资源访问设备节点存在业务相关性的关联资源访问设备节点的准确性，这样便于对具有相同或者相似云服务激活状态的资源访问设备节点进行聚类，以挖掘出不同聚类类别下的资源访问设备节点的群体画像。

在相关的实施例中，上述步骤S24所描述的根据所确定的目标节点子集合，确定所述目标资源访问设备节点的关联访问设备节点分布的步骤，可以通过以下步骤S241和步骤S242实现。

步骤S241、若所确定的目标节点子集合的数量为一个，则将所确定的目标节点子集合作为所述目标资源访问设备节点的关联访问设备节点分布。

步骤S242、若所确定的目标节点子集合的数量为多个，则将所确定的目标节点子集合的并集作为所述目标资源访问设备节点的关联访问设备节点分布，或将所确定的目标节点子集合分别作为所述目标资源访问设备节点的关联访问设备节点分布，或将所确定的目标节点子集合中包括资源访问设备节点数量最多的目标节点子集合作为所述目标资源访问设备节点的关联访问设备节点分布。

可以理解，当目标节点子集合的数量为多个时，确定关联访问设备节点分布的情况可以为三类。第一类情况可以是直接将所确定的目标节点子集合的并集作为所述目标资源访问设备节点的关联访问设备节点分布。第二类情况可以是将所确定的目标节点子集合分别作为所述目标资源访问设备节点的关联访问设备节点分布。第三情况可以是将所确定的目标节点子集合中包括资源访问设备节点数量最多的目标节点子集合作为所述目标资源访问设备节点的关联访问设备节点分布。

对于第一类情况而言，可以确保关联访问设备节点分布尽可能不遗漏关联资源访问设备节点。

对于第二类情况而言，可以确保不同关联访问设备节点分布之间的区分度，便于后续进行全面的群体画像分析。

对于第三类情况而言，可以确保关联访问设备节点分布的高度集中性，从而提高后续群体画像分析的精准度。

在上述实施例b1或实施例b2的基础上，该方法还可以包括以下步骤S31-步骤S34所描述的内容。

步骤S31、提取检测服务事件包含的第一资源访问设备节点的第一云服务节点事件特征。

本申请实施例中，检测服务事件可以是预先根据相应的选择规则所确定的需要进行检测处理的服务事件，比如跨境支付事件或者共享文档下载事件等。第一云服务节点事件特征用于表征第一资源访问设备节点对检测服务事件的处理时所表现出的行为特征或者意图特征等。

步骤S32、从预先确定的访问设备节点身份信息、访问设备节点身份信息所表征资源访问设备节点的云服务节点事件特征和访问设备节点身份信息所表征资源访问设备节点的云服务激活状态的映射列表中，检索包括第二云服务节点事件特征的第一映射列表。

本申请实施例中，所述第二云服务节点事件特征与所述第一云服务节点事件特征的余弦相似度大于预设余弦相似度阈值。

步骤S33、若检索到所述第一映射列表，则将所述检测服务事件的检测状态作为所述第一资源访问设备节点的第一云服务激活状态，将所述第一映射列表包括的访问设备节点身份信息作为所述第一资源访问设备节点的第一访问设备节点身份信息，确定所述第一访问设备节点身份信息、所述第一云服务节点事件特征和第一云服务激活状态的第二映射列表。

例如，检测服务事件的检测状态可以是检测服务事件的当前事件状态。

步骤S34、若未检索到所述第一映射列表，则将所述检测服务事件的检测状态作为所述第一资源访问设备节点的第一云服务激活状态，为所述第一资源访问设备节点分配第二访问设备节点身份信息，并确定所述第二访问设备节点身份信息、所述第一云服务节点事件特征和第一云服务激活状态的第三映射列表。

可以理解，上述步骤S31-步骤S34用于对映射列表进行建立，在建立相应的映射列表的过程中，通过考虑检测服务事件以及不同的云服务节点事件特征，能够确保映射列表的完整性，从而保证后续在使用映射列表时不会出现偏差。

在一些可能的实施例中，若所有所述备选关联访问设备节点分布中每个节点子集合的云服务激活次数均小于所述预设激活阈值，则该方法还可以包括以下步骤S41-步骤S43所描述的内容。

步骤S41、获取预先确定的所述目标资源访问设备节点的原始备选关联访问设备节点分布。

步骤S42、确定所有所述备选关联访问设备节点分布和所述原始备选关联访问设备节点分布的所有原始备选关联节点子集合中的目标节点子集合。

本申请实施例中，所述原始备选关联节点子集合为所有所述备选关联访问设备节点分布和所述原始备选关联访问设备节点分布的所有节点子集合中，云服务激活次数大于或等于预设激活阈值的。进一步地，原始备选关联节点子集合可以理解为历史备选关联节点子集合或者在先的备选关联节点子集合。

步骤S43、根据所确定的目标节点子集合，确定所述目标资源访问设备节点的关联访问设备节点分布。

如此设计，能够在所有所述备选关联访问设备节点分布中每个节点子集合的云服务激活次数均小于所述预设激活阈值时，通过结合原始备选关联访问设备节点分布以尽可能高效地确定出目标节点子集合，从而确保确定所述目标资源访问设备节点的关联访问设备节点分布时的效率。

在一些选择性的实施例中，在上述步骤S21-步骤S24的基础上，该方法还可以包括以下步骤S51-步骤S53所描述的内容。

步骤S51、针对所述关联访问设备节点分布中的每个资源访问设备节点，获取该资源访问设备节点的云服务互动数据。

本申请实施例中，云服务互动数据可以是资源访问设备节点在云服务交互过程中所产生的业务数据。

步骤S52、调用预设的画像识别模型对所述云服务互动数据进行识别，得到该资源访问设备节点对应的个体画像信息。

本申请实施例中，画像识别模型可以是预先训练的卷积神经网络模型或者分类器模型。个体画像信息用于表征资源访问设备节点在云服务交互过程中的用户标签信息。

步骤S53、通过所述个体画像信息生成所述关联访问设备节点分布的群体画像信息。

本申请实施例中，可以将个体画像信息进行图数据化，然后根据图数据化之后的个体画像信息得到关联访问设备节点分布的群体画像信息，也可以基于知识图谱技术对个体画像信息进行处理以生成与关联访问设备节点分布的群体画像信息对应的知识图谱。

在实际实施过程中，步骤S51-步骤S53可以作为独立的实施方式实施。换言之，可以通过其他方式获取关联访问设备节点分布，然后直接基于获取到的关联访问设备节点分布执行上述步骤S51-步骤S53所描述的技术方案。

在一些选择性的实施例中，上述步骤S52所描述的调用预设的画像识别模型对所述云服务互动数据进行识别，得到该资源访问设备节点对应的个体画像信息，可以包括以下步骤S521-步骤S526所描述的内容。

步骤S521、调用已训练好的数据预处理模型对所述云服务互动数据进行数据预处理，得到所述云服务互动数据中待进行画像挖掘的目标互动数据集合。

例如，数据预处理可以包括数据清洗、除噪和格式统一等。

步骤S522、调用已训练好的数据块分析模型对所述目标互动数据集合中的多个互动数据块分别进行访问类业务分析和输出类业务分析，得到访问业务分析结果清单和输出业务分析结果清单。

例如，互动数据块可以理解为互动数据子集，访问类业务可以理解为数据上传型业务，输出类业务可以理解为数据下载型业务。访问业务分析结果清单和输出业务分析结果清单中分别包括多个不同的分析结果。

步骤S523、调用第一预设画像识别模型，对所述访问业务分析结果清单进行显性画像挖掘处理，得到包括有访问类业务标签的第一画像数据集合。

例如，第一画像数据集合可以理解为显性画像数据。

步骤S524、调用第二预设画像识别模型，对所述输出业务分析结果清单进行潜在画像挖掘处理，得到包括有输出类业务标签的第二画像数据集合。

例如，第二画像数据集合可以理解为潜在画像数据。

步骤S525、基于所述第一画像数据集合和所述第二画像数据集合进行画像特征匹配处理，得到所述目标互动数据集合中与目标业务相匹配的目标画像数据集合。

本申请实施例中，所述目标业务包括访问类业务和输出类业务中的至少一种。画像特征匹配可以理解为画像特征配对，从而确保目标画像数据集合的完整性。

步骤S526、通过所述所述目标画像数据集合对所述目标互动数据集合进行画像整合，得到该资源访问设备节点对应的个体画像信息。

可以理解，关于数据块分析模型、数据块分析模型以及画像识别模型的训练过程可以参阅相关现有技术。

在实际实施过程中，通过考虑显性画像和潜在画像，能够确保目标画像数据集合的完整性，这样可以提高个体画像信息的信息覆盖面。

在一些选择性的实施例中，步骤S522所描述的对所述目标互动数据集合中的多个互动数据块分别进行访问类业务分析和输出类业务分析，得到访问业务分析结果清单和输出业务分析结果清单，可以包括以下步骤S5221-步骤S5223所描述的内容。

步骤S5221、对所述目标互动数据集合中的多个互动数据块分别进行访问类业务分析，得到各个互动数据块中的访问类业务分析事件、以及各访问类业务分析事件所对应的初始互动业务类型。

步骤S5222、基于各互动数据块中的访问类业务分析事件和相应的初始互动业务类型，确定访问业务分析结果清单。

步骤S5223、对所述目标互动数据集合中的多个互动数据块分别进行输出类业务分析，得到输出业务分析结果清单。

如此，能够综合考虑访问类业务分析事件、以及各访问类业务分析事件所对应的初始互动业务类型，从而确保访问业务分析结果清单的完整性。

在一些选择性的实施例中，步骤S5223所描述的对所述目标互动数据集合中的多个互动数据块分别进行输出类业务分析，得到输出业务分析结果清单，可以包括以下内容：对所述目标互动数据块中的多个互动数据块分别进行操作行为识别，得到各互动数据块分别对应的操作行为识别结果；对所述目标互动数据块中的多个互动数据块分别进行数据流向识别，得到各互动数据块分别对应的数据流向识别结果；将对应于相同目标资源访问设备节点的操作行为识别结果和数据流向识别结果进行关联；基于所述目标互动数据块中与目标操作行为识别结果相关联的数据流向识别结果进行输出类业务分析处理，得到输出业务分析结果清单。

这样一来，通过对操作行为识别结果以及数据流向识别结果进行关联，能够基于操作层面和数据层面确保输出业务分析结果清单的可信度。

在一些选择性的实施例中，步骤S523所描述的调用第一预设画像识别模型，对所述访问业务分析结果清单进行显性画像挖掘处理，得到包括有访问类业务标签的第一画像数据集合，可以包括以下步骤S5231-步骤S5234所描述的内容。

步骤S5231、对所述访问业务分析结果清单中的每个互动数据块分别进行业务类型标定，得到每个互动数据块各自对应的固定互动业务类型。

本申请实施例中，固定互动业务类型可以是唯一不变的互动业务类型。

步骤S5232、基于每个互动数据块中与相应固定互动业务类型对应的访问类业务分析事件的事件安全校验结果，分别进行识别事件筛分处理，得到更新后的访问业务分析结果清单。

本申请实施例中，事件安全校验结果用于进行事件交互权限的校验。

步骤S5233、对所述更新后的访问业务分析结果清单进行循环筛分处理，得到多个包括有访问类业务标签的第一待处理画像数据集合。

本申请实施例中，循环筛分处理可以理解为持续性的筛分处理。

步骤S5234、根据各所述第一待处理画像数据集合分别所属的访问类型，对属于相同访问类型的第一待处理画像数据集合进行画像数据优化，得到包括有访问类业务标签的第一画像数据集合。

本申请实施例中，画像数据优化可以理解为对第一待处理画像数据集合进行画像数据过滤。

可以理解的是，通过实施上述步骤S5231-步骤S5234，能够基于显性画像层面进行识别事件筛分处理和访问业务分析结果清单的循环筛分处理，这样可以实现对属于相同访问类型的第一待处理画像数据集合进行画像数据优化，从而确保第一画像数据集合中不会出现重复的显性画像数据，这样可以确保第一画像数据集合的准确性。

在一些选择性的实施例中，步骤S5231所描述的对所述访问业务分析结果清单中的每个互动数据块分别进行业务类型标定，得到每个互动数据块各自对应的固定互动业务类型，可以包括以下步骤S5231a-步骤S5231d所描述的内容。

步骤S5231a、针对所述访问业务分析结果清单中的每个互动数据块，当互动数据块的初始互动业务类型的个数为至少两个时，获取每个初始互动业务类型的业务类型区分度。

步骤S5231b、当业务类型区分度最高的初始互动业务类型为一个时，将所述业务类型区分度最高的初始互动业务类型作为相应互动数据块的固定互动业务类型。

步骤S5231c、当所述业务类型区分度最高的初始互动业务类型为至少两个时，针对每个业务类型区分度最高的初始互动业务类型，获取对应的访问类业务分析事件的识别事件区分度。

步骤S5231d、根据最高的识别事件区分度所对应的初始互动业务类型，确定相应互动数据块所对应的固定互动业务类型。

如此设计，通过实施上述步骤S5231a-步骤S5231d，能够考虑初始互动业务类型的业务类型区分度，从而根据识别事件区分度所对应的初始互动业务类型，确定相应互动数据块所对应的固定互动业务类型，这样可以保证固定互动业务类型的准确性。

由此可见，可以根据设定关联服务状态相关性，统计目标资源访问设备节点的备选关联访问设备节点分布，基于所有备选关联访问设备节点分布的所有节点子集合中，云服务激活次数大于或等于预设激活阈值的所有备选关联节点子集合中的目标节点子集合，确定目标资源访问设备节点的关联访问设备节点分布。这可以有效规避掉在同一云服务场景中不断检测到同一资源访问设备节点的情况，从而降低由于多次检测到非关联资源访问设备节点而将非关联资源访问设备节点确定为关联资源访问设备节点的概率，提高了识别在一个云服务场景中与目标资源访问设备节点存在业务相关性的关联资源访问设备节点的准确性，这样便于对具有相同或者相似云服务激活状态的资源访问设备节点进行聚类，以挖掘出不同聚类类别下的资源访问设备节点的群体画像。

在本申请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申请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，在本申请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，本申请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，人工智能服务器10，或者网络设备等）执行本申请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。

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