新媒体业务操作行为处理方法、服务器及存储介质与流程

本申请实施例涉及大数据和画像分析技术领域，具体涉及一种新媒体业务操作行为处理方法、服务器及存储介质。

背景技术：

新媒体技术的不断发展为人们的日常娱乐活动增添了许多色彩。相较于传统媒体，新媒体具有更强的媒体互动性和更丰富的媒体互动场景，能够给用户带来更佳的视觉体验和听觉体验。

现目前，用户可以通过各大新媒体平台进行新媒体业务互动或者交互，为了实现新媒体服务产品的优化升级和漏洞查补，通常需要对用户的业务操作行为进行分析处理。然而在实际应用过程中，用户的业务操作行为存在许多噪声，这样会影响到后续的业务操作行为分析处理。

技术实现要素：

有鉴于此，本申请实施例提供了一种新媒体业务操作行为处理方法、服务器及存储介质。

本申请实施例提供了一种新媒体业务操作行为处理方法，应用于新媒体业务服务器，所述方法包括：

获取第一多维操作行为记录，所述第一多维操作行为记录包括多个用户行为事件的行为事件特征内容，所述行为事件特征内容包括响应类型信息和操作时刻；

根据所述多个用户行为事件的行为事件特征内容，确定所述多个用户行为事件中对应操作时刻连续的每两个用户行为事件之间的跳转描述，以及每个用户行为事件的互动评价，所述互动评价用于表征对应用户行为事件在设定时段内能够跳转到的第一关联用户行为事件的数目，所述第一关联用户行为事件用于表征与对应用户行为事件对应于相同响应类型标签集内的用户行为事件；

根据所述多个用户行为事件中对应操作时刻连续的每两个用户行为事件之间的跳转描述，以及每个用户行为事件的互动评价，确定所述多个用户行为事件中的行为干扰事件；

移除所述第一多维操作行为记录中所述行为干扰事件的行为事件特征内容，得到第二多维操作行为记录。

优选的，所述根据所述多个用户行为事件的行为事件特征内容，确定所述多个用户行为事件中对应操作时刻连续的每两个用户行为事件之间的跳转描述，包括：

针对所述多个用户行为事件中对应操作时刻连续的随机两个用户行为事件，根据所述随机两个用户行为事件的响应类型信息，确定所述随机两个用户行为事件之间的事件特征相似度；

根据所述随机两个用户行为事件的操作时刻，确定所述随机两个用户行为事件对应的操作时刻之间的操作时段间隔；

将所述事件特征相似度与所述操作时段间隔之间的处理结果，确定为所述随机两个用户行为事件之间的跳转描述；

相应的，所述根据所述多个用户行为事件的行为事件特征内容，确定每个用户行为事件的互动评价，包括：

针对所述多个用户行为事件中的其中一个用户行为事件，根据所述多个用户行为事件的行为事件特征内容，从所述多个用户行为事件中确定与所述其中一个用户行为事件对应于相同响应类型标签集内的用户行为事件，得到x个第一关联用户行为事件；

根据所述多个用户行为事件的行为事件特征内容，按照对应操作时刻与所述其中一个用户行为事件对应的操作时刻之间的时段差异升序的顺序，从所述多个用户行为事件中确定排序靠前的x个用户行为事件，得到x个第二关联用户行为事件；

确定所述x个第一关联用户行为事件与所述x个第二关联用户行为事件中响应类型相同的用户行为事件的数目；

根据所述响应类型相同的用户行为事件的数目，确定所述其中一个用户行为事件的互动评价。

优选的，所述根据所述多个用户行为事件中对应操作时刻连续的每两个用户行为事件之间的跳转描述，以及每个用户行为事件的互动评价，确定所述多个用户行为事件中的行为干扰事件，包括：

若所述多个用户行为事件中对应操作时刻连续的随机两个用户行为事件之间的跳转描述大于设定描述值，则将所述随机两个用户行为事件中对应操作时刻在后的用户行为事件确定为存在跳转描述干扰的行为干扰事件；

若所述多个用户行为事件中其中一个用户行为事件的互动评价小于互动评价阈值，则将所述其中一个用户行为事件确定为存在互动评价干扰的行为干扰事件。

优选的，所述获取第一多维操作行为记录之前，还包括：

获取待进行优化的第三多维操作行为记录，所述第三多维操作行为记录包括y个用户行为事件的行为事件特征内容，所述y个用户行为事件包含所述多个用户行为事件，所述y为正整数；

对所述第三多维操作行为记录中包括的操作时刻相同的用户行为事件的操作行为信息进行信息清洗，得到所述第一多维操作行为记录。

优选的，所述方法还包括：

在根据所述多个用户行为事件的行为事件特征内容，确定所述多个用户行为事件中对应操作时刻连续的每两个用户行为事件之间的跳转描述，以及每个用户行为事件的互动评价之前，确定所述第一多维操作行为记录对应的操作行为偏移数据，所述操作行为偏移数据用于表征所述第一多维操作行为记录的记录偏差；

若根据所述操作行为偏移数据确定所述第一多维操作行为记录的记录偏差大于第一设定偏差值，则在移除所述第一多维操作行为记录中行为干扰事件的行为事件特征内容，得到第二多维操作行为记录之后，对所述第二多维操作行为记录进行记录整理，得到第四多维操作行为记录。

优选的，所述对所述第二多维操作行为记录进行记录整理，包括：

若所述记录偏差大于所述第一设定偏差值，且小于或等于第二设定偏差值，则对所述第二多维操作行为记录进行热门行为记录整理，得到所述第四多维操作行为记录，所述第二设定偏差值大于所述第一设定偏差值；

若所述记录偏差大于所述第二设定偏差值，则对所述第二多维操作行为记录进行热门行为记录整理，对完成热门行为记录整理的第二多维操作行为记录进行线性行为记录整理，得到所述第四多维操作行为记录；

或者，所述对所述第二多维操作行为记录进行记录整理之前，还包括：根据所述第二多维操作行为记录中每连续两个用户行为事件之间的操作时段间隔，对所述第二多维操作行为记录进行分治处理，得到多个第一操作行为分治结果，每个第一操作行为分治结果包括一个或多个用户行为事件的行为事件特征内容；所述对所述第二多维操作行为记录进行记录整理，包括：基于所述多个第一操作行为分治结果，确定多个第二操作行为分治结果；对所述多个第二操作行为分治结果分别进行记录整理；将记录整理后的多个第二操作行为分治结果按照对应时序分布依次进行组合，得到所述第四多维操作行为记录；

相应的，所述基于所述多个第一操作行为分治结果，确定多个第二操作行为分治结果，包括：

将所述多个第一操作行为分治结果，确定为所述多个第二操作行为分治结果；

或者，按照基准扩展步长，对所述多个第一操作行为分治结果中的每个第一操作行为分治结果进行全局扩展；

根据全局扩展后的多个第一操作行为分治结果，确定所述多个第二操作行为分治结果；所述基准扩展步长是根据每个第一操作行为分治结果中每连续两个用户行为事件的操作时段间隔或所述第一多维操作行为记录的记录更新程度确定得到。

优选的，所述方法还包括：

对所述第二多维操作行为记录进行行为意图分析，得到行为意图标签；

在所述行为意图标签为资源共享需求标签时，采用预设的业务资源优化线程对原始新媒体业务资源进行处理，得到资源共享优化内容；

相应的，所述采用预设的业务资源优化线程对原始新媒体业务资源进行处理，得到资源共享优化内容，包括：

将原始新媒体业务资源导入业务资源优化线程；

通过所述业务资源优化线程获取所述原始新媒体业务资源中的第一可调用对象集；

通过所述业务资源优化线程基于所述第一可调用对象集获取所述原始新媒体业务资源中的第一热门状态信息和第一热门状态信息描述分布，其中，所述第一热门状态信息为所述第一可调用对象集在所述原始新媒体业务资源中对应的状态信息；

通过所述业务资源优化线程将所述第一热门状态信息划分为多个资源状态片段，通过所述业务资源优化线程基于所述第一热门状态信息描述分布识别所述第一热门状态信息中每个所述资源状态片段对应的资源调用情况，通过所述业务资源优化线程获取所述第一热门状态信息中每个资源状态节点的互动资源调用情况，其中，所述资源状态片段对应的资源调用情况为所述资源状态片段中存在可调用对象的可能性；

基于所述第一热门状态信息中每个所述资源状态片段的资源调用情况、所述第一可调用对象集的信息和所述第一热门状态信息中每个资源状态节点的互动资源调用情况，获取资源共享优化内容。

优选的，所述通过所述业务资源优化线程获取所述原始新媒体业务资源中的第一可调用对象集，包括：

通过所述业务资源优化线程获取所述原始新媒体业务资源中的第一初始描述分布；

通过所述业务资源优化线程基于所述第一初始描述分布获取所述原始新媒体业务资源中的第一可调用对象集；

相应的，所述第一可调用对象集的信息包括所述第一可调用对象集的对象属性，所述通过所述业务资源优化线程获取所述第一热门状态信息中每个资源状态节点的互动资源调用情况，包括：

通过所述业务资源优化线程对所述第一初始描述分布进行互动优化，得到所述原始新媒体业务资源中所述各资源状态节点对应的第一互动优化描述分布；

基于所述第一可调用对象集的对象属性确定所述第一热门状态信息中每个资源状态节点在所述第一互动优化描述分布中对应的资源调用情况，作为对应所述第一热门状态信息中所述资源状态节点的互动资源调用情况；

相应的，所述通过所述业务资源优化线程基于所述第一初始描述分布获取所述原始新媒体业务资源中的第一可调用对象集，包括：

通过所述业务资源优化线程基于所述第一初始描述分布，获取所述原始新媒体业务资源中的第一候选对象集；

通过所述业务资源优化线程基于所述第一候选对象集和所述第一初始描述分布，获取所述原始新媒体业务资源中的第二热门状态信息描述分布；

通过所述业务资源优化线程基于所述第二热门状态信息描述分布，获取所述第一可调用对象集。

本申请实施例还提供了一种新媒体业务服务器，包括处理器、通信总线和存储器；所述处理器和所述存储器通过所述通信总线通信，所述处理器从所述存储器中读取计算机程序并运行，以执行上述的方法。

本申请实施例还提供了一种计算机用可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在运行时实现上述的方法。

相较于现有技术，本申请实施例提供的新媒体业务操作行为处理方法、服务器及存储介质具有以下技术效果：能够基于用户行为事件的行为事件特征内容确定对应操作时刻连续的每两个用户行为事件之间的跳转描述以及每个用户行为事件的互动评价，进而筛分出多个用户行为事件中的行为干扰事件，这样可以将行为干扰事件的行为事件特征内容从第一多维操作行为记录中移除，实现对第一多维操作行为记录的干扰事件清洗，以得到记录质量和可用性较高的第二多维操作行为记录，进而确保在后续使用第二多维操作行为记录的过程中尽可能不因为行为干扰事件的存在而出现偏差。通过对多维度的行为事件特征内容进行分析，能够尽可能提高行为干扰事件筛分的准确性和可靠性，避免用户行为事件的漏检或者误检。综上，应用本方案，能够有效筛分出行为干扰事件，从而避免影响到后续的业务操作行为分析处理。

在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，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他相关的附图。

图1为本申请实施例所提供的一种新媒体业务服务器的方框示意图。

图2为本申请实施例所提供的一种新媒体业务操作行为处理方法的流程图。

图3为本申请实施例所提供的一种新媒体业务操作行为处理装置的框图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本申请的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

图1示出了本申请实施例所提供的一种新媒体业务服务器10的方框示意图。本申请实施例中的新媒体业务服务器10可以为具有数据存储、传输、处理功能的服务端，如图1所示，新媒体业务服务器10包括：存储器11、处理器12、通信总线13和新媒体业务操作行为处理装置20。

存储器11、处理器12和通信总线13之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有新媒体业务操作行为处理装置20，所述新媒体业务操作行为处理装置20包括至少一个可以软件或固件（firmware）的形式储存于所述存储器11中的软件功能模块，所述处理器12通过运行存储在存储器11内的软件程序以及模块，例如本申请实施例中的新媒体业务操作行为处理装置20，从而执行各种功能应用以及数据处理，即实现本申请实施例中的新媒体业务操作行为处理方法。

其中，所述存储器11可以是，但不限于，随机存取存储器（randomaccessmemory，ram），只读存储器（readonlymemory，rom），可编程只读存储器（programmableread-onlymemory，prom），可擦除只读存储器（erasableprogrammableread-onlymemory，eprom），电可擦除只读存储器（electricerasableprogrammableread-onlymemory，eeprom）等。其中，存储器11用于存储程序，所述处理器12在接收到执行指令后，执行所述程序。

所述处理器12可能是一种集成电路芯片，具有数据的处理能力。上述的处理器12可以是通用处理器，包括中央处理器(centralprocessingunit，cpu)、网络处理器(networkprocessor，np)等。可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

通信总线13用于通过网络建立新媒体业务服务器10与其他通信终端设备之间的通信连接，实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。

可以理解，图1所示的结构仅为示意，新媒体业务服务器10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

本申请实施例还提供了一种计算机用可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在运行时实现上述的方法。

图2示出了本申请实施例所提供的一种新媒体业务操作行为处理的流程图。所述方法有关的流程所定义的方法步骤应用于新媒体业务服务器10，可以由所述处理器12实现，所述方法包括以下步骤100-步骤400。

步骤100、新媒体业务服务器获取第一多维操作行为记录。

在本申请实施例中，所述第一多维操作行为记录包括多个用户行为事件的行为事件特征内容，所述行为事件特征内容包括响应类型信息和操作时刻。

例如，用户行为事件可以是相关新媒体平台用户之间的视频互动事件或者音频互动事件，比如触控点击行为和语音输入输出行为等。多维操作行为记录可以按照时间先后顺序建立，行为事件特征内容可以包括多个维度的特征内容，本申请实施例以响应类型信息和操作时刻为例进行说明。响应类型信息包括实时响应、延时响应、在线响应或者离线响应等，本申请实施例不作限制。

应当理解，新媒体业务服务器可以在获得平台用户授权的前提下获取相关的用户行为事件。

在一些可选的实施例中，在步骤100所描述的获取第一多维操作行为记录的步骤之前，该方法还可以包括以下内容：获取待进行优化的第三多维操作行为记录，所述第三多维操作行为记录包括y个用户行为事件的行为事件特征内容，所述y个用户行为事件包含所述多个用户行为事件，所述y为正整数；对所述第三多维操作行为记录中包括的操作时刻相同的用户行为事件的操作行为信息进行信息清洗，得到所述第一多维操作行为记录。可以理解，通过进行信息清洗，能够尽可能保留特征识别度较高的用户行为事件，从而便于后续的用户行为事件筛分。

步骤200、新媒体业务服务器根据所述多个用户行为事件的行为事件特征内容，确定所述多个用户行为事件中对应操作时刻连续的每两个用户行为事件之间的跳转描述，以及每个用户行为事件的互动评价。

在本申请实施例中，所述互动评价用于表征对应用户行为事件在设定时段内能够跳转到的第一关联用户行为事件的数目，所述第一关联用户行为事件用于表征与对应用户行为事件对应于相同响应类型标签集内的用户行为事件。

例如，跳转描述可以用于表征相邻的每两个用户行为事件之间的切换速度，互动评价可以用于表征用户行为事件的事件状态。响应类型标签用于对不同的响应类型进行区分。

在一些相关的实施例中，步骤200所描述的根据所述多个用户行为事件的行为事件特征内容，确定所述多个用户行为事件中对应操作时刻连续的每两个用户行为事件之间的跳转描述，可以包括以下步骤211-步骤213。

步骤211、针对所述多个用户行为事件中对应操作时刻连续的随机两个用户行为事件，根据所述随机两个用户行为事件的响应类型信息，确定所述随机两个用户行为事件之间的事件特征相似度。

例如，事件特征相似度可以是欧式距离或者余弦相似度。

步骤212、根据所述随机两个用户行为事件的操作时刻，确定所述随机两个用户行为事件对应的操作时刻之间的操作时段间隔。

步骤213、将所述事件特征相似度与所述操作时段间隔之间的处理结果，确定为所述随机两个用户行为事件之间的跳转描述。

例如，将所述事件特征相似度与所述操作时段间隔之间的处理结果可以理解为将所述事件特征相似度与所述操作时段间隔之间的量化比例值，相应的，随机两个用户行为事件之间的跳转描述可以理解为事件切换速率。

如此，通过实施步骤211-步骤213，能够结合用户行为事件之间的事件特征相似度以及随机两个用户行为事件对应的操作时刻之间的操作时段间隔准确确定随机两个用户行为事件之间的跳转描述，从而尽可能削弱跳转描述误差。

另外，上述步骤200中所描述的根据所述多个用户行为事件的行为事件特征内容，确定每个用户行为事件的互动评价，还可以包括以下步骤221-步骤224所描述的技术方案。

步骤221、针对所述多个用户行为事件中的其中一个用户行为事件，根据所述多个用户行为事件的行为事件特征内容，从所述多个用户行为事件中确定与所述其中一个用户行为事件对应于相同响应类型标签集内的用户行为事件，得到x个第一关联用户行为事件。

步骤222、根据所述多个用户行为事件的行为事件特征内容，按照对应操作时刻与所述其中一个用户行为事件对应的操作时刻之间的时段差异升序的顺序，从所述多个用户行为事件中确定排序靠前的x个用户行为事件，得到x个第二关联用户行为事件。

步骤223、确定所述x个第一关联用户行为事件与所述x个第二关联用户行为事件中响应类型相同的用户行为事件的数目。

步骤224、根据所述响应类型相同的用户行为事件的数目，确定所述其中一个用户行为事件的互动评价。

可以理解，通过实施上述步骤221-步骤224，能够将关联用户行为事件考虑在内，从而精准地确定出响应类型相同的用户行为事件的数目，这样可以结合响应类型相同的用户行为事件的数目，确定所述其中一个用户行为事件的互动评价。例如，通过可以响应类型相同的用户行为事件的数目的变化情况确定用户行为事件的事件状态，确保事件状态（互动评价）的可信度。

步骤300、新媒体业务服务器根据所述多个用户行为事件中对应操作时刻连续的每两个用户行为事件之间的跳转描述，以及每个用户行为事件的互动评价，确定所述多个用户行为事件中的行为干扰事件。

例如，行为干扰事件可以理解为存在异常的行为事件，比如噪声行为事件、无效行为事件、入侵行为事件等。

在一些相关的实施例中，上述步骤300所描述的所述根据所述多个用户行为事件中对应操作时刻连续的每两个用户行为事件之间的跳转描述，以及每个用户行为事件的互动评价，确定所述多个用户行为事件中的行为干扰事件，可以包括以下步骤310或步骤320。

步骤310、若所述多个用户行为事件中对应操作时刻连续的随机两个用户行为事件之间的跳转描述大于设定描述值，则将所述随机两个用户行为事件中对应操作时刻在后的用户行为事件确定为存在跳转描述干扰的行为干扰事件。

步骤320、若所述多个用户行为事件中其中一个用户行为事件的互动评价小于互动评价阈值，则将所述其中一个用户行为事件确定为存在互动评价干扰的行为干扰事件。

如此设计，可以结合跳转描述或者互动评价，从不同角度筛分行为干扰事件，从而尽可能完整地确定出行为干扰事件。

步骤400、新媒体业务服务器移除所述第一多维操作行为记录中所述行为干扰事件的行为事件特征内容，得到第二多维操作行为记录。

可以理解，通过对行为干扰事件的行为事件特征内容进行移除，能够实现对用户行为事件的清洗处理，从而确保第二多维操作行为记录的质量和可用性，避免在后续使用第二多维操作行为记录的过程中由于行为干扰事件的存在而出现偏差。

在上述步骤100-步骤400的基础上，该方法还可以包括以下步骤500和步骤600所描述的技术方案。

步骤500、在根据所述多个用户行为事件的行为事件特征内容，确定所述多个用户行为事件中对应操作时刻连续的每两个用户行为事件之间的跳转描述，以及每个用户行为事件的互动评价之前，确定所述第一多维操作行为记录对应的操作行为偏移数据，所述操作行为偏移数据用于表征所述第一多维操作行为记录的记录偏差。

例如，操作行为偏移数据还可以理解为操作行为的波动情况或者变化情况。

步骤600、若根据所述操作行为偏移数据确定所述第一多维操作行为记录的记录偏差大于第一设定偏差值，则在移除所述第一多维操作行为记录中行为干扰事件的行为事件特征内容，得到第二多维操作行为记录之后，对所述第二多维操作行为记录进行记录整理，得到第四多维操作行为记录。

在一些实施例中，步骤600所描述的对所述第二多维操作行为记录进行记录整理，可以包括以下内容：若所述记录偏差大于所述第一设定偏差值，且小于或等于第二设定偏差值，则对所述第二多维操作行为记录进行热门行为记录整理，得到所述第四多维操作行为记录，所述第二设定偏差值大于所述第一设定偏差值；若所述记录偏差大于所述第二设定偏差值，则对所述第二多维操作行为记录进行热门行为记录整理，对完成热门行为记录整理的第二多维操作行为记录进行线性行为记录整理，得到所述第四多维操作行为记录。

如此设计，可以结合操作行为的热度和关注度进行行为记录整理，亦或者采用不同的行为记录整理方式进行干扰去除处理，从而得到干扰行为事件占比更低的第四多维操作行为记录。

在一些可能的实施例中，在执行步骤600所描述的对所述第二多维操作行为记录进行记录整理的步骤之前，该方法还可以包括以下内容：根据所述第二多维操作行为记录中每连续两个用户行为事件之间的操作时段间隔，对所述第二多维操作行为记录进行分治处理，得到多个第一操作行为分治结果，每个第一操作行为分治结果包括一个或多个用户行为事件的行为事件特征内容。

例如，分治处理可以理解为拆分处理。

在上述分治处理的基础上，步骤600所描述的对所述第二多维操作行为记录进行记录整理，可以包括以下内容：基于所述多个第一操作行为分治结果，确定多个第二操作行为分治结果；对所述多个第二操作行为分治结果分别进行记录整理；将记录整理后的多个第二操作行为分治结果按照对应时序分布依次进行组合，得到所述第四多维操作行为记录。

进一步地，上述步骤所描述的基于所述多个第一操作行为分治结果，确定多个第二操作行为分治结果，可以包括以下两种时候实施方式。

第一种实施方式，将所述多个第一操作行为分治结果，确定为所述多个第二操作行为分治结果。

第二种实施方式，按照基准扩展步长，对所述多个第一操作行为分治结果中的每个第一操作行为分治结果进行全局扩展；根据全局扩展后的多个第一操作行为分治结果，确定所述多个第二操作行为分治结果；所述基准扩展步长是根据每个第一操作行为分治结果中每连续两个用户行为事件的操作时段间隔或所述第一多维操作行为记录的记录更新程度确定得到。

例如，全局扩展可以理解为插值处理，这样可以确保第二操作行为分治结果的完整性。

如此设计，能够结合分治算法提高多维操作行为记录清洗和优化的效率，减少服务器的开销。

可以理解，通过实施上述步骤500和步骤600，能够将第一多维操作行为记录对应的操作行为偏移数据考虑在内，从而在第二多维操作行为记录之后进行进一步的干扰噪声筛分处理，以得到干扰行为事件占比更低的第四多维操作行为记录。

在一些选择性的实施例中，该方法还可以包括以下内容：对所述第二多维操作行为记录进行行为意图分析，得到行为意图标签；在所述行为意图标签为资源共享需求标签时，采用预设的业务资源优化线程对原始新媒体业务资源进行处理，得到资源共享优化内容。

例如，行为意图分析可以通过相关的神经网络模型实现，在此不作赘述。

在一些选择性的实施例中，采用预设的业务资源优化线程对原始新媒体业务资源进行处理，得到资源共享优化内容，可以通过以下实施方式实现：将原始新媒体业务资源导入业务资源优化线程；通过所述业务资源优化线程获取所述原始新媒体业务资源中的第一可调用对象集；通过所述业务资源优化线程基于所述第一可调用对象集获取所述原始新媒体业务资源中的第一热门状态信息和第一热门状态信息描述分布，其中，所述第一热门状态信息为所述第一可调用对象集在所述原始新媒体业务资源中对应的状态信息；通过所述业务资源优化线程将所述第一热门状态信息划分为多个资源状态片段，通过所述业务资源优化线程基于所述第一热门状态信息描述分布识别所述第一热门状态信息中每个所述资源状态片段对应的资源调用情况，通过所述业务资源优化线程获取所述第一热门状态信息中每个资源状态节点的互动资源调用情况，其中，所述资源状态片段对应的资源调用情况为所述资源状态片段中存在可调用对象的可能性；基于所述第一热门状态信息中每个所述资源状态片段的资源调用情况、所述第一可调用对象集的信息和所述第一热门状态信息中每个资源状态节点的互动资源调用情况，获取资源共享优化内容。

在一些选择性的实施例中，关于“采用预设的业务资源优化线程对原始新媒体业务资源进行处理，得到资源共享优化内容”的进一步说明可以包括以下内容。

s21：新媒体业务服务器将原始新媒体业务资源导入业务资源优化线程。

例如，原始新媒体业务资源可以是文本媒体资源、音频媒体资源或者视频媒体资源等，业务资源优化线程可以是用于进行新媒体资源共享优化的相关机器学习模型/人工智能神经网络。

s22：新媒体业务服务器通过所述业务资源优化线程获取所述原始新媒体业务资源中的第一可调用对象集。

例如，第一可调用对象集可以是处于可共享状态的业务资源的集合。

在一些可能的实施例中，s22所描述的通过所述业务资源优化线程获取所述原始新媒体业务资源中的第一可调用对象集，可以通过以下s221和s222所描述的方案实现。

s221：通过所述业务资源优化线程获取所述原始新媒体业务资源中的第一初始描述分布。

例如，初始描述分布可以理解为原始新媒体业务资源对应的基础特征图或者基础特征向量集。

s222：通过所述业务资源优化线程基于所述第一初始描述分布获取所述原始新媒体业务资源中的第一可调用对象集。

在相关的实施例中，s222所描述的通过所述业务资源优化线程基于所述第一初始描述分布获取所述原始新媒体业务资源中的第一可调用对象集，可以通过以下s2221-s2223所描述的技术方案实现。

s2221：通过所述业务资源优化线程基于所述第一初始描述分布，获取所述原始新媒体业务资源中的第一候选对象集。

s2222：通过所述业务资源优化线程基于所述第一候选对象集和所述第一初始描述分布，获取所述原始新媒体业务资源中的第二热门状态信息描述分布。

s2223：通过所述业务资源优化线程基于所述第二热门状态信息描述分布，获取所述第一可调用对象集。

例如，热门状态信息可以理解为用户较为关注的业务状态。

在一些可能的实施例中，上述s2223所描述的通过所述业务资源优化线程基于所述第二热门状态信息描述分布，获取所述第一可调用对象集，可以包括以下s22231和s22232。

s22231：通过所述业务资源优化线程获取所述第二热门状态信息描述分布对应的对象分类描述分布和对象关联描述分布。

在本申请实施例中，所述对象分类描述分布用于表示所述第一候选对象集属于各类型的可能性（概率），所述第一对象关联描述分布用于表示所述第一可调用对象集相对于所述第一候选对象集的比对结果（偏移量）。

s22232：基于所述第二热门状态信息描述分布对应的对象分类描述分布和所述第二热门状态信息描述分布对应的对象关联描述分布获取所述第一可调用对象集的信息。

进一步地，所述第一可调用对象集的信息还包括所述第一可调用对象集的对象属性和所述第一可调用对象集的类型。基于此，s22232所描述的基于所述第二热门状态信息描述分布对应的对象分类描述分布和所述第二热门状态信息描述分布对应的对象关联描述分布获取所述第一可调用对象集的信息，可以包括：对所述第二热门状态信息描述分布对应的对象分类描述分布进行描述筛分处理，得到所述第一可调用对象集的类型；对所述第二热门状态信息描述分布对应的对象关联描述分布与所述第一候选对象集的对象属性进行比对结果调整，得到所述第一可调用对象集的对象属性。例如，对象属性可以是对象的各类特征，这样一来，能够确保第一可调用对象集的信息与实际新媒体业务场景之间的高相关性。

通过上述s2221-s2223，能够将热门状态信息考虑在内，从而准确可靠地确定出第一可调用对象集。

可以理解的是，通过上述s221和s222，能够对原始新媒体业务资源进行特征精简处理，从而在确保准确确定第一可调用对象集的前提下减少获取第一可调用对象集的耗时。

在一些可选的实施例中，在s22所描述的通过所述业务资源优化线程获取所述原始新媒体业务资源中的第一可调用对象集之前，还可以包括s30：对所述业务资源优化线程进行配置。

可以理解，对所述业务资源优化线程进行配置对应于对相关的网络模型进行训练。相应的，s30所描述的对所述业务资源优化线程进行配置，可以包括s31-s36。

s31：将配置新媒体业务资源导入所述业务资源优化线程。

s32：通过所述业务资源优化线程获取所述配置新媒体业务资源的第二初始描述分布。

s33：通过所述业务资源优化线程基于所述第二初始描述分布获取所述配置新媒体业务资源中的第二热门状态信息和第三热门状态信息描述分布。

s34：通过所述业务资源优化线程将所述第二热门状态信息划分为多个所述资源状态片段，通过所述业务资源优化线程基于所述第三热门状态信息描述分布识别所述第二热门状态信息中每个所述资源状态片段对应的资源调用情况，通过所述业务资源优化线程对所述第二初始描述分布进行互动优化，以得到第二互动优化描述分布。

s35：基于所述第二热门状态信息中每个所述资源状态片段对应的资源调用情况和第一真实调用情况之间的分析结果获取所述业务资源优化线程的第一线程性能指标，基于所述第二互动优化描述分布与第二真实调用情况之间的分析结果获取所述业务资源优化线程的第二线程性能指标。

例如，线程性能指标可以是网络模型的损失函数。

s36：基于所述第一线程性能指标和所述第二线程性能指标调整所述业务资源优化线程的线程参数。

例如，线程参数可以是网络模型的模型参数或者网络参量。

这样一来，通过s31-s36，能够对业务资源优化线程进行全局性的配置，从而确保业务资源优化线程在后续使用过程中的稳定性和运行质量。

在一些相关的实施例中，所述通过所述业务资源优化线程基于所述第二初始描述分布获取所述原始新媒体业务资源中的第二热门状态信息和第三热门状态信息描述分布，可以包括以下内容：通过所述业务资源优化线程基于所述第二初始描述分布获取所述配置新媒体业务资源的第二候选对象集，将所述第二候选对象集在所述配置新媒体业务资源中对应的状态信息作为所述第二热门状态信息；通过所述业务资源优化线程基于所述第二候选对象集和所述第二初始描述分布，获取所述第三热门状态信息描述分布。

进一步地，在所述通过所述业务资源优化线程基于所述第二候选对象集和所述第二初始描述分布，获取所述第三热门状态信息描述分布之后，可以包括以下内容：通过所述业务资源优化线程获取所述第三热门状态信息描述分布对应的对象分类描述分布和对象关联描述分布，其中，所述第三热门状态信息描述分布对应的对象分类描述分布用于表示所述第二候选对象集属于各类型的可能性，所述第三热门状态信息描述分布对应的对象关联描述分布用于表示第二可调用对象集相对于所述第二候选对象集的比对结果；基于所述第三热门状态信息描述分布对应的对象分类描述分布和第三真实调用情况之间的分析结果，获取所述业务资源优化线程的第三线程性能指标，基于所述第三热门状态信息描述分布对应的所述对象关联描述分布与第四真实调用情况之间的分析结果，获取所述业务资源优化线程的第四线程性能指标；基于所述第三线程性能指标和所述第四线程性能指标调整所述业务资源优化线程的线程参数。

可以理解，第一线程性能指标、第二线程性能指标、第三线程性能指标和第四线程性能指标分别从不同角度反映业务资源优化线程的性能，如此设计，能够尽可能结合更多层面的线程性能指标实现对业务资源优化线程的线程参数的调整，从而提高业务资源优化线程的抗干扰能力。

s23：新媒体业务服务器通过所述业务资源优化线程基于所述第一可调用对象集获取所述原始新媒体业务资源中的第一热门状态信息和第一热门状态信息描述分布。

在本申请实施例中，所述第一热门状态信息为所述第一可调用对象集在所述原始新媒体业务资源中对应的状态信息。

s24：新媒体业务服务器通过所述业务资源优化线程将所述第一热门状态信息划分为多个资源状态片段，通过所述业务资源优化线程基于所述第一热门状态信息描述分布识别所述第一热门状态信息中每个所述资源状态片段对应的资源调用情况，通过所述业务资源优化线程获取所述第一热门状态信息中每个资源状态节点的互动资源调用情况。

在本申请实施例中，所述资源状态片段对应的资源调用情况为所述资源状态片段中存在可调用对象的可能性。资源调用情况还可以理解为资源状态片段的特征信息。

在一些示例中，所述第一可调用对象集的信息包括所述第一可调用对象集的对象属性。基于此，s24所描述的通过所述业务资源优化线程获取所述第一热门状态信息中每个资源状态节点的互动资源调用情况，可以包括以下s241和s242所描述的技术方案。

s241：通过所述业务资源优化线程对所述第一初始描述分布进行互动优化，得到所述原始新媒体业务资源中所述各资源状态节点对应的第一互动优化描述分布。

例如，互动优化可以理解为基于新媒体业务互动状态对描述分布进行调整。

s242：基于所述第一可调用对象集的对象属性确定所述第一热门状态信息中每个资源状态节点在所述第一互动优化描述分布中对应的资源调用情况，作为对应所述第一热门状态信息中所述资源状态节点的互动资源调用情况。

可以理解，通过s241和s242，能够将新媒体业务互动状态考虑在内，从而确保第一热门状态信息中每个资源状态节点（可以按照时序特征进行划分）的互动资源调用情况的完整性。

s25：新媒体业务服务器基于所述第一热门状态信息中每个所述资源状态片段的资源调用情况、所述第一可调用对象集的信息和所述第一热门状态信息中每个资源状态节点的互动资源调用情况，获取资源共享优化内容。

例如，资源共享优化内容可以是资源共享的调整结果或者更新结果，用于进行指导后续的新媒体业务资源的共享，从而提高新媒体业务资源的共享效率，提升新媒体业务资源的利用率。

在一些示例中，所述第一可调用对象集的信息包括第一可调用对象集的类型。基于此，s25所描述的基于所述第一热门状态信息中每个所述资源状态片段的资源调用情况、所述第一可调用对象集的信息和所述第一热门状态信息中每个资源状态节点的互动资源调用情况，获取资源共享优化内容，可以包括s251和s252。

s251：基于所述第一热门状态信息中每个所述资源状态片段对应的资源调用情况确定所述第一热门状态信息中存在所述可调用对象的状态信息，基于所述第一热门状态信息中每个资源状态节点的互动资源调用情况，确定所述第一热门状态信息中对应所述资源状态节点的类型。

在本申请实施例中，所述存在可调用对象的状态信息对应的所述资源状态片段对应的资源调用情况大于预设可能性阈值；

s252：基于所述第一热门状态信息中每个所述资源状态节点的类型，确定所述存在可调用对象的状态信息中属于所述第一可调用对象集的类型的资源状态节点，作为所述资源共享优化内容。

例如，所述存在可调用对象的状态信息中属于所述第一可调用对象集的类型的资源状态节点可以包括相关的业务资源的关联情况，通过所述存在可调用对象的状态信息中属于所述第一可调用对象集的类型的资源状态节点，能够从全局层面分析资源共享需求，从而准确、可靠地得到资源共享优化内容。

通过上述方式，本申请通过业务资源优化线程获取原始新媒体业务资源中的的第一可调用对象集，基于第一可调用对象集获取原始新媒体业务资源的第一初始描述分布和第一热门状态信息描述分布，对第一热门状态信息进行资源状态片段化的可调用对象选定，从而能够快速实现对第一热门状态信息中可调用对象的范围性选定，并通过业务资源优化线程获取第一热门状态信息中每个资源状态节点的互动资源调用情况，从而能够结合第一热门状态信息中可调用对象的范围性选定内容和每个资源状态节点的互动资源调用情况获取资源共享优化内容。相比于相关的通过优化路径对第一热门状态信息描述分布进行资源共享优化的方式，本申请提高了资源共享优化的效率，减少了新媒体业务服务器的资源开销。

并且，由于相关技术的优化路径需要获取其对应的第一热门状态信息描述分布中各资源调用情况点属于各类型的可能性，因此其输出的描述分布会占用大量的服务器空间，而本申请中的业务资源优化线程只是对各资源状态片段是否存在可调用对象进行识别，进而有效减少服务器空间的占用，因此能够减少新媒体业务资源优化所需占用的资源开销，减少业务资源共享优化的耗时。

综上，通过应用上述技术方案，能够基于用户行为事件的行为事件特征内容确定对应操作时刻连续的每两个用户行为事件之间的跳转描述，以及每个用户行为事件的互动评价，进而筛分出多个用户行为事件中的行为干扰事件，这样可以将行为干扰事件的行为事件特征内容从第一多维操作行为记录中移除，从而实现对第一多维操作行为记录的干扰事件清洗，以得到记录质量和可用性较高的第二多维操作行为记录，进而确保在后续使用第二多维操作行为记录的过程中尽可能不因为行为干扰事件的存在而出现偏差。此外，通过对多维度的行为事件特征内容进行分析，能够尽可能提高行为干扰事件筛分的准确性和可靠性，避免用户行为事件的漏检或者误检。

基于上述同样的发明构思，还提供了一种新媒体业务操作行为处理装置20，应用于新媒体业务服务器10，所述装置包括：

记录获取模块21，用于获取第一多维操作行为记录，所述第一多维操作行为记录包括多个用户行为事件的行为事件特征内容，所述行为事件特征内容包括响应类型信息和操作时刻；

事件确定模块22，用于根据所述多个用户行为事件的行为事件特征内容，确定所述多个用户行为事件中对应操作时刻连续的每两个用户行为事件之间的跳转描述，以及每个用户行为事件的互动评价，所述互动评价用于表征对应用户行为事件在设定时段内能够跳转到的第一关联用户行为事件的数目，所述第一关联用户行为事件用于表征与对应用户行为事件对应于相同响应类型标签集内的用户行为事件；

事件筛分模块23，用于根据所述多个用户行为事件中对应操作时刻连续的每两个用户行为事件之间的跳转描述，以及每个用户行为事件的互动评价，确定所述多个用户行为事件中的行为干扰事件；

记录清洗模块24，用于移除所述第一多维操作行为记录中所述行为干扰事件的行为事件特征内容，得到第二多维操作行为记录。

关于上述功能模块的描述请参阅对图2所示的方法的描述。

在本申请实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，新媒体业务服务器10，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read-onlymemory）、随机存取存储器（ram，randomaccessmemory）、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。