[发明专利]应用于云计算通信架构的大数据分析方法及人工智能平台

说明书

本说明书公开的应用于云计算通信架构的大数据分析方法及人工智能平台，首先采用数据筛分模型筛分出待筛分业务数据中的流程冗余数据以得到多组用户行为数据，其次根据基于历史数据挖掘结果所确定出的时间节点分布信息分别将每组用户行为数据进行数据节点化处理得到多个节点数据包，然后在存在相同数据挖掘触发时段的节点数据包中确定行为特征数据并按照数据挖掘触发时段的先后顺序整合为待挖掘特征数据，最后将待挖掘特征数据按照设定转换方式进行转换得到输入数据集，并对输入数据集进行数据挖掘得到与所述输入数据集对应的输出数据集。如此，可以在尽可能减少需要挖掘的特征数据的大小的前提下确保数据挖掘结果的精准性，提高数据挖掘效率。

技术领域

本申请涉及大数据分析和云计算处理技术领域，尤其涉及应用于云计算通信架构的大数据分析方法及人工智能平台。

背景技术

云计算(cloud computing)是分布式计算的一种，是指通过网络“云”将巨大的数据计算处理业务分解成多个分块业务，进而通过多部服务器组成的系统对这些分块业务进行处理和分析，并将得到对应的数据处理结果，云计算能够显著提高数据处理效率，在现如今的大数据时代得到越来越广泛的应用。

在大数据时代，为了获得数据背后的大量价值信息，需要对各类业务数据进行数据挖掘和数据分析。人工智能(Artificial Intelligence，AI)是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。随着科技的发展，人工智能的应用领域越来越广泛，例如机器人、语言识别、图像识别、自然语言处理和专家系统等。将人工智能技术应用到云计算环境下进行大数据分析，能够提高数据挖掘的准确性。

然而，随着数据规模和数据量的不断扩大，现有的大数据分析技术在进行数据分析时，难以兼顾数据分析耗时和数据分析准确性。

发明内容

本说明书提供了一种应用于云计算通信架构的大数据分析方法及人工智能平台，以解决或者部分解决现有技术难以兼顾数据分析耗时和数据分析准确性的技术问题。

本说明书第一方面，提供一种应用于云计算通信架构的大数据分析方法，所述方法包括：

从应用设备侧周期性地采集待筛分业务数据，采用预先训练完成的数据筛分模型筛分出所述待筛分业务数据中的流程冗余数据，得到多组用户行为数据；其中，所述待筛分业务数据为包括用于增加数据挖掘时长的流程冗余数据的业务交互数据；

根据基于历史数据挖掘结果所确定出的时间节点分布信息，分别将每组用户行为数据进行数据节点化处理，得到多个节点数据包；

在存在相同数据挖掘触发时段的节点数据包中确定行为特征数据，将多组行为特征数据按照所述数据挖掘触发时段的先后顺序整合为待挖掘特征数据；

将所述待挖掘特征数据按照设定转换方式进行转换得到输入数据集，并对所述输入数据集进行数据挖掘，得到与所述输入数据集对应的输出数据集；其中，所述输出数据集包括与所述用户行为数据相对应的用户画像数据。

本说明书第二方面，提供一种人工智能平台，所述人工智能平台与应用设备通信连接，所述人工智能平台用于：

从应用设备侧周期性地采集待筛分业务数据，采用预先训练完成的数据筛分模型筛分出所述待筛分业务数据中的流程冗余数据，得到多组用户行为数据；其中，所述待筛分业务数据为包括用于增加数据挖掘时长的流程冗余数据的业务交互数据；

根据基于历史数据挖掘结果所确定出的时间节点分布信息，分别将每组用户行为数据进行数据节点化处理，得到多个节点数据包；

在存在相同数据挖掘触发时段的节点数据包中确定行为特征数据，将多组行为特征数据按照所述数据挖掘触发时段的先后顺序整合为待挖掘特征数据；