[发明专利]基于人工智能和云计算的大数据处理方法及云端服务中心

权利要求书

1.一种基于人工智能和云计算的大数据处理方法，其特征在于，应用于云端服务中心，所述云端服务中心与多个在线服务终端通信连接，所述方法包括：

获取预先针对在线云计算项目的大数据决策信息；

获取当前针对所述大数据决策信息所能执行的大数据挖掘事件信息以及大数据服务控件，分别对所述大数据挖掘事件信息和所述大数据服务控件进行业务标签激活，根据经过业务标签激活后的大数据挖掘事件信息，获取大数据挖掘事件的业务挖掘内容；

将所述大数据挖掘事件的业务挖掘内容与经过业务标签激活后的大数据服务控件协调，获取大数据协调服务控件；

根据所述大数据协调服务控件，对所述大数据决策信息所对应的全局大数据服务控件进行自适应性更新，获取目标全局大数据服务控件，并基于所述目标全局大数据服务控件生成当前所能执行的大数据服务控件所对应的大数据挖掘业务的挖掘评价指标信息，完成决策大数据服务的挖掘业务配置，其中，所述挖掘评价指标信息包括主题簇指标数据；

根据预先配置的人工智能模型对所述挖掘评价指标信息进行指标分类，根据指标分类结果执行大数据挖掘操作；

所述将所述大数据挖掘事件的业务挖掘内容与经过业务标签激活后的大数据服务控件协调，获取大数据协调服务控件的步骤，包括：

提取所述大数据挖掘事件的业务挖掘内容的大数据分页数据，并对所述大数据分页数据进行分页元素提取，对得到的所述大数据分页数据对应的第一分页元素进行语义描述特征识别，根据所识别到的语义描述特征得到所述大数据分页数据对应的第一语义描述对象列表；

对所述经过业务标签激活后的大数据服务控件进行分页元素提取，对得到的所述经过业务标签激活后的大数据服务控件对应的第二分页元素进行语义描述特征识别，根据所识别到的语义描述特征得到所述经过业务标签激活后的大数据服务控件对应的第二语义描述对象列表；

获取所述第一语义描述对象列表中保存的第一可视化图形信息，以及将所述第一可视化图形信息转换为对应的第一可视化图形向量；

获取所述第二语义描述对象列表中多个语义描述对象对象各自保存的第二可视化图形信息，以及将每个所述第二可视化图形信息转换为对应的第二可视化图形向量；

计算每个所述第二可视化图形向量与所述第一可视化图形向量的协调可视化图形向量，对每个所述第二可视化图形向量对应的协调可视化图形向量进行排序，根据排序结果从多个所述第二可视化图形向量中选出多个相似可视化图形向量；

对所述多个相似可视化图形向量进行频繁模式项处理，得到频繁模式项特征信息，对所述第一语义描述对象列表和所述第二语义描述对象列表的高频元素特征进行聚类，根据聚类结果得到聚类元素属性；所述聚类元素属性中包含有所述第二语义描述对象列表中各个语义描述对象对象对应的属性信息；

计算所述频繁模式项特征信息和所述聚类元素属性两者的父子层级业务属性信息，并将计算出的结果作为所述第一可视化图形信息的父子层级业务属性特征；

将所述父子层级业务属性特征协调至所述大数据分页数据中设定的可视化编码模拟进程，得到可视化编码业务特征集，对所述可视化编码业务特征集进行语义描述特征识别，得到参考语义描述特征；

协调根据所述第一语义描述对象列表、所述第二语义描述对象列表以及所述参考语义描述特征，得到所述大数据分页数据对应的语义描述矩阵；

将所述大数据分页数据对应的语义描述矩阵中每个连续的语义描述矩阵获得单元，与经过业务标签激活后的大数据服务控件中对应的语义描述矩阵获得单元的获得位置进行协调后，得到大数据协调服务控件。

2.根据权利要求1所述的基于人工智能和云计算的大数据处理方法，其特征在于，所述对所述大数据挖掘事件信息进行业务标签激活的步骤，包括：

对所述大数据挖掘事件信息进行特征提取，获取所述大数据挖掘事件信息的标签矩阵特征；

从所述大数据挖掘事件信息的标签矩阵特征中筛选出符合预设条件的特定标签矩阵特征；

计算所述特定标签矩阵特征的信息词条特征集合；

根据所述信息词条特征集合，对所述大数据挖掘事件信息进行预设业务标签的特征匹配，根据经过所述特征匹配后获取的匹配业务标签，对进行所述大数据挖掘事件信息进行业务标签激活。