本发明涉及数字化、云服务和ai,尤其涉及一种应对数字化服务项目的用户会话信息解析方法及软件产品。
背景技术:
1、现代信息技术的发展和网络环境的日益成熟,促使数字化信息服务的开展与利用逐渐成为关系信息化建设和创新发展的关键。作为新一代信息技术的核心之一,人工智能与数字化有着密不可分的关系。数字化能够实现大数据价值,大数据价值的实现又为机器学习提供了丰富的数据信息资源,从而加速人工智能的进程。
2、现目前,数字化信息服务涉及智慧城市业务的方方面面,在工作层面,数字化信息服务能够提供数字办公、电子商务、智慧园区等一系列线上/远程服务。在娱乐层面,数字化信息服务能够提供元宇宙娱乐、虚拟空间交互、云游戏、在线机器人对话、ai图像生成等智能服务。在实际应用过程中,数字化信息服务所生成的用户会话记录具有非常大的分析价值,因此针对用户会话记录的容灾备份处理也至关重要。
技术实现思路
1、本发明提供一种应对数字化服务项目的用户会话信息解析方法及软件产品,ai辅助决策服务器通过聚焦不同角度的神经网络子网对数字服务项目会话文本的会话文本语义进行处理,能够准确实现容灾会话事件的捕捉,且神经网络子网能够共用会话文本语义,这样可以节约系统资源开销,提升整体方案的运行效率,从而实现用户会话信息解析的精度和时效性的双重优化,为实现上述技术目的,本发明采用如下技术方案。
2、第一方面是一种应对数字化服务项目的用户会话信息解析方法,应用于ai辅助决策服务器,所述方法包括:
3、获取待解析数字服务项目会话文本,将所述待解析数字服务项目会话文本加载到容灾辅助决策网络,在所述容灾辅助决策网络中挖掘所述待解析数字服务项目会话文本的会话文本语义;
4、将所述会话文本语义分别加载到所述容灾辅助决策网络中的容灾判别子网和分布解析子网中;所述容灾判别子网包括聚焦容灾会话事件判别的第一滑动平均变量,所述分布解析子网中包括聚焦分布特征解析的第二滑动平均变量;
5、针对所述容灾判别子网,通过所述第一滑动平均变量对所述会话文本语义进行滑动平均操作,得到事件判别输出结果;
6、针对所述分布解析子网,通过所述第二滑动平均变量对所述会话文本语义进行滑动平均操作,得到分布解析输出结果;
7、依据所述事件判别输出结果,确定所述待解析数字服务项目会话文本中目标容灾会话事件的事件主题,依据所述分布解析输出结果,确定所述目标容灾会话事件在所述待解析数字服务项目会话文本中的分布特征。
8、在一些可选的实施例中,所述待解析数字服务项目会话文本包括文本分块后的x个会话文本块,所述容灾辅助决策网络中包括深度卷积模型,所述深度卷积模型包括第一知识挖掘子模型、第二知识挖掘子模型、第三知识挖掘子模型以及滑动平均层;x为大于1的整数;所述在所述容灾辅助决策网络中挖掘所述待解析数字服务项目会话文本的会话文本语义,包括:
9、将所述待解析数字服务项目会话文本加载到所述第一知识挖掘子模型,在所述第一知识挖掘子模型中挖掘所述待解析数字服务项目会话文本中每个会话文本块的文本块语义向量,得到x个第一文本块语义向量;
10、将所述x个第一文本块语义向量加载到所述第二知识挖掘子模型,在所述第二知识挖掘子模型中对每个第一文本块语义向量进行滑动平均操作,得到x个第二文本块语义向量;
11、将所述x个第二文本块语义向量加载到所述第三知识挖掘子模型,在所述第三知识挖掘子模型中对每个第二文本块语义向量进行滑动平均操作,得到x个第三文本块语义向量;
12、在所述x个第一文本块语义向量、所述x个第二文本块语义向量以及所述x个第三文本块语义向量中,选择x个目标文本块语义向量;
13、将所述x个目标文本块语义向量传入所述滑动平均层,在所述滑动平均层中对所述x个目标文本块语义向量进行滑动平均操作,得到语义滑动平均向量;
14、依据所述语义滑动平均向量,生成所述待解析数字服务项目会话文本的会话文本语义。
15、在一些可选的实施例中,还包括:
16、获取初始数字服务项目会话文本,获取文本重构指数;
17、依据所述文本重构指数,对所述初始数字服务项目会话文本进行会话文本重构,得到中间会话文本;
18、对所述中间会话文本进行文本分块,得到包括x个会话文本块的待解析数字服务项目会话文本。
19、在一些可选的实施例中,所述x个目标文本块语义向量为所述x个第三文本块语义向量;所述滑动平均层包括第一滑动平均层;
20、所述将所述x个目标文本块语义向量传入所述滑动平均层,在所述滑动平均层中对所述x个目标文本块语义向量进行滑动平均操作,得到语义滑动平均向量,包括:
21、将所述x个第三文本块语义向量传入所述第一滑动平均层,在所述第一滑动平均层中对所述每个第三文本块语义向量进行滑动平均操作,得到x个基础语义滑动平均向量;
22、获取所述第三知识挖掘子模型对应的第一池化因子,依据所述第一池化因子对所述x个基础语义滑动平均向量进行池化,得到所述语义滑动平均向量。
23、在一些可选的实施例中,所述滑动平均层包括第一滑动平均层以及第二滑动平均层;所述将所述x个目标文本块语义向量传入所述滑动平均层,在所述滑动平均层中对所述x个目标文本块语义向量进行滑动平均操作,得到语义滑动平均向量,包括:
24、将所述x个第三文本块语义向量加载到所述第一滑动平均层,在所述第一滑动平均层中对所述每个第三文本块语义向量进行滑动平均操作,得到x个基础语义滑动平均向量;
25、获取所述第三知识挖掘子模型对应的第一池化因子,依据所述第一池化因子对所述x个基础语义滑动平均向量进行池化,得到第一池化文本块语义向量;
26、获取所述第二知识挖掘子模型对应的第二池化因子,依据所述第二池化因子对所述x个第二文本块语义向量进行池化,得到第二池化文本块语义向量;
27、依据所述第一池化因子与所述第二池化因子,确定第一扩展因子,依据所述第一扩展因子对所述第一池化文本块语义向量进行扩展,得到扩展文本块语义向量;
28、如果所述x个目标文本块语义向量为所述x个第二文本块语义向量,则将所述第二池化文本块语义向量与所述扩展文本块语义向量进行融合,得到第一文本块语义融合向量,将所述第一文本块语义融合向量加载到所述第二滑动平均层,在所述第二滑动平均层中对所述第一文本块语义融合向量进行滑动平均操作,得到语义滑动平均向量。
29、在一些可选的实施例中,所述滑动平均层还包括第三滑动平均层;所述方法还包括:
30、如果所述x个目标文本块语义向量为所述x个第一文本块语义向量,则将所述第二池化文本块语义向量与所述扩展文本块语义向量进行融合,得到第一文本块语义融合向量,将所述第一文本块语义融合向量加载到所述第二滑动平均层,在所述第二滑动平均层中对所述第一文本块语义融合向量进行滑动平均操作,得到语义融合滑动平均向量;
31、获取所述第一知识挖掘子模型对应的第三池化因子,依据所述第三池化因子对所述x个第一文本块语义向量进行池化,得到第三池化文本块语义向量;
32、依据所述第三池化因子与所述第二池化因子,确定第二扩展因子,依据所述第二扩展因子对所述语义融合滑动平均向量进行扩展,得到扩展文本块语义融合向量;
33、将所述第三池化文本块语义向量与所述扩展文本块语义融合向量进行融合,得到第二文本块语义融合向量,将所述第二文本块语义融合向量加载到所述第三滑动平均层,在所述第三滑动平均层中对所述第二文本块语义融合向量进行滑动平均操作,得到语义滑动平均向量。
34、在一些可选的实施例中,所述依据所述事件判别输出结果,确定所述待解析数字服务项目会话文本中目标容灾会话事件的事件主题,包括:
35、获取所述事件判别输出结果中的判别输出知识,获取所述判别输出知识对应的容灾会话事件置信度;所述容灾会话事件置信度反映所述判别输出知识所属ai判别窗口中存在所述目标容灾会话事件的可能性;所述ai判别窗口用于推测所述目标容灾会话事件在所述待解析数字服务项目会话文本中的分布;
36、获取所述判别输出知识对应的主题判别可能性;
37、如果所述容灾会话事件置信度大于设定可能性,则在所述主题判别可能性中,获取最大主题判别可能性,将所述最大主题判别可能性对应的主题确定为所述判别输出知识所匹配的事件主题;
38、将所述判别输出知识所匹配的事件主题确定为所述判别输出知识所属ai判别窗口的事件主题。
39、在一些可选的实施例中,所述依据所述分布解析输出结果,确定所述目标容灾会话事件的分布特征,包括:
40、获取所述分布解析输出结果中的分布解析知识,获取所述分布解析知识对应的分布推测数组;
41、在所述x个会话文本块中,获取所述分布解析知识对应的会话文本簇;所述分布解析知识是通过所述会话文本簇滑动平均得到的,所述会话文本簇的规模是由所述x个目标文本块语义向量对应的池化因子所确定的;
42、获取处于所述会话文本簇的基准分布信息;
43、依据所述分布推测数组以及所述基准分布信息,确定所述目标容灾会话事件的分布特征。
44、在一些可选的实施例中,所述分布推测数组包括分布误差、ai判别窗口的第一边界约束值以及ai判别窗口的第二边界约束值;所述ai判别窗口用于推测所述目标容灾会话事件在所述待解析数字服务项目会话文本中的分布;所述依据所述分布推测数组以及所述基准分布信息,确定所述目标容灾会话事件的分布特征,包括:
45、依据所述分布误差与所述基准分布信息,确定所述ai判别窗口对应的关键分布特征;
46、依据所述关键分布特征、所述ai判别窗口的第一边界约束值以及所述ai判别窗口的第二边界约束值,确定所述ai判别窗口在所述待解析数字服务项目会话文本中的分布特征,将所述ai判别窗口在所述待解析数字服务项目会话文本中的分布特征,确定为所述目标容灾会话事件的分布特征。
47、在上述基础上,在一些可独立的实施例中,还包括:
48、获取数字服务项目会话文本示例,将所述数字服务项目会话文本示例加载到原始容灾辅助决策网络中,在所述原始容灾辅助决策网络中挖掘所述数字服务项目会话文本示例的会话文本语义示例;
49、将所述会话文本语义示例分别加载到所述原始容灾辅助决策网络的原始容灾判别子网和原始分布解析子网中;
50、所述原始容灾判别子网包括聚焦容灾会话事件判别的第一滑动平均变量示例,所述原始分布解析子网中包括聚焦分布特征解析的第二滑动平均变量示例;
51、在所述原始容灾判别子网中,通过所述第一滑动平均变量示例对所述会话文本语义示例进行滑动平均操作,得到事件判别输出结果示例;
52、在所述原始分布解析子网中,通过所述第二滑动平均变量示例对所述会话文本语义示例进行滑动平均操作,得到分布解析输出结果示例;
53、依据所述事件判别输出结果示例,确定所述数字服务项目会话文本示例中容灾会话事件示例的当前事件主题,依据所述分布解析输出结果示例,确定所述容灾会话事件示例的当前分布特征;
54、获取所述容灾会话事件示例的事件主题注释,获取所述容灾会话事件示例的分布注释信息,依据所述当前事件主题、所述事件主题注释、所述当前分布特征以及所述分布注释信息,确定全局调试代价变量;
55、依据所述全局调试代价变量对所述第一滑动平均变量示例以及所述第二滑动平均变量示例分别进行更新,得到第一滑动平均变量示例对应的第一滑动平均变量以及第二滑动平均变量示例对应的第二滑动平均变量;
56、将包括所述第一滑动平均变量的原始容灾判别子网确定为容灾判别子网,将包括所述第二滑动平均变量的原始分布解析子网确定为分布解析子网,将包括所述容灾判别子网以及所述分布解析子网的原始容灾辅助决策网络,确定为容灾辅助决策网络。
57、在上述基础上,在一些可独立的实施例中,所述依据所述当前事件主题、所述事件主题注释、所述当前分布特征以及所述分布注释信息,确定全局调试代价变量,包括:
58、依据所述当前事件主题以及所述事件主题注释,确定判别代价变量;
59、依据所述分布注释信息以及所述当前分布特征,确定分布代价变量;
60、依据所述判别代价变量与所述分布代价变量,生成所述全局调试代价变量。
61、在上述基础上,在一些可独立的实施例中,所述依据所述全局调试代价变量对所述第一滑动平均变量示例以及所述第二滑动平均变量示例分别进行更新,得到第一滑动平均变量示例对应的第一滑动平均变量以及第二滑动平均变量示例对应的第二滑动平均变量,包括:
62、在所述全局调试代价变量与所述当前事件主题之间,确定第一变量更新指示,依据所述第一变量更新指示对所述第一滑动平均变量示例进行更新,得到第一滑动平均变量;
63、在所述全局调试代价变量与所述当前分布特征之间,确定第二变量更新指示,依据所述第二变量更新指示对所述第二滑动平均变量示例进行更新,得到第二滑动平均变量。
64、第二方面是一种ai辅助决策服务器,包括存储器和处理器;所述存储器和所述处理器耦合;所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令;其中,当所述处理器执行所述计算机指令时,使得所述ai辅助决策服务器执行第一方面的方法。
65、第三方面是一种用于实现应对数字化服务项目的用户会话信息解析方法的软件产品,包括计算机程序/指令,其中,当所述计算机程序/指令被执行时,实现执行第一方面的方法。
66、第四方面是一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在运行时执行第一方面的方法。
67、在本发明实施例中,在挖掘出待解析数字服务项目会话文本的会话文本语义后,将该会话文本语义分别加载到容灾判别子网与分布解析子网中,通过该容灾判别子网中的第一滑动平均变量来对会话文本语义进行滑动平均操作,可以得到事件判别输出结果,再依据该事件判别输出结果可以输出该待解析数字服务项目会话文本中目标容灾会话事件的事件主题;进一步地,通过该分布解析子网中的第二滑动平均变量来对会话文本语义进行滑动平均操作,可以得到分布解析输出结果,再依据该分布解析输出结果可以输出该待解析数字服务项目会话文本中目标容灾会话事件的分布特征。鉴于容灾判别子网中的第一滑动平均变量聚焦容灾会话事件判别,分布解析子网中的第二滑动平均变量聚焦分布特征解析,第一滑动平均变量与第二滑动平均变量互不干扰且聚焦层面存在差异,因而在基于第一滑动平均变量对会话文本语义进行数字服务项目会话文本的容灾分析时,可以提高目标容灾会话事件的主题判别精度,在基于第二滑动平均变量对会话文本语义进行分布特征解析时,可以提高分布特征解析的精度;进一步地,鉴于容灾判别子网与分布解析子网均包括在容灾辅助决策网络中,则由容灾辅助决策网络挖掘一次待解析数字服务项目会话文本的会话文本语义便可,将该会话文本语义分别加载到容灾判别子网与分布解析子网的思路,可以共用会话文本语义,以节约系统资源开销,提升对数字服务项目会话文本进行容灾会话事件捕捉的时效性。