结合云计算和动态化分析的数据挖掘方法及系统与流程

1.本公开涉及大数据挖掘技术领域，尤其涉及一种结合云计算和动态化分析的数据挖掘方法及系统。


背景技术：

2.数据挖掘(data mining)作为一个跨学科主题，它是用人工智能、机器学习、统计学和数据库交叉的方法在相对较大型的数据集中发现模式的计算过程。数据挖掘的目标是从数据集中提取信息并将其转换成可理解的结构以进一步分析使用。现目前的数据挖掘应用涉及信息推荐、产品升级、网络安全管理等。随着当下各行业的快速发展，数据挖掘所面临的挑战也与日俱增，传统的数据挖掘技术所呈现出的生硬式、机械式挖掘难以匹配当下的诸多数据挖掘任务。


技术实现要素：

3.本公开的一个目的是提供一种结合云计算和动态化分析的数据挖掘方法及系统，能够间接、灵活地实现对第一区分化互动数据的挖掘分析，从而改善相关技术所突显出的生硬、机械式的数据挖掘问题。
4.本公开的技术方案是通过如下至少部分实施例实现的。
5.一种结合云计算和动态化分析的数据挖掘方法，应用于数据挖掘系统，所述方法至少包括：
6.确定第一区分化互动数据和第二区分化互动数据，所述第一区分化互动数据为第一格式类别的待挖掘业务大数据，所述第二区分化互动数据为第二格式类别的先验型业务大数据；
7.通过所述第一区分化互动数据的格式类别描述，获得所述第一区分化互动数据的第一内涵描述表达和第一动态化诉求表达；通过所述第二区分化互动数据的格式类别描述，获得所述第二区分化互动数据的第二内涵描述表达和第二动态化诉求表达；
8.结合所述第一动态化诉求表达、所述第二动态化诉求表达、所述第一内涵描述表达以及所述第二内涵描述表达，获得所述第一区分化互动数据和所述第二区分化互动数据的口味共性指数；
9.在所述口味共性指数匹配指定要求的基础上，将所述第二区分化互动数据作为所述第一区分化互动数据的数据挖掘引导。
10.在一些可独立实施的设计思路下，所述获得所述第一区分化互动数据和所述第二区分化互动数据的口味共性指数，包括：通过所述第二区分化互动数据相较于所述第一区分化互动数据聚焦的内涵描述表达以及所述第一区分化互动数据相较于所述第二区分化互动数据聚焦的内涵描述表达，获得所述第一区分化互动数据和所述第二区分化互动数据的口味共性指数。
11.在一些可独立实施的设计思路下，所述第一内涵描述表达涵盖第一阶段内涵描述
表达和第一全局内涵描述表达；所述第一动态化诉求表达涵盖第一阶段动态化诉求表达和第一全局动态化诉求表达；所述第二内涵描述表达包括第二阶段内涵描述表达和第二全局内涵描述表达；所述第二动态化诉求表达包括第二阶段动态化诉求表达和第二全局动态化诉求表达。
12.在一些可独立实施的设计思路下，所述通过所述第一区分化互动数据的格式类别描述，获得所述第一区分化互动数据的第一内涵描述表达和第一动态化诉求表达，包括：
13.将所述第一区分化互动数据拆解成n个互动数据块；n为正整数；
14.在每个互动数据块中进行第一格式类别描述挖掘，确定每个互动数据块的第一格式类别描述；
15.结合每个所述互动数据块的第一格式类别描述，挖掘内涵描述表达场景的第一阶段内涵描述表达；
16.结合每个所述互动数据块的第一格式类别描述，挖掘动态化诉求表达场景的第一阶段动态化诉求表达。
17.在一些可独立实施的设计思路下，所述方法还包括：
18.通过每个互动数据块的第一阶段内涵描述表达，获得所述第一区分化互动数据的第一全局内涵描述表达；
19.通过每个互动数据块的第一阶段动态化诉求表达，获得所述第一区分化互动数据的第一全局动态化诉求表达。
20.在一些可独立实施的设计思路下，所述通过所述第二区分化互动数据的格式类别描述，获得所述第二区分化互动数据的第二内涵描述表达和第二动态化诉求表达，包括：
21.将所述第二区分化互动数据拆解成n个互动数据块；
22.在每个互动数据块中进行第二格式类别描述挖掘，确定每个互动数据块的第二格式类别描述；
23.结合每个所述互动数据块的第二格式类别描述，挖掘内涵描述表达场景的第二阶段内涵描述表达；
24.结合每个所述互动数据块的第二格式类别描述，挖掘动态化诉求表达场景的第二阶段动态化诉求表达。
25.在一些可独立实施的设计思路下，所述方法还包括：
26.通过每个互动数据块的第二阶段内涵描述表达，获得所述第二区分化互动数据的第二全局内涵描述表达；
27.通过每个互动数据块的第二阶段动态化诉求表达，获得所述第二区分化互动数据的第二全局动态化诉求表达。
28.在一些可独立实施的设计思路下，所述结合所述第一动态化诉求表达、所述第二动态化诉求表达、所述第一内涵描述表达以及所述第一内涵描述表达，获得所述第一区分化互动数据和所述第二区分化互动数据的口味共性指数，包括：
29.通过所述第一区分化互动数据的第一阶段动态化诉求表达、第一阶段内涵描述表达和所述第二区分化互动数据的第二全局动态化诉求表达，确定第一针对性偏好数据；
30.通过所述第二区分化互动数据的第二阶段动态化诉求表达、第二阶段内涵描述表达和所述第一区分化互动数据的第一全局动态化诉求表达，确定第二针对性偏好数据；
31.通过所述第一针对性偏好数据和所述第二针对性偏好数据，获得所述第一区分化互动数据与所述第二区分化互动数据的口味共性指数。
32.在一些可独立实施的设计思路下，所述通过所述第一区分化互动数据的第一阶段动态化诉求表达、第一阶段内涵描述表达和所述第二区分化互动数据的第二全局动态化诉求表达，确定第一针对性偏好数据，包括：
33.通过所述第一区分化互动数据的第一阶段动态化诉求表达和所述第二区分化互动数据的第二全局动态化诉求表达，获得所述第二区分化互动数据相较于第一区分化互动数据的每个互动数据块的针对性偏好数据；
34.通过所述第二区分化互动数据相较于第一区分化互动数据的每个互动数据块的针对性偏好数据和所述第一区分化互动数据的第一阶段内涵描述表达，获得所述第二区分化互动数据相较于所述第一区分化互动数据的第一针对性偏好数据。
35.在一些可独立实施的设计思路下，所述通过所述第二区分化互动数据的第二阶段动态化诉求表达、第二阶段内涵描述表达和所述第一区分化互动数据的第一全局动态化诉求表达，确定第二针对性偏好数据，包括：
36.通过所述第二区分化互动数据的第二阶段动态化诉求表达和所述第一区分化互动数据的第一全局动态化诉求表达，获得所述第一区分化互动数据相较于所述第二区分化互动数据的每个互动数据块的针对性偏好数据；
37.通过所述第一区分化互动数据相较于所述第二区分化互动数据的每个互动数据块的针对性偏好数据和所述第二区分化互动数据的第二阶段内涵描述表达，获得所述第一区分化互动数据相较于所述第二区分化互动数据的第二针对性偏好数据。
38.在一些可独立实施的设计思路下，所述第二区分化互动数据为m个；m为大于1的整数；所述在所述口味共性指数匹配指定要求的基础上，将所述第二区分化互动数据作为所述第一区分化互动数据的数据挖掘引导，包括：
39.通过所述第一区分化互动数据与每个第二区分化互动数据的口味共性指数，对m个第二区分化互动数据进行相对关系整理，得到相对关系整理结果；
40.通过所述相对关系整理结果，确定匹配所述指定要求的第二区分化互动数据；
41.将匹配所述指定要求的第二区分化互动数据作为所述第一区分化互动数据的数据挖掘引导。
42.在一些可独立实施的设计思路下，所述指定要求涵盖如下要求中的其中一个：口味共性指数大于指定判定值；口味共性指数升序的位置大于指定位置。
43.在一些可独立实施的设计思路下，所述将所述第二区分化互动数据作为所述第一区分化互动数据的数据挖掘引导之后，还包括：向数据挖掘任务器下发所述数据挖掘引导。
44.在一些可独立实施的设计思路下，所述第一区分化互动数据包括视觉感官数据或混合感官数据中的一种区分化互动数据；所述第二区分化互动数据包括视觉感官数据或混合感官数据中的一种区分化互动数据。
45.在一些可独立实施的设计思路下，所述第一区分化互动数据为第一格式类别的调试参照数据，所述第二区分化互动数据为第二格式类别的调试参照数据；每个第一格式类别的调试参照数据与第二格式类别的调试参照数据组成调试参照二元组。
46.一种数据挖掘系统，包括：用于存储可执行计算机程序的存储器，用于执行所述存
储器中存储的可执行计算机程序时实现上述方法的处理器。
47.一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上述方法。
48.根据本公开的一个实施例，通过确定第一区分化互动数据和第二区分化互动数据，基于第一区分化互动数据的格式类别描述能够分别确定第一区分化互动数据的第一内涵描述表达和第一动态化诉求表达，并基于第二区分化互动数据的格式类别描述能够分别获得所述第二区分化互动数据的第二内涵描述表达和第二动态化诉求表达，继而能够基于第一动态化诉求表达、第二动态化诉求表达、第一内涵描述表达以及第二内涵描述表达，确定第一区分化互动数据和第二区分化互动数据的口味共性指数。如此，能够借助存在差异的区分化互动数据的内涵描述表达全局动态化诉求表达，得到存在差异的区分化互动数据之间的口味共性指数，与相关思路所展现的严重倾向于描述挖掘质量相比，本方案的思路能够对存在差异的区分化互动数据的内涵描述表达全局动态化诉求表达分别进行处理，从而削弱描述挖掘质量对不同区分化互动数据的关联分析的影响，本方案的思路可以极大减少实施难度，并且还可以提高针对不同区分化互动数据的关联分析时效性，提高针对相异区分化互动数据的关联分析的质量。进一步地，基于口味共性指数，能够间接、灵活地实现对第一区分化互动数据的挖掘分析，从而改善相关技术所突显出的生硬、机械式的数据挖掘问题。
附图说明
49.图1是示出可以实现本公开的实施例的数据挖掘系统的一种通信配置的示意图。
50.图2是示出可以实现本公开的实施例的结合云计算和动态化分析的数据挖掘方法的流程示意图。
51.图3是示出可以实现本公开的实施例的结合云计算和动态化分析的数据挖掘方法的应用环境的架构示意图。
具体实施方式
52.下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。为了使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开作进一步地详细描述，所描述的实施例不应视为对本公开的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本公开保护的范围。在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。除非另有定义，本文所使用的所有的技术和科学术语与属于本公开的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本公开实施例的目的，不是旨在限制本公开。
53.图1是示出可以实现本公开的实施例的数据挖掘系统100的一种通信配置的框图，数据挖掘系统100包括用于存储可执行计算机程序的存储器101，用于执行所述存储器101中存储的可执行计算机程序时实现本公开实施例中结合云计算和动态化分析的数据挖掘方法的处理器102。
54.图2是示出可以实现本公开的实施例的结合云计算和动态化分析的数据挖掘方法的流程示意图，结合云计算和动态化分析的数据挖掘方法可以通过图1所示的数据挖掘系统100实现，进一步可以包括以下相关步骤所描述的技术方案。
55.步骤step11，确定第一区分化互动数据和第二区分化互动数据。
56.对于本公开实施例而言，数据挖掘系统(比如，数据挖掘线程、数据挖掘平台、数据挖掘服务器等数据挖掘系统)可以确定第一区分化互动数据或者第二区分化互动数据。
57.比如，数据挖掘系统确定大数据业务互动端(比如在线购物、远程办公、智慧医疗、线上教育、云游戏服务)上传的第一区分化互动数据或第二区分化互动数据。
58.再比如，数据挖掘系统根据相关互动行为确定第一区分化互动数据或者第二区分化互动数据。数据挖掘平台还可以在边缘侧数据库或者云端数据库中确定第一区分化互动数据或者第二区分化互动数据。
59.可以理解的是，第一区分化互动数据和第二区分化互动数据为不同格式类别的互动数据，比如，第一区分化互动数据可以涵盖视觉感官数据(比如文字、文本)或混合感官数据(比如视频、图像)中的一种区分化互动数据，第二区分化互动数据包括视觉感官数据或混合感官数据中的一种区分化互动数据。本公开实施例中的第一区分化互动数据和第二区分化互动数据不仅限于混合感官数据和视觉感官数据，还可以涵盖其他类型的互动数据等。本公开实施例中的格式类别可以理解为互动数据的表现方式。
60.举例而言，区分化互动数据可以记录用户在业务交互过程中的一些列互动情况，可以作为数据挖掘分析的基础。
61.步骤step12，通过所述第一区分化互动数据的格式类别描述，获得所述第一区分化互动数据的第一内涵描述表达和第一动态化诉求表达。
62.对于本公开实施例而言，数据挖掘系统在确定第一区分化互动数据之后，可以确定第一区分化互动数据的格式类别描述。第一区分化互动数据的格式类别描述可以但不限于构成第一格式类别描述数组(描述向量)，继而能够根据第一格式类别描述数组确定第一区分化互动数据的第一内涵描述表达和第一动态化诉求表达。举例而言，第一内涵描述表达可以涵盖第一阶段内涵描述表达和第一全局内涵描述表达；第一动态化诉求表达涵盖第一阶段动态化诉求表达和第一全局动态化诉求表达。第一内涵描述表达能够反映第一区分化互动数据的意图信息，第一动态化诉求表达能够反映第一区分化互动数据的关注点。本公开实施例中的关注点可以理解为在对区分化互动数据进行处理时，对区分化互动数据中某一些的互动数据块配置的关注指标。此外，动态化诉求表达可以理解为针对用户互动的可变需求特征，比如针对不同时段的可变需求特征或者针对不同互动场景的可变需求特征。
63.以下示出了基于本公开的相关设计思路的确定第一内涵描述表达和第一动态化诉求表达的技术方案。对于一些可选的设计思路而言，在根据第一区分化互动数据的格式类别描述，确定第一区分化互动数据的第一内涵描述表达和第一动态化诉求表达时，可以涵盖以下步骤所描述的内容。
64.步骤step121，将所述第一区分化互动数据拆解成n个互动数据块。
65.步骤step122，在每个互动数据块中进行第一格式类别描述挖掘，确定每个互动数据块的第一格式类别描述。
66.步骤step123，结合每个所述互动数据块的第一格式类别描述，挖掘内涵描述表达场景的第一阶段内涵描述表达。
67.步骤step124，结合每个所述互动数据块的第一格式类别描述，挖掘动态化诉求表达场景的第一阶段动态化诉求表达。
68.举例而言，互动数据块可以理解为数据单元，比如互动数据块data_set1可以包括data1和data2，互动数据块data_set2可以包括data5和data9，但不限于此。相应的，阶段内涵描述表达可以理解为局部的语义特征，而阶段动态化诉求表达可以理解为局部的注意力特征或者关注特征，但不限于此。
69.对于本公开实施例而言，在确定第一区分化互动数据的第一内涵描述表达和第一动态化诉求表达时，可以将第一区分化互动数据拆解m个互动数据块。在拆解过程中，可以依据指定的互动数据块维度对第一区分化互动数据进行拆解，每个互动数据块的维度相等。又比如，还可以将第一区分化互动数据拆解成维度不同的m个互动数据块，m为大于1的整数。比如，在第一区分化互动数据为混合感官数据的基础上，可以将一组混合感官数据拆解成m个混合感官数据块。在将一区分化互动数据拆解成m个互动数据块之后，可以对每个互动数据块进行第一格式类别描述挖掘，得到每个互动数据块的第一格式类别描述。每个互动数据块的第一格式类别描述可以但不限于构成一个第一格式类别描述数组。继而能够将第一格式类别描述数组调整为内涵描述表达场景的第一阶段内涵描述表达向量，以及将第一格式类别描述数组调整成关注点层面的第一阶段动态化诉求表达。
70.对于一些可选的设计思路而言，可以根据第一区分化互动数据的第一阶段内涵描述表达确定第一全局内涵描述表达，以及，根据第一区分化互动数据的第一阶段动态化诉求表达确定第一全局内涵描述表达。在本公开实施例中，第一区分化互动数据可以涵盖m个互动数据块。第一阶段内涵描述表达可以表示第一区分化互动数据的每个互动数据块对应的内涵描述表达，第一全局内涵描述表达可以表示第一区分化互动数据对应的内涵描述表达。第一阶段动态化诉求表达可以表示第一区分化互动数据的每个互动数据块对应的动态化诉求表达，第一全局动态化诉求表达可以表示第一区分化互动数据对应的动态化诉求表达。
71.举例而言，就本公开的相关设计思路所示出的针对不同区分化互动数据的数据挖掘处理而言，以第一区分化互动数据为混合感官数据为例，数据挖掘系统确定混合感官数据之后，可以将混合感官数据拆解成m个混合感官数据块，继而能够利用人工智能模型(比如rnn)对每个混合感官数据块的数据描述进行挖掘，生成每个混合感官数据块的描述挖掘结果(第一格式类别描述的示例)。进而对每个混合感官数据块的描述挖掘结果进行约束性转换(比如线性映射)，能够获得混合感官数据的第一阶段内涵描述表达，相应地，通过上述约束性转换可以获得混合感官数据的第一全局内涵描述表达构成的第一全局内涵描述表达向量。
72.相应地，数据挖掘系统可以对每个混合感官数据块的数据块关键描述进行约束性转换，得到混合感官数据的第一阶段动态化诉求表达，在通过约束性转换之后，能够获得混合感官数据的第一全局动态化诉求表达。
73.步骤step13，通过所述第二区分化互动数据的格式类别描述，获得所述第二区分化互动数据的第二内涵描述表达和第二动态化诉求表达。
74.对于本公开实施例而言，数据挖掘系统在确定第二区分化互动数据之后，可以确定第二区分化互动数据的格式类别描述。第二区分化互动数据的格式类别描述可以但不限于构成第二格式类别描述数组，然后数据挖掘系统可以根据第二格式类别描述数组确定第二区分化互动数据的第二内涵描述表达和第二动态化诉求表达。其中，第二内涵描述表达可以涵盖第二阶段内涵描述表达和第二全局内涵描述表达；第二动态化诉求表达包括第二阶段动态化诉求表达和第二全局动态化诉求表达。第二内涵描述表达能够反映第二区分化互动数据的意图信息，第二动态化诉求表达能够反映第二区分化互动数据的关注点。其中，第一内涵描述表达与第二内涵描述表达对应的描述场景(比如特征空间、映射空间或者连续空间)可以一致。
75.对于一些可选的设计思路而言，在根据第二区分化互动数据的格式类别描述，确定第二区分化互动数据的第二内涵描述表达和第二动态化诉求表达时，可以涵盖以下步骤。
76.步骤step131，将所述第二区分化互动数据拆解成n个互动数据块。
77.步骤step132，在每个互动数据块中进行第二格式类别描述挖掘，确定每个互动数据块的第二格式类别描述。
78.步骤step133，结合每个所述互动数据块的第二格式类别描述，挖掘内涵描述表达场景的第二阶段内涵描述表达。
79.步骤step134，结合每个所述互动数据块的第二格式类别描述，挖掘动态化诉求表达场景的第二阶段动态化诉求表达。
80.对于本公开实施例而言，在确定第二区分化互动数据的第二内涵描述表达和第二动态化诉求表达时，可以第二区分化互动数据拆解m个互动数据块。在拆解过程中，可以依据指定的互动数据块维度对第二区分化互动数据进行拆解，每个互动数据块的维度相等。此外，还可以将第二区分化互动数据拆解成维度不同的m个互动数据块。比如，在第二区分化互动数据为视觉感官数据的基础上，可以将一组视觉感官数据中的每个可视化内容段拆解成一个可视化内容集。在将第二区分化互动数据拆解成m个互动数据块之后，可以对每个互动数据块进行第二格式类别描述挖掘，得到每个互动数据块的第二格式类别描述。每个互动数据块的第二格式类别描述可以但不限于构成一个第二格式类别描述数组。继而能够将第二格式类别描述数组调整为内涵描述表达场景的第二阶段内涵描述表达向量，以及将第二格式类别描述数组调整为关注点层面的第二阶段动态化诉求表达。在本公开实施例中，第二内涵描述表达对应的内涵描述表达场景与第一内涵描述表达对应的内涵描述表达场景一致，本公开实施例中的描述场景一致可以理解为关键描述对应的维度一致。
81.对于一些可选的设计思路而言，可以根据第二区分化互动数据的第二阶段内涵描述表达确定第二全局内涵描述表达，以及，根据第二区分化互动数据的第二阶段动态化诉求表达确定第二全局动态化诉求表达。在本公开实施例中，第二区分化互动数据可以涵盖m个互动数据块。第二阶段内涵描述表达可以表示第二区分化互动数据的每个互动数据块对应的内涵描述表达，第二全局内涵描述表达可以表示第二区分化互动数据对应的内涵描述表达。第二阶段动态化诉求表达可以表示第二区分化互动数据的每个互动数据块对应的动态化诉求表达，第二全局动态化诉求表达可以表示第二区分化互动数据对应的动态化诉求表达。
82.进一步地，以第二区分化互动数据为视觉感官数据为例，数据挖掘系统确定视觉感官数据之后，可以将视觉感官数据拆解成m个可视化内容集，比如将视觉感官数据中每个可视化内容段作为一个可视化内容集。继而能够利用长短期记忆神经网络(lstm)对每个可视化内容集的词向量描述进行挖掘，生成每个可视化内容集的词向量描述内容(第二格式类别描述的示例)。进而对每个可视化内容集的词向量描述内容进行约束性转换，能够获得视觉感官数据的第二阶段内涵描述表达，通过约束性转换能够获得视觉感官数据的第二全局内涵描述表达构成的第二全局内涵描述表达向量。
83.进一步地，数据挖掘系统可以对每个可视化内容集的词向量描述内容进行约束性转换，得到视觉感官数据的第二阶段动态化诉求表达，进行动态化诉求表达转换的算法模型可以根据实际情况进行选择，在进行约束性转换之后，能够获得视觉感官数据的第二全局动态化诉求表达构成的第二全局动态化诉求表达向量。
84.步骤step14，结合所述第一动态化诉求表达、所述第二动态化诉求表达、所述第一内涵描述表达以及所述第二内涵描述表达，获得所述第一区分化互动数据和所述第二区分化互动数据的口味共性指数。
85.在本公开实施例中，数据挖掘系统可以根据第一区分化互动数据的第一动态化诉求表达和第二区分化互动数据的第二动态化诉求表达，确定第一区分化互动数据与第二区分化互动数据相互聚焦的评价指数(比如关注程度)。进一步地，如果结合第一内涵描述表达，便可以确定第二区分化互动数据相较于第一区分化互动数据聚焦的内涵描述表达；如果结合第二内涵描述表达，便可以确定第一区分化互动数据对于第二区分化互动数据聚焦的内涵描述表达。如此设计，可以根据第二区分化互动数据相较于第一区分化互动数据聚焦的内涵描述表达以及第一区分化互动数据对于第二区分化互动数据聚焦的内涵描述表达，确定第一区分化互动数据和第二区分化互动数据的口味共性指数。在确定第一区分化互动数据和第二区分化互动数据的口味共性指数时，可以通过确定欧式距离或者其他方式确定第一区分化互动数据和第二区分化互动数据的口味共性指数。
86.举例而言，口味共性指数可以理解为相似度，应用于本公开实施例中时，可以反映不同用户的偏好/喜好/兴趣的共性程度或者相似程度，因此，本公开实施例中的口味可以作“画像”进行适应性理解。
87.对于一些可选的设计思路而言，在确定第一区分化互动数据和第二区分化互动数据的口味共性指数时，可以根据第一区分化互动数据的第一阶段动态化诉求表达、第一阶段内涵描述表达和所述第二区分化互动数据的第二全局动态化诉求表达，确定第一针对性偏好数据。然后根据第二区分化互动数据的第二阶段动态化诉求表达、第二阶段内涵描述表达和第一区分化互动数据的第一全局动态化诉求表达，确定第二针对性偏好数据。再根据第一针对性偏好数据和第二针对性偏好数据，确定第一区分化互动数据与第二区分化互动数据的口味共性指数。
88.在本公开实施例中，在根据第一区分化互动数据的第一阶段动态化诉求表达、第一阶段内涵描述表达和第二区分化互动数据的第二全局动态化诉求表达，确定第一针对性偏好数据时，可以先根据第一区分化互动数据的第一阶段动态化诉求表达和第二区分化互动数据的第二全局动态化诉求表达，确定第二区分化互动数据相较于第一区分化互动数据的每个互动数据块的针对性偏好数据。然后根据第二区分化互动数据相较于第一区分化互
动数据的每个互动数据块的针对性偏好数据和第一区分化互动数据的第一阶段内涵描述表达，确定第二区分化互动数据相较于第一区分化互动数据的第一针对性偏好数据。
89.进一步地，在根据第二区分化互动数据的第二阶段动态化诉求表达、第二阶段内涵描述表达和第一区分化互动数据的第一全局动态化诉求表达，确定第二针对性偏好数据时，可以根据第二区分化互动数据的第二阶段动态化诉求表达和第一区分化互动数据的第一全局动态化诉求表达，确定第一区分化互动数据对于第二区分化互动数据的每个互动数据块的针对性偏好数据。然后根据第一区分化互动数据对于第二区分化互动数据的每个互动数据块的针对性偏好数据和第二区分化互动数据的第二阶段内涵描述表达，确定第一区分化互动数据对于第二区分化互动数据的第二针对性偏好数据。
90.举例而言，针对性偏好数据可以理解为注意力数据，比如不同用户各自所特别关注的信息内容。
91.进一步地，关于上述确定第一区分化互动数据和第二区分化互动数据的口味共性指数的过程，可以以第一区分化互动数据为混合感官数据、第二区分化互动数据为视觉感官数据为例，在得到混合感官数据的第一阶段内涵描述表达向量description_vector11、
92.第一阶段内涵描述表达向量description_vector12、
93.第一阶段动态化诉求表达向量demand_vector11、
94.第一阶段动态化诉求表达向量demand_vector12、
95.以及得到文本数据的第二阶段内涵描述表达向量description_vector21、
96.第二阶段内涵描述表达向量description_vector22、
97.第二阶段动态化诉求表达向量demand_vector221、
98.以及
99.第二阶段动态化诉求表达向量demand_vector22之后，可以先确定视觉感官数据对混合感官数据的每个混合感官数据块的针对性偏好数据，然后再确定视觉感官数据对混合感官数据关注的内涵描述表达，即确定视觉感官数据对于混合感官数据的第一针对性偏好数据。
100.第一针对性偏好数据可以结合相关公式以及归一化算法得到，可以通过考虑上述不同类型的向量之间的权重系数进行公式的变换和调整，本技术实施例不作限制。同样地，第二针对性偏好数据也可以结合相关公式以及归一化算法得到。
101.在得到第一针对性偏好数据和第二针对性偏好数据之后，可以计算混合感官数据和视觉感官数据的口味共性指数。口味共性指数的计算公式可以结合取范数的相关公式确定，也可以通过结合相关欧式距离的计算方式实现，在此不作限制。基于上述内容，能够获得第一区分化互动数据和第二区分化互动数据的口味共性指数。
102.基于上述针对不同区分化互动数据的挖掘分析思路，动态化诉求表达可以从区分化互动数据的内涵描述表达中拆解得到，然后可以作为相对独立的特征信息进行分析，并且可以尽快地确定第一区分化互动数据和第二区分化互动数据的口味共性指数，数据挖掘引导分析的时效性。
103.以下为基于本公开的相关设计思路的根据口味共性指数确定数据挖掘引导结果的相关设计思路。第一区分化互动数据和第二区分化互动数据可以分别为混合感官数据和视觉感官数据。由于相异区分化互动数据的挖掘引导分析进程中的注意力策略，会使得相
异区分化互动数据在数据挖掘引导分析时，混合感官数据倾向于关注视觉感官数据中对应的可视化内容集，视觉感官数据倾向于关注混合感官数据中对应的混合感官数据块。这样能够提高数据挖掘引导结果的精度。
104.基于上述针对不同区分化互动数据的挖掘分析思路，第一区分化互动数据可以为第一格式类别的待挖掘业务大数据，第二区分化互动数据可以为第二格式类别的先验型业务大数据，该结合云计算和动态化分析的数据挖掘方法可以涵盖以下内容。
105.步骤step61，确定第一区分化互动数据和第二区分化互动数据。
106.步骤step62，通过所述第一区分化互动数据的格式类别描述，获得所述第一区分化互动数据的第一内涵描述表达和第一动态化诉求表达。
107.步骤step63，通过所述第二区分化互动数据的格式类别描述，获得所述第二区分化互动数据的第二内涵描述表达和第二动态化诉求表达。
108.步骤step64，结合所述第一动态化诉求表达、所述第二动态化诉求表达、所述第一内涵描述表达以及所述第二内涵描述表达，获得所述第一区分化互动数据和所述第二区分化互动数据的口味共性指数。
109.步骤step65，在所述口味共性指数匹配指定要求的基础上，将所述第二区分化互动数据作为所述第一区分化互动数据的数据挖掘引导。
110.在本公开实施例中，数据挖掘系统可以确定客户端侧加载的第一区分化互动数据，继而能够在边缘侧数据库或者云端数据库中确定第二区分化互动数据。在基于以上内容确定第一区分化互动数据与第二区分化互动数据的口味共性指数匹配指定要求的基础上，可以将第二区分化互动数据作为第一区分化互动数据的数据挖掘引导。这样能够间接、灵活地实现对第一区分化互动数据的挖掘分析，从而改善相关技术所突显出的生硬、机械式的数据挖掘问题。
111.对于一些可选的设计思路而言，第二区分化互动数据为m个，在将第二区分化互动数据作为第一区分化互动数据的数据挖掘引导时，可以根据第一区分化互动数据与每个第二区分化互动数据的口味共性指数，对m个第二区分化互动数据进行相对关系整理，得到相对关系整理结果。然后根据第二区分化互动数据的相对关系整理结果，可以确定口味共性指数匹配指定要求的第二区分化互动数据。然后将口味共性指数匹配指定要求的第二区分化互动数据作为第一区分化互动数据的数据挖掘引导。
112.在本公开实施例中，指定要求涵盖如下要求中的其中一个：口味共性指数大于指定判定值；口味共性指数升序的位置大于指定位置。
113.以一些示例性的角度来看待，在将第二区分化互动数据作为第一区分化互动数据的数据挖掘引导时，可以在第一区分化互动数据与第二区分化互动数据的口味共性指数大于指定判定值时，将第二区分化互动数据作为第一区分化互动数据的数据挖掘引导。又比如，在将第二区分化互动数据作为第一区分化互动数据的数据挖掘引导时，可以根据第一区分化互动数据与每个第二区分化互动数据的口味共性指数，按照口味共性指数升序的规则为m个第二区分化互动数据进行相对关系整理得到相对关系整理结果(比如排序结果)，然后根据相对关系整理结果，将位置大于指定位置的第二区分化互动数据作为第一区分化互动数据的数据挖掘引导。比如，将位置最靠前的第二区分化互动数据作为第一区分化互动数据的数据挖掘引导，即可以将口味共性指数最高的第二区分化互动数据作为第一区分
化互动数据的数据挖掘引导。在本公开实施例中，数据挖掘引导可以为一个或m个。
114.在本公开实施例中，在将第二区分化互动数据作为第一区分化互动数据的数据挖掘引导之后，还可以向数据挖掘任务器下发数据挖掘引导。比如，可以向数据挖掘任务器发送数据挖掘引导，以指示数据挖掘任务器对第一区分化互动数据进行适应性的数据挖掘。
115.基于上述针对不同区分化互动数据的挖掘分析思路，本公开实施例还提供了一种针对相异区分化互动数据的数据挖掘引导分析的示例。比如，第一区分化互动数据可以为第一格式类别的调试参照数据，第二区分化互动数据为第二格式类别的调试参照数据；每个第一格式类别的调试参照数据与第二格式类别的调试参照数据组成调试参照二元组。在进行相关网络模型的配置时，可以将每对调试参照二元组输入ai网络模型，可以选择cnn、gcn或lstm对第一区分化互动数据或第二区分化互动数据进行格式类别描述挖掘。
116.进一步地，借助ai网络模型对第一区分化互动数据的格式类别描述进行约束性转换，得到第一区分化互动数据的第一内涵描述表达和第一动态化诉求表达，以及对第二区分化互动数据的格式类别描述进行约束性转换，得到第二区分化互动数据的第二内涵描述表达和第二动态化诉求表达。
117.此外，再借助ai网络模型由第一动态化诉求表达、第二动态化诉求表达、第一内涵描述表达以及第二内涵描述表达，得到第一区分化互动数据和第二区分化互动数据的口味共性指数。在得到m个调试参照二元组的口味共性指数之后，可以利用代价指标(比如损失函数loss)得到ai网络模型的偏移，比如，利用差异型代价指标、交叉熵代价指标等。继而能够通过得到的偏移(损失)对ai网络模型的变量进行优化，得到用于针对相异区分化互动数据的数据挖掘引导分析的ai网络模型。
118.可以理解的是，通过以上ai网络模型的配置步骤，动态化诉求表达可以从区分化互动数据的内涵描述表达中拆解得到，然后可以作为相对独立的特征信息进行分析，并且可以尽快地确定第一区分化互动数据和第二区分化互动数据的口味共性指数，提高针对相异区分化互动数据的关联分析的质量。此外，基于口味共性指数，能够间接、灵活地实现对第一区分化互动数据的挖掘分析，从而改善相关技术所突显出的生硬、机械式的数据挖掘问题。
119.应用于上述技术方案，基于第一区分化互动数据的格式类别描述能够分别确定第一区分化互动数据的第一内涵描述表达和第一动态化诉求表达，并基于第二区分化互动数据的格式类别描述能够分别获得所述第二区分化互动数据的第二内涵描述表达和第二动态化诉求表达，继而能够基于第一动态化诉求表达、第二动态化诉求表达、第一内涵描述表达以及第二内涵描述表达，确定第一区分化互动数据和第二区分化互动数据的口味共性指数。
120.如此，能够借助存在差异的区分化互动数据的内涵描述表达全局动态化诉求表达，得到存在差异的区分化互动数据之间的口味共性指数，与相关思路所展现的严重倾向于描述挖掘质量相比，本方案的思路能够对存在差异的区分化互动数据的内涵描述表达全局动态化诉求表达分别进行处理，从而削弱描述挖掘质量对不同区分化互动数据的关联分析的影响，本方案的思路可以极大减少实施难度，并且还可以提高针对不同区分化互动数据的关联分析时效性，提高针对相异区分化互动数据的关联分析的质量。此外，基于口味共性指数，能够间接、灵活地实现对第一区分化互动数据的挖掘分析，从而改善相关技术所突
显出的生硬、机械式的数据挖掘问题。
121.可以理解的是，上述步骤在执行到将第二区分化互动数据作为第一区分化互动数据的数据挖掘引导时，可以理解为针对第一区分化互动数据的数据挖掘前处理阶段。比如，在将第二区分化互动数据作为第一区分化互动数据的数据挖掘引导之后，可以参考第二区分化互动数据对第一区分化互动数据进行数据挖掘分析，基于此，在一些可独立实施的设计思路下，该方法还可以包括以下内容：确定所述第二区分化互动数据对应的用户需求挖掘策略；通过所述用户需求挖掘策略，对所述第一区分化互动数据进行数据挖掘分析，得到所述第一区分化互动数据对应的用户需求挖掘结果。
122.在本公开实施例中，由于第二区分化互动数据是先验型数据，因此可以根据预先设置的挖掘策略集确定出与第二区分化互动数据匹配的用户需求挖掘策略，然后通过该用户需求挖掘策略对第一区分化互动数据进行用户需求挖掘，这样可以避免从零开始对第一区分化互动数据进行用户需求挖掘，鉴于第一区分化互动数据和第二区分化互动数据的相似度较高，因此利用第二区分化互动数据的用户需求挖掘策略对第一区分化互动数据进行用户需求挖掘处理，同样可以保障用户需求挖掘的精度和可信度，同时还可以显著提高用户需求挖掘效率和灵活性。
123.对于另一些可独立实施的设计思路而言，通过所述用户需求挖掘策略，对所述第一区分化互动数据进行数据挖掘分析，得到所述第一区分化互动数据对应的用户需求挖掘结果，可以包括以下内容：按照所述用户需求挖掘策略所指示的分治条件对所述第一区分化互动数据对应的第一用户反馈内容进行反馈内容拆解处理得到多个局部化反馈内容，并对所述多个局部化反馈内容进行全连接处理得到多个全连接标签；根据所述第一用户反馈内容对应的反馈内容热力分布以及第二用户反馈内容，对所述第一用户反馈内容中每个全连接标签所对应的局部化反馈内容针对性地进行关联性处理，确定所述第一用户反馈内容的反馈事项与所述第二用户反馈内容的反馈事项之间的关联情况；根据所述关联情况对所述第二用户反馈内容进行衍生处理得到衍生反馈特征，并对所述衍生反馈特征进行更新以确定与所述第二用户反馈内容对应的用户需求挖掘结果；其中，所述第二用户反馈内容为与所述第一用户反馈内容存在时序关联的用户反馈内容，所述二用户反馈内容属于所述第一区分化互动数据。
124.在本公开实施例中，用户需求挖掘策略所指示的分治条件可以理解为用户需求挖掘策略所对应的拆分规则，所述第一区分化互动数据对应的第一用户反馈内容可以依据自然语言处理技术确定得到，局部化反馈内容可以理解为第一用户反馈内容的一部分，对多个局部化反馈内容进行全连接处理可以理解为对多个局部化反馈内容进行分类，相应的，全连接标签可以理解为分类标签或者类别关键词。进一步地，对所述第一用户反馈内容中每个全连接标签所对应的局部化反馈内容针对性地进行关联性处理可以理解为对所述第一用户反馈内容中每个全连接标签所对应的局部化反馈内容独立地地进行映射分析从而得到所述第一用户反馈内容的反馈事项与所述第二用户反馈内容的反馈事项之间的映射结果，这样可以基于该映射结果进行反馈内容衍生扩展处理以得到尽可能丰富的衍生反馈特征，然后根据第一用户反馈内容与第二用户反馈内容的时序关系对衍生反馈特征进行更新，从而确定出与所述第二用户反馈内容对应的用户需求挖掘结果，基于此，所得到的用户需求挖掘结果能够涵盖第一区分化互动数据中尽可能多的用户需求，并且考虑不同时序阶
段的用户反馈内容，能够保障用户需求挖掘结果的精度和可信度。
125.应当理解，上述确定用户需求挖掘结果的技术方案同样可以借助神经网络模型实现，本公开实施例在此不作更多说明。
126.对于一些可独立实施的设计思路而言，所述对所述第一用户反馈内容中每个全连接标签所对应的局部化反馈内容针对性地进行关联性处理，确定所述第一用户反馈内容的反馈事项与所述第二用户反馈内容的反馈事项之间的关联情况，包括：从多个局部化反馈内容中选择目标局部化反馈内容，对所述目标局部化反馈内容中所述第一用户反馈内容对应的反馈内容热力分布进行视觉分析得到第一视觉分析结果，并对所述目标局部化反馈内容中所述第二用户反馈内容进行视觉分析得到第二视觉分析结果；根据所述第一视觉分析结果确定所述反馈内容热力分布对应的反馈事项，并根据所述第二视觉分析结果确定所述第二用户反馈内容对应的反馈事项；根据设定配对规则确定所述反馈内容热力分布对应的反馈事项和所述第二用户反馈内容对应的反馈事项之间的关联情况。
127.在本公开实施例中，视觉分析可以通过相关的可视化统计技术实现，比如折线图统计或者直方图统计，但不限于此，相应的视觉分析结果可以理解为可视化统计信息或者可视化统计数据，进一步地，设定配对规则可以为直方图匹配规则或者直方图配对条件，如此设计，通过引入可视化视觉分析技术进行不同反馈事项之间的关联情况的确定，能够准确可靠地确定所述第一用户反馈内容的反馈事项与所述第二用户反馈内容的反馈事项之间的关联情况。
128.此外，在上述内容的基础上，在确定出用户需求挖掘结果之后，可以进行针对性的产品推送或者业务推送，本公开实施例不再进行进一步说明。图3是示出可以实现本公开的实施例的结合云计算和动态化分析的数据挖掘方法的应用环境的架构示意图，结合云计算和动态化分析的数据挖掘方法的应用环境中可以包括互相通信的数据挖掘系统100和云服务用户终端200。基于此，数据挖掘系统100和云服务用户终端200在运行时实现或者部分实现本公开实施例的结合云计算和动态化分析的数据挖掘方法。
129.以上已经结合附图描述了本公开的实施例，至少具有如下有益效果：
130.1)能够借助存在差异的区分化互动数据的内涵描述表达全局动态化诉求表达，得到存在差异的区分化互动数据之间的口味共性指数，与相关思路所展现的严重倾向于描述挖掘质量相比，本方案的思路能够对存在差异的区分化互动数据的内涵描述表达全局动态化诉求表达分别进行处理，从而削弱描述挖掘质量对不同区分化互动数据的关联分析的影响，本方案的思路可以极大减少实施难度，并且还可以提高针对不同区分化互动数据的关联分析时效性，提高针对相异区分化互动数据的关联分析的质量。此外，基于口味共性指数，能够间接、灵活地实现对第一区分化互动数据的挖掘分析，从而改善相关技术所突显出的生硬、机械式的数据挖掘问题；
131.2)由于第二区分化互动数据是先验型数据，因此可以根据预先设置的挖掘策略集确定出与第二区分化互动数据匹配的用户需求挖掘策略，然后通过该用户需求挖掘策略对第一区分化互动数据进行用户需求挖掘，这样可以避免从零开始对第一区分化互动数据进行用户需求挖掘，鉴于第一区分化互动数据和第二区分化互动数据的相似度较高，因此利用第二区分化互动数据的用户需求挖掘策略对第一区分化互动数据进行用户需求挖掘处理，同样可以保障用户需求挖掘的精度和可信度，同时还可以显著提高用户需求挖掘效率
和灵活性；
132.3)可以基于映射结果进行反馈内容衍生扩展处理以得到尽可能丰富的衍生反馈特征，然后根据第一用户反馈内容与第二用户反馈内容的时序关系对衍生反馈特征进行更新，从而确定出与所述第二用户反馈内容对应的用户需求挖掘结果，基于此，所得到的用户需求挖掘结果能够涵盖第一区分化互动数据中尽可能多的用户需求，并且考虑不同时序阶段的用户反馈内容，能够保障用户需求挖掘结果的精度和可信度。
133.以上所述，仅为本公开的较佳实施例而已，并非用于限定本公开的保护范围。