[发明专利]基于大数据的人工智能模型机器学习方法及服务器

说明书

本发明实施例提供一种基于大数据的人工智能模型机器学习方法及服务器，通过获取业务数据采集范围中的多个时域节点业务数据和多个空域节点业务数据、多个时域节点业务数据之间的时域关联参数和时域特征差异、以及多个空域节点业务数据之间的空域关联参数和空域特征差异，对多个时域节点业务数据进行组合，得到业务数据采集范围中的时域数据拓扑分布；然后，根据空域关联参数和空域特征差异，对多个空域节点业务数据进行组合，得到业务数据采集范围中的空域数据拓扑分布。如此，可通过时、空域两个数据维度对业务数据进行采集得到业务数据流样本集合以进行人工智能机器学习，并提升学习效果。

本申请是申请号为202110077131.X、申请日为2021年01月20日、发明名称为“用于人工智能机器学习的业务大数据采集方法及服务器”的发明专利申请的分案申请。

技术领域

本发明涉及人工智能及大数据技术领域，具体而言，涉及一种用于人工智能机器学习的业务大数据采集方法及服务器。

背景技术

人工智能（Artificial Intelligence，缩写为AI）是对人的意识、思维过程进行模拟的一门学科。机器学习（Machine Learning）和深度学习（Deep Learning）作为人工智能的技术核心，也已经取得重大的突破，机器被赋予强大的认知和预测能力。机器学习以及深度学习需要使用大量的采集样本数据进行模型训练，以利于后期的应用。然而，经过研究发现，在一些领域，例如互联网、数字金融、电子商务平台等，在进行数据采集的过程中可能会因为数据采集的精准度不够或者数据特征的采集误差等因素导致模型训练失败或者训练之后的模型在后期的应用效果不佳等问题。

发明内容

为解决上述问题，本发明实施例提供一种用于人工智能机器学习的业务大数据采集方法，包括：

针对预先设定的用于进行业务大数据采集的业务数据采集范围中产生的业务数据分别进行时域节点以及空域节点的节点数据采集，得到时空域节点数据；所述时空域节点数据包括所述业务数据采集范围中产生的业务数据对应的时域节点数据和空域节点数据；

对所述时空域节点数据进行拓扑融合分析，得到所述业务数据采集范围中的多个业务数据流和所述业务数据流对应的业务特征信息，并根据所述业务数据流和对应的业务特征信息得到业务数据流样本集合，以用于作为人工智能机器学习的业务数据学习样本进行机器学习。

在本发明实施例中，所述对所述时空域节点数据进行拓扑融合分析，得到所述业务数据采集范围中的多个业务数据流和所述业务数据流对应的业务特征信息包括：

分别将所述时空域节点数据中的时域节点数据和空域节点数据形成多个时域数据拓扑分布和多个空域数据拓扑分布；

根据时域数据拓扑分布和空域数据拓扑分布之间的业务拓扑关系，对所述业务数据采集范围中产生的各时域数据拓扑分布和各空域数据拓扑分布进行拓扑融合，得到多个拓扑分布融合组；每个拓扑分布融合组中的空域数据拓扑分布分别包括所述业务数据采集范围中的第二空域节点业务数据；

将未进行拓扑融合的空域数据拓扑分布确定为待处理空域数据拓扑分布，根据所述待处理空域数据拓扑分布包含的第一空域节点业务数据，获取所述待处理空域数据拓扑分布的第一拓扑分布描述信息；所述第一空域节点业务数据包含于所述业务数据采集范围；

根据所述每个拓扑分布融合组包括的第二空域节点业务数据，分别获取所述每个拓扑分布融合组中的空域数据拓扑分布的第二拓扑分布描述信息；

获取所述第一拓扑分布描述信息分别与所述每个拓扑分布融合组对应的第二拓扑分布描述信息之间的特征差异；

根据所述每个拓扑分布融合组对应的特征差异，确定所述每个拓扑分布融合组中的空域数据拓扑分布分别与所述待处理空域数据拓扑分布之间的拓扑关联参数；

统计拓扑关联参数不小于预设关联参数阈值的目标拓扑分布融合组，将所述目标拓扑分布融合组中的时域数据拓扑分布所包含的业务特征信息，确定为与所述待处理空域数据拓扑分布关联的业务特征信息；