[发明专利]基于人工智能和互联网的数据分析方法及云计算服务平台有效

专利信息
申请号: 202010539151.X 申请日: 2020-06-14
公开(公告)号: CN111723227B 公开(公告)日: 2021-02-09
发明(设计)人: 黄雨勤 申请(专利权)人: 江苏谷德运维信息技术有限公司
主分类号: G06F16/55 分类号: G06F16/55;G06F16/58;G06F16/51;G06F16/535
代理公司: 北京高航知识产权代理有限公司 11530 代理人: 乔浩刚
地址: 210012 江苏省南京*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 人工智能 互联网 数据 分析 方法 计算 服务 平台
【说明书】:

本公开实施例提供一种基于人工智能和互联网的数据分析方法及云计算服务平台,通过获取互联网访问设备发起目标图形搜索对象所对应的图形分类分级书签,以通过图形分类分级书签用于表征目标图形搜索对象在大数据分析书签下的图形分类分级信息,然后根据图形分类分级书签对目标图形搜索对象中的各个图形单元库进行大数据分析,从而进行画像识别后进行信息推荐,相较于传统方案中广义范围的图形单元库的交互过程进行大数据分析,可以避免引入过多的噪声数据导致的画像分析准确度不高的情况,提高大数据分析的针对性,同时还可以节省云计算资源,提高云计算性能,有效减少计算量。

技术领域

本公开涉及人工智能和互联网技术领域,具体而言,涉及一种基于人工智能和互联网的数据分析方法及云计算服务平台。

背景技术

随着大数据和互联网的发展,用户可以通过互联网进行图形搜索对象的搜索,在此过程中可以对用户的图形搜索对象相关联的各个图形单元库(例如与该图形搜索对象存在访问连续关系的用户访问的图形单元库)进行大数据分析,从而可以有效确定出用户在图形搜索过程中的意向画像,以便于后续的信息推荐。

然而发明人研究发现,目前的方案通常是对广义范围的图形单元库的交互过程进行大数据分析,由于图形单元库的数据量巨大,将产生巨大的计算量,不仅可能存在噪声数据的引入导致的画像分析准确度不高,同时还可能过度消耗云计算资源,降低云计算性能。

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人工智能和互联网的数据分析方法及云计算服务平台,相较于传统方案中广义范围的图形单元库的交互过程进行大数据分析,可以避免引入过多的噪声数据导致的画像分析准确度不高的情况,提高大数据分析的针对性,同时还可以节省云计算资源,提高云计算性能,有效减少计算量。

第一方面,本公开提供一种基于人工智能和互联网的数据分析方法,应用于云计算服务平台,所述云计算服务平台与多个互联网访问设备通信连接,所述方法包括:

获取所述互联网访问设备发起目标图形搜索对象所对应的图形分类分级书签,其中,所述图形分类分级书签用于表征所述目标图形搜索对象在大数据分析书签下的图形分类分级信息;

根据所述图形分类分级书签对所述目标图形搜索对象中的各个图形单元库进行大数据分析,得到所述目标图形搜索对象中的各个图形单元库的图形交互行为信息以及所述图形交互行为信息对应的交互画像特征信息;

基于预先配置的人工智能推荐模型对所述图形交互行为信息对应的交互画像特征信息进行分类识别,得到所述图形交互行为信息对应的交互画像特征信息匹配的推荐内容项目;

将与所述推荐内容项目关联的热点推荐信息推送到对应的图形单元库的图形交互界面中。

在第一方面的一种可能的实现方式中,所述获取所述互联网访问设备发起目标图形搜索对象所对应的图形分类分级书签的步骤,包括:

从所述互联网访问设备中获取目标图形搜索对象在每个人工智能识别模型的人工智能识别结果下的图像分类标签,并按照预定的大数据收集分类对各个人工智能识别结果下的图像分类标签进行分类,分别生成每个大数据收集分类的图像分类标签序列;

根据所述目标图形搜索对象的用户搜索行为信息确定所述各个人工智能识别结果关联的目标图形分类分级书签,针对所述各个人工智能识别结果关联的目标图形分类分级书签,分别确定出所述目标图形分类分级书签的第一可索引分类书签在所对应的大数据收集分类的图像分类标签序列中的分级标签信息,得到所述目标图形分类分级书签的第一信息管理索引序列,所述目标图形分类分级书签为与所述目标图形搜索对象的用户搜索行为信息预先匹配的图形分类分级书签;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏谷德运维信息技术有限公司,未经江苏谷德运维信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010539151.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top