一种应用更新方法及装置与流程

本技术属于人工智能，可用于人工智能应用于金融行业的，具体涉及一种应用更新方法及装置。

背景技术：

1、目前，在各大公司数字化转型背景下，互联网公域知识可优先在需求分析与产品运营、信息收集与客户营销、事件监测与风险管理等主要场景类型加以运用，以提升银行的运营、风控能力等。表1是三种场景类型的功能建设简介与使用举例说明。

2、表1公域知识应用场景分析

3、

4、

5、现有的对于应用的更新没有考虑到用户对于应用的历史版本的知识评价，即没有实现目标应用的知识价值的最大化应用。

技术实现思路

1、本发明可用于人工智能处理技术在金融方面应用的技术领域，也可用于除金融领域之外的任意领域。

2、本发明的一个目的在于提供一种应用更新方法，该方法在公域信息挖掘和运用的过程中，通过知识价值流的闭环设计，协调和加强上下游对应功能的建设，以实现目标应用的知识价值的最大化应用。

3、本发明的另一个目的在于提供一种应用更新装置。本发明的还一个目的在于提供一种电子设备，该电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述应用更新方法的步骤。本发明的还一个目的在于提供一种可读介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述应用更新方法的步骤。

4、为解决本技术背景技术中的技术问题，本发明提供以下技术方案：

5、第一方面，本发明提供一种应用更新方法包括：

6、获取目标应用的当前评论以及下载数据；

7、根据所述当前评论、所述下载数据、预生成的评论量预测模型以及所述下载数据的下载异常结果对所述目标应用进行更新；其中，所述评论量预测模是基于所述当前评论的时间序列所生成的，且所述下载异常结果是根据所述下载数据的周期分量以及趋势分量所生成的。

8、在本发明的一些实施例中，生成所述评论量预测模型的步骤包括：

9、生成所述当前评论的时间序列；

10、计算所述时间序列的自相关函数以及偏自相关函数；

11、根据所述自相关函数以及所述偏自相关函数确定所述评论量预测模型的初始模型；

12、根据预设的所述评论量预测模型的模型阶数辨识所述初始模型的结构；

13、根据所述时间序列以及所述结构对所述初始模型进行训练，以生成所述评论量预测模型。

14、在本发明的一些实施例中，在计算所述时间序列的自相关函数以及偏自相关函数之前，还包括：

15、检验所述时间序列的平稳性；

16、当所述平稳性不满足预设要求时，对所述时间序列进行至少一次差分。

17、在本发明的一些实施例中，生成所述下载数据的下载异常结果步骤包括：

18、按照预设周期对所述下载数据进行划分，以生成多个下载子数据；

19、计算每个下载子数据的所述周期分量以及所述趋势分量；

20、根据所述周期分量以及所述趋势分量生成所述下载异常结果。

21、在本发明的一些实施例中，根据所述周期分量以及所述趋势分量生成所述下载异常结果，包括：

22、根据所述周期分量以及所述趋势分量计算每个下载子数据的拟合值；

23、根据所述拟合值生成所述下载异常结果。

24、在本发明的一些实施例中，根据所述拟合值生成所述下载异常结果，包括：

25、计算所述每个下载子数据的拟合值与实际值的偏移度；

26、根据所述偏移度检测所述每个下载子数据中的异常数据；

27、根据多个下载子数据的异常数据生成所述下载异常结果。

28、在本发明的一些实施例中，在根据所述当前评论、所述下载数据、预生成的评论量预测模型以及所述下载数据的下载异常结果对所述目标应用进行更新之前，还包括：

29、对所述当前评论进行词性标注；

30、根据词性标注结果确定所述当前评论的语法结构；

31、根据所述语法结构确定所述当前评论的词语的边界；

32、根据所述词语的边界对所述当前评论进行中文分词。

33、第二方面，本发明提供一种应用更新装置，该装置包括：

34、当前评论获取模块，用于获取目标应用的当前评论以及下载数据；

35、目标应用更新模块，用于根据所述当前评论、所述下载数据、预生成的评论量预测模型以及所述下载数据的下载异常结果对所述目标应用进行更新；其中，所述评论量预测模是基于所述当前评论的时间序列所生成的，且所述下载异常结果是根据所述下载数据的周期分量以及趋势分量所生成的。

36、在本发明的一些实施例中，一种应用更新装置，还包括：

37、评论量预测模型生成模块，用于生成所述评论量预测模型，所述评论量预测模型生成模块包括：

38、时间序列生成单元，用于生成所述当前评论的时间序列；

39、相关函数计算单元，用于计算所述时间序列的自相关函数以及偏自相关函数；

40、初始模型确定单元，用于根据所述自相关函数以及所述偏自相关函数确定所述评论量预测模型的初始模型；

41、结构辨识单元，用于根据预设的所述评论量预测模型的模型阶数辨识所述初始模型的结构；

42、评论量预测模型生成单元，用于根据所述时间序列以及所述结构对所述初始模型进行训练，以生成所述评论量预测模型。

43、在本发明的一些实施例中，评论量预测模型生成模块，还包括：

44、序列平稳性检验模块，用于检验所述时间序列的平稳性；

45、序列差分模块，用于当所述平稳性不满足预设要求时，对所述时间序列进行至少一次差分。

46、在本发明的一些实施例中，一种应用更新装置，还包括：

47、异常结果生成模块，用于生成所述下载数据的下载异常结果，所述异常结果生成模块包括：

48、下载数据划分单元，用于按照预设周期对所述下载数据进行划分，以生成多个下载子数据；

49、趋势分量计算单元，用于计算每个下载子数据的所述周期分量以及所述趋势分量；

50、异常结果生成单元，用于根据所述周期分量以及所述趋势分量生成所述下载异常结果。

51、在本发明的一些实施例中，所述异常结果生成单元包括：

52、拟合值计算单元，用于根据所述周期分量以及所述趋势分量计算每个下载子数据的拟合值；

53、异常结果生成子单元，用于根据所述拟合值生成所述下载异常结果。

54、在本发明的一些实施例中，所述异常结果生成子单元包括：

55、偏移度计算单元，用于计算所述每个下载子数据的拟合值与实际值的偏移度；

56、异常数据检测单元，用于根据所述偏移度检测所述每个下载子数据中的异常数据；

57、下载异常生成单元，用于根据多个下载子数据的异常数据生成所述下载异常结果。

58、在本发明的一些实施例中，一种应用更新装置，还包括：

59、词性标注模块，用于对所述当前评论进行词性标注；

60、语法结构确定模块，用于根据词性标注结果确定所述当前评论的语法结构；

61、词语边界确定模块，用于根据所述语法结构确定所述当前评论的词语的边界；

62、评论分词模块，用于根据所述词语的边界对所述当前评论进行中文分词。

63、第三方面，本发明提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现一种应用更新方法的步骤。

64、第四方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现应用更新方法的步骤。

65、第五方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现应用更新方法的步骤。

66、从上述描述可知，本发明实施例提供一种应用更新方法及装置，对应的方法包括：首先，获取目标应用的当前评论以及下载数据；接着，根据当前评论、下载数据、预生成的评论量预测模型以及下载数据的下载异常结果对目标应用进行更新；其中，评论量预测模是基于当前评论的时间序列所生成的，且下载异常结果是根据下载数据的周期分量以及趋势分量所生成的。

67、本发明实现对一个目标产品的用户评论数据进行统计和分析，识别用户情感，挖掘用户需求，并对评论的趋势变化、异常点等开展监测与跟踪，从而对目标产品进行有针对性的更新。