基于人工智能的用户信息搜寻处理方法及系统与流程

1.本发明涉及人工智能技术领域，具体而言，涉及一种基于人工智能的用户信息搜寻处理方法及系统。


背景技术：

2.目前，采集得到的用户信息除了能够进行简单的安全身份认证，还能够用于行程确定、业务推荐等多个场景。然而涉及用户信息的搜寻必然会涉及用户隐私，但为了能够精确地利用用户信息为用户进行对应的业务处理，又要求用户信息必须完整准确的获取，而在现有技术中，正是因为对用户信息的获取方式过于简单，才导致了用户信息的大量泄露，不仅如此，在已经获取了用户信息的基础上，也无为用户精确地进行关联业务处理。


技术实现要素：

3.本发明的目的在于提供一种基于人工智能的用户信息搜寻处理方法及系统。
4.第一方面，本发明实施例提供基于人工智能的用户信息搜寻处理方法，包括：响应于用户信息搜寻启动指示，建立与搜寻方的加密通信连接；接收包括搜寻方身份标识的用户信息搜寻指示，并确定出针对用户信息搜寻指示的待定用户集合；对待定用户集合进行用户行为向量判定操作，确定出待定用户集合归类的多个预设业务场景，并对多个预设业务场景进行用户信息归类；基于用户信息归类结果，分配对应的用户业务策略。
5.第二方面，本发明实施例提供一种基于人工智能的用户信息搜寻处理系统，包括：建立模块，用于响应于用户信息搜寻启动指示，建立与搜寻方的加密通信连接；确定模块，用于接收包括搜寻方身份标识的用户信息搜寻指示，并确定出针对用户信息搜寻指示的待定用户集合；处理模块，用于对待定用户集合进行用户行为向量判定操作，确定出待定用户集合归类的多个预设业务场景，并对多个预设业务场景进行用户信息归类；基于用户信息归类结果，分配对应的用户业务策略。
6.相比现有技术，本发明提供的有益效果包括：采用本发明公开了一种基于人工智能的用户信息搜寻处理方法及系统，包括：响应于用户信息搜寻启动指示，建立与搜寻方的加密通信连接；接收包括搜寻方身份标识的用户信息搜寻指示，并确定出针对用户信息搜寻指示的待定用户集合；对待定用户集合进行用户行为向量判定操作，确定出待定用户集合归类的多个预设业务场景，并对多个预设业务场景进行用户信息归类；基于用户信息归类结果，分配对应的用户业务策略，如此设计，能够在加密通信的环境下，利用用户信息搜寻指示安全地确定出待定用户集合，并基于待定用户集合的用户行为向量进行准确地为其分配对应的用户业务策略。
附图说明
7.为了更清楚地说明本发明实施例的技术方案，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发明的某些实施例，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。
8.图1为本发明实施例提供的基于人工智能的用户信息搜寻处理方法步骤流程示意图；图2为本发明实施例提供的基于人工智能的用户信息搜寻处理系统的结构示意框图；图3为本发明实施例提供的计算机设备的结构示意框图。
具体实施方式
9.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
10.下面结合图1所示的流程图，对本发明实施例所提出的基于人工智能的用户信息搜寻处理方法的各个步骤进行具体说明；为便于阐述，本发明实施例主要以计算机设备执行该基于人工智能的用户信息搜寻处理方法为例进行说明。请参见图1，该基于人工智能的用户信息搜寻处理方法可包括以下步骤。
11.s101，响应于用户信息搜寻启动指示，建立与搜寻方的加密通信连接。
12.s102，接收包括搜寻方身份标识的用户信息搜寻指示，并确定出针对用户信息搜寻指示的待定用户集合。
13.s103，对待定用户集合进行用户行为向量判定操作，确定出待定用户集合归类的多个预设业务场景，并对多个预设业务场景进行用户信息归类。
14.s104，基于用户信息归类结果，分配对应的用户业务策略。
15.在本发明实施例中，可以在接收到用户信息搜寻启动指示的情况下，首先与搜寻方的终端设备建立起加密通信连接，构建出初步安全屏障。在加密通信建立完成后，可以接收接收包括搜寻方身份标识的用户信息搜寻指示，并确定出针对用户信息搜寻指示的待定用户集合，至此，能够获取搜寻方需求的待定用户集合，然后便可以对待定用户集合进行用户行为判定操作，确定出待定用户集合归类的多个预设业务场景，并对多个预设业务场景进行用户信息归类，如此设计，能够使得在保证待定用户集合的信息安全的基础上，准确无误的为搜寻方提供用户数据，以此对待定用户集合进行用户行为向量判定操作，获取定用户集合归类的多个预设业务场景，最终完成对多个预设业务场景进行用户信息归类的方案。搜寻方便可以利用用户信息归类结果，针对性的进行用户业务策略的定制，例如发送对应的广告、推荐对应的业务套餐、调整对应的服务等级等操作。应当理解的是，本发明中用户行为向量可以是基于预先训练的人工智能模型提取的，而预设业务场景也可以是用户根据实际需求预先设置的，用户信息归类结果和用户业务策略可以预先存储有对应关系，也可以是用户在确定出用户信息归类结果后再分配用户业务策略，在此不做限制。
16.为了能够更加清楚的描述本发明实施例提供的方案，前述步骤s103可以通过如下详细的步骤实现。
17.s201，获取待定用户集合中的每个用户的行为向量。
18.在具体实现中，待定用户集合包括多个用户；计算机设备可获取待定用户集合中的每个用户的业务场景行为记录，从而基于每个用户的业务场景行为记录判定每个用户的行为向量。其中，一个用户的业务场景行为记录可至少包括：用户各自针对至少一个业务场景的行为记录，针对一个业务场景的行为记录的数目均可以是，对此不作限定。此处所提及的行为记录可具体包括但不限于：交易类、查询类、管理类等操作。可选的，一个用户的业务场景行为记录还可包括：用户各自针对业务场景服务器的行为记录；在此情况下，同一业务场景行为记录所关联的各个业务场景具体是指：相应涉及的业务场景服务器中的业务场景。
19.具体的，计算机设备基于任一用户的业务场景行为记录，判定任一用户的行为向量的一种方式可以是：将任一用户中的业务场景行为记录中的每个行为记录，分别作为一个行为向量，从而得到任一用户的行为向量，即一个行为向量为一个行为记录。或者，计算机设备基于任一用户的业务场景行为记录，判定任一用户的行为向量的另一种方式可以是：对任一用户中的业务场景行为记录中的每个行为记录分别进行向量提取，从而得到任一用户的行为向量，即一个行为向量是对一个行为记录进行向量提取确定的。
20.基于上述描述可知，一个用户的行为向量至少包括：基于用户各自针对至少一个业务场景的行为记录判定的向量。可选的，当用户的业务场景行为记录包括用户针对业务场景服务器的行为记录时，一个用户的行为向量还可包括：基于用户各自针对业务场景服务器的行为记录所判定的向量。且在此情况下，一个用户的各个行为向量还可以业务场景服务器为单位，的各个业务场景具体是指：相应被操作的业务场景服务器中的业务场景应理解的是，在其他实施例中，一个用户的业务场景行为记录也可只包括：用户各自针对至少一个业务场景的行为记录。在此情况下，针对任一用户而言，基于任一用户针对任一业务场景服务器的行为记录所判定的向量，以及基于任一用户针对任一业务场景服务器中的业务场景的行为记录所判定的向量，可构成任一用户在任一业务场景服务器中的行为向量。
21.由前述可知，上述所提及的业务场景可以是指线上交易等；相应的，业务场景服务器可以是指金融平台服务器等。示例性的，当业务场景为线上交易，业务场景服务器为金融平台服务器时，步骤s201的具体实现方式可理解如下：首先，可获取待定用户集合中的每个用户的业务场景行为记录；一个用户的业务场景行为记录可包括：用户各自针对金融平台服务器的行为记录，如登录、关注、交易等，以及用户各自针对每个金融平台服务器中的金融产品中的线上交易的行为记录，如购买、咨询等。然后，计算机设备可基于每个用户的业务场景行为记录判定每个用户的行为向量。
22.可以理解的是，在本发明实施例的具体实施方式中，涉及到用户的相关数据（如各种行为记录、行为向量等），均是在获取用户的许可或者同意后采集的；也就是说，当本发明实施例运用到具体产品或技术中时，需要获得用户许可或者同意来实现相关数据的获取，且相关数据的使用和处理需要遵守相关国家和地区的相关法律法规和标准。
23.s202，基于每个用户的行为向量对待定用户集合进行集合操作，得到至少两个用户行为簇标识。
24.在具体实现中，计算机设备可基于每个用户的行为向量，计算各个用户之间的用户相似度，从而按照预置聚合中心的数目，基于各个用户之间的用户相似度对待定用户集
合进行集合操作，得到至少两类用户，一类用户对应一个聚合中心；然后，分别为每类用户分配一个用户行为簇标识，从而得到至少两个用户行为簇标识。可见，用户行为簇标识的数目与聚合中心的数目相同，且聚合中心的数目可基于实际需求或经验值设置，例如设置聚合中心k=3，那么此情况下便实现将待定用户集合集合操作成三类用户，从而得到三个用户行为簇标识。
25.当聚合中心的数目为2时，计算机设备在基于各个用户之间的用户相似度对待定用户集合进行集合操作时，可认为用户相似度超过第一阈值的各个用户的业务场景归属比较集中，因此可将用户相似度超过第一阈值的各个用户聚成一类，以得到第一用户；以及，可认为除第一用户以外的其他用户的业务场景归属不太集中，因此可将除第一用户以外的其他用户聚成一类，以得到第二类用户。以此类推：当聚合中心的数目为3时，计算机设备在基于各个用户之间的用户相似度对待定用户集合进行集合操作时，可将用户相似度超过第一阈值的各个用户聚成一类，以得到第一用户；将用户相似度不超过第一阈值，且超过第二阈值的各个用户聚成一类，以得到第二类用户；以及将除第一用户和第二类用户以外的其他用户聚成一类，以得到第三类用户。
26.其中，为第一用户分配的用户行为簇标识可称为第一用户行为簇标识，为第二类用户分配的用户行为簇标识可称为第二用户行为簇标识，为第三类用户分配的用户行为簇标识可称为第三用户行为簇标识，以此类推。基于上述可知，不管聚合中心的数目为多少，计算机设备通过集合操作所确定的至少两个用户行为簇标识中，可至少包括第一用户行为簇标识；该第一用户行为簇标识匹配的第一用户中的各用户的业务场景归属接近，业务场景归属接近的含义可理解成各用户的业务场景归属相同或相似。
27.进一步的，计算机设备还可为每类用户中的各用户分别标记相应的用户行为簇标识标签，以便于后续可基于用户行为簇标识标签识别用户关联的用户行为簇标识。以通过步骤s202得到两个用户行为簇标识，即第一用户行为簇标识和第二用户行为簇标识为例，计算机设备可为第一用户行为簇标识匹配的第一用户中的各个用户，分别标记“1”这一个用户行为簇标识标签，以指示用户各自为业务场景归属比较集中的用户；可为第二用户行为簇标识匹配的第二类用户中的各个用户，分别标记“0”这一个用户行为簇标识标签，以指示用户各自为其他用户行为簇标识（即业务场景归属不太集中）的用户。
28.s203，基于每个用户行为簇标识与采集的每个行为向量之间的关联关系，判定待定用户集合的向量集合的参考行为期望；其中，向量集合是采集的基于每个行为向量确定的。
29.在具体实现中，计算机设备可基于每个用户行为簇标识与采集的每个行为向量之间的关联关系，判定每个行为向量的行为期望。然后，按照逐个处理行为期望的策略，逐个对向量集合中的各个行为向量的行为期望进行累计求和；如果在累计求和时，确定出已处理的累加行为期望达到预置终止状态，则将累加行为期望判定为待定用户集合的向量集合的参考行为期望。具体的，计算机设备可在累计求和时，每获取一个累加行为期望，则比较已处理的累加行为期望和预设行为期望上限（如80%）之间的大小关系；如果累加行为期望超过预设行为期望上限，则判定累加行为期望达到预置终止状态，此时可停止递归；如果累加行为期望不超过预设行为期望上限，则判定累加行为期望不达到预置终止状态，此时可接着累加，直到获取的累加行为期望超过预设行为期望上限为止。
30.需要说明的是，对于向量集合中的第一个行为向量而言，可理解成是在零值的基础上对第一个行为向量的行为期望进行累加处理的。那么可理解的是：通过第一次累计求和所确定的累加行为期望，等于第一个行为向量的行为期望；通过第二次累计求和所确定的累加行为期望，等于第一个行为向量的行为期望和第二行为向量的行为期望的总和，以此类推。基于此，对判定参考行为期望的方式进行举例说明：先在零值的基础上累计求和向量集合中的第一个向量的行为期望，得到累加行为期望r1；如果r1》80%（即预设行为期望上限），则将r1作为向量集合的参考行为期望；如果r1≤80%，则在r1的基础上累计求和向量集合中的第二个向量的行为期望，得到累加行为期望r2；如果r2》80%，则将r2作为向量集合的参考行为期望；如果r2≤80%，则继续在r2的基础上累计求和向量集合中的第三个向量的行为期望，得到累加行为期望r3，以此类推。
31.需要说明的是，上述步骤s203的实施方式是以先计算出每个行为向量的行为期望，再对各个行为向量的行为期望进行累计求和处理为例进行说明的；在其他实施例中，计算机设备在执行步骤s203时，也可先不计算每个行为向量的行为期望，而是每次执行累计求和，实时计算当前需被累计求和的行为向量的行为期望，从而对计算出的行为期望进行累计求和以得到累加行为期望。也就是说，计算机设备在执行步骤s203时，可在第一次执行累计求和时，实时计算第一个向量的行为期望，从而在零值的基础上累计求和第一个向量的行为期望，得到累加行为期望r1；在第二次执行累计求和时，实时计算第二个向量的行为期望，从而在r1的基础上累计求和第二个向量的行为期望，以此类推。
32.s204，基于参考行为期望从向量集合中选取出重点行为向量。
33.由前述步骤s203的具体实施方式可知，参考行为期望是对向量集合中的至少一个行为向量的行为期望进行累计求和确定的；相应的，步骤s204的具体实施方式可以是：获取获取用于累计求和得到参考行为期望的各个行为期望，并判定各个行为期望分别匹配的行为向量；然后，从向量集合中选取各个行为期望分别匹配的行为向量，作为重点行为向量。
34.例如，如果参考行为期望是r1，则用于累计求和得到r1的行为期望包括第一个行为向量的行为期望，因此可从向量集合中选取第一个行为向量作为重点行为向量；如果参考行为期望是r2，则用于累计求和得到r2的行为期望包括：第一个行为向量的行为期望以及第二个行为向量的行为期望，因此可从向量集合中选取第一个行为向量和第二行为向量作为重点行为向量；如果参考行为期望是r3，则用于累计求和得到r3的行为期望包括：第一个行为向量的行为期望、第二个行为向量的行为期望，以及第三个行为向量的行为期望，因此可从向量集合中选取第一个行为向量、第二行为向量以及第三个行为向量作为重点行为向量，以此类推。
35.需要说明的是，上述步骤s203-s204所提及的向量集合可以是对通过步骤s201采集的每个行为向量进行随机排列所确定的。进一步的，考虑到行为向量的排列方式可能会在一定程度上影响到重点行为向量的选取准确性；例如，本来重点行为向量应当是行为向量a和行为向量b，但是因为向量排列时将向量a和向量b排到了第100位和第101位，但是如果累计求和到第90个行为向量的行为期望时，累加行为期望就超过80%了，此时就会导致行为向量a和行为向量b无法被选取出来作为重点行为向量，从而导致选取出的重点行为向量往往是不太关键的行为向量。基于此，为了提升后续重点行为向量的选取准确性，计算机设备可基于采集的每个行为向量的行为期望，分别判定每个行为向量的重要度，任一行为向
量的重要度和行为期望成正比；然后，按照重要度从高到低的顺序，基于每个行为向量的重要度对每个行为向量进行排序，得到待定用户集合的向量集合。这样可保证向量集合中的越靠前的行为向量是越重要（即越关键）的，从而避免在进行重点行为向量选取时，这些重要的行为向量无法被选取出的情况。
36.s205，在判定对待定用户集合归类的多个预设业务场景后，基于重点行为向量对多个预设业务场景进行用户信息归类。
37.在具体实现中，由于计算机设备在执行前述步骤s202时，会得到至少两个用户行为簇标识，且该至少两个用户行为簇标识中的第一用户行为簇标识匹配的第一用户中的各个用户的业务场景归属比较集中，其所归属的业务场景可以在一定程度上达到待定用户集合中的大多数用户的归属。因此，计算机设备可基于第一用户中的各用户的行为向量，判定第一用户所归属的多个业务场景；即可将第一用户中的各用户的每个行为向量，将第一用户中的各用户所操作过的业务场景作为第一用户所归属的多个业务场景。然后，计算机设备可将判定出的多个业务场景，判定为对待定用户集合归类的多个预设业务场景，使得多个预设业务场景在一定程度可达到大多数用户的归属，这样可初步提升业务场景归类的准确性。当然，判定多个预设业务场景的方式可不局限于这一种；例如，计算机设备还可将待定用户集合中的全部用户的行为向量所匹配的业务场景，均作为预设业务场景；又如，计算机设备还可获取互联网的多个热点业务场景作为多个预设业务场景，等等。
38.在判定对待定用户集合归类的多个预设业务场景后，计算机设备便可基于重点行为向量对多个预设业务场景进行用户信息归类。在一种实施方式中，计算机设备可对每个预设业务场景进行向量提取，基于提取到的每个预设业务场景的业务场景向量和重点行为向量之间的相似度，对多个预设业务场景进行用户信息归类。另一种实施方式中，计算机设备可基于机器学习/深度学习技术，通过基于重点行为向量并结合模型来对多个预设业务场景进行用户信息归类；具体的，计算机设备可基于重点行为向量来构建一个业务场景识别模型，从而通过业务场景识别模型的模型优化，实现基于迭代更新后的业务场景识别模型对多个预设业务场景进行用户信息归类。
39.本发明实施例可通过待定用户集合中的每个用户的行为向量，对待定用户集合进行集合操作，来得到至少两个用户行为簇标识。其次，可综合考虑各个用户行为簇标识与每个行为向量之间的关联关系，来判定向量集合的参考行为期望，并利用参考行为期望从向量集合中选取出重点行为向量，这样可提升重点行为向量的选取准确性。然后，可利用重点行为向量对多个预设业务场景进行用户信息归类，这样可减少不重要的行为向量对用户信息归类的干扰，提升业务场景归类的准确性。
40.基于上述实施例，本发明实施例进一步提出了一种更具体的基于人工智能的用户信息搜寻处理方法，本发明实施例仍以计算机设备执行该基于人工智能的用户信息搜寻处理方法为例进行说明。该基于人工智能的用户信息搜寻处理方法可包括以下步骤s301-s310：s301，获取待定用户集合中的每个用户的行为向量。
41.s302，基于每个用户的行为向量对待定用户集合进行集合操作，得到至少两个用户行为簇标识。
42.在具体实现中，步骤s301-s302的具体实施方式可参见上述实施例的相关描述，在
此不再赘述。其中，通过步骤s301采集的一个用户的行为向量包括：基于用户各自针对至少一个业务场景的行为记录判定的向量，以及基于用户各自针对业务场景服务器的行为记录所判定的向量。通过步骤s302确定的每个用户行为簇标识均具有一个用户行为簇标识标签，例如至少两个用户行为簇标识可包括第一用户行为簇标识和第二用户行为簇标识，第一用户行为簇标识的用户行为簇标识标签为“1”，第二用户行为簇标识的用户行为簇标识标签为“0”。
43.s303，基于每个用户行为簇标识与采集的每个行为向量之间的关联关系，判定每个行为向量的行为期望。
44.其中，任一用户行为簇标识与任一行为向量之间的关联关系中包括：任一用户行为簇标识与任一行为向量之间的关联程度值，关联程度值的取值与用户行为簇标识和行为向量之间的相关程度成正比。在具体实现中，计算机设备可通过采用相关性公式，来计算得到每个用户行为簇标识和采集的每个行为向量之间的关联程度值；针对任一用户行为簇标识而言，该任一用户行为簇标识和每个行为向量之间的关联程度值，可构成该任一用户行为簇标识匹配的关联程度值序列{x1，
…
，xn}，xk表示任一用户行为簇标识和目标行为向量之间的关联程度值，k∈[1，n]，n为采集的行为向量的总数。
[0045]
相应的，步骤s303的具体实施方式可以是：基于每个用户行为簇标识与每个行为向量之间的关联程度值的标准数值，和预置第一数目个关联级别匹配的数值区间，判定每个行为向量在每个用户行为簇标识对应的关联级别，r为超过1的整数。然后，可基于每个行为向量在每个用户行为簇标识对应的关联级别，分别在每个用户行为簇标识下对每个行为向量进行整合，得到每个用户行为簇标识对应的第一数目个行为向量集合，一个行为向量集合对应一个关联级别。其中，第一数目个关联级别以及每个关联级别匹配的数值区间，均可基于经验值或者实际需求设置；例如，可设置3个关联级别：低度线性相关、中度相关和高度线性相关，且低度线性相关匹配的数值区间为|x|《0.4，匹配的行为向量集合可被标记为组1，中度相关匹配的数值区间为0.4≤|x|《0.7，匹配的行为向量集合可被标记为组2，高度线性相关匹配的数值区间为0.7≤|x|《1，匹配的行为向量集合可被标记为组3。
[0046]
基于上述描述，针对目标行为向量，可计算目标行为向量在每个用户行为簇标识对应的每个行为向量集合的分布情况；具体的，针对任一用户行为簇标识对应的任一行为向量集合，计算机设备可以基于任一行为向量集合中的各个行为向量关联的用户，判定任一行为向量集合匹配的总用户数目；获取任一行为向量集合所匹配的用户中，具有目标行为向量的用户的数目；将获取确定的数目和任一行为向量集合匹配的总用户数目之间的分布关系，判定为目标行为向量在任一行为向量集合的分布情况。例如，针对第一个用户行为簇标识对应的第一个行为向量集合而言，如果组1总共对应100个用户，且组1匹配的100个用户中有10个用户具有第一个行为向量，即相应的取值等于10，那么第一个行为向量在该组1的分布情况等于10/100=0.1。
[0047]
然后，计算机设备可基于分布统计结果以及每个用户行为簇标识匹配的用户分布，计算目标行为向量的行为期望。其中，分布统计结果包括：目标行为向量在每个用户行为簇标识对应的每个行为向量集合的分布情况；任一用户行为簇标识匹配的用户分布是指：任一用户行为簇标识对应的用户的数目，与待定用户集合的总用户数目之间的分布关系。
[0048]
s304，按照逐个处理行为期望的策略，逐个对向量集合中的各个行为向量的行为期望进行累计求和。
[0049]
s305，如果在累计求和时，确定出已处理的累加行为期望达到预置终止状态，则将累加行为期望判定为待定用户集合的向量集合的参考行为期望。
[0050]
s306，基于参考行为期望从向量集合中选取出重点行为向量，并判定对待定用户集合归类的多个预设业务场景；其中，多个预设业务场景包括：基于第一用户中的各用户的行为向量，所判定的第一用户所归属的多个业务场景。
[0051]
s307，对多个预设业务场景进行场景标识关联以得到多个业务场景训练标识，并基于多个业务场景训练标识和重点行为向量构建一个业务场景识别模型。
[0052]
在具体实现中，可基于每个预设业务场景实际关联的业务场景类别，对多个预设业务场景进行场景标识关联，得到多个业务场景训练标识，一个业务场景训练标识用于指示一个业务场景类别。计算机设备在基于多个业务场景训练标识和重点行为向量进行模型构建后，确定的业务场景识别模型中可包括这多个业务场景训练标识。
[0053]
s308，将待定用户集合中的至少一个用户的各行为向量，与多个业务场景训练标识进行配对以获取多个行为业务对。
[0054]
其中，一个行为业务对包括：与一个业务场景训练标识配对的至少一个行为向量；并且，多个行为业务对至少包括：训练行为业务对和参考行为业务对。此处提及的训练行为业务对是指用于对业务场景识别模型进行模型优化的行为业务对，参考行为业务对是指在业务场景识别模型停止迭代更新后，用于迭代更新后的业务场景识别模型进行置信度计算的行为业务对。可选的，多个行为业务对中还可包括测试行为业务对，该测试行为业务对是指在优化业务场景识别模型后，用于测试业务场景识别模型的模型性能的行为业务对。需要说明的是，本发明实施例对训练行为业务对、参考行为业务对和测试行为业务对的数目，以及行为业务对划分方式不作限定，例如可随机将多个行为业务对中的部分行为业务对作为训练行为业务对、随机将另一部分行为业务对中的至少一个行为业务对作为测试行为业务对等。
[0055]
在一种具体实现中，计算机设备将待定用户集合中的每个用户的各行为向量，均与多个业务场景训练标识进行配对以获取多个行为业务对。另一种具体实现中，可着重考虑待定用户集合中的业务场景归属集中的各用户的行为向量，来进行模型训练优化，这样可使得迭代更新后的业务场景识别模型较为准确地进行计算，使得基于计算结果所确定的目标业务场景符合待定用户集合中的大多数用户的归属。基于此，计算机设备可从待定用户集合所关联的所有行为向量中，获取第一用户中的各用户的各行为向量；将第一用户中的各用户的各行为向量，和多个业务场景训练标识进行配对，以获取多个行为业务对。
[0056]
具体的，计算机设备在采用将第一用户中的各用户的各行为向量，和多个业务场景训练标识进行配对，以获取多个行为业务对时，针对第一用户中的任一用户，计算机设备可直接将任一用户的各个行为向量与多个业务场景训练标识中的任一业务场景训练标识进行配对，从而采用与任一业务场景训练标识配对的行为向量以及该任一业务场景训练标识，构建一个行为业务对。
[0057]
或者，计算机设备也可通过对第一用户中的各用户所操作的所有业务场景服务器的标识（如金融平台服务器id）进行打标（如金融平台服务器id1标记为1，金融平台服务器
id1标记为2，以此类推），从而通过用户id和业务场景服务器的打标结果，将多个业务场景训练标识和用户在每个业务场景服务器中的行为向量进行配对，来得到多个行为业务对。具体的，可基于第一用户中的各用户的各行为向量，判定第一用户所操作的各个业务场景服务器；并遍历各个业务场景服务器，判定当前遍历的待处理业务场景服务器。针对第一用户中的任一用户，从任一用户的各行为向量中筛选出任一用户在待处理业务场景服务器中的各行为向量；将任一用户在待处理业务场景服务器中的各行为向量，与多个业务场景训练标识中的任一业务场景训练标识进行配对，得到配对结果；从而基于配对结果，从任一用户在待处理业务场景服务器中的各行为向量中，获取与任一业务场景训练标识相配对的行为向量；并采集的基于行为向量构建一个行为业务对，并为获取的行为业务对标记该任一业务场景训练标识。
[0058]
以业务场景服务器为金融平台服务器，业务场景为线上交易为例进行举例说明：第一用户中包括50个用户，分别是用户1-用户50；假设基于用户1针对金融平台服务器1的行为记录判定出了行为向量a，且基于用户1针对金融平台服务器1中的线上交易的行为记录判定出了行为向量b和行为向量c，那么用户1在金融平台服务器1中的向量包括向量a、向量b和向量c。其中，如果向量a和向量b与交易这一业务场景类别相关，则可判定向量a和向量b均与用于指示交易的业务场景训练标识“4”相配对，那么可采用向量a和向量b构成一个行为业务对，并为该行为业务对打上“4”这个业务场景标识；如果向量c与查询这一业务场景类别相关，则可判定向量c和向量b与用于指示查询的业务场景训练标识“1”相配对，那么可采用向量c构成一个行为业务对，并为该行为业务对打上“1”这个业务场景标识，这样便可得到用户1的两个行为业务对，依次类推，可得到每个用户的至少一个行为业务对，从而得到多个行为业务对。
[0059]
s309，采用训练行为业务对对业务场景识别模型进行迭代更新，并基于迭代更新后的业务场景识别模型基于参考行为业务对中的行为向量，计算待定用户集合归属各个业务场景训练标识的置信度。
[0060]
其中，采用训练行为业务对对业务场景识别模型进行一次模型优化的方式可以是：基于业务场景识别模型基于训练行为业务对中的行为向量，计算待定用户集合归属各个业务场景训练标识的置信度，并将最大置信度匹配的业务场景训练标识作为训练行为业务对的计算业务场景训练标识，基于计算业务场景训练标识和训练行为业务对包括的业务场景训练标识之间的差异，计算业务场景识别模型的模型损失值，从而按照减少模型损失值的方向，优化业务场景识别模型的模型权重。
[0061]
s310，基于计算结果从多个业务场景训练标识中选取目标业务场景训练标识，并将目标业务场景训练标识指示的业务场景类别对应的预设业务场景，决策为待归类的目标业务场景。
[0062]
其中，计算结果可包括：各个业务场景训练标识匹配的置信度；计算机设备在基于计算结果从多个业务场景训练标识中选取目标业务场景训练标识时，直接将计算结果中的最大置信度匹配的业务场景训练标识选取作为目标业务场景训练标识。或者，为便于执行选取操作，计算机设备可按照置信度从大到小的顺序，基于计算结果对各个业务场景训练标识进行排序，得到业务场景推荐列表，从而基于业务场景推荐列表得到{用户id，业务场景训练标识，置信度，排序号}矩阵，进而基于此矩阵将第一位的业务场景训练标识作为目
标业务场景训练标识，以实现选取置信度最大的业务场景训练标识作为目标业务场景训练标识。当然，应理解的是，在其他实施例中，计算机设备也可基于计算结果将置信度超过置信度阈值的业务场景训练标识均作为目标业务场景训练标识。
[0063]
本发明实施例可通过待定用户集合中的每个用户的行为向量，对待定用户集合进行集合操作，来得到至少两个用户行为簇标识。其次，可综合考虑各个用户行为簇标识与每个行为向量之间的关联关系，来判定向量集合的参考行为期望，并利用参考行为期望从向量集合中选取出重点行为向量，这样可提升重点行为向量的选取准确性。然后，可利用重点行为向量对多个预设业务场景进行用户信息归类，这样可减少不重要的行为向量对用户信息归类的干扰，提升业务场景归类的准确性。并且，通过考虑同一用户群体中具有不同业务场景归属的用户的行为向量，提出采用同一个业务场景识别模型进行群体模型训练，可合法提升业务场景识别模型的泛化性，从而进一步提升业务场景决策的准确性。
[0064]
为了能够更加清楚的描述本发明实施例提供的方案，前述步骤s102可以通过如下步骤执行实施。
[0065]
s301，接收包括搜寻方身份标识的用户信息搜寻指示。
[0066]
其中，搜寻方身份标识主要用于唯一表征搜寻方的用户身份，搜寻方的用户身份均具有对应的搜寻方身份标识，因此，每笔交易的待定用户集合与搜寻方身份标识对应。搜寻方身份标识是在用户信息存储系统的第一存储服务器对待定用户集合进行存储后，根据第一存储服务器自身的服务器编号以及存储所需的与待定用户集合对应的搜寻指针确定的；搜寻指针主要用于唯一确定待定用户集合，具体可以用待定用户集合自身的信息摘要表征。
[0067]
其中，用户信息搜寻指示用于请求查询待定用户集合；该用户信息搜寻指示可以包括待定用户集合的搜寻方身份标识；当业务处理线程想要在用户信息存储系统中搜寻某个待定用户集合时，可以生成包括有与该待定用户集合对应的搜寻方身份标识的用户信息搜寻指示，并将该用户信息搜寻指示发给验证处理线程；验证处理线程接收到包括搜寻方身份标识的用户信息搜寻指示后，进入s302。
[0068]
s302，解析搜寻方身份标识，获得服务器编号与搜寻指针。
[0069]
其中，针对搜寻方身份标识的解析方式可以与针对该搜寻方身份标识的生成方式相逆，例如，该搜寻方身份标识是通过服务器编号和搜寻指针的拼接得到的，那么解析该搜寻方身份标识的方式是切割该搜寻方身份标识，得到服务器编号和搜寻指针；又例如，该搜寻方身份标识是通过服务器编号和搜寻指针进行加权求和得到的，那么解析该搜寻方身份标识的方式是按照加权求和所用的权重，对搜寻方身份标识进行拆分，得到服务器编号和搜寻指针。
[0070]
服务器编号用于唯一表征用户信息存储系统中的存储服务器，用户信息存储系统中的每一存储服务器均有对应的服务器编号。
[0071]
本步骤中，由于搜寻方身份标识是根据第一存储服务器的服务器编号和待定用户集合对应的搜寻指针确定的，因此，验证处理线程收到搜寻方身份标识后，可以基于与搜寻方身份标识的生成方式相逆的方式，对搜寻方身份标识进行解析，得到第一存储服务器的服务器编号和搜寻指针。
[0072]
s303，从用户信息存储系统包括的多个存储服务器中，确定服务器编号所对应的
第一存储服务器。
[0073]
用户信息存储系统可以包括多个存储服务器，此时，用户信息存储系统可以称为多链网络；每个存储服务器通过对应的服务器编号表征；验证处理线程可以维护各个存储服务器的服务器编号表，以便基于该服务器编号表确定对应的第一存储服务器。由于存储服务器包括多个处理线程，因此，验证处理线程还可以在服务器编号表中同时维护各存储服务器所包括的处理线程的处理线程标识，确定属于第一存储服务器的处理线程。
[0074]
本步骤中，验证处理线程从搜寻方身份标识中获取服务器编号后，从用户信息存储系统的多个存储服务器中，确定与该服务器编号对应的第一存储服务器。
[0075]
s304，将搜寻指针传输至属于第一存储服务器的第一处理线程。
[0076]
搜寻指针用于在已存储的待定用户集合中查找与接收到的搜寻方身份标识对应的待定用户集合；在存储时，对搜寻指针的处理方式主要是：第一存储服务器对待定用户集合进行存储处理时，该第一存储服务器的任一处理线程将待定用户集合和对应的搜寻指针之间的对应关系存储到存储空间，当第一存储服务器的大部分处理线程确定该存储空间合法后，各处理线程均可以存储该存储空间；此时，第一存储服务器的任一处理线程均可以基于待查询搜寻方身份标识中的搜寻指针，在自身存储的存储空间中查找与该搜寻指针对应的待定用户集合。
[0077]
第一处理线程可以是第一存储服务器的处理线程，可以是从第一存储服务器所包括的处理线程中随机选取的，第一处理线程的数量可以是一个或多个。第一处理线程还可以是基于第一存储服务器的各处理线程的当前运算资源选取的，以提高待定用户集合的查询效率；具体来说，验证处理线程可以获取第一存储服务器中的各处理线程的当前运算资源，将当前运算资源的充足度大于充足度阈值的处理线程作为第一处理线程，或者按照当前运算资源的充足度从高至低，对各处理线程进行排序，将排在预设位数前（如排在前3名）的处理线程作为第一处理线程。
[0078]
s305，接收第一处理线程基于搜寻指针，在第一存储服务器已存储的待定用户集合中搜寻确定的与搜寻指针对应的待定用户集合。
[0079]
第一存储服务器的各处理线程均存储有相同的存储空间，因此，存储空间包括的待定用户集合属于已存储的待定用户集合，因此，第一处理线程接收到验证处理线程确定的搜寻指针后，可以基于第一处理线程自身存储的存储空间的待定用户集合和搜寻指针间的对应关系，路由至对应的待定用户集合，并将该待定用户集合作为与搜寻指针对应的待定用户集合反馈至验证处理线程。
[0080]
s306，基于第一处理线程确定的待定用户集合，对用户信息搜寻指示执行反馈操作。
[0081]
本步骤中，验证处理线程可以将第一存储服务器确定的待定用户集合作为用于响应用户信息搜寻指示的待定用户集合，并将该待定用户集合传输至对应的业务处理线程。
[0082]
在第一处理线程为多个的情况下，验证处理线程还可以先对各第一处理线程确定的待定用户集合进行一致性比对，当一致性的程度高于预设的一致性程度时，将该待定用户集合反馈至业务处理线程。
[0083]
上述基于用户信息存储系统的数据查询方法中，基于对待定用户集合进行存储的第一存储服务器的服务器编号和存储所需的搜寻指针，生成待定用户集合的搜寻方身份标
识，该搜寻方身份标识包括有后续查询时所需的服务器编号和搜寻指针；在查询待定用户集合时，基于对该搜寻方身份标识的解析，可以得到对应的服务器编号，无需存储搜寻方身份标识与服务器编号的对应关系，节约存储资源，并且，基于对该搜寻方身份标识的解析，还可以得到存储时所用的搜寻指针，无需存储搜寻方身份标识与搜寻指针的对应关系，进一步节约存储资源；在得到服务器编号后，可以将搜寻指针发给用户信息存储系统的多个存储服务器中与该服务器编号对应的第一存储服务器，第一存储服务器基于搜寻指针查找到对应的待定用户集合，无需将搜寻指针发给全部存储服务器进行查询，节约用户信息存储系统的运算资源。
[0084]
在一些实施例中，还包括如下步骤：接收业务处理线程发送的待定用户集合；在用户信息存储系统中获取对待定用户集合进行存储的第一存储服务器；将待定用户集合传输至第一存储服务器；在第一存储服务器将待定用户集合的用户摘要信息作为待定用户集合的搜寻指针并根据用户摘要信息与待定用户集合的对应关系对待定用户集合进行存储后，获取第一存储服务器确定的用户摘要信息以及第一存储服务器自身的服务器编号；根据第一存储服务器的服务器编号和用户摘要信息生成待定用户集合对应的搜寻方身份标识。
[0085]
其中，搜寻指针可以是待定用户集合的用户摘要信息。
[0086]
验证处理线程接收到业务处理线程发送的待存储的待定用户集合后，可以在验证处理线程自身管理的获取对该待定用户集合进行存储的第一存储服务器，并将该待定用户集合发给第一存储服务器中的任一处理线程；该第一存储服务器的处理线程接收到待定用户集合后，可以生成待定用户集合的哈希，得到用户摘要信息，并将用户摘要信息作为该待定用户集合的搜寻指针，形成用户摘要信息和搜寻指针的对应关系，并将该对应关系存储到存储空间中；该处理线程得到存储空间后，将该存储空间分发至该第一存储服务器的其他处理线程；当该第一存储服务器的大部分处理线程认为该存储空间合法后，各处理线程可以存储该存储空间，完成对该待定用户集合的存储。
[0087]
在完成对该待定用户集合的存储后，该第一存储服务器的形成存储空间的处理线程可以向验证处理线程反馈该待定用户集合的用户摘要信息和该第一存储服务器的服务器编号；验证处理线程接收到用户摘要信息和服务器编号后，可以凭证用户摘要信息和服务器编号，得到与该待定用户集合对应的搜寻方身份标识，并将该搜寻方身份标识反馈给业务处理线程。
[0088]
上述方式中，将待定用户集合的用户摘要信息作为待定用户集合的搜寻指针，由于每笔交易的待定用户集合的哈希具有唯一性，可以保证基于该用户摘要信息路由至唯一对应的待定用户集合，保证待定用户集合查询的准确性。
[0089]
在一些实施例中，上述将待定用户集合传输至第一存储服务器的步骤，具体包括：确定对待定用户集合进行存储所使用的存储策略；按存储策略对待定用户集合进行整合后，得到整合待定用户集合；使用业务处理线程的线程安全码对整合待定用户集合进行身份确认，并将身份确认后的整合待定用户集合传输至第一存储服务器。
[0090]
存储策略是指属于同一存储服务器的处理线程间进行交互时所用的协议，规定处理线程间按照规定的数据格式进行交互，以便各处理线程可以正确地识别出被交互的数据。
[0091]
验证处理线程在得到待定用户集合后，可以按照第一存储服务器所用的存储策略
规定的数据格式，对待定用户集合进行整合，得到整合待定用户集合；为表征该待定用户集合的来源于该业务处理线程，可以利用业务处理线程的线程安全码对整合待定用户集合进行身份确认，将身份确认后的整合待定用户集合发给第一存储服务器的任一处理线程。
[0092]
第一存储服务器的任一处理线程接收到该身份确认后的整合待定用户集合后，可以按照存储策略规定的数据格式，对身份确认后的整合待定用户集合进行格式还原，得到身份确认后的待定用户集合；为判断该待定用户集合是否可以存储，该处理线程可以确定该身份确认表征的业务处理线程是否具有待定用户集合的存储权限，若有，则将该待定用户集合的用户摘要信息和该待定用户集合间的对应关系存储到存储空间，以便第一存储服务器的全部处理线程对该存储空间进行管理，完成该待定用户集合的存储。
[0093]
上述方式中，按照第一存储服务器所用的存储策略，对待存储的待定用户集合进行整合，使得第一存储服务器的处理线程可以准确地识别出该待定用户集合；并且还利用业务处理线程的线程安全码进行身份确认，表征待定用户集合的来源方，避免对不具有存储权限的业务处理线程的待定用户集合的存储。
[0094]
在一些实施例中，上述获取第一存储服务器确定的用户摘要信息以及第一存储服务器自身的服务器编号的步骤，具体包括：接收第一存储服务器对待定用户集合存储后确定的存储结果；从存储结果中获取第一存储服务器的服务器编号与用户摘要信息。
[0095]
存储结果是第一存储服务器对待定用户集合进行存储后确定的与该待定用户集合有关的存储信息，例如对该待定用户集合进行存储的第一存储服务器的服务器编号以及存储所需的用户摘要信息等。
[0096]
第一存储服务器中形成包括该待定用户集合和用户摘要信息的对应关系的存储空间的处理线程，可以向验证处理线程反馈存储结果；验证处理线程接收该存储结果后，从存储结果中提取第一存储服务器的服务器编号和用户摘要信息，并基于服务器编号和用户摘要信息，生成该待定用户集合的搜寻方身份标识，并将该搜寻方身份标识反馈至业务处理线程。
[0097]
上述方式中，基于第一存储服务器确定的存储结果，得到第一存储服务器的服务器编号和用户摘要信息，保证服务器编号和用户摘要信息的准确性，保证搜寻方身份标识包括有准确的待定用户集合的路由信息。
[0098]
在一些实施例中，还包括如下步骤：从存储结果中获取内存位置；将内存位置反馈给第一存储服务器；接收第一存储服务器基于内存位置确定第一信息存储设备中包括待定用户集合的存储空间后确定的存储基础参数；存储基础参数包括待定用户集合的存储时间和保活时限。上述根据第一存储服务器的服务器编号和用户摘要信息生成待定用户集合对应的搜寻方身份标识的步骤，具体包括：根据第一存储服务器的服务器编号、用户摘要信息和存储基础参数生成待定用户集合对应的搜寻方身份标识。
[0099]
存储结果可以包括内存位置，该存储结果包括的内存位置是包括待定用户集合的存储空间在存储时所用的第一信息存储设备中的存储位置。
[0100]
验证处理线程接收到存储结果后，可以从存储结果中得到内存位置，并将该内存位置反馈至第一存储服务器中生成包括待定用户集合和用户摘要信息的对应关系的存储空间的处理线程；处理线程收到该内存位置后，若该待定用户集合是在信息存储设备a中进行存储的，那么处理线程可以在信息存储设备a包括的存储空间中符合该内存位置的存储
空间，并得到该存储空间的存储基础参数；该存储基础参数包括待定用户集合的存储时间和保活时限。
[0101]
验证处理线程接收到第一存储服务器的处理线程确定的存储时间和保活时限后，可以将第一存储服务器的服务器编号、用户摘要信息、存储时间和保活时限进行拼接，得到搜寻方身份标识并反馈至业务处理线程。
[0102]
上述方式中，结合第一存储服务器的服务器编号、用户摘要信息、存储时间和保活时限生成搜寻方身份标识，后续欲进行搜寻待定用户集合时，可以先基于搜寻方身份标识包括的存储时间和保活时限，判断该搜寻方身份标识是否处于合法期，若处于合法期则进行搜寻，若不处于合法期则不进行搜寻，节约用户信息存储系统的运算资源；并且，根据内存位置，可以准确地确定包括该待定用户集合的存储空间，得到准确的存储时间和保活时限，保证后续搜寻方身份标识合法性判断的准确性。
[0103]
在一些实施例中，上述生成搜寻方身份标识的方法主要包括如下步骤：s401，业务处理线程向验证处理线程发送待存储的待定用户集合，其中，该待存储的待定用户集合可以是交易的发生时间、商品名称和金额等信息；s402，验证处理线程获取对待定用户集合进行存储的第一存储服务器，并按照第一存储服务器所用的存储策略对待定用户集合进行整合，得到整合待定用户集合；s403，验证处理线程利用业务处理线程的线程安全码，对整合待定用户集合进行身份确认，得到身份确认后的待定用户集合；s404，验证处理线程向属于用户信息存储系统的第一存储服务器的任一处理线程发送身份确认后的整合待定用户集合；s405，第一存储服务器的处理线程接收到该身份确认后的整合待定用户集合后，按照存储策略，对身份确认后的整合待定用户集合进行格式还原，得到待定用户集合；s406，第一存储服务器对格式还原得到的待定用户集合进行存储；s407，第一存储服务器存储完成后，向验证处理线程反馈存储结果；s408，验证处理线程接收到存储结果后，从存储结果中获取第一存储服务器的服务器编号、用户摘要信息和内存位置；s409，验证处理线程向第一存储服务器反馈内存位置；s410，第一存储服务器的任一处理线程接收到该内存位置后，基于该内存位置，在第一信息存储设备中确定包括该待定用户集合的存储空间，并得到该存储空间的存储基础参数，向验证处理线程反馈该存储基础参数；其中，第一信息存储设备是对待定用户集合进行存储时所用的信息存储设备；内存位置是包括待定用户集合的存储空间在存储时所用的第一信息存储设备中的存储位置；该存储基础参数包括待定用户集合的存储时间和保活时限；s411，验证处理线程从存储结果中获取待定用户集合的存储时间和保活时限；s412，验证处理线程基于服务器编号、用户摘要信息、存储时间和保活时限，生成搜寻方身份标识。
[0104]
上述方式中，将待定用户集合的用户摘要信息作为待定用户集合的搜寻指针，由于待定用户集合的信息摘要具有唯一性，可以保证基于该用户摘要信息路由至唯一对应的待定用户集合，保证待定用户集合查询的准确性；并且，按照第一存储服务器所用的存储策略，对待存储的待定用户集合进行整合，使得第一存储服务器的处理线程可以准确地识别出该待定用户集合；另外，还利用业务处理线程的线程安全码进行身份确认，表征待定用户集合的来源方，避免对不具有存储权限的业务处理线程的待定用户集合的存储；以及，基于第一存储服务器确定的存储结果，得到第一存储服务器的服务器编号和用户摘要信息，保证服务器编号和用户摘要信息的准确性，保证搜寻方身份标识包括有准确的待定用户集合
的路由信息；结合第一存储服务器的服务器编号、用户摘要信息、存储时间和保活时限生成搜寻方身份标识，后续欲进行搜寻待定用户集合时，可以先基于搜寻方身份标识包括的存储时间和保活时限，判断该搜寻方身份标识是否处于合法期，若处于合法期则进行搜寻，若不处于合法期则不进行搜寻，节约用户信息存储系统的运算资源；并且，根据内存位置，可以准确地确定包括该待定用户集合的存储空间，得到准确的存储时间和保活时限，保证后续搜寻方身份标识合法性判断的准确性。
[0105]
在一些实施例中，在生成搜寻方身份标识后，验证处理线程还可以进行进行安全处理，具体来说：s413，将确定的搜寻方身份标识进行安全处理后，获得加密搜寻方身份标识；s414，向业务处理线程返回加密搜寻方身份标识。
[0106]
该进行安全处理主要是路由凭证处理线程可以利用预设于自身的密钥进行的。验证处理线程生成搜寻方身份标识后，可以先对搜寻方身份标识进行加密，得到加密的搜寻方身份标识，并向业务处理线程反馈加密搜寻方身份标识。
[0107]
上述方式中，为了保证搜寻方身份标识的安全性，可以对搜寻方身份标识进行进行安全处理，避免其他设备可以轻易地从搜寻方身份标识中得到待定用户集合的路由信息，提高待定用户集合的路由信息的安全性。
[0108]
在一些实施例中，上述将确定的搜寻方身份标识进行安全处理的步骤，具体包括：获取预置字符串，并使用预置字符串对预设的基础加密参量进行顺序调整后，获得可用加密参量；基于可用加密参量，对确定的搜寻方身份标识进行加密，获得可参考搜寻方身份标识；拼接可参考搜寻方身份标识与预置字符串，获得加密的搜寻方身份标识。
[0109]
其中，基础加密参量是预设于验证处理线程的密钥；预置字符串是随机确定的数，该预置字符串小于基础加密参量具有的位数，例如基础加密参量具有的25位数，那么该预置字符串小于25。
[0110]
验证处理线程得到预置字符串后，利用预置字符串对基础加密参量进行顺序调整，例如，预置字符串是8，那么验证处理线程可以将8作为位移的位数，并向左或者向右移动基础加密参量，得到可用加密参量；接着，验证处理线程利用可用加密参量对搜寻方身份标识进行加密，将所得到的搜寻方身份标识称为可参考搜寻方身份标识；验证处理线程可以凭证可参考搜寻方身份标识和预置字符串，得到加密的搜寻方身份标识。
[0111]
上述方式中，利用预置字符串对基础加密参量进行顺序调整，利用变换得到的密钥对搜寻方身份标识进行加密，提高待定用户集合的路由信息的安全性；并且将预置字符串和可参考搜寻方身份标识进行拼接，得到加密搜寻方身份标识，保证验证处理线程可以基于该预置字符串对加密搜寻方身份标识进行解密，实现待定用户集合的搜寻。
[0112]
在一些实施例中，上述基于可用加密参量，对确定的搜寻方身份标识进行加密，获得可参考搜寻方身份标识的步骤，具体可以包括：从可用加密参量中提取部分密钥，利用部分密钥，对搜寻方身份标识进行加密，得到可参考搜寻方身份标识。例如，在得到可用加密参量后，可以提取前16位或者前8位的密钥，得到部分密钥，并利用该部分密钥对搜寻方身份标识进行加密，得到可参考搜寻方身份标识。
[0113]
上述方式中，从可用加密参量中提取部分密钥进行加密，进一步提升搜寻方身份标识包括的待定用户集合的路由信息的安全性。
[0114]
在一些实施例中，上述拼接可参考搜寻方身份标识与预置字符串，获得加密的搜
寻方身份标识的步骤，具体可以包括：若预置字符串的位数小于预设位数，则对预置字符串进行补位，使得补位后的预置字符串的位数为预设位数，得到补位预置字符串。例如，若预置字符串的位数为一位，预设位数为两位，该预置字符串不足两位，那么可以用0对该预置字符串进行左侧补位，得到位数为两位的补位预置字符串；在得到补位预置字符串后，拼接该补位预置字符串和可参考搜寻方身份标识，得到加密的搜寻方身份标识。
[0115]
上述方式中，在预置字符串的位数不足预设位数时，对预置字符串进行补位，保证不同拼接得到的加密搜寻方身份标识的位数是一致的。
[0116]
在一些实施例中，上述s413所说的对搜寻方身份标识进行进行安全处理的方式，具体包括如下步骤：步骤s401，验证处理线程获取基础加密参量和预置字符串，例如，验证处理线程在0至15的整数区间内随机取出一个整数，作为预置字符串；步骤s402，验证处理线程按照预置字符串，对基础加密参量进行顺序调整，得到可用加密参量；步骤s403，验证处理线程从可用加密参量中提取部分密钥，例如，将可用加密参量的前16位作为部分密钥；步骤s404，验证处理线程利用部分密钥对搜寻方身份标识进行加密，得到可参考搜寻方身份标识；步骤s405，当预置字符串的位数不足预设位数时，验证处理线程对预置字符串进行补位，以使补位后的预置字符串的位数为预设位数，得到补位预置字符串；补位方式例如是：利用0对预置字符串进行左侧补位；步骤s406，验证处理线程拼接可参考搜寻方身份标识和补位预置字符串，得到加密搜寻方身份标识。
[0117]
上述方式中，为了保证搜寻方身份标识的安全性，可以对搜寻方身份标识进行进行安全处理，避免其他设备可以轻易地从搜寻方身份标识中得到待定用户集合的路由信息，提高待定用户集合的路由信息的安全性；并且，利用预置字符串对基础加密参量进行顺序调整，利用变换得到的密钥对搜寻方身份标识进行加密，提高待定用户集合的路由信息的安全性；另外，将预置字符串和可参考搜寻方身份标识进行拼接，得到加密搜寻方身份标识，保证验证处理线程可以基于该预置字符串对加密搜寻方身份标识进行解密，实现待定用户集合的搜寻；以及，从可用加密参量中提取部分密钥进行加密，进一步提升搜寻方身份标识包括的待定用户集合的路由信息的安全性；在预置字符串的位数不足预设位数时，对预置字符串进行补位，保证不同拼接得到的加密搜寻方身份标识的位数是一致的。
[0118]
在一些实施例中，验证处理线程反馈至业务处理线程的搜寻方身份标识是加密的搜寻方身份标识，该加密搜寻方身份标识可以是结合服务器编号和用户摘要信息得到的，也可以是结合服务器编号、用户摘要信息、存储时间和保活时限得到的。
[0119]
在加密搜寻方身份标识是结合服务器编号、用户摘要信息、存储时间和保活时限得到的情况下，s415，当业务处理线程欲查询加密搜寻方身份标识对应的待定用户集合时，将加密搜寻方身份标识反馈至验证处理线程；s416，验证处理线程对加密搜寻方身份标识进行解密，得到明文搜寻方身份标识；s417，验证处理线程解析明文搜寻方身份标识，得到服务器编号、存储时间、保活时限和用户摘要信息等信息：s418，验证处理线程基于存储时间和保活时限，确定搜寻方身份标识合法时，则按照第一存储服务器所用的存储策略，对用户摘要信息进行整合；s419，验证处理线程确定用户信息存储系统的多个存储服务器中，与服务器编号对应的第一存储服务器，并向第一存储服务器的处理线程发送整合的用户摘要信息；s420，第一存储服务器的处理线程按照存储策略，对整合的用户摘要信息进行格式还原，得到用户摘要信息；s421，第一存储服务器的处理线程基于用户摘要信息，在已存储的
待定用户集合中查询与该用户摘要信息对应的待定用户集合；s422，验证处理线程获取第一存储服务器的处理线程确定的待定用户集合并转给业务处理线程；s423，业务处理线程将接收到的待定用户集合作为欲查询的加密搜寻方身份标识对应的待定用户集合。
[0120]
上述方式中，对加密搜寻方身份标识进行解密得到明文搜寻方身份标识，从明文搜寻方身份标识中获取存储时间、保活时限、服务器编号和用户摘要信息，基于搜寻方身份标识包括的存储时间和保活时限，判断该搜寻方身份标识是否处于合法期，若处于合法期则进行搜寻，若不处于合法期则不进行搜寻，节约用户信息存储系统的运算资源。
[0121]
在一些实施例中，加密搜寻方身份标识的形成方式可以是：利用预置字符串对基础加密参量进行顺序调整后，基于可用加密参量，对搜寻方身份标识进行加密得到可参考搜寻方身份标识，并拼接可参考搜寻方身份标识和预置字符串得到加密搜寻方身份标识。
[0122]
在此情况下，验证处理线程解析搜寻方身份标识，获得服务器编号与搜寻指针的步骤，具体可以包括：按加密的搜寻方身份标识的构建规则，从加密的搜寻方身份标识中划分出预置字符串与基于预置字符串加密确定的可参考搜寻方身份标识；使用预置字符串对预设的基础加密参量进行顺序调整后，获得可用加密参量；利用可用加密参量对可参考搜寻方身份标识进行解密，得到解密的搜寻方身份标识；按解密的搜寻方身份标识的构建规则，从解密的搜寻方身份标识中解析出服务器编号与搜寻指针。
[0123]
其中，加密搜寻方身份标识是根据预置字符串和可参考搜寻方身份标识拼接得到的，因此，该加密搜寻方身份标识的构建规则可以分为预置字符串对应的结构和可参考搜寻方身份标识对应的结构。若明文形式的搜寻方身份标识是根据服务器编号和搜寻指针拼接得到的，那么该明文形式的搜寻方身份标识的构建规则可以分为服务器编号对应的结构和搜寻指针对应的结构。
[0124]
验证处理线程按照加密搜寻方身份标识的构建规则，对加密搜寻方身份标识进行切割，得到预置字符串和可参考搜寻方身份标识；然后利用预置字符串对基础加密参量进行顺序调整，得到可用加密参量，并利用可用加密参量对可参考搜寻方身份标识进行解密，得到解密的搜寻方身份标识；接着，按照明文搜寻方身份标识的构建规则，对明文搜寻方身份标识进行切割，得到服务器编号和搜寻指针。
[0125]
上述方式中，对加密搜寻方身份标识切割得到预置字符串和可参考搜寻方身份标识，然后基于预置字符串对基础加密参量进行顺序调整得到可用加密参量，基于可用加密参量对可参考搜寻方身份标识进行解密，并获取服务器编号和搜寻指针，保证搜寻待定用户集合的正常进行。
[0126]
上述方式中，按照对搜寻方身份标识进行加密的逆处理，对加密搜寻方身份标识进行解密，得到明文搜寻方身份标识，既保证搜寻方身份标识包括的待定用户集合的路由信息的安全性，也保证解密的正确性。
[0127]
在一些实施例中，搜寻方身份标识还包括第一存储服务器使用的存储策略的存储策略标签。在此情况下，验证处理线程可以从搜寻方身份标识中获取存储策略标签，确定与存储策略标签对应的存储策略。存储策略标签用于唯一标识存储策略。
[0128]
验证处理线程将搜寻指针传输至属于第一存储服务器的第一处理线程时，可以具体执行如下步骤：按照存储策略，对搜寻指针进行格式标准化处理；将格式标准化处理后的搜寻指针传输至属于第一存储服务器的第一处理线程；
也就是说，验证处理线程从搜寻方身份标识中获取存储策略标签后，按照该存储策略标签对应的存储策略规定的数据格式，对搜寻指针进行格式标准化处理，并将格式标准化处理后的搜寻指针传输至第一存储服务器的第一处理线程，以进行搜寻。
[0129]
第一存储服务器的第一处理线程接收到格式标准化处理后的搜寻指针后，按照存储策略，对格式标准化处理后的搜寻指针进行格式还原，得到格式还原的搜寻指针，并在第一存储服务器已存储的待定用户集合中查询与该搜寻指针对应的待定用户集合，并反馈至验证处理线程。
[0130]
上述方式中，基于第一存储服务器所用的存储策略，对搜寻指针进行格式标准化处理，保证第一存储服务器的处理线程可以正确识别出搜寻指针，保证待定用户集合的准确性。
[0131]
在一些实施例中，在搜寻方身份标识不是加密搜寻方身份标识，是明文搜寻方身份标识的情况下，若该搜寻方身份标识还包括包括待定用户集合的存储空间的存储基础参数，存储基础参数包括待定用户集合的存储时间和保活时限；验证处理线程可以执行如下：按搜寻方身份标识的构建规则，从搜寻方身份标识中解析出包括待定用户集合的存储空间的存储基础参数；根据存储基础参数中的待定用户集合的存储时间和保活时限，判定搜寻方身份标识是否合法；当搜寻方身份标识合法时，执行从用户信息存储系统包括的多个存储服务器中，确定服务器编号所对应的第一存储服务器的步骤；当搜寻方身份标识非法时，响应于用户信息搜寻指示，返回关于搜寻方身份标识非法的信息。
[0132]
其中，搜寻方身份标识是由多种信息拼接形成的，该搜寻方身份标识的构建规则可以分为服务器编号对应的结构、搜寻指针对应的结构、存储时间对应的结构和保活时限对应的结构等等。按照该搜寻方身份标识的构建规则，验证处理线程对搜寻方身份标识进行切割，得到服务器编号、搜寻指针、存储时间和保活时限；如果存储时间至当前时间的时长小于或等于保活时限，则确定搜寻方身份标识合法，接着执行从用户信息存储系统包括的多个存储服务器中，确定服务器编号所对应的第一存储服务器的步骤；如果存储时间至当前时间的时长大于保活时限，则确定搜寻方身份标识非法，此时验证处理线程可以向业务处理线程反馈搜寻方身份标识非法的信息，停止搜寻待定用户集合。
[0133]
上述方式中，按照搜寻方身份标识的构建规则，从搜寻方身份标识中解析出存储时间和保活时限，判断该搜寻方身份标识是否处于合法期，若处于合法期则进行搜寻，若不处于合法期则不进行搜寻，节约用户信息存储系统的运算资源。
[0134]
在一些实施例中，待定用户集合被存储到第一存储服务器所管理的第一信息存储设备的存储空间中，搜寻方身份标识是服务器编号、第一信息存储设备的设备编号以及搜寻指针确定的。示例性地，若第一存储服务器维护信息存储设备a和信息存储设备b，若待定用户集合被存储到信息存储设备a，该信息存储设备a可以称为第一信息存储设备，那么可以根据第一存储服务器的服务器编号、信息存储设备a的设备编号和搜寻指针生成搜寻方身份标识；生成方式可以是拼接生成。
[0135]
在此情况下，验证处理线程可以执行如下步骤：将对搜寻方身份标识获取的设备编号，传输至第一处理线程；接收第一处理线程基于设备编号，在第一存储服务器所管理的多个信息存储设备中确定第一信息存储设备后，基于搜寻指针在第一信息存储设备包括的已存储的存储空间中搜寻确定的待定用户集合。
[0136]
上述方式中，在第一存储服务器维护多个信息存储设备的情况下，结合第一信息存储设备的设备编号、第一存储服务器的服务器编号和搜寻指针生成搜寻方身份标识，使得第一处理线程可以基于第一信息存储设备的设备编号，确定第一信息存储设备，并直接在第一信息存储设备的存储空间包括的待定用户集合中查询与搜寻指针对应的待定用户集合，避免对其他不相干的信息存储设备的存储空间进行查询，提高查询效率。
[0137]
请结合参阅图2，本发明实施例提供一种基于人工智能的用户信息搜寻处理系统110，包括：建立模块1101，用于响应于用户信息搜寻启动指示，建立与搜寻方的加密通信连接。
[0138]
确定模块1102，用于接收包括搜寻方身份标识的用户信息搜寻指示，并确定出针对所述用户信息搜寻指示的待定用户集合。
[0139]
处理模块1103，用于对所述待定用户集合进行用户行为向量判定操作，确定出所述待定用户集合归类的多个预设业务场景，并对所述多个预设业务场景进行用户信息归类；基于用户信息归类结果，分配对应的用户业务策略。
[0140]
需要说明的是，前述基于人工智能的用户信息搜寻处理系统110的实现原理可以参考前述基于人工智能的用户信息搜寻处理方法的实现原理，在此不再赘述。
[0141]
本发明实施例提供一种计算机设备100，计算机设备100包括处理器及存储有计算机指令的非易失性存储器，计算机指令被处理器执行时，计算机设备100执行前述的基于人工智能的用户信息搜寻处理系统110。如图3所示，图3为本发明实施例提供的计算机设备100的结构框图。计算机设备100包括基于人工智能的用户信息搜寻处理系统110、存储器111、处理器112及通信单元113。
[0142]
出于说明目的，前面的描述是参考具体实施例而进行的。但是，上述说明性论述并不打算穷举或将本公开局限于所公开的精确形式。基于上述教导，众多修改和变化都是可行的。选择并描述这些实施例是为了最佳地说明本公开的原理及其实际应用，从而使本领域技术人员最佳地利用本公开，并利用具有不同修改的各种实施例以适于预期的特定应用。