基于人工智能的數(shù)據(jù)匹配檢測處理方法及系統(tǒng)技術(shù)方案

本發(fā)明專利技術(shù)提供的基于人工智能的數(shù)據(jù)匹配檢測處理方法及系統(tǒng)，通過噪聲抑制方式調(diào)試所得的匹配檢測決策算法，能夠保障所確定的業(yè)務(wù)主題匹配指示的挖掘分析準確度和合理度，通過調(diào)試所得的匹配檢測決策算法，對獲得的數(shù)字化業(yè)務(wù)交互數(shù)據(jù)進行匹配檢測決策分析，可以準確可靠地挖掘得到數(shù)字化業(yè)務(wù)交互數(shù)據(jù)中包含的業(yè)務(wù)主題匹配指示，從而可依據(jù)業(yè)務(wù)主題匹配指示對數(shù)字化業(yè)務(wù)交互數(shù)據(jù)進行針對性的分配處理，提高數(shù)字化業(yè)務(wù)交互數(shù)據(jù)的分配精度和可信度，并保障數(shù)字化業(yè)務(wù)交互數(shù)據(jù)的使用效率。并保障數(shù)字化業(yè)務(wù)交互數(shù)據(jù)的使用效率。并保障數(shù)字化業(yè)務(wù)交互數(shù)據(jù)的使用效率。

【技術(shù)實現(xiàn)步驟摘要】
基于人工智能的數(shù)據(jù)匹配檢測處理方法及系統(tǒng)


[0001]本專利技術(shù)涉及人工智能
，特別涉及一種基于人工智能的數(shù)據(jù)匹配檢測處理方法及系統(tǒng)。

技術(shù)介紹

[0002]人工智能技術(shù)通過對人的各種活動的“替代”，不僅能夠大大減輕我們的體力負擔和腦力負擔，甚至可以替代我們完成一些以往需要人的智能才能完成的工作，從而減輕人們智力勞動和腦力勞動的壓力，使人們的生活更加便捷化，工作效率更加高效化。在人工智能領(lǐng)域，神經(jīng)網(wǎng)絡(luò)模型+數(shù)據(jù)處理的應(yīng)用模式越來越廣泛，針對數(shù)據(jù)匹配/分配處理而言，上述應(yīng)用模式在實際實施時存在匹配檢測分析精度低下的問題。

技術(shù)實現(xiàn)思路

[0003]為改善相關(guān)技術(shù)中存在的技術(shù)問題，本專利技術(shù)提供了一種基于人工智能的數(shù)據(jù)匹配檢測處理方法及系統(tǒng)。
[0004]第一方面，本專利技術(shù)實施例提供了一種基于人工智能的數(shù)據(jù)匹配檢測處理方法，應(yīng)用于人工智能系統(tǒng)，所述方法包括：響應(yīng)于數(shù)據(jù)處理指令，從云共享數(shù)據(jù)庫中獲得待進行檢測分析的數(shù)字化業(yè)務(wù)交互數(shù)據(jù)；將所述數(shù)字化業(yè)務(wù)交互數(shù)據(jù)加載到通過噪聲抑制方式調(diào)試所得的匹配檢測決策算法，得到所述數(shù)字化業(yè)務(wù)交互數(shù)據(jù)中包含的業(yè)務(wù)主題匹配指示。
[0005]如此設(shè)計，通過噪聲抑制方式調(diào)試所得的匹配檢測決策算法，能夠保障所確定的業(yè)務(wù)主題匹配指示的挖掘分析準確度和合理度，通過調(diào)試所得的匹配檢測決策算法，對獲得的數(shù)字化業(yè)務(wù)交互數(shù)據(jù)進行匹配檢測決策分析，可以準確可靠地挖掘得到數(shù)字化業(yè)務(wù)交互數(shù)據(jù)中包含的業(yè)務(wù)主題匹配指示，從而可依據(jù)業(yè)務(wù)主題匹配指示對數(shù)字化業(yè)務(wù)交互數(shù)據(jù)進行針對性的分配處理，提高數(shù)字化業(yè)務(wù)交互數(shù)據(jù)的分配精度和可信度，并保障數(shù)字化業(yè)務(wù)交互數(shù)據(jù)的使用效率。
[0006]在一些可獨立實施的實施例中，所述匹配檢測決策算法的調(diào)試步驟為：獲得第一在線業(yè)務(wù)互動數(shù)據(jù)和至少X組第二在線業(yè)務(wù)互動數(shù)據(jù)，所述第二在線業(yè)務(wù)互動數(shù)據(jù)與所述第一在線業(yè)務(wù)互動數(shù)據(jù)攜帶一致的數(shù)據(jù)匹配檢測知識；通過匹配檢測決策算法對所述第一在線業(yè)務(wù)互動數(shù)據(jù)進行服務(wù)要素挖掘處理，得到第一數(shù)據(jù)服務(wù)要素向量，并通過所述匹配檢測決策算法的卷積處理單元，分別對每組所述第二在線業(yè)務(wù)互動數(shù)據(jù)進行服務(wù)要素挖掘處理，得到至少X個第二數(shù)據(jù)服務(wù)要素向量；依據(jù)所述第一數(shù)據(jù)服務(wù)要素向量和每個所述第二數(shù)據(jù)服務(wù)要素向量之間的第一特征共性值，確定第一算法代價指標，并依據(jù)所述第一數(shù)據(jù)服務(wù)要素向量與至少部分先驗服務(wù)要素簇中的第三數(shù)據(jù)服務(wù)要素向量的第二特征共性值，確定第二算法代價指標；每個所述先驗服務(wù)要素簇中包含的第三數(shù)據(jù)服務(wù)要素向量為在進行當前次調(diào)試之前，在剩余次調(diào)試中通過剩余第二在線業(yè)務(wù)互動數(shù)據(jù)所確定的；依據(jù)所述第一算法代價指標和所述第二算法代價指標，確定目標算法代價，并通過所述目標算法代價對所述匹配檢測決策算法進行循環(huán)調(diào)試，直到符合調(diào)試結(jié)束要求，得到完成調(diào)試的
匹配檢測決策算法。
[0007]如此設(shè)計，通過從第一在線業(yè)務(wù)互動數(shù)據(jù)中挖掘的第一數(shù)據(jù)服務(wù)要素向量和從每組第二在線業(yè)務(wù)互動數(shù)據(jù)中挖掘的第二數(shù)據(jù)服務(wù)要素向量之間的第一特征共性值，確定第一算法代價指標，沒有必要緩存和調(diào)取數(shù)據(jù)匹配檢測知識對應(yīng)的屬性字段，便能夠確定算法在估計攜帶一致數(shù)據(jù)匹配檢測知識的在線業(yè)務(wù)互動數(shù)據(jù)時的算法代價，減少了算法調(diào)試時的算力負荷。鑒于第三數(shù)據(jù)服務(wù)要素向量為剩余次調(diào)試中通過剩余第二在線業(yè)務(wù)互動數(shù)據(jù)所確定的，所以第三數(shù)據(jù)服務(wù)要素向量相當于第一數(shù)據(jù)服務(wù)要素向量的擾動信息，而基于第一數(shù)據(jù)服務(wù)要素向量與至少部分先驗服務(wù)要素簇中的第三數(shù)據(jù)服務(wù)要素向量的第二特征共性值，確定第二算法代價指標，再基于第二算法代價指標確定目標算法代價并通過目標算法代價對算法進行調(diào)試，可以實現(xiàn)對擾動信息的抑制，減少擾動信息對算法處理質(zhì)量的負面影響，提高完成調(diào)試的匹配檢測決策算法的匹配檢測處理準確性和對擾動信息的抵抗性能。
[0008]在一些可獨立實施的實施例中，所述第一在線業(yè)務(wù)互動數(shù)據(jù)和第二在線業(yè)務(wù)互動數(shù)據(jù)為數(shù)字化業(yè)務(wù)交互數(shù)據(jù)，所述匹配檢測決策算法為深度學習網(wǎng)絡(luò)。
[0009]如此設(shè)計，通過數(shù)字化業(yè)務(wù)交互數(shù)據(jù)對深度學習網(wǎng)絡(luò)進行調(diào)試，不僅能夠減少算法調(diào)試時的算力負荷，還可以提高完成調(diào)試的深度學習網(wǎng)絡(luò)的業(yè)務(wù)主題匹配指示挖掘準確性和對業(yè)務(wù)主題匹配擾動的抵抗性能。
[0010]在一些可獨立實施的實施例中，所述依據(jù)所述第一數(shù)據(jù)服務(wù)要素向量和每個所述第二數(shù)據(jù)服務(wù)要素向量之間的第一特征共性值，確定第一算法代價指標，包括：從所述至少X個所述第一特征共性值中，確定出第一目標特征共性值，并依據(jù)所述第一目標特征共性值和設(shè)定的參考值之間的第一比較結(jié)果，確定所述第一算法代價指標。
[0011]如此設(shè)計，由于第一在線業(yè)務(wù)互動數(shù)據(jù)和第二在線業(yè)務(wù)互動數(shù)據(jù)攜帶一致數(shù)據(jù)匹配檢測知識，所以第一數(shù)據(jù)服務(wù)要素向量和第二數(shù)據(jù)服務(wù)要素向量之間的特征共性值越大，第二數(shù)據(jù)服務(wù)要素向量與數(shù)據(jù)匹配檢測知識對應(yīng)的屬性字段越類似。通過選取至少X個第一特征共性值中的第一目標特征共性值，能夠獲得與數(shù)據(jù)匹配檢測知識對應(yīng)的屬性字段最類似的第二數(shù)據(jù)服務(wù)要素向量和第一數(shù)據(jù)服務(wù)要素向量之間的特征共性值，通過該特征共性值確定第一算法代價指標，可以提高所確定的第一算法代價指標的精度。且通過設(shè)定的參考值對第一目標特征共性值進行處理，可以提高存在相異類型數(shù)據(jù)匹配檢測知識的在線業(yè)務(wù)互動數(shù)據(jù)之間的顯著差異性，通過處理后得到的第一比較結(jié)果確定第一算法代價指標，并通過基于第一算法代價指標所確定的目標算法代價對匹配檢測決策算法進行調(diào)試，可以提高匹配檢測決策算法在處理存在相異類型數(shù)據(jù)匹配檢測知識的在線業(yè)務(wù)互動數(shù)據(jù)時，輸出的數(shù)據(jù)服務(wù)要素向量的顯著差異性。
[0012]在一些可獨立實施的實施例中，所述依據(jù)所述第一數(shù)據(jù)服務(wù)要素向量與至少部分先驗服務(wù)要素簇中的第三數(shù)據(jù)服務(wù)要素向量的第二特征共性值，確定第二算法代價指標，包括：對于每個先驗服務(wù)要素簇，經(jīng)由該先驗服務(wù)要素簇中的每個所述第三數(shù)據(jù)服務(wù)要素向量與所述第一數(shù)據(jù)服務(wù)要素向量之間的第二特征共性值，確定該先驗服務(wù)要素簇對應(yīng)的第二目標特征共性值；結(jié)合每個所述先驗服務(wù)要素簇的簇類別，從所述先驗服務(wù)要素簇中確定出所述簇類別與所述第一在線業(yè)務(wù)互動數(shù)據(jù)的數(shù)據(jù)匹配檢測知識不相同的目標先驗服務(wù)要素簇；所述簇類別為用于挖掘所述先驗服務(wù)要素簇中任一所述第三數(shù)據(jù)服務(wù)要素向
量的剩余第二在線業(yè)務(wù)互動數(shù)據(jù)的數(shù)據(jù)匹配檢測知識；結(jié)合每個所述目標先驗服務(wù)要素簇分別對應(yīng)的第二目標特征共性值，確定所述第二算法代價指標。
[0013]如此設(shè)計，通過各個先驗服務(wù)要素簇的簇類別與第一在線業(yè)務(wù)互動數(shù)據(jù)的數(shù)據(jù)匹配檢測知識，對先驗服務(wù)要素簇進行確定，可以清洗簇類別與第一在線業(yè)務(wù)互動數(shù)據(jù)的數(shù)據(jù)匹配檢測知識一致的先驗服務(wù)要素簇，減少該先驗服務(wù)要素簇對算法抵抗性能的負面干擾，此外，可以確定出簇類別與第一在線業(yè)務(wù)互動數(shù)據(jù)的數(shù)據(jù)匹配檢測知識不相同的目標先驗服務(wù)要素簇。通過每個目標先驗服務(wù)要素簇分別對應(yīng)的第二目標特征共性值，確定第二算法代價指標，再通過基于第二算法代價指標所確定的目標算法代價對匹配檢測決策算法進行調(diào)試，可以提高匹配檢測決策算法對在線業(yè)務(wù)互動數(shù)據(jù)擾動的抵抗性能。
[本文檔來自技高網(wǎng)...

【技術(shù)保護點】

【技術(shù)特征摘要】
1.一種基于人工智能的數(shù)據(jù)匹配檢測處理方法，其特征在于，應(yīng)用于所述人工智能系統(tǒng)，所述方法包括：響應(yīng)于數(shù)據(jù)處理指令，從云共享數(shù)據(jù)庫中獲得待進行檢測分析的數(shù)字化業(yè)務(wù)交互數(shù)據(jù)；將所述數(shù)字化業(yè)務(wù)交互數(shù)據(jù)加載到通過噪聲抑制方式調(diào)試所得的匹配檢測決策算法，得到所述數(shù)字化業(yè)務(wù)交互數(shù)據(jù)中包含的業(yè)務(wù)主題匹配指示。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述匹配檢測決策算法的調(diào)試步驟為：獲得第一在線業(yè)務(wù)互動數(shù)據(jù)和至少X組第二在線業(yè)務(wù)互動數(shù)據(jù)，所述第二在線業(yè)務(wù)互動數(shù)據(jù)與所述第一在線業(yè)務(wù)互動數(shù)據(jù)攜帶一致的數(shù)據(jù)匹配檢測知識；通過匹配檢測決策算法對所述第一在線業(yè)務(wù)互動數(shù)據(jù)進行服務(wù)要素挖掘處理，得到第一數(shù)據(jù)服務(wù)要素向量，并通過所述匹配檢測決策算法的卷積處理單元，分別對每組所述第二在線業(yè)務(wù)互動數(shù)據(jù)進行服務(wù)要素挖掘處理，得到至少X個第二數(shù)據(jù)服務(wù)要素向量；依據(jù)所述第一數(shù)據(jù)服務(wù)要素向量和每個所述第二數(shù)據(jù)服務(wù)要素向量之間的第一特征共性值，確定第一算法代價指標，并依據(jù)所述第一數(shù)據(jù)服務(wù)要素向量與至少部分先驗服務(wù)要素簇中的第三數(shù)據(jù)服務(wù)要素向量的第二特征共性值，確定第二算法代價指標；其中，每個所述先驗服務(wù)要素簇中包含的第三數(shù)據(jù)服務(wù)要素向量為在進行當前次調(diào)試之前，在剩余次調(diào)試中通過剩余第二在線業(yè)務(wù)互動數(shù)據(jù)所確定的；依據(jù)所述第一算法代價指標和所述第二算法代價指標，確定目標算法代價，并通過所述目標算法代價對所述匹配檢測決策算法進行循環(huán)調(diào)試，直到符合調(diào)試結(jié)束要求，得到完成調(diào)試的匹配檢測決策算法。3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述第一在線業(yè)務(wù)互動數(shù)據(jù)和第二在線業(yè)務(wù)互動數(shù)據(jù)為數(shù)字化業(yè)務(wù)交互數(shù)據(jù)，所述匹配檢測決策算法為深度學習網(wǎng)絡(luò)；其中，所述依據(jù)所述第一數(shù)據(jù)服務(wù)要素向量和每個所述第二數(shù)據(jù)服務(wù)要素向量之間的第一特征共性值，確定第一算法代價指標，包括：從所述至少X個所述第一特征共性值中，確定出第一目標特征共性值，并依據(jù)所述第一目標特征共性值和設(shè)定的參考值之間的第一比較結(jié)果，確定所述第一算法代價指標。4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述依據(jù)所述第一數(shù)據(jù)服務(wù)要素向量與至少部分先驗服務(wù)要素簇中的第三數(shù)據(jù)服務(wù)要素向量的第二特征共性值，確定第二算法代價指標，包括：對于每個先驗服務(wù)要素簇，經(jīng)由該先驗服務(wù)要素簇中的每個所述第三數(shù)據(jù)服務(wù)要素向量與所述第一數(shù)據(jù)服務(wù)要素向量之間的第二特征共性值，確定該先驗服務(wù)要素簇對應(yīng)的第二目標特征共性值；結(jié)合每個所述先驗服務(wù)要素簇的簇類別，從所述先驗服務(wù)要素簇中確定出所述簇類別與所述第一在線業(yè)務(wù)互動數(shù)據(jù)的數(shù)據(jù)匹配檢測知識不相同的目標先驗服務(wù)要素簇；其中，所述簇類別為用于挖掘所述先驗服務(wù)要素簇中任一所述第三數(shù)據(jù)服務(wù)要素向量的剩余第二在線業(yè)務(wù)互動數(shù)據(jù)的數(shù)據(jù)匹配檢測知識；結(jié)合每個所述目標先驗服務(wù)要素簇分別對應(yīng)的第二目標特征共性值，確定所述第二算法代價指標；...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：胡春芳，任先哲，
申請(專利權(quán))人：濰坊羞擺信息科技有限公司，
類型：發(fā)明
國別省市：