基于区块链的智慧云业务流预测方法及区块链业务系统

技术领域

本公开涉及以区块链技术为基础的智慧云业务技术领域，示例性地，涉及一种基于区块链的智慧云业务流预测方法及区块链业务系统。

背景技术

随着5G专网迎来了规模化商用，企业数字化不断加速，在整体产业背景下，云网建设也变得迫在眉睫，成为各行业的普遍刚需，继而构成了全球智慧云业务运营商的全新发展机遇。智慧云业务可以是指依托于云端计算能力而产生的交互业务，如智慧教育云业务、智慧停车云业务、智慧医疗云业务、智慧办公云业务等等。

基于此，相关技术中，智慧云业务往往涉及到具体的业务场景互动，例如在智慧教育云业务下，可能涉及到课程发布、课程学习等业务场景互动，在智慧办公云业务下，可能涉及到办公流程共享、办公文档推送等业务场景互动。而在这些场景中，如何使得业务推送与实际意图响应情况关联，提高业务推送的精度，是亟待解决的技术问题。

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基于区块链的智慧云业务流预测方法及区块链业务系统。

第一方面，本公开提供一种基于区块链的智慧云业务流预测方法，应用于区块链业务系统，所述区块链业务系统与多个区块链业务节点通信连接，所述方法包括：

获取对智慧云业务进行业务数据跟踪所得的智慧云业务流，从所述智慧云业务流识别出所述智慧云业务因业务场景互动形成的业务场景互动数据；

在所述智慧云业务流中识别出目标响应意图数据，提取所述业务场景互动数据中与所述目标响应意图数据相关联的意图互动数据，得到业务互动意图数据；

根据所述业务互动意图数据的互动业务数量与所述智慧云业务流中的智慧云业务的总业务数量之间的比值，确定所述智慧云业务的业务意图响应比例；

根据所述智慧云业务的业务意图响应比例，更新所述智慧云业务的业务推送策略后，将所述智慧云业务的业务推送策略上传到所述区块链网络对应的区块链。

第二方面，本公开实施例还提供一种基于区块链的智慧云业务流预测系统，所述基于区块链的智慧云业务流预测系统包括区块链业务系统以及与所述区块链业务系统通信连接的多个区块链业务节点；

所述区块链业务系统，用于：

获取对智慧云业务进行业务数据跟踪所得的智慧云业务流，从所述智慧云业务流识别出所述智慧云业务因业务场景互动形成的业务场景互动数据；

在所述智慧云业务流中识别出目标响应意图数据，提取所述业务场景互动数据中与所述目标响应意图数据相关联的意图互动数据，得到业务互动意图数据；

根据所述业务互动意图数据的互动业务数量与所述智慧云业务流中的智慧云业务的总业务数量之间的比值，确定所述智慧云业务的业务意图响应比例；

根据所述智慧云业务的业务意图响应比例，更新所述智慧云业务的业务推送策略后，将所述智慧云业务的业务推送策略上传到所述区块链网络对应的区块链。

根据上述任意一个方面，本公开提供的实施方式中，在经过业务场景互动的智慧云业务中会形成意图互动数据，从而可以通过数据跟踪服务可以对该智慧云业务进行业务数据跟踪。在得到智慧云业务流时，可以识别出智慧云业务中的意图互动数据以得到业务场景互动数据，当从智慧云业务流中识别目标响应意图数据时，提取业务场景互动数据中与目标响应意图数据相关联的业务场景互动数据，然后计算该业务互动意图数据的互动业务数量与智慧云业务流中的智慧云业务的总业务数量之间的比值，确定智慧云业务的业务意图响应比例后，由此更新智慧云业务的业务推送策略，从而使得业务推送与实际意图响应情况关联，能够提高业务推送的精度。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要调用的附图作简单地介绍，应当理解，以下附图仅示出了本公开的某些实施例，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它相关的附图。

图1为本公开实施例提供的基于区块链的智慧云业务流预测系统的应用场景示意图；

图2为本公开实施例提供的基于区块链的智慧云业务流预测方法的流程示意图；

图3为本公开实施例提供的基于区块链的智慧云业务流预测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基于区块链的智慧云业务流预测方法的区块链业务系统的结构示意框图。

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基于区块链的智慧云业务流预测系统10的解释示意图。基于区块链的智慧云业务流预测系统10可以包括区块链业务系统100以及与区块链业务系统100通信连接的区块链业务节点200。图1所示的基于区块链的智慧云业务流预测系统10仅为一种可行的示例，在其它可行的实施例中，该基于区块链的智慧云业务流预测系统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，基于区块链的智慧云业务流预测系统10中的区块链业务系统100和区块链业务节点200可以通过配合执行以下方法实施例所描述的基于区块链的智慧云业务流预测方法，具体区块链业务系统100和区块链业务节点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基于区块链的智慧云业务流预测方法的流程示意图，本实施例提供的基于区块链的智慧云业务流预测方法可以由图1中所示的区块链业务系统100执行，下面对该基于区块链的智慧云业务流预测方法进行详细介绍。

步骤S110，获取对智慧云业务进行业务数据跟踪所得的智慧云业务流，从智慧云业务流识别出智慧云业务因业务场景互动形成的业务场景互动数据。

其中，云计算容器可以是用来配置云端智慧业务以通过业务数据跟踪脚本进行数据跟踪的云端注册程序。智慧业务可以是各种云端智慧业务，如智慧家庭业务、智慧医疗业务等。

对应地，智慧云业务即为配置于云计算容器中的云端智慧业务，通过数据跟踪服务可以观察该智慧云业务中的业务数据流。智慧云业务可以具有特定的业务功能，例如该智慧云业务可以是执行某种智能交互的云端智慧业务，如执行特定智能交互的智慧家庭业务，或智慧医疗区域某个智慧医疗设备的线下智慧业务等。该智慧云业务可以是经过交互响应的云端智慧业务，在交互响应后的智慧云业务中，某些具有意图信息的操作行为将会被交互响应，被交互响应的具有意图信息的操作行为则称为用户响应意图，在功能上可以区别于其它未被交互响应的具有意图信息的操作行为和非具有意图信息的操作行为。多个用户响应意图聚集在一起则形成意图互动数据。

在一个实施例中，区块链业务系统与数据跟踪服务建立API接口通信，当数据跟踪服务对智慧云业务进行业务流跟踪采集得到智慧云业务流时，数据跟踪服务可以实时地将采集的智慧云业务流发送给区块链业务系统；区块链业务系统则可以实时接收数据跟踪服务发送的智慧云业务流。此外，数据跟踪服务对智慧云业务进行业务流序列采集得到业务流序列，然后将业务流序列实时发送给区块链业务系统；区块链业务系统则可以实时接收数据跟踪服务发送的业务流序列，然后对接收的业务流序列进行解析，得到多个智慧云业务流，然后从该多个智慧云业务流中提取至少一个智慧云业务流用于进行智慧云业务流处理过程。

譬如，在获取到智慧云业务流之后，区块链业务系统还可以对获取到的智慧云业务流进行业务数据变化检测，以确定该智慧云业务流的业务数据变化是否满足设定的业务数据变化条件。当业务数据变化不满足设定的业务数据变化条件时，则重新获取对智慧云业务进行业务数据跟踪所得的智慧云业务流，直至新获取到的智慧云业务流的业务数据变化满足业务数据变化条件，从而可以避免因业务数据变化低而导致计算数据量增加。

在一个实施例中，区块链业务系统还可以对获取的智慧云业务流进行干扰数据源（如广告插入数据源）识别，以判断该智慧云业务流是否包含有干扰数据源，若包含干扰数据源且干扰数据源的干扰程度值大于预设阈值，则确定数据采集过滤维度，向数据跟踪服务发送携带数据采集过滤维度的请求，以使该数据跟踪服务在采集包含有智慧云业务的智慧云业务流数据时，按照该数据采集过滤维度对采集的智慧云业务流数据进行数据采集过滤，得到新的智慧云业务流，然后将新的智慧云业务流发送给区块链业务系统，从而区块链业务系统可以利用新的智慧云业务流计算业务意图响应比例。

其中，干扰数据源可以指在采集或信息处理过程中，出现了一些智慧云业务本身不存在的、但却出现在智慧云业务流上而使数据采集质量下降的源数据。

其中，智慧云业务中的一些具有意图信息的操作行为被交互响应之后，该智慧云业务中将会形成意图互动数据，该意图互动数据的数量可以是一个或多个。当对智慧云业务进行业务流跟踪采集时，该意图互动数据呈现于智慧云业务流中，区块链业务系统从该智慧云业务流中识别出意图互动数据，从而得到业务场景互动数据。可以理解的，该业务场景互动数据主要是关于意图互动数据的互动表现形式，在该业务场景互动数据中，意图互动数据可以以不同于其它数据的数据表现形式呈现。

在一个实施例中，区块链业务系统可以对智慧云业务流进行意图互动识别，以识别出智慧云业务中的意图互动数据，从而得到业务场景互动数据。

在一个实施例中，区块链业务系统可以将该智慧云业务流划分为多个单位业务跟踪数据块，然后确定每个单位业务跟踪数据块分别属于意图互动数据的热力分布块，该热力分布块中各单位业务跟踪数据值表示在相应单位业务跟踪数据块中的单位业务跟踪数据点匹配意图互动数据的热力值；将确定的热力分布块进行拼接，得到热力分布信息；根据该热力分布信息对智慧云业务流进行业务数据内容更新，得到业务场景互动数据。

在对智慧云业务流进行划分之前，区块链业务系统可以对该智慧云业务流进行业务区分处理，然后对目标智慧云业务流进行划分，得到多个单位业务跟踪数据块，并根据所得的单位业务跟踪数据块得到对应的热力分布块。在进行业务数据内容更新时，区块链业务系统可以根据该热力分布信息对智慧云业务流或目标智慧云业务流进行业务数据内容更新，得到业务场景互动数据。

此外，在进行业务区分处理之后，区块链业务系统还可以对目标智慧云业务流进行去噪，即去除目标智慧云业务流的无效区域，如边缘数据区域，并对去噪后的目标智慧云业务流进行格式化处理，得到格式化智慧云业务流。然后对格式化智慧云业务流进行划分，得到多个单位业务跟踪数据块，并根据所得的单位业务跟踪数据块得到对应的热力分布块。在进行业务数据内容更新时，区块链业务系统可以根据该热力分布信息对智慧云业务流、目标智慧云业务流或格式化智慧云业务流进行业务数据内容更新，得到业务场景互动数据。

步骤S120，在智慧云业务流中识别出目标响应意图数据S，提取业务场景互动数据中与目标响应意图数据相关联的意图互动数据，得到业务互动意图数据。

其中，操作行为可以是智慧云业务中目标类型的具有意图信息的操作行为，如发生智能交互的具有意图信息的操作行为(如具有咨询某个医疗科室的意图信息的操作行为)，或具有特定属性的具有意图信息的操作行为。目标意图即为操作行为的行为描述特征，也即多个操作行为之间的行为环境。

目标意图区域可以指智慧云业务中目标意图的数据展现区域，当对智慧云业务进行业务流跟踪采集时，该目标意图区域呈现于智慧云业务流中，区块链业务系统从该智慧云业务流中识别出目标意图区域，从而得到目标响应意图数据。可以理解的，该目标响应意图数据主要指关于目标意图区域的展现数据（如文本、语音等），在该目标响应意图数据中，目标意图区域可以以不同的形式呈现。

在一个实施例中，区块链业务系统对获取的智慧云业务流进行操作行为检测，以得到该智慧云业务流的操作行为服务数据，该操作行为服务数据可以指智慧云业务中操作行为在智慧云业务流中所处的服务数据；然后，对该操作行为服务数据寻找目标对标意图得到目标对标意图服务数据，然后根据目标对标意图服务数据和智慧云业务流确定操作行为与目标意图之间的意图响应业务数据，基于该意图响应业务数据确定目标响应意图数据。

例如，在对智慧云业务流进行操作行为或操作行为服务数据的检测时，可以基于人工智能的检测方式，检测出智慧云业务流中的操作行为服务数据，如采用预训练的检测模型对智慧云业务流进行操作行为服务数据进行检测。

在一个实施例中，区块链业务系统可以将业务场景互动数据和目标响应意图数据进行叠加，然后对业务场景互动数据中的意图互动数据和目标响应意图数据中的目标意图区域计算交集，相关联的意图互动数据即为交互响应免疫具有意图信息的操作行为区域，从而得到业务互动意图数据。

步骤S130，根据业务互动意图数据的互动业务数量与智慧云业务流中的智慧云业务的总业务数量之间的比值，确定所述智慧云业务的业务意图响应比例。

其中，互动业务数量指的是业务互动意图数据中交互响应过程具有互动业务意图信息的业务数量。智慧云业务的总业务数量指的是智慧云业务在智慧云业务流中的业务数量。需要指出的是，未出现在智慧云业务流或业务流跟踪采集范围内的智慧云业务，其业务数量不会包含在上述的智慧云业务的总业务数量内。

上述的业务意图响应比例指的是具有意图信息的操作行为在业务流跟踪采集范围内智慧云业务中的占比。

例如，区块链业务系统计算业务互动意图数据中具有意图信息的操作行为区域的业务数量，得到互动业务数量；区块链业务系统计算位于智慧云业务流中的智慧云业务的业务数量，得到智慧云业务的总业务数量，然后计算互动业务数量与智慧云业务的总业务数量之间的比值，即可得到业务意图响应比例。

在一个实施例中，区块链业务系统在智慧云业务流中，将与业务互动意图数据中业务互动意图对象或业务互动意图区域匹配的业务位置进行标记；将标记的智慧云业务流和业务意图响应比例进行输出，以使业务意图响应比例叠加于标记的智慧云业务流上进行显示。

例如，在得到业务意图响应比例之后，区块链业务系统可以以具有意图信息的操作行为为单位，在智慧云业务流中，将与业务互动意图数据中业务互动意图对象匹配的业务位置进行标记；将标记的智慧云业务流和业务意图响应比例进行输出，以使业务意图响应比例叠加于标记的智慧云业务流上进行显示。或者，区块链业务系统还可以以具有意图信息的操作行为块为单位，在智慧云业务流中，将与业务互动意图数据中业务互动意图区域匹配的业务位置进行标记；将标记的智慧云业务流和业务意图响应比例进行输出，以使业务意图响应比例叠加于标记的智慧云业务流上进行显示。此外，区块链业务系统也可以同时采用上述两种方式进行标记，以得到标记的智慧云业务流。

步骤S140，根据所述智慧云业务的业务意图响应比例，更新所述智慧云业务的业务推送策略后，将所述智慧云业务的业务推送策略上传到所述区块链网络对应的区块链。

这样，在经过业务场景互动的智慧云业务中会形成意图互动数据，从而可以通过数据跟踪服务可以对该智慧云业务进行业务数据跟踪。在得到智慧云业务流时，可以识别出智慧云业务中的意图互动数据以得到业务场景互动数据，当从智慧云业务流中识别目标响应意图数据时，提取业务场景互动数据中与目标响应意图数据相关联的业务场景互动数据，然后计算该业务互动意图数据的互动业务数量与智慧云业务流中的智慧云业务的总业务数量之间的比值，确定智慧云业务的业务意图响应比例后，由此更新智慧云业务的业务推送策略，从而使得业务推送与实际意图响应情况关联，能够提高业务推送的精度。

为了更清楚更直观地理解上述方法，结合具体应用场景对上述方法进行阐述，这里假设操作行为为智慧办公意图操作行为，那么目标意图即为智慧办公行为描述特征，在一种实施例中，提供基于区块链的智慧云业务流预测方法，上述方法具体包括：

步骤S210，数据跟踪服务对智慧办公分区的智慧云业务进行业务流跟踪采集，得到关于智慧办公分区的智慧云业务流。

步骤S220，区块链业务系统接收数据跟踪服务发送的关于智慧办公分区的智慧云业务流。

步骤S230，区块链业务系统从智慧云业务流识别出智慧办公分区的智慧云业务因业务场景互动形成的业务场景互动数据。

由于智慧办公分区的智慧云业务进行业务场景互动，智慧办公意图操作行为被交互响应，从而智慧办公意图操作行为与其它具有意图信息的操作行为之间的标注形式不同，因此区块链业务系统可以通过识别的方式将被交互响应的区域识别出来，得到业务场景互动数据。

步骤S240，区块链业务系统在智慧云业务流中识别出智慧办公行为描述特征服务数据。

步骤S250，区块链业务系统提取业务场景互动数据中与目标响应意图数据相关联的意图互动数据，得到业务互动意图数据。

步骤S260，区块链业务系统根据业务互动意图数据的互动业务数量与智慧云业务流中的智慧云业务的总业务数量之间的比值，确定免疫具有意图信息的操作行为在该智慧办公区域内的比例。

其中，智慧办公意图操作行为在该智慧办公区域内的比例即为上述的业务意图响应比例。需要指出的是，该业务意图响应比例是智慧办公意图操作行为在业务流跟踪采集范围内智慧办公区域的比例。

步骤S270，区块链业务系统将与业务互动意图数据中业务互动意图对象或业务互动意图区域匹配的业务位置进行标记。

步骤S280，区块链业务系统将标记的智慧云业务流和业务意图响应比例进行输出。

步骤S290，显示设备将业务意图响应比例叠加于标记的智慧云业务流上进行显示。

上述实施例中，在经过业务场景互动的智慧云业务中会形成意图互动数据，从而可以通过数据跟踪服务可以对该智慧云业务进行业务数据跟踪，得到可分辨具有意图信息的操作行为区域的智慧云业务流，在得到对该智慧云业务进行业务数据跟踪所得的智慧云业务流时，可以从该智慧云业务流识别出智慧云业务中的意图互动数据以得到业务场景互动数据，当从智慧云业务流中识别目标响应意图数据时，提取业务场景互动数据中与目标响应意图数据相关联的业务场景互动数据，然后计算该业务互动意图数据的互动业务数量与智慧云业务流中的智慧云业务的总业务数量之间的比值，从而便于后续更新智慧云业务的业务推送策略，提高业务推送的精度。

在一个实施例中，获得业务场景互动数据的步骤如下所述：

步骤S310，对智慧云业务流进行业务区分处理，得到目标智慧云业务流。

其中，对智慧云业务流进行业务区分处理，从而可以时处理后的智慧云业务流中被交互响应部分与未被交互响应部分更加具有区分度。

步骤S320，通过第一业务学习网络对目标智慧云业务流进行特征提取，得到智慧云业务因业务场景互动形成的业务场景互动特征。

其中，第一业务学习网络即为用于预测意图互动数据的神经网络模型。

在一个实施例中，区块链业务系统可以将该目标智慧云业务流输入第一业务学习网络，该第一业务学习网络提取目标智慧云业务流的单位业务跟踪数据特征，根据该单位业务跟踪数据特征确定目标智慧云业务流中的单位业务跟踪数据分别属于意图互动数据的热力，得到热力分布信息。其中，该热力分布信息即为业务场景互动特征。

目标智慧云业务流在输入第一业务学习网络之前，区块链业务系统还可以划分为多个单位业务跟踪数据块，然后依次将各单位业务跟踪数据块输入至第一业务学习网络。该第一业务学习网络从各单位业务跟踪数据块中提取单位业务跟踪数据特征，根据提取的单位业务跟踪数据特征确定对应单位业务跟踪数据块的单位业务跟踪数据分别属于意图互动数据的热力，得到热力分布块；将所得的热力分布块进行拼接，得到热力分布信息。

在一个实施例中，在进行特征提取之前，区块链业务系统还可以对目标智慧云业务流进行去噪处理，对去噪后的目标智慧云业务流进行格式化处理，得到格式化智慧云业务流。S320具体可以包括：区块链业务系统通过第一业务学习网络对格式化智慧云业务流进行特征提取，得到业务场景互动特征。其中，从格式化智慧云业务流提取特征的过程可参考上述从目标智慧云业务流中提取特征的步骤。

在一个实施例中，区块链业务系统获取数据跟踪服务在进行业务数据跟踪过程中所采用的跟踪业务层级信息；将跟踪业务层级信息依次输入至第一业务学习网络，以使第一业务学习网络获取与跟踪业务层级信息对应的业务拆分范围，按照业务拆分范围调整目标智慧云业务流各单位业务跟踪数据的业务范围，从而第一业务学习网络可以把目标智慧云业务流的各单位业务跟踪数据转换成模型本身能处理的业务拆分范围。

对于跟踪业务层级信息的获取方式，可以参考以下2种方式：

方式1，用户输入的方式。

例如，区块链业务系统获取输入的、针对数据跟踪服务在进行业务数据跟踪过程中所采用跟踪业务层级信息。例如，用户读取数据跟踪服务上的跟踪业务层级信息，然后将该跟踪业务层级信息输入至区块链业务系统。

方式2，拆分处理的方式。

例如，区块链业务系统对数据跟踪服务采集的智慧云业务流进行业务拆分范围计算，查找与计算出的第一业务拆分范围匹配的跟踪业务层级信息。这种方式是直接计算单个单位业务跟踪数据的业务拆分范围，然后根据业务拆分范围来查找匹配的跟踪业务层级信息。

在另一个实施例中，区块链业务系统计算数据跟踪服务采集的智慧云业务流的云业务范围和在云业务范围下的单位业务跟踪数据数量，根据云业务范围和单位业务跟踪数据数量确定第二业务拆分范围，查找与第二业务拆分范围匹配的跟踪业务层级信息。

步骤S330，根据业务场景互动特征对目标智慧云业务流进行业务数据内容更新，得到业务场景互动数据。

例如，区块链业务系统通过第一业务学习网络来进行业务数据内容更新过程，即第一业务学习网络在目标智慧云业务流中将与业务场景互动特征匹配的特征区域分割出来，从而得到业务场景互动数据。

上述实施例中，首先对智慧云业务流进行业务区分处理，从而可以时处理后的智慧云业务流中被交互响应部分与未被交互响应部分更加具有区分度，以提升拆分目标智慧云业务流得到业务场景互动数据的准确性，进而结合业务场景互动数据与目标响应意图数据所确定的业务意图响应比例准确性也更高。

在一个实施例中，获得目标响应意图数据的步骤如下所述：

步骤S410，对智慧云业务流进行业务区分处理，得到目标智慧云业务流。

其中，对智慧云业务流进行业务区分处理，从而可以使得处理后的智慧云业务流中被交互响应部分与未被交互响应部分更加具有区分度。

步骤S420，对目标智慧云业务流中的操作行为服务数据进行检测。

例如，区块链业务系统可以采用基于人工智能的操作行为区域检测方式，检测出目标智慧云业务流中的操作行为服务数据。基于人工智能的操作行为区域检测方式基于人工智能实现，如可以为基于机器学习模型实现操作行为区域检测。例如，可以通过FCN(Fully ConvolutionalNetworks，全卷积网络)模型、SegNet(A Deep ConvolutionalEncoder-DecoderArchitecture for Image Segmentation，一种用于业务数据内容更新的深度卷积编码－解码架构)模型、Linknet(Relational Embedding for Scene Graph，场景图的关系嵌入)模型等各种业务数据内容更新算法模型对操作行为区域进行检测，得到目标智慧云业务流中的操作行为区域。

例如，在对目标智慧云业务流进行操作行为区域检时，基于人工智能的操作行为区域检测方式，如采用预训练的检测模型对目标智慧云业务流进行操作行为区域检测方式，检测出目标智慧云业务流中的操作行为区域，得到操作行为服务数据。

步骤S430，通过第二业务学习网络对检测的操作行为服务数据寻找目标对标意图，得到目标对标意图服务数据。

例如，在基于人工智能的操作行为区域检测方式检测出目标智慧云业务流中的操作行为区域后，区块链业务系统对该操作行为区域寻找目标对标意图，具体可以通过连通各操作行为区域，寻找到能够包括各操作行为区域的目标对标意图节点，根据目标对标意图节点覆盖的服务对象生成目标对标意图服务数据。通过对操作行为服务数据寻找目标对标意图，可以减小处理过程中误差的影响，得到准确的目标对标意图服务数据。

在具体实现时，区块链业务系统可以将操作行为区域进行连通，获得连通区域，再由区块链业务系统将连通区域的范围内的非操作行为区域去除，从而确保连通区域范围内均为准确的操作行为识别结果，最后由区块链业务系统对去除了非操作行为区域的连通区域进行处理，如通过服务扩展进行处理，获得目标对标意图服务数据，同时通过服务扩展对较小的区域进行去噪处理，提高了操作行为目标对标意图区域识别划分的准确性。

在一个实施例中，区块链业务系统获取数据跟踪服务在进行业务数据跟踪过程中所采用的跟踪业务层级信息；将跟踪业务层级信息依次输入至第二业务学习网络，以使第二业务学习网络获取与跟踪业务层级信息对应的业务拆分范围，按照业务拆分范围调整目标智慧云业务流各单位业务跟踪数据的业务范围，从而第二业务学习网络可以把目标智慧云业务流的各单位业务跟踪数据转换成模型本身能处理的业务拆分范围。

对于本实施例中跟踪业务层级信息的获取方式，可以参考前述实施例两种跟踪业务层级信息获取方式。

步骤S440，融合目标智慧云业务流和目标对标意图服务数据，获得操作行为与目标意图之间的意图响应业务数据。

得到目标对标意图服务数据后，将目标对标意图服务数据和目标智慧云业务流进行融合，得到操作行为与目标意图之间的意图响应业务数据，其整体展现了操作行为和目标意图在目标智慧云业务流中的分布情况。例如，区块链业务系统可以求取操作行为区域和操作行为目标对标意图区域之间的交集，将目标智慧云业务流和操作行为目标对标意图区域的交集确定为意图响应业务数据。意图响应业务数据综合了目标智慧云业务流进行操作行为区域检测的检测结果和目标智慧云业务流基于人工智能的操作行为区域检测结果，能够有效减小单一检测方式中的误差影响，操作行为区域细节检测划分的准确度高。

步骤S450，基于意图响应业务数据确定目标响应意图数据。

其中，意图响应业务数据内的部分为操作行为区域，意图响应业务数据外的部分为目标意图区域，从而可以根据意图响应业务数据确定目标意图区域，根据目标意图区域生成目标响应意图数据。

上述实施例中，首先对智慧云业务流进行业务区分处理，从而可以时处理后的智慧云业务流中被交互响应部分与未被交互响应部分更加具有区分度，以提升分割目标智慧云业务流得到目标响应意图数据的准确性，进而结合目标响应意图数据和业务场景互动数据所确定的业务意图响应比例准确性也更高。

对于上述S430寻找目标对标意图的步骤，具体可以基于以下两种方式进行目标对标意图寻找：

方式1，通过热力分布的方式寻找。

在一个实施例中，上述S430具体可以包括：区块链业务系统将对目标智慧云业务流划分所得的各业务分区数据输入第二业务学习网络；通过第二业务学习网络对输入的业务分区数据进行操作行为检测，得到对应的操作行为热力分布；将操作行为热力分布进行拼接，得到操作行为集的热力分布；对操作行为集的热力分布进行操作行为区域判定，并根据判定的结果确定目标智慧云业务流中的目标对标意图服务数据。

本实施例中，在将目标智慧云业务流划分成各操作行为后，由操作行为区域检测模型分别对各操作行为进行操作行为区域检测，并将各操作行为对应的检测结果拼接，得到目标智慧云业务流对应的操作行为区域检测结果。其中，操作行为通过对目标智慧云业务流进行区域划分得到，如可以按照预设的区域单位大小对目标智慧云业务流进行区域划分，从而将目标智慧云业务流划分为若干个操作行为，降低了单次处理的数据量，提高数据的处理效率。

例如，在通过操作行为区域检测模型对目标智慧云业务流进行操作行为区域检测时，区块链业务系统获取目标智慧云业务流经过区域划分处理获得的各操作行为。其中，操作行为的区域划分可以在对目标智慧云业务流进行检测时实现，则在对目标智慧云业务流进行检测时，直接获取检测时区域划分得到的各操作行为。区块链业务系统将各操作行为输入操作行为区域检测模型中进行操作行为区域检测，获得由操作行为区域检测模型输出的各操作行为热力分布。操作行为热力分布记录了对应操作行为中的单位业务跟踪数据点检测为操作行为区域的热力。区块链业务系统将各操作行为分别对应的操作行为热力分布进行拼接，得到目标智慧云业务流对应的操作行为集的热力分布，从而实现对目标智慧云业务流的操作行为区域检测。

本实施例中，通过操作行为区域检测模型分别对操作行为进行操作行为区域检测，并将各操作行为对应的检测结果拼接，得到目标智慧云业务流对应的操作行为区域检测结果，可以减少单次操作行为区域检测处理的数据量，而且可以对各操作行为进行并行处理，能够有效提高操作行为区域检测的处理效率。

例如，上述对操作行为集的热力分布进行操作行为区域判定，并根据判定的结果确定目标智慧云业务流中的目标对标意图服务数据的步骤，具体可以包括：区块链业务系统获取热力值限值；基于热力值限值和操作行为集的热力分布中各单位业务跟踪数据点对应的热力值，对操作行为集的热力分布进行格式化映射，得到操作行为集的热力分布中各单位业务跟踪数据点的热力映射结果；根据操作行为集的热力分布各单位业务跟踪数据点的热力映射结果获得目标智慧云业务流中的目标对标意图服务数据。

其中，热力值限值根据实际需要预先设置，如可以设置为0.5，热力值限值用于对操作行为集的热力分布进行操作行为区域判定，根据操作行为区域判定确定目标智慧云业务流中的操作行为区域。例如，在得到操作行为区域检测模型输出的操作行为集的热力分布后，区块链业务系统获取预设的热力值限值，热力值限值用于对操作行为集的热力分布中各单位业务跟踪数据点的热力值进行格式化映射。区块链业务系统基于热力值限值和操作行为集的热力分布中各单位业务跟踪数据点对应的热力值，对操作行为集的热力分布进行热力格式化映射，具体可以由区块链业务系统分别比较操作行为集的热力分布中各单位业务跟踪数据点对应的热力值和热力值限值的大小，根据比较结果将各单位业务跟踪数据点进行热力格式化映射，获得操作行为集的热力分布中各单位业务跟踪数据点的热力映射结果。

例如，热力值限值为0.5，若操作行为集的热力分布中单位业务跟踪数据点A的热力值为0.8，单位业务跟踪数据点B的热力值为0.2，则将单位业务跟踪数据点A的单位业务跟踪数据值映射为白色单位业务跟踪数据值，将单位业务跟踪数据点A的单位业务跟踪数据值映射为黑色单位业务跟踪数据值，从而实现对单位业务跟踪数据点A和单位业务跟踪数据点B的格式化映射，在遍历所有单位业务跟踪数据点后，实现对操作行为集的热力分布的格式化映射。得到操作行为集的热力分布中各单位业务跟踪数据点的热力映射结果后，区块链业务系统基于各热力映射结果得到所述目标智慧云业务流中的操作行为区域，如区块链业务系统可以根据各热力映射结果中映射为操作行为单位业务跟踪数据值的单位业务跟踪数据点确定为操作行为单位业务跟踪数据点，并根据所有操作行为单位业务跟踪数据点确定目标智慧云业务流中的操作行为区域。

本实施例中，通过预设的热力值限值对操作行为集的热力分布进行热力格式化映射，以根据操作行为集的热力分布中各单位业务跟踪数据点的热力映射结果确定目标智慧云业务流中的操作行为区域，通过对格式化映射可以直观对目标智慧云业务流中的操作行为区域和目标意图区域进行准确划分，确保了所得的目标响应意图数据的准确度。

方式2，通过连通域的方式寻找。

在一个实施例中，上述S430具体可以包括：对目标智慧云业务流中的操作行为服务数据进行数据连通，得到操作行为连通服务数据；从操作行为连通服务数据中去除非操作行为区域，得到更新的操作行为连通服务数据；对更新的操作行为连通服务数据进行服务扩展，获得目标对标意图服务数据。其中，非操作行为区域可以指非操作行为的区域，对应地，去除非操作行为区域可以指去除非操作行为的区域。例如，去除非智慧办公意图操作行为的区域。

本实施例中，将所检测出的操作行为区域进行数据连通后，去除连通区域内的非操作行为，从而对连通区域的范围内部进行非操作行为过滤，再通过服务扩展对连通区域的边缘进行平滑处理，同时实现对连通区域边较小区域的去噪，从而实现了对所检测出的操作行为区域寻找目标对标意图，得到了识别划分准确性高的目标对标意图服务数据。

例如，在检测出目标智慧云业务流中的操作行为区域后，区块链业务系统对目标智慧云业务流中的操作行为区域进行数据连通，具体可以通过遍历目标智慧云业务流中的操作行为区域和非目标区域(即目标意图区域)，以通过滤波器将目标智慧云业务流中的操作行为区域进行数据连通，生成操作行为连通区域。区块链业务系统再对生成的操作行为连通区域范围内非操作行为进行滤除，从而确保操作行为连通区域内部均为操作行为。例如，区块链业务系统去除处于操作行为连通区域内的非操作行为区域，如区块链业务系统可以直接将处于操作行为连通区域内的非操作行为区域更新为操作行为区域，得到更新后的操作行为连通区域。更新后的操作行为连通区域的内部均为操作行为区域。进一步地，区块链业务系统对更新后的操作行为连通区域进行服务扩展，得到目标对标意图服务数据。通过对更新后的操作行为连通区域进行服务扩展，同时针对更新后的操作行为连通区域边缘较小区域进行有效去噪，进一步提高了目标对标意图服务数据的识别划分准确度。

在一个实施例中，业务场景互动数据是第一业务学习网络识别所得的；第一业务学习网络是对第一初始业务学习网络进行处理所得；对第一初始业务学习网络进行处理的步骤，具体可以包括：

步骤S510，获取对标的智慧云业务进行业务数据跟踪所得的标的智慧云业务流。

在一个实施例中，区块链业务系统可以从样本库中获取对标的智慧云业务进行业务数据跟踪所得的标的智慧云业务流。此外，标的智慧云业务流获取的过程可以参考上述实施例中S120的获取方式。

步骤S520，当对标的智慧云业务流经过业务区分处理后，通过第一初始业务学习网络对经过业务区分处理的标的智慧云业务流进行特征提取，得到标的智慧云业务因业务场景互动形成的标的业务场景互动特征。

步骤S530，根据标的业务场景互动特征对经过业务区分处理的标的智慧云业务流进行业务数据内容更新，得到标的业务场景互动数据。

其中，上述步骤S510-步骤S530的步骤可以参考上述实施例中步骤S310-步骤S330。

步骤S540，根据标的业务场景互动数据与对应的标注业务场景互动数据之间的差异参数，对第一初始业务学习网络的网络权重进行更新，直至达到训练终止条件。

在一个实施例中，步骤S540具体可以包括：区块链业务系统计算标的业务场景互动数据与对应的标注业务场景互动数据之间的差异参数，然后将计算的差异参数反向传播到第一初始业务学习网络的各层，获得对于各层参数的梯度；根据梯度调整第一初始业务学习网络中各层的参数，直至达到训练终止条件，得到第一业务学习网络。

上述实施例中，在获取到标的智慧云业务流时，对标的智慧云业务流进行业务区分处理，从而可以时处理后的标的智慧云业务流中被交互响应部分与未被交互响应部分更加具有区分度，以提升分割目标标的智慧云业务流得到标的业务场景互动数据的准确性。通过处理后的标的智慧云业务流对第一初始业务学习网络进行训练，获得标的业务场景互动数据，根据标的业务场景互动数据与对应的标注业务场景互动数据之间的差异参数，调整第一初始业务学习网络的网络权重，获得第一业务学习网络，采用第一业务学习网络来识别出业务场景互动数据，提高了意图互动数据识别的准确性，有利于提高业务意图响应比例的计算准确性。

在一个实施例中，目标响应意图数据是第二业务学习网络识别所得的；第二业务学习网络是对第二初始业务学习网络进行处理所得；对第二初始业务学习网络进行处理包括：

步骤S610，对经过业务区分处理的标的智慧云业务流中的训练操作行为服务数据进行检测。

步骤S620，通过第二业务学习网络对训练操作行为服务数据寻找目标对标意图，得到训练目标对标意图服务数据。

步骤S630，对训练目标对标意图服务数据和经过业务区分处理的标的智慧云业务流进行融合，获得操作行为与目标意图之间的标的意图响应业务数据。

步骤S640，基于标的意图响应业务数据确定的标的目标响应意图数据与对应的标注目标响应意图数据之间的差异参数，对第二初始业务学习网络的网络权重进行更新，直至达到训练终止条件。

在一个实施例中，步骤S640具体可以包括：区块链业务系统计算标的目标响应意图数据与对应的标注目标响应意图数据之间的差异参数，然后将计算的差异参数反向传播到第二初始业务学习网络的各层，获得对于各层参数的梯度；根据梯度调整第二初始业务学习网络中各层的参数，直至达到训练终止条件，得到第二业务学习网络。

上述实施例中，通过处理后的标的智慧云业务流对第二初始业务学习网络进行训练，获得标的意图响应业务数据，根据标的意图响应业务数据确定标的目标响应意图数据，基于标的目标响应意图数据与对应的标注目标响应意图数据之间的差异参数，调整第二初始业务学习网络的网络权重，获得第二业务学习网络，采用第二业务学习网络来识别出目标响应意图数据，提高了目标意图区域识别的准确性，有利于提高业务意图响应比例的计算准确性。

在一种实施例中，对于步骤S140，当智慧云业务的业务意图响应比例不低于预设比例时，可以按照第一更新模式更新智慧云业务的业务推送策略。再例如，当智慧云业务的业务意图响应比例低于预设比例时，可以按照第二更新模式更新智慧云业务的业务推送策略。

其中，在一种实施例中，按照第一更新模式更新智慧云业务的业务推送策略，例如可以是按照预先设定的与当前业务推送阶段匹配的推送规则对智慧云业务的业务推送策略进行更新。也就是说，业务推送阶段可以具有多个预设阶段，具体可以根据实际业务情况而定，如果智慧云业务的业务意图响应比例不低于预设比例，表明当前智慧云业务的推送效果较好，那么只需要按照预先设定的与当前业务推送阶段匹配的推送规则对智慧云业务的业务推送策略进行更新即可，无需特殊处理。

其中，在一种独立的实施例中，按照第二更新模式更新智慧云业务的业务推送策略，具体可以通过以下示例性的步骤实现。

步骤S101，获取区块链网络中的多个区块链业务节点针对智慧云业务的历史行为大数据。

步骤S102，根据历史行为大数据中每个软件微服务下的各个目标历史操作行为的操作类别属性集合，获取每个软件微服务下的多个操作偏好对象。

步骤S103，确定多个操作偏好对象的偏好标签维度信息，多个操作偏好对象中存在至少一种标签维度的操作偏好对象，偏好标签维度信息指示多个操作偏好对象中每种标签维度的操作偏好对象的数量，多个操作偏好对象中不同标签维度的操作偏好对象的数量呈联动关联关系。

步骤S104，根据多个操作偏好对象的偏好标签维度信息，确定分组数量。

步骤S105，根据多个操作偏好对象中每种标签维度的操作偏好对象的数量和分组数量，确定操作偏好对象分组中每种标签维度的操作偏好对象的数量。

步骤S106，根据操作偏好对象分组中至少一种标签维度的操作偏好对象的数量，对多个操作偏好对象执行至少两次分组操作得到至少两个操作偏好对象分组，每次分组操作用于确定一个操作偏好对象分组的至少一种标签维度的操作偏好对象。

步骤S107，根据至少两个操作偏好对象分组中的每个操作偏好对象分组所包括的操作偏好对象的偏好画像，对至少两个操作偏好对象分组进行初始业务推送配置。

步骤S108，共享配置至少两个操作偏好对象分组中的每个操作偏好对象分组的业务推送节点和业务推送范围中的至少一种，使至少两个操作偏好对象分组中位于同一业务类别的操作偏好对象分组共享对应的业务推送规则，位于同一逻辑类别的操作偏好对象分组共享对应的业务推送规则。

这样，通过确定多个操作偏好对象的偏好标签维度信息后，可以根据该多个操作偏好对象偏好标签维度信息，对该多个操作偏好对象进行分组得到至少两个操作偏好对象分组，之后对该至少两个操作偏好对象分组进行业务推送配置，使该至少两个操作偏好对象分组中位于同一业务类别的操作偏好对象分组共享对应的业务推送规则，位于同一逻辑类别的操作偏好对象分组共享对应的业务推送规则。如此，可以简化操作偏好对象共享配置过程，提高共享配置精度，并且结合操作偏好对象的偏好标签维度信息进行推送策略更新，由此提高后续的业务推送效果。

譬如，在一种实施例中，在步骤S107中，对于至少两个操作偏好对象分组中的每个操作偏好对象分组，根据操作偏好对象分组中的操作偏好对象在目标业务知识图谱中的图谱节点信息，确定操作偏好对象分组在目标业务知识图谱中的图谱节点信息，然后根据至少两个操作偏好对象分组的图谱节点信息，对至少两个操作偏好对象分组进行排序，得到操作偏好对象分组序列。

接下来，以操作偏好对象分组序列为划分参考对象执行业务类别划分过程，业务类别划分过程包括：

依次对划分参考对象中的每个操作偏好对象分组执行判断子过程，对划分参考对象中的第i个操作偏好对象分组执行的判断子过程包括：确定划分参考对象的前i个操作偏好对象分组中，与划分参考对象中第1个操作偏好对象分组位于同一业务类别的操作偏好对象分组的业务位置与第i个操作偏好对象分组的业务位置的层级差，i≥1。当层级差小于目标层级差阈值时，确定第i个操作偏好对象分组与第1个操作偏好对象分组位于同一业务类别。当层级差不小于目标层级差阈值时，确定第i个操作偏好对象分组与第1个操作偏好对象分组位于不同业务类别。当划分参考对象存在与第1个操作偏好对象分组位于不同业务类别的至少一个操作偏好对象分组时，将划分参考对象更新为至少一个操作偏好对象分组构成的序列，重复执行业务类别划分过程，直至确定出至少两个操作偏好对象分组中的每个操作偏好对象分组所在业务类别。

譬如，在一种实施例中，在步骤S108中，例如可以根据对至少两个操作偏好对象分组进行初始业务推送配置的结果，确定至少两个操作偏好对象分组的业务类别分布信息，业务类别分布信息指示每个业务类别的操作偏好对象分组的数量。然后，根据共享配置服务的共享配置参数、目标业务层级间隔和每个业务类别的操作偏好对象分组的数量，确定每个业务类别的操作偏好对象分组中的各个操作偏好对象分组的目标共享配置参数。接着，确定每个业务类别的操作偏好对象分组中，每种标签维度的操作偏好对象的目标推送关联业务范围。

由此，可以共享配置至少两个操作偏好对象分组中的每个操作偏好对象分组的业务推送节点和业务推送范围中的至少一种，使每个业务类别的操作偏好对象分组中的各个操作偏好对象分组的共享配置参数匹配目标共享配置参数，每个业务类别的操作偏好对象分组中每种标签维度的操作偏好对象的推送关联业务范围匹配目标推送关联业务范围，相关联的操作偏好对象分组的业务层级间隔匹配目标业务层级间隔，且操作偏好对象分组中的相关联操作偏好对象的业务层级间隔匹配目标业务层级间隔。

譬如，在一种实施例中，对于步骤S102，例如可以从待处理的目标历史操作行为中提取出操作流程集合，操作流程集合中包括多个操作流程，且多个操作流程中至少包括操作流程数据。然后，采用多个操作流程构建目标历史操作行为的操作偏好知识点分布，操作偏好知识点分布中包括多个操作偏好知识点。一个操作偏好知识点记录一个操作流程，且任意两个相映射的操作偏好知识点所记录的操作流程在目标历史操作行为中具有联动业务行为。在此基础上，可以基于操作偏好知识点分布中的各个操作偏好知识点之间的循环流向信息，计算各个操作偏好知识点所记录的操作流程的偏好兴趣参数，根据各个操作流程的偏好兴趣参数从操作流程集合中选取目标历史操作行为的参考操作流程数据，并采用参考操作流程数据的业务分布特征构建目标历史操作行为的操作类别属性特征，将操作类别属性特征输入到操作偏好决策网络中，获得目标历史操作行为的操作类别属性集合，操作类别属性特征用于指示目标历史操作行为的关键操作类别特征。

由此，可以根据所述历史行为大数据中每个软件微服务下的各个目标历史操作行为的操作类别属性集合，获取每个软件微服务下的多个操作偏好对象。

在一种实施例中，在以上描述的基础上，本公开实施例还提供一种基于区块链的智慧云业务内容更新方法，该方法可以包括以下步骤。

步骤S150，基于更新后的所述智慧云业务的业务推送策略，向所述区块链业务节点推送智慧云业务资讯信息。

步骤S160，获取多个反馈知识点的反馈知识点业务分区，并获取与所述多个反馈知识点相关的多个过往内容更新行为，任一过往内容更新行为包括内容更新业务分区和内容更新元素序列。

例如，区块链业务系统获取多个待关联的反馈知识点的反馈知识点业务分区，其中每个反馈知识点业务分区都包括反馈知识点业务位置和反馈知识点覆盖区域，反馈知识点业务位置是反馈知识点的业务目录层级，反馈知识点覆盖区域是反馈知识点的业务关联区域。例如，一个智慧办公反馈知识点可以用该智慧办公反馈知识点的每个维度的边界数据区域构成的区域表示其反馈知识点覆盖区域。

区块链业务系统获取与这多个反馈知识点相关的多个过往内容更新行为，任意过往内容更新行为都包括内容更新业务分区和内容更新元素序列，内容更新元素序列包括多个内容更新元素，内容更新元素即是具体进行内容更新的咨询项目（例如智慧办公下的文本文档推送项目），过往内容更新行为中的内容更新业务分区包括分区位置。下面对如何获取多个过往内容更新行为的过程进行具体说明：

区块链业务系统获取包含多个原始内容更新行为的原始内容更新行为集合，每个原始内容更新行为都包括内容更新业务分区和内容更新元素序列。区块链业务系统从原始内容更新行为集合中确定与多个反馈知识点中的至少一个反馈知识点业务分区匹配的原始内容更新行为，将匹配的多个原始内容更新行为均作为过往内容更新行为。对任一个原始内容更新行为来说，若该原始内容更新行为的内容更新业务分区和目标反馈知识点业务位置匹配，则确定该原始内容更新行为是与目标反馈知识点业务位置对应的反馈知识点匹配的原始内容更新行为，即该原始内容更新行为可以作为过往内容更新行为。目标反馈知识点业务位置是多个反馈知识点的反馈知识点业务位置中的一个反馈知识点业务位置。

或者，若原始内容更新行为中的内容更新业务分区和目标反馈知识点覆盖区域之间的区域差异小于预设的预设差异，则确定该原始内容更新行为是与目标反馈知识点覆盖区域对应的反馈知识点匹配的原始内容更新行为，即该原始内容更新行为可以作为过往内容更新行为。目标反馈知识点覆盖区域是多个反馈知识点的反馈知识点覆盖区域中的一个反馈知识点覆盖区域。

步骤S170，根据每个过往内容更新行为的内容更新业务分区和多个反馈知识点的反馈知识点业务分区，确定每个过往内容更新行为所属的反馈知识点。

例如，区块链业务系统根据每个过往内容更新行为的内容更新业务分区和多个反馈知识点的反馈知识点业务分区，确定每个历史请求所属的反馈知识点。对任一过往内容更新行为来说，确定该过往内容更新行为所属的反馈知识点的具体过程如下：

区块链业务系统从多反馈知识点的反馈知识点业务分区中确定与过往内容更新行为中的内容更新业务分区匹配的反馈知识点业务分区(称为目标反馈知识点业务分区)，将目标反馈知识点业务分区对应的反馈知识点作为该过往内容更新行为所属的反馈知识点。此处判断过往内容更新行为与某个反馈知识点业务分区是否匹配的方式和前述判断原始内容更新行为是否与某个反馈知识点业务分区匹配的方式相同，即若过往内容更新行为中的内容更新业务分区和多个反馈知识点业务分区中的目标反馈知识点业务位置匹配，则说明该过往内容更新行为属于目标反馈知识点业务位置对应的反馈知识点；或者，若过往内容更新行为中的内容更新业务分区和多个反馈知识点业务分区中的目标反馈知识点覆盖区域之间的区域差异小于预设的预设差异，则说明该过往内容更新行为属于目标反馈知识点覆盖区域对应的反馈知识点。

换句话说，在步骤S170中确定多个过往内容更新行为时，就可以一并确定每个过往内容更新行为所属的反馈知识点。

步骤S180，根据每个过往内容更新行为的内容更新元素序列以及每个过往内容更新行为所属的反馈知识点，对所述多个过往内容更新行为进行聚类处理，得到多个过往内容更新行为类分别所属的反馈知识点。

例如，区块链业务系统获取预设的第一预设聚类数量，根据每个过往内容更新行为的无线访问接入节点列表和第一预设聚类数量，将多个过往内容更新行为分组为多个原始内容更新行为群，区块链业务系统根据每个原始请求簇中的过往内容更新行为所属的反馈知识点，确定多个历史请求簇以及每个历史请求簇所属的反馈知识点。

确定历史请求簇所属的反馈知识点即是确定过往内容更新行为类中的过往内容更新行为所属的反馈知识点，这是因为，前面步骤是根据过往内容更新行为中的内容更新业务分区初步确定了每个过往内容更新行为所属的反馈知识点，由于过往内容更新行为的内容更新业务分区精度不够高，基于内容更新业务分区所确定的反馈知识点精度也不高。因此还需要通过分组来调整每个过往内容更新行为真正所属的反馈知识点。本公开所采取的分组策略是迭代分组，需要不断地调整第一预设聚类数量，以提高分组精度，进而提高确定每个过往内容更新行为所属反馈知识点的精度。

迭代分组是指先确定一个预设聚类数量，基于该预设聚类数量进行分组，得到多个原始内容更新行为群。若原始内容更新行为群中的大部分过往内容更新行为属于同一个反馈知识点，那么原始内容更新行为群可以作为过往内容更新行为类，且过往内容更新行为类中大部分过往内容更新行为所属的反馈知识点是该过往内容更新行为类所属的反馈知识点(或者说过往内容更新行为类中大部分过往内容更新行为所属的反馈知识点是该过往内容更新行为类所有过往内容更新行为所属的反馈知识点)。

若原始内容更新行为群中的过往内容更新行为分布在不同的反馈知识点并未集中在某一个反馈知识点中，那么就需要调整预设聚类数量，基于调整后的预设聚类数量将原始内容更新行为群中的过往内容更新行为进行重新分组。

步骤S190，根据多个过往内容更新行为类分别所属的反馈知识点，确定所述多个过往内容更新行为中每个内容更新元素所属的反馈知识点，为每个内容更新元素和每个内容更新元素所属的反馈知识点建立关联关系后，基于建立的关联关系信息对所述智慧云业务进行内容更新后，将内容更新记录上传到所述区块链网络对应的区块链。

具体的，区块链业务系统确定了每个过往内容更新行为类所属的反馈知识点，将过往内容更新行为类所属的反馈知识点作为该过往内容更新行为类中所有过往内容更新行为所属的反馈知识点，即是修正每个过往内容更新行为所属的反馈知识点。

由于每个过往内容更新簇会包含至少一个过往内容更新行为，且每个过往内容更新行为中会包含内容更新元素序列，因此同一个内容更新元素可能出现在不同的过往内容更新行为中，同一个内容更新元素可能出现在不同的反馈知识点中。对任一个内容更新元素来说，区块链业务系统根据每个过往内容更新行为类所属的反馈知识点，统计该内容更新元素在每个反馈知识点的出现频次(称为内容更新次数)，以及统计内容更新元素在所有反馈知识点的总内容更新次数。若多个内容更新次数中的最大内容更新次数和总内容更新次数之间的比值大于预设的次数比值(次数比值可以等于55％)，则区块链业务系统可以将该最大内容更新次数对应的反馈知识点作为该内容更新元素所属的反馈知识点。

反之，多个内容更新次数中的最大内容更新次数和总内容更新次数的比值不大于预设的次数比值之和，暂时不能确定该内容更新元素所属的反馈知识点。

可选的，对任一个内容更新元素来说，区块链业务系统根据每个过往内容更新行为类所属的反馈知识点，统计该内容更新元素在每个反馈知识点的出现频次(称为内容更新次数)，区块链业务系统直接将多个内容更新次数中最大内容更新次数对应的反馈知识点作为该内容更新元素所属的反馈知识点。

可选的，对任一个内容更新元素来说，区块链业务系统根据每个过往内容更新行为类所属的反馈知识点，统计该内容更新元素在每个反馈知识点的出现频次(称为内容更新次数)，区块链业务系统确定多个内容更新次数中最大内容更新次数和多个内容更新次数中第大二内容更新次数之间的比值，若该比值大于或等于预设比值，则将多个内容更新次数中最大内容更新次数对应的反馈知识点作为该内容更新元素所属反馈知识点。

可选的，区块链业务系统根据每个过往内容更新行为中包含的内容更新元素序列，将多个内容更新元素进行聚类处理，得到多个内容更新元素簇，也就是说那些经常一起出现在同一个过往内容更新行为中的内容更新元素会被分组为一个内容更新元素簇。对任一内容更新元素簇来说，区块链业务系统根据每个过往内容更新行为类所属的反馈知识点，统计该内容更新元素簇中的内容更新元素在同一个反馈知识点的总内容更新次数，将该总内容更新次数作为内容更新元素簇在每个反馈知识点的内容更新次数。将多个内容更新次数中最大内容更新次数对应的反馈知识点作为该内容更新元素簇中的所有内容更新元素所属的反馈知识点。

具体的，至此，区块链业务系统就确定了多个历史访问请求中的每个内容更新元素所属的反馈知识点，区块链业务系统可以为每个内容更新元素和每个内容更新元素所属的反馈知识点建立关联关系，并存储该关联关系。该关联关系可以用于内容更新用户当前所处的反馈知识点，即确定用户当前所处的位置。

可选的，区块链业务系统响应于针对目标用户的目标内容更新行为，目标内容更新行为包括目标内容更新元素，其中，目标内容更新元素属于多个过往内容更新行为中的内容更新元素序列，即目标内容更新元素属于上述已建立关联关系的内容更新元素。

再例如，在以上基础上，可以按照建立的关联关系信息中的每个内容更新元素和每个内容更新元素所属的反馈知识点，查找与每个内容更新元素对应的内容数据源集合，并按照每个内容更新元素所属的反馈知识点从内容数据源集合中获取对应的待更新内容数据后，基于待更新内容数据对智慧云业务进行内容更新。

这样，通过分析多个过往内容更新行为和多个反馈知识点的反馈知识点业务分区，首先确定每个过往内容更新行为所属的反馈知识点，将多个过往内容更新行为进行分组，以调整每个过往内容更新行为所属的反馈知识点。基于调整后的过往内容更新行为所属的反馈知识点，确定过往内容更新行为中的内容更新元素所属的反馈知识点。可见，本公开不需要人工参与，由区块链业务系统100自动确定每个内容更新元素所属的反馈知识点进而建立关联关系，避免由人工关联所带来的效率低下问题，可以降低关联耗时，提高关联效率；进一步地，本公开通过多个过往内容更新行为分组以调整每个过往内容更新行为所属的反馈知识点，可以提高每个过往内容更新行为所属的反馈知识点的准确度，进而可以提高后续确定每个内容更新元素所属的反馈知识点的准确度。

本公开实施例提供一种过往内容更新行为分组的具体流程，下述步骤S201-步骤S203主要描述如何将多个过往内容更新行为分组为过往内容更新行为类以及如何确定每个过往内容更新行为类所属的反馈知识点，且步骤S201-步骤S203对应的实施例是上述图3对应步骤S180的一个具体实施例：

步骤S201，获取第一预设聚类数量。

具体的，区块链业务系统获取预设的第一预设聚类数量，经过大量实验表明。

步骤S120，根据每个过往内容更新行为的内容更新元素序列和所述第一预设聚类数量，将多个过往内容更新行为划分为多个原始内容更新行为群。

基于上述两个原则，区块链业务系统确定多个原始内容更新行为群的具体过程如下：

多个过往内容更新行为包括第一过往内容更新行为和第二过往内容更新行为，区块链业务系统统计第一过往内容更新行为中的内容更新元素序列和第二过往内容更新行为中的内容更新元素序列之间的交集数量(也可以称为内容更新元素共享数量)，区块链业务系统从第一过往内容更新行为中包含的内容更新元素数量和第二过往内容更新行为中包含的内容更新元素数量中选择最大内容更新元素数量，若内容更新元素共享数量除以最大内容更新元素数量所得到的商大于第一预设聚类数量(第一预设聚类数量可以等于0.4)，则区块链业务系统可以将第一过往内容更新行为和第二过往内容更新行为组合为候选内容更新行为群。区块链业务系统可以按照上述原则二将多个候选内容更新行为群进行合并，以得到最终的原始内容更新行为群。

步骤S203，根据每个原始内容更新行为群中的过往内容更新行为所属的反馈知识点，确定多个过往内容更新行为类以及每个过往内容更新行为类所属的反馈知识点。

具体的，至此，区块链业务系统就获取了多个原始内容更新行为群，且每个原始内容更新行为群中的过往内容更新行为包含的内容更新元素序列都足够相似。对任一原始内容更新行为群来说，统计该原始内容更新行为群包含的过往内容更新行为的数量(称为第一请求数量)，将该原始内容更新行为群划分为多个单位原始内容更新行为群，任一单位原始请求簇中的过往内容更新行为属于相同反馈知识点。从多个单位原始内容更新行为群中获取包含过往内容更新行为最多的单位原始内容更新行为群(称为目标单位原始内容更新行为群)，获取目标单位原始内容更新行为群包含的过往内容更新行为的数量(称为第二请求数量)，若第二请求数量除以第一请求数量所得的商不小于预设的预设反馈知识点比值(预设反馈知识点比值可以等于70％)，则将该原始内容更新行为群确定为过往内容更新行为类，并将目标单位原始内容更新行为群对应的反馈知识点作为该过往内容更新行为类所属的反馈知识点。

反之，若第二请求数量除以第一请求数量所得的商小于预设的预设反馈知识点比值(预设反馈知识点比值可以等于70％)，则区块链业务系统调整第一预设聚类数量，得到第二预设聚类数量。其中，在步骤S120介绍了3种确定原始内容更新行为群的方式，若是采用前两种方式确定原始内容更新行为群，那么此处就是将第一预设聚类数量调大，即调整后的第二预设聚类数量比第一预设聚类数量大(可以具体大0.05)；若是采用最后一种方式确定原始内容更新行为群，那么此处就是将第一预设聚类数量调小，即调整后的第二预设聚类数量比第一预设聚类数量小。区块链业务系统根据调整后的第二预设聚类数量，将该原始内容更新行为群中的过往内容更新行为进行重新分组，重新分组得到新的原始内容更新行为，重新确定新的原始内容更新行为是否为过往内容更新行为，或者确定新的原始内容更新行为是否还需要再次分组。

区块链业务系统可以采用这种方式，分别确定每个原始内容更新行为群是否为过往内容更新行为类，若是，则进一步确定过往内容更新行为类所属的反馈知识点；若不是，还需要将所有不是过往内容更新行为类的原始内容更新行为群再进行进行分组，再确定新的原始内容更新行为群，再判断新的原始内容更新行为群是否为过往内容更新行为类。不断地迭代分组，以提高分组精度。

上述可知，本公开提出了多个度量两个过往内容更新行为是否为相似过往内容更新行为的方式，丰富了度量内容更新行为相似度的方式；再有，本公开通过迭代分组，不断地调整预设聚类数量，以提高分组精度，可以提高每个过往内容更新行为所属的反馈知识点的准确度，进而可以提高后续确定每个内容更新元素所属的反馈知识点的准确度。

图3为本公开实施例提供的基于区块链的智慧云业务流预测装置300的功能模块示意图，下面分别对该基于区块链的智慧云业务流预测装置300的各个功能模块的功能进行详细阐述。

获取模块310，用于获取对智慧云业务进行业务数据跟踪所得的智慧云业务流，从智慧云业务流识别出智慧云业务因业务场景互动形成的业务场景互动数据。

提取模块320，用于在智慧云业务流中识别出目标响应意图数据，提取业务场景互动数据中与目标响应意图数据相关联的意图互动数据，得到业务互动意图数据。

确定模块330，用于根据业务互动意图数据的互动业务数量与智慧云业务流中的智慧云业务的总业务数量之间的比值，确定智慧云业务的业务意图响应比例。

更新模块340，用于根据智慧云业务的业务意图响应比例，更新智慧云业务的业务推送策略后，将所述智慧云业务的业务推送策略上传到所述区块链网络对应的区块链。

图4示出了本公开实施例提供的用于实现上述的基于区块链的智慧云业务流预测方法的区块链业务系统100的硬件结构意图，如图4所示，区块链业务系统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存储的区块链业务系统执行指令，使得处理器110可以执行如上方法实施例的基于区块链的智慧云业务流预测方法，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，从而可以与前述的区块链业务节点200进行数据收发。

处理器110的具体实现过程可参见上述区块链业务系统100执行的各个方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。

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区块链业务系统执行指令，当处理器执行所述区块链业务系统执行指令时，实现如上基于区块链的智慧云业务流预测方法。

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匹配。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。