[发明专利]基于人工智能的大数据需求预测方法及大数据云服务中心

权利要求书

1.一种基于人工智能的大数据需求预测方法，其特征在于，应用于大数据云服务中心，所述大数据云服务中心与多个业务服务终端通信连接，所述方法包括：

检测所述业务服务终端所关联的目标订阅业务项目的多个业务服务索引数据中包含的变动偏好实体节点和非变动偏好实体节点，所述多个业务服务索引数据是通过不同业务大数据采集维度对所述目标订阅业务项目进行索引数据采集得到的；

提取所述非变动偏好实体节点所在数据分区的索引数据标签属性，得到非变动偏好特征，提取所述变动偏好实体节点所在数据分区的索引数据标签属性及所述变动偏好实体节点在多个业务服务索引数据之间的变化标签属性，得到变动偏好特征；

基于所述非变动偏好特征识别各个非变动偏好实体节点对应的兴趣分类信息，基于所述变动偏好特征识别各个变动偏好实体节点对应的兴趣分类信息；

根据所述各个非变动偏好实体节点对应的兴趣分类信息和所述各个变动偏好实体节点对应的兴趣分类信息确定所述目标订阅业务项目的兴趣分类，并基于所述目标订阅业务项目的兴趣分类预测所述业务服务终端的用户需求信息。

2.根据权利要求1所述的基于人工智能的大数据需求预测方法，其特征在于，所述方法还包括：

通过不同业务大数据采集维度采集包含所述目标订阅业务项目的订阅业务大数据，并通过级联的多个特征提取单元对所述订阅业务大数据中的订阅业务索引数据进行编码特征提取，其中所述多个特征提取单元中的第一个特征提取单元用于对所述订阅业务索引数据进行编码特征提取，所述多个特征提取单元中的第N+1个特征提取单元用于对第N个特征提取单元的输出描述向量进行编码特征提取，N大于0；

依次将所述多个特征提取单元中的第N+1个特征提取单元的对应描述向量进行解码特征提取，并将解码特征提取的结果与第N个特征提取单元的输出描述向量进行融合，将融合结果作为所述第N个特征提取单元的对应描述向量，所述解码特征提取与所述编码特征提取的特征提取维度相同；

根据所述多个特征提取单元中第一个特征提取单元的对应描述向量识别所述订阅业务索引数据所包含的目标订阅业务项目的资源定位信息；

若检测到所述目标订阅业务项目的资源定位信息不符合预设条件，则重新采集包含所述目标订阅业务项目的订阅业务大数据，直至采集到的订阅业务索引数据所包含的目标订阅业务项目的资源定位信息符合所述预设条件；

若检测到所述目标订阅业务项目的资源定位信息符合所述预设条件，则从所述订阅业务大数据包含的订阅业务索引数据中获取所述多个业务服务索引数据；以及

在所述订阅业务大数据包含的订阅业务索引数据中进行目标订阅业务项目检测，以在所述订阅业务索引数据中识别包含所述目标订阅业务项目的订阅业务项目检测区；

根据在所述订阅业务索引数据中识别到的订阅业务项目检测区的检测区参数，确定所述订阅业务索引数据中所包含的目标订阅业务项目的适配业务大数据采集维度；

若检测到的所述目标订阅业务项目的适配业务大数据采集维度不符合预设条件，则重新采集包含所述目标订阅业务项目的订阅业务大数据，直至采集到的订阅业务索引数据所包含的目标订阅业务项目的适配业务大数据采集维度符合所述预设条件。

3.根据权利要求1所述的基于人工智能的大数据需求预测方法，其特征在于，提取所述变动偏好实体节点所在数据分区的索引数据标签属性及所述变动偏好实体节点在多个业务服务索引数据之间的变化标签属性，得到变动偏好特征，以及基于所述变动偏好特征识别各个变动偏好实体节点对应的兴趣分类信息，包括：

将包含所述变动偏好实体节点所在数据分区的多个业务服务索引数据输入至人工智能模型，以通过所述人工智能模型提取所述变动偏好实体节点在多个业务服务索引数据之间的多服务描述向量以及变动偏好实体节点所在数据分区的索引数据标签属性；

通过所述人工智能模型中的转换单元将所述多服务描述向量转换为归一化描述向量，作为所述变动偏好实体节点在多个业务服务索引数据之间的变化标签属性，并将所述索引数据标签属性和所述变化标签属性作为所述变动偏好特征，通过所述人工智能模型中决策单元输出所述变动偏好实体节点对应的兴趣分类信息。