应用于网络服务的数据处理方法及系统与流程

本技术涉及人工智能，具体而言，涉及一种应用于网络服务的数据处理方法及系统。

背景技术：

1、随着网络技术的飞速发展和普及，网络服务已经成为人们日常生活中不可或缺的一部分。在网络服务中，网络会话文本是用户与服务提供商之间交互的重要媒介，其中蕴含着丰富的用户需求和行为信息。因此，对网络会话文本进行有效的挖掘和分析，对于提升网络服务的质量和用户体验具有重要意义。

2、然而，传统的网络服务挖掘方法往往面临着诸多挑战。首先，网络会话文本具有高度的多样性和复杂性，使得挖掘过程难以准确捕捉其中的关键信息。其次，网络服务的实时性要求挖掘方法必须具备高效的处理能力，以应对大规模的网络会话数据。此外，如何充分利用已有的先验知识来指导挖掘过程，提高挖掘的准确性和效率，也是传统方法难以解决的问题。

技术实现思路

1、有鉴于此，本技术的目的在于提供一种应用于网络服务的数据处理方法及系统，通过引入参考类网络会话训练文本及其携带的参考类先验标注知识，结合循环网络训练和迁移参数学习的思想，逐步生成精确高效的网络服务挖掘网络。具体来说，在每个循环网络训练阶段中，根据前一阶段生成的挖掘误差对应用类被指导网络进行网络参数学习，不断优化网络性能。同时，通过迁移参数学习的方式将优化后的网络转化为新的应用类指导网络，用于对应用类网络会话训练文本进行挖掘。最终生成的第一网络服务挖掘网络能够充分利用先验知识，准确高效地挖掘网络会话文本中的关键信息，为网络服务的优化和提升提供有力支持。不仅提高了网络服务挖掘的准确性和效率，还具有较强的灵活性和可扩展性。通过调整网络结构和参数设置，可以适应不同类型和规模的网络服务挖掘任务。

2、依据本技术的第一方面，提供一种应用于网络服务的数据处理方法，所述方法包括：

3、获取参考类网络会话训练文本和应用类网络会话训练文本，所述参考类网络会话训练文本携带参考类先验标注知识，所述参考类先验标注知识表征所述参考类网络会话训练文本在目标网络服务挖掘进程中的先验挖掘结果；

4、在第k+1个循环网络训练阶段中，将第k个循环网络训练阶段生成的应用类被指导网络对所述参考类网络会话训练文本的挖掘内容，依据所述参考类先验标注知识进行网络参数学习误差判别，生成第一参考类训练误差，其中，k为正整数；

5、依据所述第一参考类训练误差对所述第k个循环网络训练阶段生成的应用类被指导网络进行网络参数学习，生成参考应用类被指导网络；

6、通过第k+1个循环网络训练阶段生成的应用类指导网络对所述应用类网络会话训练文本进行挖掘，生成应用类模糊挖掘内容，并将所述参考应用类被指导网络对所述应用类网络会话训练文本的挖掘内容，依据所述应用类模糊挖掘内容进行网络参数学习误差判别，生成第一应用特征空间训练误差，所述第k+1个循环网络训练阶段生成的应用类指导网络是对所述参考应用类被指导网络进行迁移参数学习生成的神经网络；

7、依据所述第一应用特征空间训练误差对所述参考应用类被指导网络进行网络参数学习，生成第k+1个循环网络训练阶段生成的应用类被指导网络，直到生成第一网络服务挖掘网络，所述第一网络服务挖掘网络用于对应用类网络会话文本和参考类网络会话文本进行挖掘。

8、在第一方面的一种可能的实施方式中，所述方法还包括：

9、在第k+1个循环网络训练阶段中，依据所述第k个循环网络训练阶段生成的应用类被指导网络对所述参考类网络会话训练文本和所述应用类网络会话训练文本进行语义场景向量适配性解析，生成语义场景适配性误差；

10、所述依据所述第一参考类训练误差对所述第k个循环网络训练阶段生成的应用类被指导网络进行网络参数学习，生成参考应用类被指导网络，包括：

11、依据所述语义场景适配性误差和所述第一参考类训练误差对所述第k个循环网络训练阶段生成的应用类被指导网络进行网络参数学习，生成所述参考应用类被指导网络。

12、在第一方面的一种可能的实施方式中，所述依据所述第k个循环网络训练阶段生成的应用类被指导网络对所述参考类网络会话训练文本和所述应用类网络会话训练文本进行语义场景向量适配性解析，生成语义场景适配性误差，包括：

13、依据所述第k个循环网络训练阶段生成的应用类被指导网络提取所述参考类网络会话训练文本的参考类语义嵌入向量；

14、依据所述第k个循环网络训练阶段生成的应用类被指导网络提取所述应用类网络会话训练文本的应用类语义嵌入向量；

15、对所述参考类语义嵌入向量进行服务风险挖掘，生成第一挖掘内容，第一挖掘内容表征所述参考类语义嵌入向量属于所述参考类网络会话训练文本的置信度；

16、对所述应用类语义嵌入向量进行服务风险挖掘，生成第二挖掘内容，第二挖掘内容表征所述应用类语义嵌入向量属于所述应用类网络会话训练文本的置信度；

17、基于减小所述第一挖掘内容和所述第二挖掘内容之间的特征距离、增加所述参考类语义嵌入向量和所述应用类语义嵌入向量之间的特征距离的方向，确定所述语义场景适配性误差。

18、在第一方面的一种可能的实施方式中，所述基于减小所述第一挖掘内容和所述第二挖掘内容之间的特征距离、增加所述参考类语义嵌入向量和所述应用类语义嵌入向量之间的特征距离的方向，确定所述语义场景适配性误差的步骤，包括：

19、计算所述第一挖掘内容和所述第二挖掘内容之间的第一特征距离；

20、计算所述参考类语义嵌入向量和所述应用类语义嵌入向量之间的第二特征距离；

21、基于所述第一特征距离和所述第二特征距离，定义对应的适配性误差函数，所述适配性误差函数用于对所述第一特征距离和所述第二特征距离定义相应的权重，以使得所述第一特征距离最小化、所述第二特征距离最大化。

22、在第一方面的一种可能的实施方式中，所述通过第k+1个循环网络训练阶段生成的应用类指导网络对所述应用类网络会话训练文本进行挖掘，生成应用类模糊挖掘内容的步骤之前，包括：

23、获取所述参考应用类被指导网络的第一网络功能层定义信息；

24、获取第k个循环网络训练阶段生成的应用类指导网络的第二网络功能层定义信息；

25、基于设定网络优化参数对所述第一网络功能层定义信息和所述第二网络功能层定义信息进行集成，生成集成网络功能层定义信息；

26、依据所述集成网络功能层定义信息，生成所述第k+1个循环网络训练阶段生成的应用类指导网络。

27、在第一方面的一种可能的实施方式中，所述通过第k+1个循环网络训练阶段生成的应用类指导网络对所述应用类网络会话训练文本进行挖掘，生成应用类模糊挖掘内容之后，包括：

28、将第k个循环网络训练阶段生成的精简被指导网络对所述参考类网络会话训练文本的挖掘内容，依据所述参考类先验标注知识进行网络参数学习误差判别，生成第二参考类训练误差，所述精简被指导网络的网络功能层定义信息的参数量小于所述应用类指导网络的网络功能层定义信息的参数量；

29、将所述第k个循环网络训练阶段生成的精简被指导网络对所述应用类网络会话训练文本的挖掘内容，依据所述应用类模糊挖掘内容进行网络参数学习误差判别，生成第二应用特征空间训练误差；

30、依据所述第二参考类训练误差和所述第二应用特征空间训练误差对所述第k个循环网络训练阶段生成的精简被指导网络进行网络参数学习，生成第k+1个循环网络训练阶段生成的精简被指导网络，直到生成第二网络服务挖掘网络，所述第二网络服务挖掘网络用于对所述应用类网络会话文本和所述参考类网络会话文本进行挖掘。

31、在第一方面的一种可能的实施方式中，所述通过第k+1个循环网络训练阶段生成的应用类指导网络对所述应用类网络会话训练文本进行挖掘，生成应用类模糊挖掘内容，包括：

32、通过第k+1个循环网络训练阶段生成的应用类指导网络对所述应用类网络会话训练文本进行挖掘，生成所述应用类网络会话训练文本对应的参考模糊挖掘内容以及所述参考模糊挖掘内容对应的可信度值；

33、如果所述参考模糊挖掘内容对应的可信度值大于设定可信度值，确定所述参考模糊挖掘内容为所述应用类模糊挖掘内容。

34、在第一方面的一种可能的实施方式中，所述将所述参考应用类被指导网络对所述应用类网络会话训练文本的挖掘内容，依据所述应用类模糊挖掘内容进行网络参数学习误差判别，生成第一应用特征空间训练误差，包括：

35、获取所述应用类模糊挖掘内容对应的可信度值；

36、将所述参考应用类被指导网络对所述应用类网络会话训练文本的挖掘内容，依据所述应用类模糊挖掘内容进行网络参数学习误差判别，生成参考应用特征空间训练误差；

37、依据所述可信度值对所述参考应用特征空间训练误差进行融合，生成所述第一应用特征空间训练误差。

38、在第一方面的一种可能的实施方式中，所述方法还包括：

39、基于所述第一网络服务挖掘网络对应用类网络会话文本和参考类网络会话文本进行挖掘，生成挖掘结果。

40、依据本技术的第二方面，提供一种应用于网络服务的数据处理系统，所述应用于网络服务的数据处理系统包括机器可读存储介质及处理器，所述机器可读存储介质存储有机器可执行指令，所述处理器在执行所述机器可执行指令时，该应用于网络服务的数据处理系统实现前述的应用于网络服务的数据处理方法。

41、依据本技术的第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，在所述计算机可执行指令被执行时，实现前述的应用于网络服务的数据处理方法。

42、依据上述任意一个方面，本技术的技术效果在于：

43、通过引入参考类网络会话训练文本及其携带的参考类先验标注知识，能够在网络服务的数据处理过程中，充分利用已有的先验挖掘结果，提高挖掘的准确性和效率。在每个循环网络训练阶段，根据前一阶段生成的应用类被指导网络对参考类网络会话训练文本的挖掘内容，结合参考类先验标注知识进行网络参数学习误差判别，从而生成更精确的训练误差。其次，采用循环网络训练的方式，通过不断地迭代和优化，逐步生成更为精确和高效的应用类被指导网络。在每个循环中，根据前一阶段生成的训练误差对应用类被指导网络进行网络参数学习，使其能够更好地适应网络服务挖掘任务的需求。同时，通过迁移参数学习的方式，将优化后的应用类被指导网络转化为新的应用类指导网络，用于对应用类网络会话训练文本进行挖掘，进一步提升了挖掘的效果。最后，通过生成第一网络服务挖掘网络，实现了对应用类网络会话文本和参考类网络会话文本的高效挖掘。该第一网络服务挖掘网络不仅继承了之前循环网络训练阶段的优化成果，还能够根据实际的网络服务挖掘需求进行灵活调整和优化，为网络服务的数据处理提供了强有力的支持。同时，该第一网络服务挖掘网络的生成过程充分考虑了网络参数学习的误差判别和迁移参数学习的特点，确保了其在网络服务挖掘任务中的准确性和高效性。

44、也即，本技术实施例的主要目标是优化网络会话文本的挖掘进程，利用参考类网络会话训练文本的先验标注知识，以及应用类网络会话训练文本的模糊挖掘内容，进行多次循环网络训练和误差判别，从而生成最终的网络服务挖掘网络。通过使用参考类网络会话训练文本的先验标注知识，这种方法能够更精确地指导网络参数学习过程，从而减少训练误差。在多次循环网络训练阶段中，通过对参考应用类被指导网络和应用类被指导网络进行迁移参数学习，能够逐步优化网络结构，提高网络服务挖掘的效率和精度。通过对应用类网络会话训练文本的模糊挖掘内容进行网络参数学习误差判别，这可以进一步优化网络参数学习过程，从而生成更有效的网络服务挖掘网络。最后，通过生成的网络服务挖掘网络，能够更有效地对应用类网络会话文本和参考类网络会话文本进行挖掘，从而提高网络服务的数据处理效率和精度。