基于人工智能的事件数据处理方法、装置、设备、介质与流程

1.本公开涉及人工智能领域，具体涉及自然语言处理、深度学习、预训练模型技术等领域，可应用在智慧城市、舆情分析场景下，具体涉及一种基于人工智能的事件数据处理方法、装置、设备、介质。


背景技术：

2.随着互联网的快速发展，现实生活中发生的各种事件可以在网络中进行发布。
3.在一些场景(例如新闻事件推送场景)下，通常需要确定某一事件的热度，以便确定大众是否关注该事件。


技术实现要素：

4.本公开提供了一种基于人工智能的事件数据处理方法、装置、设备、介质。
5.根据本公开的一方面，提供了一种基于人工智能的事件数据处理方法，包括：电子设备获取多个参考事件数据，以及每个参考事件数据的热度信息，然后确定与多个参考事件数据一一对应的多个参考特征数据，并对多个参考特征数据进行聚类，以得到多个特征数据集合。其中，不同的特征数据集合用于表示不同类别的参考特征数据。接着，电子设备获取目标事件数据的目标特征数据，并从多个特征数据集合中，确定与目标特征数据的相似度大于预设阈值的目标特征数据集合。后续，电子设备根据目标特征数据集合对应的参考事件数据的热度信息，确定目标事件数据的热度信息。
6.根据本公开的另一方面，提供了一种基于人工智能的事件数据处理装置，包括：获取单元和处理单元；获取单元，用于获取多个参考事件数据，以及每个参考事件数据的热度信息；处理单元，用于确定与多个参考事件数据一一对应的多个参考特征数据，并对多个参考特征数据进行聚类，以得到多个特征数据集合；不同的特征数据集合用于表示不同类别的参考特征数据；获取单元，还用于获取目标事件数据的目标特征数据，并从多个特征数据集合中，确定与目标特征数据的相似度大于预设阈值的目标特征数据集合；处理单元，还用于根据目标特征数据集合对应的参考事件数据的热度信息，确定目标事件数据的热度信息。
7.根据本公开的第三方面，提供了一种电子设备，包括：
8.至少一个处理器；以及
9.与至少一个处理器通信连接的存储器；其中，
10.存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面中的任一项方法。
11.根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，包括：
12.计算机指令用于使计算机执行第一方面中的任一项方法。
13.根据本公开的第四方面，提供了一种计算机程序产品，包括：
14.计算机程序，计算机程序在被处理器执行第一方面中的任一项方法。
15.根据本公开的技术解决了事件数据处理过程中，确定事件热度效率不高的问题。
16.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
17.附图用于更好地理解本方案，不构成对本公开的限定。其中：
18.图1是本公开实施例提供的一种基于人工智能的事件数据处理系统的结构示意图；
19.图2是本公开实施例提供的一种基于人工智能的事件数据处理方法的流程示意图；
20.图3是本公开实施例提供的另一种基于人工智能的事件数据处理方法的流程示意图；
21.图4是本公开实施例提供的另一种基于人工智能的事件数据处理方法的流程示意图；
22.图5是本公开实施例提供的另一种基于人工智能的事件数据处理方法的流程示意图；
23.图6是本公开实施例提供的另一种基于人工智能的事件数据处理方法的流程示意图；
24.图7是本公开实施例提供的另一种基于人工智能的事件数据处理方法的流程示意图；
25.图8是本公开实施例提供的另一种基于人工智能的事件数据处理方法的流程示意图；
26.图9是本公开实施例提供的一种基于人工智能的事件数据处理装置的结构示意图；
27.图10是本公开实施例提供的一种基于人工智能的事件数据处理方法的电子设备的框图。
具体实施方式
28.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
29.本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
30.在对本公开实施例的基于人工智能的事件数据处理方法进行详细介绍之前，先对本公开实施例的应用场景进行介绍。
31.首先，对本公开实施例的应用场景进行介绍。
32.随着互联网的快速发展，现实生活中发生的各种事件可以在网络中进行发布。
33.在一些场景下，通常需要确定某一事件的热度，以便确定大众是否关注该事件。
34.示例性的，在新闻事件推送场景下，通常需要确定当前时间段内多个新闻事件的热度，进而选择热度较高的事件进行推送。
35.目前，在确定待处理事件的热度时，通常是从历史事件中获取与待处理事件关联的历史事件，并将关联的历史事件的热度，确定为待处理事件的热度。
36.但是，当历史事件的数量较大时，通用的确定待处理事件热度的方法无法快速确定与待处理事件关联的历史事件，降低了确定事件热度的处理效率。
37.为了解决上述问题，本公开实施例提供一种基于人工智能的事件数据处理方法，应用于确定事件热度的应用场景中。在该方法中，电子设备可以获取多个参考事件数据，以及每个参考事件数据的热度信息，然后确定与多个参考事件数据一一对应的多个参考特征数据，并对多个参考特征数据进行聚类，以得到多个特征数据集合。接着，电子设备可以获取目标事件数据的目标特征数据，并从多个特征数据集合中，确定与目标特征数据的相似度大于预设阈值的目标特征数据集合。后续，电子设备可以根据目标特征数据集合对应的参考事件数据的热度信息，确定目标事件数据的热度信息。
38.由上可知，由于多个特征数据集合是对多个参考事件数据进行聚类得到的，因此，多个特征数据集合的数量小于多个参考事件数据的数量。这样，在后续确定目标特征数据集合时，可以从数量更少的多个特征数据集合中，快速确定与目标特征数据的相似度大于预设阈值的目标特征数据集合，从而根据目标特征数据集合对应的参考事件数据的热度信息，快速确定目标事件数据的热度信息，提高了确定事件热度的处理效率。
39.下面将结合附图对本实施例的实施环境进行详细描述。
40.本公开实施例提供的基于人工智能的事件数据处理方法可以应用于事件数据处理系统。图1示出了本公开实施例提供的一种事件数据处理系统的结构示意图。
41.如图1所示，本公开实施例提供的事件数据处理系统包括：电子设备101和电子设备102。
42.其中，电子设备101与电子设备102之间通过有线网络或无线网络实现通信连接。
43.电子设备102可以用于向电子设备101发送目标事件数据的热度信息的查询请求，以及向电子设备101提供多个参考事件数据，以及每个参考事件数据的热度信息。
44.电子设备101可以用于响应于查询请求，确定目标事件数据的热度信息。
45.在实际应用中，电子设备101可以连接多个电子设备102。为了便于理解，本公开以一个电子设备101连接一个电子设备102为例进行说明。
46.可选的，电子设备101和电子设备102的实体设备可以是服务器，也可以是终端，还可以一个是服务器，另一个是终端，本公开实施例对此不作限定。
47.可选的，上述终端可以是指向用户提供语音和/或数据连通性的设备，具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备。无线终端可以经无线接入网(radio access network，ran)与一个或多个核心网进行通信。无线终端可以是移动终端，如移动电话(或称为“蜂窝”电话)和具有移动终端的计算机，也可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置，它们与无线接入网交换语言和/或数据，例如，手机、平板电脑、笔记本电脑、上网本、个人数字助理(personal digital assistant，pda)。
48.可选的，上述服务器可以是服务器集群(由多个服务器组成)中的一个服务器，也
可以是该服务器中的芯片，还可以是该服务器中的片上系统，还可以通过部署在物理机上的虚拟机(virtual machine，vm)实现，本公开实施例对此不作限定。
49.可选的，当电子设备101和电子设备102为同一类型的实体设备(例如电子设备101和电子设备102均为服务器，或者均为终端)时，电子设备101和电子设备102可以是相互独立设置的两个设备，也可以集成在同一设备中。
50.容易理解的是，当电子设备101和电子设备102集成在同一设备时，电子设备101和电子设备102之间的通信方式为该设备内部模块之间的通信。这种情况下，二者之间的通信流程与“电子设备101和电子设备102相互独立的情况下，二者之间的通信流程”相同。
51.为了便于理解，本公开以电子设备101和电子设备102集成在同一个电子设备为例进行说明。
52.下面结合附图对本公开实施例提供的技术方案进行详细说明。
53.本公开实施例提供的基于人工智能的事件数据处理方法可以应用于电子设备。
54.如图2所示，为本公开实施例提供的一种基于人工智能的事件数据处理方法，该方法包括：
55.s201、电子设备获取多个参考事件数据，以及每个参考事件数据的热度信息。
56.具体的，在需要确定某个事件数据的热度信息的场景下，电子设备可以在网络上发布各种事件(本公开实施例可以称为参考事件)的相关话题。在这种情况下，上述参考事件的事件标题、事件开始时间以及事件结束时间等数据，即为参考事件的初始事件数据。
57.可选的，为了便于后续确定某个事件在某个区域的热度信息，初始事件数据还可以包括该参考事件的位置信息。
58.在一种可以实现的方式中，在获取多个初始事件数据后，由于初始事件数据中可能包括一些不符合用户需求的事件数据，因此，电子设备可以对多个初始事件数据执行预处理操作(例如预设事件数据的过滤操作、主题分类过滤操作、去重统计操作等)，以得到多个参考事件数据。
59.在又一种可以实现的方式中，在获取多个初始事件数据后，当多个初始事件数据均符合用户需求的事件数据，电子设备可以直接将多个初始事件数据确定为多个参考事件数据。
60.电子设备在网络上发布各种参考事件的相关话题后，用户可以通过终端浏览或者点击电子设备发布的参考事件的相关信息流(feed流)。在这种情况下，电子设备可以获取到该参考事件的浏览量或者点击量，并将该浏览量或者点击量确定为该参考事件数据的热度信息。
61.可选的，用户还可以通过终端对某个参考事件相关的搜索词(query)进行搜索。在这种情况下，电子设备可以获取到用户终端的搜索次数，并将该搜索次数确定为该参考事件数据的热度信息。
62.可选的，用户还可以通过终端执行其他关注参考事件的行为(例如发布与参考事件相关的文章等)。在这种情况下，电子设备可以获取到用户终端关注参考事件的行为数据，并将该行为数据确定为该参考事件数据的热度信息。
63.可选的，参考事件数据的热度信息还可以包括上述两种或多种行为数据组成的集合，例如对feed流的浏览量或者点击量、对query的搜索次数、发布参考事件相关的文章数
量等行为数据组成的集合。
64.为了确定目标事件数据的热度信息，电子设备可以获取一段时间内的多个参考事件数据，以及每个参考事件数据的热度信息，以便于后续根据多个参考事件数据，以及每个参考事件数据的热度信息，确定目标事件数据的热度信息。
65.示例性的，当电子设备在网络上发布的参考事件为“1月1日-1月3日，歌星a在城市a开演唱会”时，该参考事件数据可以包括：上述参考事件的事件标题：1月1日-1月3日，歌星a在城市a开演唱会；上述参考事件的开始时间：1月1日；上述参考事件的结束时间：1月3日；上述参考事件的位置信息：城市a。
66.电子设备在网络上发布上述参考事件后，用户可以通过终端浏览上述参考事件。在这种情况下，电子设备可以获取到该参考事件的浏览量为10万次，并将10万次浏览量确定为上述参考事件数据的热度信息。
67.s202、电子设备确定与多个参考事件数据一一对应的多个参考特征数据。
68.具体的，在获取多个参考事件数据后，需要通过相似度算法从多个参考事件数据中确定与目标事件数据相似的参考事件数据，那么，将多个参考事件数据转换成电子设备可以处理的参考特征数据是有必要的。
69.在这种情况下，电子设备可以确定与多个参考事件数据一一对应的多个参考特征数据。
70.参考特征数据可以是向量的表示形式，用于表示参考事件数据的具体事件内容，例如事件标题、事件位置信息、事件开始时间以及事件结束时间等事件内容。
71.在一种可以实现的方式中，电子设备可以基于数据仓库技术(extracttransform load，etl)，获取多个参考事件数据，以及确定与多个参考事件数据一一对应的多个参考特征数据。
72.在又一种可以实现的方式中，用户可以在电子设备预先配置用于事件数据处理的配置文件。该配置文件可以包括多个计算引擎(spark)算子。多个spark算子中可以包括用于将多个参考事件数据转换为多个参考特征数据的算子。
73.在获取多个参考事件数据后，电子设备可以调用上述spark算子，确定与多个参考事件数据一一对应的多个参考特征数据。
74.s203、电子设备对多个参考特征数据进行聚类，以得到多个特征数据集合。
75.其中，不同的特征数据集合用于表示不同类别的参考特征数据。每个特征数据集合可以包括至少一个参考特征数据。
76.具体的，通用技术在确定目标事件数据的热度信息时，通常是从大量的参考事件数据中获取与目标事件数据关联的参考事件数据，并将关联的参考事件数据的热度信息，确定为目标事件数据的热度。
77.但是，当参考事件数据的数量较大时，上述方法无法快速从大量的参考事件数据中获取与目标事件数据关联的参考事件数据，降低了确定目标事件数据的热度的效率。
78.其次，当参考事件数据的数量较大时，占用了电子设备大量的存储空间。
79.基于上述问题，电子设备可以对多个参考特征数据进行聚类，以得到多个特征数据集合。这样，在后续确定与目标事件数据关联的参考事件数据时，可以从数量更少的多个特征数据集合中，快速确定与目标事件数据关联的参考事件数据，提高了确定事件热度的
处理效率。
80.其次，相比聚类前的多个参考事件数据，聚类后得到的多个特征数据集合的数量更少，降低了电子设备存储空间的占用率。
81.在一种可以实现的方式中，电子设备可以基于密度的聚类算法(density-based spatial clustering of applications with noise，dbscan)对多个参考特征数据进行聚类，也可以通过其他聚类算法对多个参考特征数据进行聚类，本公开对此不作限定。
82.示例性的，多个参考事件数据可以包括参考事件数据1、参考事件数据2、参考事件数据3、参考事件数据4。
83.其中，参考事件数据1包括：1月1日-1月3日，在城市a举办的比赛中包括队伍a。
84.参考事件数据2包括：1月1日-1月3日，在城市a举办的比赛中包括队伍b。
85.参考事件数据3包括：2月1日-2月3日，在城市b举办的演唱会中包括歌星a。
86.参考事件数据2包括：2月1日-2月3日，在城市b举办的演唱会中包括歌星b。
87.在这种情况下，电子设备可以先确定参考事件数据1对应的参考特征数据1、参考事件数据2对应的参考特征数据2、参考事件数据3对应的参考特征数据3、参考事件数据4对应的参考特征数据4。
88.后续，电子设备可以对参考特征数据1、参考特征数据2、参考特征数据3、参考特征数据4进行聚类，确定参考特征数据1和参考特征数据2属于一个类别，参考特征数据3和参考特征数据4属于一个类别。
89.这样，电子设备可以得到一个特征数据集合1和一个特征数据集合2。
90.特征数据集合1用于表示与“1月1日-1月3日，在城市a举办的比赛”这一参考事件相关的，所有参考事件数据对应的参考特征数据。
91.特征数据集合2用于表示与“2月1日-2月3日，在城市b举办的演唱会”这一参考事件相关的，所有参考事件数据对应的参考特征数据。
92.s204、电子设备获取目标事件数据的目标特征数据。
93.具体的，在确定目标事件数据的热度信息时，为了从多个特征数据集合中，确定与目标特征数据的相似度大于预设阈值的目标特征数据集合，电子设备可以在获取目标事件数据后，对目标事件数据进行特征提取或者特征转换，从而得到电子设备可以处理的目标特征数据。
94.目标特征数据可以是向量的表示形式，用于表示目标事件数据的具体事件内容，例如事件标题、事件位置信息、事件开始时间以及事件结束时间等事件内容。
95.电子设备对目标事件数据进行特征提取或者特征转换，从而得到电子设备可以处理的目标特征数据的方法，可以参考电子设备确定参考事件数据对应的参考特征数据的方法，在此不再赘述。
96.s205、电子设备从多个特征数据集合中，确定与目标特征数据的相似度大于预设阈值的目标特征数据集合。
97.具体的，在获取目标事件数据的目标特征数据，为了准确的确定目标事件数据的热度信息，电子设备可以从多个特征数据集合中，确定与目标特征数据的相似度大于预设阈值的目标特征数据集合。
98.可选的，上述预设阈值可以根据用户需求设定，本公开对此不作限定。
99.在一种可以实现的方式中，由于每个特征数据集合都是对多个参考特征数据进行聚类得到的，并且不同的特征数据集合用于表示不同类别的参考特征数据，因此，每个特征数据集合也可以是向量的表示形式。
100.可选的，由于每个特征数据集合都包括至少一个参考特征数据，因此，每个特征数据集合的向量可以是每个特征数据集合包括的至少一个参考特征数据对应向量的平均值，也可以对每个特征数据集合包括的至少一个参考特征数据对应向量进行加权求和得到，本公开对此不作限定。
101.电子设备从多个特征数据集合中，确定与目标特征数据的相似度大于预设阈值的目标特征数据集合时，可以基于相似度算法，确定目标特征数据与每个特征数据集合的相似度，以得到与多个特征数据集合一一对应的多个相似度。
102.接着，电子设备将多个相似度中，大于预设阈值的相似度对应的特征数据集合，确定为目标特征数据集合。
103.可选的，目标特征数据集合的数量可以是1个，也可以是多个，本公开对此不作限定。
104.在一种可以实现的方式中，电子设备还可以将多个相似度中，相似度最大的特征数据集合，确定为目标特征数据集合。
105.结合上述示例，电子设备获取到的目标事件数据包括：1月1日-1月3日，在城市a举办的比赛中包括队伍c。
106.在这种情况下，电子设备可以先确定目标事件数据对应的目标特征数据。
107.接着，电子设备可以确定目标特征数据与特征数据集合1的相似度1，以及目标特征数据与特征数据集合2的相似度1。
108.应理解，目标事件数据是与“1月1日-1月3日，在城市a举办的比赛”这一参考事件相关的事件数据，因此，目标特征数据与特征数据集合1的相似度1较大。
109.当目标特征数据与特征数据集合1的相似度1大于预设阈值时，电子设备可以将特征数据集合1确定为目标特征数据集合。
110.s206、电子设备根据目标特征数据集合对应的参考事件数据的热度信息，确定目标事件数据的热度信息。
111.具体的，在确定目标特征数据集合后，由于目标特征数据集合是与目标特征数据的相似度大于预设阈值的特征数据集合，因此，目标特征数据集合对应的参考事件数据的热度信息可以准确的表示目标事件数据的热度信息。在这种情况下，电子设备可以根据目标特征数据集合对应的参考事件数据的热度信息，确定目标事件数据的热度信息。
112.在一种可以实现的方式中，电子设备可以获取目标特征数据集合对应的参考事件数据中，每个参考事件数据的热度信息，并将每个参考事件数据的热度信息之和，确定为目标事件数据的热度信息。
113.在又一种可以实现的方式中，电子设备可以获取目标特征数据集合对应的参考事件数据中，每个参考事件数据的热度信息，并将每个参考事件数据的热度信息的平均值，确定为目标事件数据的热度信息。
114.结合上述示例，预设热度信息为点击量。电子设备可以获取特征数据集合1中，参考特征数据1对应的参考事件数据1的点击量1000次、参考特征数据2对应的参考事件数据2
的点击量1100次。接着，电子设备可以将参考特征数据1对应的参考事件数据1的点击量1000次，与参考特征数据2对应的参考事件数据2的点击量1100次之和：2100次，确定为目标事件数据的热度信息。
115.由上可知，由于多个特征数据集合是对多个参考事件数据进行聚类得到的，因此，多个特征数据集合的数量小于多个参考事件数据的数量。这样，在后续确定目标特征数据集合时，可以从数量更少的多个特征数据集合中，快速确定与目标特征数据的相似度大于预设阈值的目标特征数据集合，从而根据目标特征数据集合对应的参考事件数据的热度信息，快速确定目标事件数据的热度信息，提高了确定事件热度的处理效率。
116.在一些实施例中，为了确定目标事件在目标区域的热度信息，目标事件数据还可以包括目标事件的位置信息。参考事件数据还可以包括参考事件的位置信息。
117.在这种情况下，结合图2，如图3所示，上述s206中，电子设备根据目标特征数据集合对应的参考事件数据的热度信息，确定目标事件数据的热度信息的方法具体包括：
118.s301、电子设备确定目标事件的位置信息归属的目标区域，并基于参考事件的位置信息，从目标特征数据集合对应的参考事件数据中，确定目标区域的参考事件数据集合。
119.其中，目标区域的参考事件数据集合中包括至少一个参考事件数据。
120.具体的，由于目标事件数据包括目标事件的位置信息，因此，目标事件数据对应的目标特征数据中包括用于表示目标事件的位置信息的特征分量。
121.相应的，由于参考事件数据包括参考事件的位置信息，因此，参考事件数据对应的参考特征数据中包括用于表示参考事件的位置信息的特征分量。
122.在获取目标事件数据的目标特征数据后，电子设备可以根据目标事件的位置信息的特征分量，以及参考事件的位置信息的特征分量，从目标特征数据集合对应的参考事件数据中，确定目标区域的参考事件数据集合。
123.示例性的，预设电子设备获取到目标特征数据为目标事件数据“1月1日-1月3日，在城市a中的某商场举办的比赛中包括队伍c”对应的特征数据，因此，目标特征数据中包括用于表示城市a的特征分量。
124.在这种情况下，目标事件的位置信息即为城市a中的某商场，目标事件的位置信息归属的目标区域即为城市a。
125.电子设备从多个特征数据集合中，确定与目标特征数据的相似度大于预设阈值的目标特征数据集合为特征数据集合a。特征数据集合a中包括参考特征数据1、参考特征数据2、参考特征数据3。
126.参考特征数据1为参考事件数据1：“1月1日-1月3日，在城市a举办的比赛中包括队伍a”对应的特征数据。因此，参考特征数据1中包括用于表示城市a的特征分量。
127.参考特征数据2为参考事件数据2：“1月1日-1月3日，在城市a举办的比赛中包括队伍b”对应的特征数据。因此，参考特征数据2中包括用于表示城市a的特征分量。
128.参考特征数据3为参考事件数据3：“1月5日-1月6日，在城市b举办的比赛中包括队伍b”对应的特征数据。因此，参考特征数据3中包括用于表示城市b的特征分量。
129.由于目标事件的位置信息归属的目标区域为城市a，因此，电子设备可以从特征数据集合a对应的参考事件数据(即参考事件数据1、参考事件数据2、参考事件数据3)中，确定城市a的参考事件数据集合：参考事件数据1、参考事件数据2。
130.s302、电子设备根据至少一个参考事件数据的热度信息，确定目标事件数据在目标区域内的热度信息。
131.具体的，在确定目标区域的参考事件数据集合后，由于至少一个参考事件数据是目标区域的参考事件数据集合中的参考事件数据，因此，至少一个参考事件数据的热度信息可以准确的表示目标事件数据在目标区域内的热度信息。在这种情况下，电子设备可以根据至少一个参考事件数据的热度信息，确定目标事件数据在目标区域内的热度信息。
132.在一种可以实现的方式中，电子设备可以获取至少一个参考事件数据的热度信息中，每个参考事件数据的热度信息，并将每个参考事件数据的热度信息之和，确定为目标事件数据在目标区域内的热度信息。
133.在又一种可以实现的方式中，电子设备可以获取至少一个参考事件数据的热度信息中，每个参考事件数据的热度信息，并将每个参考事件数据的热度信息的平均值，确定为目标事件数据在目标区域内的热度信息。
134.结合上述示例，预设热度信息为点击量。电子设备可以从特征数据集合a对应的参考事件数据(即参考事件数据1、参考事件数据2、参考事件数据3)中，确定城市a的参考事件数据1的点击量1000次、参考事件数据2的点击量1100次。接着，电子设备可以将城市a的参考事件数据1的点击量1000次、参考事件数据2的点击量1100次之和：2100次，确定为目标事件数据在城市a的热度信息。
135.由上可知，由于目标事件数据还包括目标事件的位置信息。参考事件数据还包括参考事件的位置信息，因此，电子设备还可以从目标特征数据集合对应的参考事件数据中，确定目标区域的参考事件数据集合，并根据目标区域的参考事件数据集合中的至少一个参考事件数据的热度信息，确定目标事件数据在目标区域内的热度信息，丰富了确定目标事件数据的热度信息后的应用场景，进而丰富了热度信息的业务需求体验。
136.在一些实施例中，至少一个参考事件数据的热度信息存储于第一类型数据库中。第一类型数据库包括分析型数据库。第一类型数据库具有上卷操作功能。
137.可选的，分析型数据库可以是doris数据库，也可以是其他的分析型数据库，本公开对此不作限定。
138.在这种情况下，结合图3，如图4所示，上述s302中，电子设备根据至少一个参考事件数据的热度信息，确定目标事件数据在目标区域内的热度信息的方法具体包括：
139.s401、电子设备基于第一类型数据库的上卷操作功能，对至少一个参考事件数据的热度信息一一对应的热度值求和，得到目标热度值，并将目标热度值确定为目标事件数据在目标区域内的热度信息。
140.具体的，第一类型数据库可以以表格的形式存储至少一个参考事件数据的热度值。在确定目标区域的参考事件数据集合后，电子设备可以基于第一类型数据库的上卷操作功能，将表格底部至顶部的热度值进行求和，得到目标热度值，并将目标热度值确定为目标事件数据在目标区域内的热度信息。
141.在第一类型数据库为doris数据库的情况下，doris数据库的上卷操作功能具有计算速度快的优势。这样，电子设备可以基于第一类型数据库的上卷操作功能，快速确定目标事件数据在目标区域内的热度信息。
142.在一些实施例中，在获取多个初始事件数据后，由于初始事件数据中可能包括一
些不符合用户需求的事件数据，因此，电子设备可以对多个初始事件数据执行预处理操作(例如预设事件数据的过滤操作、主题分类过滤操作、去重统计操作等)，以得到多个参考事件数据。
143.在这种情况下，结合图4，如图5所示，上述s201中，电子设备获取多个参考事件数据的方法具体包括：
144.s501、电子设备获取多个初始事件数据。
145.具体的，电子设备在网络上发布各种事件(本公开实施例可以称为参考事件)的相关话题后，电子设备可以获取这些参考事件的事件标题、事件开始时间以及事件结束时间等数据。上述数据即为参考事件的初始事件数据。
146.s502、电子设备对多个初始事件数据执行预处理操作，以得到多个参考事件数据。
147.具体的，在获取多个初始事件数据后，由于初始事件数据中可能包括一些不符合用户需求的事件数据，因此，电子设备可以对多个初始事件数据执行预处理操作，以得到多个参考事件数据。
148.其中，预处理操作包括：预设事件数据的过滤操作、主题分类过滤操作、去重统计操作中的至少一项。
149.在一种可以实现的方式中，预设事件数据过滤操作包括：过滤多个初始事件数据中，事件数据为预设事件数据的初始事件数据。
150.预设事件数据可以包括：广告推广事件数据、虚假新闻事件数据等。
151.广告推广事件数据是指该事件数据的事件标题是某新闻的标题，但是该事件数据的链接内容是广告推广类的内容。虚假新闻事件数据是指该事件数据的事件标题是某新闻的标题，但是该事件数据的链接内容是其他新闻的内容。
152.在这种情况下，如果对事件数据为预设事件数据的初始事件数据的热度信息进行存储，则可能降低了计算某新闻标题的事件数据的热度信息的准确度。因此，电子设备可以过滤掉多个初始事件数据中，事件数据为预设事件数据的初始事件数据。
153.可选的，电子设备过滤多个初始事件数据中，事件数据为预设事件数据的初始事件数据时，可以获取每个初始事件数据的链接内容，并结合事件标题判断每个初始事件数据是否为预设事件数据。
154.在一种可以实现的方式中，主题分类过滤操作包括：基于预先设定好的主题类别对多个初始事件数据进行分类，并过滤主题类别为预设主题类别的初始事件数据。
155.可选的，预先设定好的主题类别可以是根据用户需求进行设定的。
156.示例性的，用户需求为：获取新闻类别的事件数据的热度信息。在这种情况下，如果对娱乐类别、体育类别等不是新闻类别的初始事件数据的热度信息进行存储，则可能降低了计算新闻类别的事件数据的热度信息的效率。因此，电子设备可以基于预先设定好的主题类别对多个初始事件数据进行分类，并过滤主题类别为预设主题类别的初始事件数据。
157.可选的，电子设备基于预先设定好的主题类别对多个初始事件数据进行分类时，可以基于决策树、神经网络、支持向量机等分类算法，对多个初始事件数据进行分类，本公开对此不作限定。
158.在一种可以实现的方式中，初始事件数据可以包括：事件标题内容。去重统计操作
包括：过滤多个初始事件数据中，事件标题内容相同的初始事件数据，并存储事件标题内容相同的初始事件数据的热度信息。
159.具体的，电子设备获取到的多个初始事件数据中，可能存在事件标题内容相同的初始事件数据。在这种情况下，为了降低存储占用空间，电子设备可以过滤多个初始事件数据中，事件标题内容相同的初始事件数据。但是，为了保证在过滤事件标题内容相同的初始事件数据后，初始事件数据的热度信息不被过滤掉，电子设备可以存储事件标题内容相同的初始事件数据的热度信息。
160.可选的，事件标题内容是指事件标题的文字完全相同，或者事件标题内容的语义相同，本公开对此不作限定。
161.在一些实施例中，多个特征数据集合存储于第二类型数据库中；第二类型数据库包括非关系型数据库。
162.可选的，非关系型数据库可以是搜索服务器(elastic search，es)数据库，也可以是其他的非关系型数据库，本公开对此不作限定。
163.在这种情况下，结合图5，如图6所示，上述s205中，电子设备从多个特征数据集合中，确定与目标特征数据的相似度大于预设阈值的目标特征数据集合的方法具体包括：
164.s601、电子设备基于第二类型数据库的语义召回功能，从多个特征数据集合中，确定与目标特征数据的相似度大于预设阈值的目标特征数据集合。
165.在第二类型数据库为es数据库的情况下，es数据库的语义召回功能具有效率高、准确性高的优势。在获取目标事件数据的目标特征数据后，电子设备可以基于第二类型数据库的语义召回功能，将目标特征数据和存储于es数据库的每个特征数据集合对应的特征向量进行相似度比较，提高了目标特征数据集合的召回效率和召回准确性。
166.此外，在本公开的实施例中，通过将第一类型数据库和第二类型数据库结合使用，提高了目标事件数据的热度计算效率和准确性。第一类型数据库在进行热度信息计算过程中具有优势，第二类型数据库在进行特征数据比较方面具有优势，两种类型的数据库相结合极大程度提高了热度信息计算的效率和准确性。
167.在本公开的又一实施例中，上述基于人工智能的事件数据处理方法可以应用于电子设备和客户端750。其中，客户端可以750可以电子设备向热度信息获取请求，以请求目标事件数据的热度信息。电子设备在接收到热度信息获取请求后，可以基于电子设备中的数据源层710、数据处理层720、数据存储层730和热度计算服务层740，确定目标事件数据的热度信息。
168.图7示出了本公开实施例提供的电子设备响应于客户端750发送的热度信息获取请求，确定目标事件数据的热度信息的具体过程。
169.如图7所示，电子设备中的数据源层710、数据处理层720和数据存储层730例如可以进行离线数据处理。客户端750和电子设备中的热度计算服务层740例如可以用于进行在线服务计算。
170.数据源层710中用于存储多个初始事件数据。其中，多个初始事件数据可以包括query点击数据、feed点击数据以及其他行为数据等。
171.query点击数据是指用户通过终端对某个参考事件相关的搜索词(query)进行搜索。在这种情况下，用户终端的搜索次数即query点击数据。
172.feed点击数据是指用户通过终端点击电子设备发布的参考事件的相关信息流(feed流)。在这种情况下，该参考事件的点击量即feed点击数据。
173.数据处理层720中预先构建的多个spark算子。将多个数据源层710中的多个初始事件数据摄入到数据处理层720后，数据处理层720用于对多个初始事件数据进行事件数据处理，以得到多个特征数据集合。
174.其中，多个spark算子可以包括：预设事件数据过滤spark算子、主题分类过滤spark算子、去重统计spark算子、特征数据转换spark算子、聚类spark算子等。
175.预设事件数据过滤spark算子用于过滤多个初始事件数据中，事件数据为预设事件数据的初始事件数据。
176.主题分类过滤操作spark算子用于基于预先设定好的主题类别对多个初始事件数据进行分类，并过滤主题类别为预设主题类别的初始事件数据。
177.去重统计操作spark算子用于过滤多个初始事件数据中，事件标题内容相同的初始事件数据，并存储事件标题内容相同的初始事件数据的热度信息。
178.特征数据转换spark算子用于确定与多个参考事件数据一一对应的多个参考特征数据。
179.聚类spark算子对多个参考特征数据进行聚类，以得到多个特征数据集合。
180.数据处理层720还用于执行入库操作，将多个特征数据集合以及每个参考事件数据的热度信息存储到数据存储层730。
181.具体的，数据存储层730包括es数据库和doris数据库。
182.数据处理层720可以将多个特征数据集合存储到数据存储层730的es数据库中，以及将每个参考事件数据的热度信息存储到数据存储层730的doris数据库中。
183.当接收到客户端750来自的目标事件数据之后，电子设备可以通过热度计算服务层740计算针对目标事件数据的热度信息(又可以成为热度值)。
184.具体的，电子设备可以接收客户端750发送的热度信息获取请求，并将热度信息获取请求中携带的数据导入到热度计算服务层740中。
185.其中，热度信息获取请求用于请求获取目标事件数据的热度信息。
186.热度信息获取请求中包括目标事件数据的事件标题，开始时间，结束时间，位置信息等相关数据。
187.接着，电子设备可以基于热度计算服务层740中的参数校验功能对热度信息获取请求中携带的数据进行参数校验。
188.具体的，在获取到热度信息获取请求后，热度信息获取请求中携带的数据可能不符合预设条件(例如事件标题缺失或者非法数据等)。在这种情况下，电子设备可以对热度信息获取请求中携带的数据进行参数校验，并得到符合预设条件的数据。
189.接着，电子设备可以基于热度计算服务层740中的特征数据获取功能获取目标事件数据的目标特征数据。
190.可选的，当热度信息获取请求中包括目标特征数据时，电子设备可以在接收到客户端750发送的热度信息获取请求后，直接提取热度信息获取请求中的目标特征数据。
191.可选的，当热度信息获取请求中不包括目标特征数据时，电子设备可以在接收到客户端750发送的热度信息获取请求后，提取热度信息获取请求中的目标事件数据，并对目
标事件数据进行特征向量转换，以得到目标特征数据。
192.接着，电子设备基于es数据库的语义召回功能，从存储的多个特征数据集合中，确定与目标特征数据的相似度大于预设阈值的目标特征数据集合。
193.接着，电子设备可以从doris数据库中，获取目标特征数据集合中的每个参考特征数据的热度值。
194.接着，由于热度值小于预设阈值(例如热度值小于或者等于1)的参考事件数据没有参考价值，因此，电子设备可以基于热度计算服务层740中的过滤功能将热度值小于预设阈值的参考事件数据过滤掉。
195.电子设备可以基于doris数据库的上卷操作功能，将目标特征数据集合中的每个参考特征数据的热度值之和，确定为目标事件数据的热度值。
196.可选的，当目标事件数据包括目标事件的位置信息时，电子设备还可以计算目标事件数据在目标事件的位置信息归属的目标区域内的热度信息。
197.在这种情况下，电子设备可以基于热度计算服务层740中的过滤功能将目标特征数据集合对应的参考事件数据中，不包括参考事件的位置信息的参考事件数据进行过滤，仅保留包括参考事件的位置信息的参考事件数据。
198.接着，电子设备可以基于doris数据库的上卷操作功能，根据目标特征数据集合对应的参考事件数据中，包括参考事件的位置信息的参考事件数据的热度信息，确定目标事件数据在目标区域内(例如某个城市或者县区范围内)的热度信息。
199.可选的，当目标事件数据不包括目标事件的位置信息时，说明不需要计算目标事件数据在目标事件的位置信息归属的目标区域内的热度信息。
200.在这种情况下，电子设备可以基于doris数据库的上卷操作功能，直接根据目标特征数据集合对应的参考事件数据的热度信息，确定目标事件数据在预设区域内(例如全国范围内)的热度信息。
201.接着，电子设备可以基于热度计算服务层740中的参数校验功能，对计算得到的热度值进行参数校验，确定热度值是否是非法数据。
202.在确定热度值是合法数据后，电子设备可以将计算得到的热度值输出给客户端750。
203.相应的，在确定热度值是非法数据后，电子设备可以向给客户端750输出计算错误信息。
204.在本公开的实施例中，电子设备可以获取不同时段的多个参考事件数据。这样，电子设备可以根据不同时段的多个参考事件数据，确定目标事件数据的热度信息，提高了确定热度信息的准确度。图8示出了电子设备获取不同时段的多个参考事件数据的具体过程。如图8所示，电子设备获取不同时段的多个参考事件数据的具体过程包括：
205.s801、电子设备响应于用户的配置操作，生成配置文件。
206.其中，该配置文件用于生成热度信息获取任务。该热度信息获取任务用于获取当前时间段的初始事件数据的热度信息。
207.可选的，热度信息获取任务可以是一种分布式并发执行的任务结构(spark task)。
208.可选的，用户可以根据不同的数据源，执行不同的配置操作。电子设备可以响应于
不同的配置操作，生成不同的配置文件。
209.例如，当初始事件数据为query点击数据时，电子设备可以生成用于获取当前时间段的query点击数据的热度信息的spark task。
210.当初始事件数据为feed点击数据时，电子设备可以生成用于获取当前时间段的feed点击数据的热度信息的spark task。
211.s802、电子设备监听当前时间段的数据源目录(now dir)已产生完整文件(done文件)。
212.具体的，电子设备可以通过分布式存储系统，获取数据源发送的初始事件数据。应理解，从数据源获取初始事件数据时，电子设备需要一定的时间才能获取到完整的初始事件数据，因此，电子设备可以监听分布式存储系统在当前时间段的数据源目录获取到的文件的状态(例如完整状态和非完整状态)，即监听分布式存储系统在当前时间段的数据源目录是否获取到了完整状态的文件(即done文件)。
213.当产生完整文件时，说明电子设备已经接收到了完整的初始事件数据。
214.示例性的，上述分布式存储系统可以是安德鲁文件(andrew filesystem，afs)系统。在这种情况下，上述done文件为afs文件。
215.s803、电子设备按照当前可用线程数执行配置文件对应的热度信息获取任务。
216.s804、电子设备基于热度信息获取任务对应的任务脚本，加载完整文件。
217.结合上述示例，电子设备基于热度信息获取任务对应的spark脚本，加载afs文件。
218.s805、电子设备判断热度信息获取任务是否为获取当前时间段的搜索词点击数据的热度信息。
219.结合上述示例，电子设备可以判断spark脚本的任务名称(spark name)是否为query。
220.当热度信息获取任务用于获取当前时间段的搜索词点击数据的热度信息时，电子设备执行s8051-s8055。
221.s8051、电子设备调用搜索词对应的处理模块(query handler)，获取搜索词点击数据对应的初始事件数据。
222.s8052、电子设备存储获取到的搜索词点击数据对应的初始事件数据。
223.具体的，电子设备可以在数据库中新增当前时间段获取到的初始事件数据的数据列表(insert time)。
224.s8053、电子设备过滤多个初始事件数据中，事件标题内容相同的初始事件数据，并存储事件标题内容相同的初始事件数据的热度信息。
225.具体的，电子设备可以基于新增的insert time，确定事件标题内容(title)相同的初始事件数据，并根据事件标题内容相同的初始事件数据的位置信息，确定相同区域下的初始事件数据，并对相同区域下的初始事件数据的热度信息(heat)进行累加。
226.可选的，相同区域可以是指相同省份(province)、相同城市(city)或者相同区县(district)。
227.s8054、电子设备过滤热度值小于预设阈值的初始事件数据。
228.具体的，由于热度值小于预设阈值(例如热度值小于或者等于1)的初始事件数据没有参考价值，因此，电子设备可以将热度值小于预设阈值的初始事件数据过滤掉。
229.s8055、电子设备存储过滤后的初始事件数据的热度值。
230.可选的，电子设备可以将过滤后的初始事件数据的热度值存储到高度容错性分布式存储系统(hadoop distributed file system，hdfs)中。
231.当热度信息获取任务不是用于获取当前时间段的搜索词点击数据的热度信息时，电子设备执行s806。
232.s806、电子设备判断热度信息获取任务是否为获取当前时间段的信息流点击数据的热度信息。
233.当热度信息获取任务用于获取任务是否为获取当前时间段的信息流点击数据的热度信息时，电子设备执行s8061-s8064。
234.当热度信息获取任务不是用于获取任务是否为获取当前时间段的信息流点击数据的热度信息时，电子设备执行其他任务。
235.s8061、电子设备调用信息流对应的处理模块(feed handler)，获取信息流点击数据对应的初始事件数据。
236.s8062、电子设备存储获取到的信息流点击数据对应的初始事件数据。
237.具体的，电子设备可以在数据库中新增当前时间段获取到的初始事件数据的数据列表(insert time)。
238.s8063、电子设备基于信息流的推送时间，对多个初始事件数据中，事件标题内容相同的初始事件数据进行过滤。
239.具体的，电子设备可以基于信息流的推送时间(publish time)，确定多个初始事件数据中，事件标题内容(title)相同的初始事件数据，并对多个初始事件数据中，事件标题内容相同的初始事件数据进行过滤。
240.s8064、电子设备存储过滤后的初始事件数据的热度值。
241.可选的，电子设备可以将过滤后的初始事件数据的热度值存储到hdfs中。
242.s807、电子设备调用主题分类过滤处理模块(topic filter handler)，对过滤后的初始事件数据执行主题分类过滤操作，以得到多个参考事件数据。
243.s808、电子设备调用聚类处理模块(cluster handler)，确定与多个参考事件数据一一对应的多个参考特征数据，并对多个参考特征数据进行聚类，以得到多个特征数据集合。
244.s809、电子设备将多个特征数据集合存储到消息队列中。
245.其中，消息队列用于按照预设顺序，将多个特征数据集合存储到数据库中。
246.可选的，消息队列可以是卡夫卡(kafka)消息队列。
247.s810、电子设备判断目标参考事件数据是否为搜索词点击数据。
248.其中，目标参考事件数据为任意一个特征数据集合中的任意一个参考事件数据。
249.当目标参考事件数据为搜索词点击数据时，电子设备执行s811。当目标参考事件数据不是搜索词点击数据时，电子设备执行s812。
250.s811、电子设备确定目标参考事件数据对应的参考特征数据，以及获取目标参考特征数据的热度信息，并将目标参考事件数据对应的参考特征数据，以及目标参考事件数据的热度信息存储到的数据库中。
251.其中，电子设备可以将目标参考事件数据对应的参考特征数据存储到es数据库
中，并将目标参考事件数据的热度信息存储到的doris数据库中。
252.s812、电子设备判断目标参考事件数据是否为信息流点击数据。
253.当目标参考事件数据为信息流点击数据时，电子设备执行s813。当目标参考事件数据不是信息流点击数据时，电子设备不执行任何操作。
254.s813、电子设备获取并存储目标参考事件数据的热度信息。
255.具体的，当目标参考事件数据为信息流点击数据时，信息流点击数据的热度信息可能存在其他数据库(例如mysql数据库)中。在这种情况下，电子设备可以从mysql数据库中获取目标参考事件数据的热度信息，并将目标参考事件数据对应的参考特征数据存储到es数据库中，以及将目标参考事件数据的热度信息存储到的doris数据库中。
256.s814、电子设备监听下个时间段的数据源目录是否产生完整文件。
257.具体的，电子设备可以将监听下个时间段的数据源目录是否产生完整文件，并重复执行s802-s814，进而获取多个时间段的特征数据集合，以及每个参考事件数据的热度信息。
258.上述主要从计算机设备的角度对本公开实施例提供的方案进行了介绍。可以理解的是，计算机设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本公开所公开的实施例描述的各示例的事件数据处理方法步骤，本公开能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。
259.本公开实施例可以根据上述方法示例对事件数据处理方式进行功能模块或者功能单元的划分，例如，可以对应各个功能划分各个功能模块或者功能单元，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块或者功能单元的形式实现。其中，本公开实施例中对模块或者单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
260.如图9所示，为本公开实施例提供的一种基于人工智能的事件数据处理装置的结构示意图。事件数据处理可以包括：获取单元901和处理单元902；
261.获取单元901，用于获取多个参考事件数据，以及每个参考事件数据的热度信息；
262.处理单元902，用于确定与多个参考事件数据一一对应的多个参考特征数据，并对多个参考特征数据进行聚类，以得到多个特征数据集合；不同的特征数据集合用于表示不同类别的参考特征数据；
263.获取单元901，还用于获取目标事件数据的目标特征数据，并从多个特征数据集合中，确定与目标特征数据的相似度大于预设阈值的目标特征数据集合；
264.处理单元902，还用于根据目标特征数据集合对应的参考事件数据的热度信息，确定目标事件数据的热度信息。
265.可选的，目标事件数据包括目标事件的位置信息；参考事件数据包括参考事件的位置信息；
266.处理单元902，具体用于：
267.确定目标事件的位置信息归属的目标区域；
268.基于参考事件的位置信息，从目标特征数据集合对应的参考事件数据中，确定目标区域的参考事件数据集合；目标区域的参考事件数据集合中包括至少一个参考事件数据；
269.根据至少一个参考事件数据的热度信息，确定目标事件数据在目标区域内的热度信息。
270.可选的，至少一个参考事件数据的热度信息存储于第一类型数据库中；第一类型数据库包括分析型数据库；
271.处理单元902，具体用于：
272.基于第一类型数据库的上卷操作功能，对至少一个参考事件数据的热度信息一一对应的热度值求和，得到目标热度值，并将目标热度值确定为目标事件数据在目标区域内的热度信息。
273.可选的，获取单元901，具体用于：
274.获取多个初始事件数据；
275.对多个初始事件数据执行预处理操作，以得到多个参考事件数据；预处理操作包括：预设事件数据的过滤操作、主题分类过滤操作、去重统计操作中的至少一项；
276.预设事件数据过滤操作包括：过滤多个初始事件数据中，事件数据为预设事件数据的初始事件数据；
277.主题分类过滤操作包括：基于预先设定好的主题类别对多个初始事件数据进行分类，并过滤主题类别为预设主题类别的初始事件数据；
278.初始事件数据包括：事件标题内容；去重统计操作包括：过滤多个初始事件数据中，事件标题内容相同的初始事件数据，并存储事件标题内容相同的初始事件数据的热度信息。
279.可选的，多个特征数据集合存储于第二类型数据库中；第二类型数据库包括非关系型数据库；
280.处理单元902，具体用于：
281.基于第二类型数据库的语义召回功能，从多个特征数据集合中，确定与目标特征数据的相似度大于预设阈值的目标特征数据集合。
282.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
283.图10示出了可以用来实施本公开的实施例的示例电子设备1100的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
284.如图10所示，设备1100包括计算单元1101，其可以根据存储在只读存储器(rom)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(ram)1103中的计算机程序，来执行各种适当的动作和处理。在ram 1103中，还可存储设备1100操作所需的各种程序和数据。计算单元1101、rom 1102以及ram 1103通过总线1104彼此相连。输入/输出(i/o)接
口1105也连接至总线1104。
285.设备1100中的多个部件连接至i/o接口1105，包括：输入单元1106，例如键盘、鼠标等；输出单元1107，例如各种类型的显示器、扬声器等；存储单元1108，例如磁盘、光盘等；以及通信单元1109，例如网卡、调制解调器、无线通信收发机等。通信单元1109允许设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
286.计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理，例如事件数据处理方法。例如，在一些实施例中，事件数据处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1108。在一些实施例中，计算机程序的部分或者全部可以经由rom 1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到ram 1103并由计算单元1101执行时，可以执行上文描述的事件数据处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元1101可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行事件数据处理方法。
287.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
288.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
289.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
290.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来
将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
291.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
292.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
293.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
294.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。