[发明专利]基于人工智能的数据匹配检测处理方法及系统

权利要求书

1.一种基于人工智能的数据匹配检测处理方法，其特征在于，应用于所述人工智能系统，所述方法包括：

响应于数据处理指令，从云共享数据库中获得待进行检测分析的数字化业务交互数据；

将所述数字化业务交互数据加载到通过噪声抑制方式调试所得的匹配检测决策算法，得到所述数字化业务交互数据中包含的业务主题匹配指示。

2.根据权利要求1所述的方法，其特征在于，所述匹配检测决策算法的调试步骤为：

获得第一在线业务互动数据和至少X组第二在线业务互动数据，所述第二在线业务互动数据与所述第一在线业务互动数据携带一致的数据匹配检测知识；

通过匹配检测决策算法对所述第一在线业务互动数据进行服务要素挖掘处理，得到第一数据服务要素向量，并通过所述匹配检测决策算法的卷积处理单元，分别对每组所述第二在线业务互动数据进行服务要素挖掘处理，得到至少X个第二数据服务要素向量；

依据所述第一数据服务要素向量和每个所述第二数据服务要素向量之间的第一特征共性值，确定第一算法代价指标，并依据所述第一数据服务要素向量与至少部分先验服务要素簇中的第三数据服务要素向量的第二特征共性值，确定第二算法代价指标；其中，每个所述先验服务要素簇中包含的第三数据服务要素向量为在进行当前次调试之前，在剩余次调试中通过剩余第二在线业务互动数据所确定的；

依据所述第一算法代价指标和所述第二算法代价指标，确定目标算法代价，并通过所述目标算法代价对所述匹配检测决策算法进行循环调试，直到符合调试结束要求，得到完成调试的匹配检测决策算法。

3.根据权利要求2所述的方法，其特征在于，所述第一在线业务互动数据和第二在线业务互动数据为数字化业务交互数据，所述匹配检测决策算法为深度学习网络；

其中，所述依据所述第一数据服务要素向量和每个所述第二数据服务要素向量之间的第一特征共性值，确定第一算法代价指标，包括：从所述至少X个所述第一特征共性值中，确定出第一目标特征共性值，并依据所述第一目标特征共性值和设定的参考值之间的第一比较结果，确定所述第一算法代价指标。

4.根据权利要求2所述的方法，其特征在于，所述依据所述第一数据服务要素向量与至少部分先验服务要素簇中的第三数据服务要素向量的第二特征共性值，确定第二算法代价指标，包括：对于每个先验服务要素簇，经由该先验服务要素簇中的每个所述第三数据服务要素向量与所述第一数据服务要素向量之间的第二特征共性值，确定该先验服务要素簇对应的第二目标特征共性值；结合每个所述先验服务要素簇的簇类别，从所述先验服务要素簇中确定出所述簇类别与所述第一在线业务互动数据的数据匹配检测知识不相同的目标先验服务要素簇；其中，所述簇类别为用于挖掘所述先验服务要素簇中任一所述第三数据服务要素向量的剩余第二在线业务互动数据的数据匹配检测知识；结合每个所述目标先验服务要素簇分别对应的第二目标特征共性值，确定所述第二算法代价指标；

其中，所述结合每个所述目标先验服务要素簇分别对应的第二目标特征共性值，确定所述第二算法代价指标，包括：通过特征调整变量分别对每个所述第二目标特征共性值进行量化调整，结合每个量化调整后的第二目标特征共性值，确定所述第二算法代价指标。

5.根据权利要求2所述的方法，其特征在于，在所述依据所述第一数据服务要素向量与至少部分先验服务要素簇中的第三数据服务要素向量的第二特征共性值，确定第二算法代价指标之前，还包括：利用所述第二数据服务要素向量的数目和设定拆解变量，将所述至少X个所述第二数据服务要素向量，迁移到多个当前服务要素簇中；在所述先验服务要素簇和所述当前服务要素簇的数目的和超过设定簇数目的基础上，确定所述数目的和与所述设定簇数目之间的第二比较结果；依据每个所述先验服务要素簇的数字签名的时序优先级，对每个所述先验服务要素簇进行整理，得到每个所述先验服务要素簇的队列编号；清洗队列编号不超过所述第二比较结果的各个所述先验服务要素簇；

其中，在所述清洗队列编号不超过所述第二比较结果的各个所述先验服务要素簇之后，还包括：记录每个所述当前服务要素簇，其中，记录下来的每个所述当前服务要素簇作为后一次调试的先验服务要素簇。