[发明专利]一种软件开发线程的优化方法、系统及云平台

权利要求书

1.一种软件开发线程的优化方法，其特征在于，所述方法至少包括：

获得待处理的业务数据，并对所述待处理的业务数据进行重要内容识别，得到涵盖若干种属性的第一关键业务数据；

对所述第一关键业务数据的属性进行聚类操作，得到若干个第二关键业务数据；对所述第二关键业务数据进行关联识别，确定所述第二关键业务数据对应的第一干扰知识向量；

以及对所述第二关键业务数据进行属性关联识别，确定所述第二关键业务数据对应的第一属性异常向量；

通过各个第二关键业务数据对应的第一干扰知识向量和第一属性异常向量，确定每一所述第二关键业务数据逐一对应的融合数据；

结合每一所述第二关键业务数据逐一对应的融合数据，确定所述待处理的业务数据对应的第一融合特征，以及结合所述第一关键业务数据进行二次融合处理，确定所述待处理的业务数据对应的第二融合特征，所述第一融合特征和所述第二融合特征组成所述待处理的业务数据对应的目标融合结果；对所述目标融合结果进行优化，得到优化结果。

2.如权利要求1所述的方法，其特征在于，在得到所述第一关键业务数据之后，所述方法还包括：对所述第一关键业务数据进行评估处理；所述对所述第一关键业务数据的属性进行聚类操作，得到若干个第二关键业务数据，包括：基于事先设定的若干个目标属性数量对经过评估处理的所述第一关键业务数据的属性进行聚类操作，得到若干个事先设定分团，每个事先设定分团的属性向量组成一个第二关键业务数据；其中，各第二关键业务数据所涵盖的属性数量不完全一致。

3.如权利要求1或2所述的方法，其特征在于，所述对所述第二关键业务数据进行关联识别，确定所述第二关键业务数据对应的第一干扰知识向量，包括：

针对随机一个所述第二关键业务数据，基于人工智能线程依次确定该第二关键业务数据的各属性逐一对应的第一干扰知识向量；

该第二关键业务数据的各属性逐一对应的第一干扰知识向量组成该第二关键业务数据对应的第一干扰知识向量。

4.如权利要求3所述的方法，其特征在于，所述方法还包括根据以下方法确定第二关键业务数据的各属性对应的第一干扰知识向量：针对随机一个第二关键业务数据的任一属性，将该属性之前的属性的属性向量加载至所述人工智能线程，确定该属性对应的第一干扰知识向量；任一第二关键业务数据的第一个属性对应的第一干扰知识向量为空。

5.如权利要求4所述的方法，其特征在于，所述对所述第二关键业务数据进行属性关联识别，确定所述第二关键业务数据对应的第一属性异常向量，包括：

针对第X+1个第二关键业务数据，将前X个第二关键业务数据加载至属性反馈线程，确定第X+1个第二关键业务数据对应的第一属性异常向量；其中，X为大于0的整数，第一个第二关键业务数据的第一属性异常向量为空，第X+1个第二关键业务数据的属性在所述第一关键业务数据中的属性标签大于前X个第二关键业务数据的属性标签。

6.如权利要求5所述的方法，其特征在于，所述通过各个第二关键业务数据对应的第一干扰知识向量和第一属性异常向量，确定每一所述第二关键业务数据逐一对应的融合数据，包括：

确定与所述待处理的业务数据对应的置信度挖掘向量；

针对随机一个第二关键业务数据，基于该第二关键业务数据对应的第一干扰知识向量、第一属性异常向量以及所述置信度挖掘向量，确定该第二关键业务数据对应的融合数据。

7.如权利要求6所述的方法，其特征在于，所述确定与所述待处理的业务数据对应的置信度挖掘向量，包括：

基于指定挖掘单元对所述第一关键业务数据进行挖掘处理，得到所述待处理的业务数据对应的第三关键业务数据；

对所述第三关键业务数据进行评估处理，并基于指定衍生单元对评估处理后的所述第三关键业务数据进行衍生处理，得到所述置信度挖掘向量。