原始名称记载: 中移动金融科技有限公司; 中国移动通信集团有限公司

本申请公开了一种意图识别方法、装置、电子设备、存储介质及程序产品，涉及计算机技术领域，该方法包括：本申请实施例能提高意图识别的准确性。具体的，获取与用户的第一对话信息；在知识图谱中查询第一语言对象相关的目标特征信息，所述知识图谱用于存储至少一个语言对象和所述至少一个语言对象各自相关的特征信息，所述第一语言对象为所述第一对话信息中的语言对象；融合所述第一对话信息和所述目标特征信息，得到融合信息，所述融合信息用于表征所述第一对话信息和所述目标特征信息中包含的特征；将所述融合信息输入意图识别模型中，得到所述用户的意图。

本申请提供一种健身信息推送方法、模型训练方法及相关设备，应用于电数字处理技术领域，该方法包括：获取用户的当前体型建模和健身计划；基于所述健身计划，确定生物力学参数，所述生物力学参数用于指示所述健身计划对于所述用户的人体造成的热量缺口与脂肪分解速率之间的关系；将所述当前体型建模和所述生物力学参数输入至预先训练的目标模型中，得到所述用户的预测体型建模，其中，所述目标模型用于针对所述生物力学参数对所述当前体型建模的影响进行分析，以输出预测体型建模；向所述用户推送所述预测体型建模。该方法中，相较于现有的现有技术而言，所得到预测体型建模更加准确，也就是说，本申请实施例的方法可以提高推送信息的准确性。

本申请提供一种缴话费时间序列预测方法、装置、设备、介质及程序产品，涉及深度学习技术领域，包括：对缴话费原始时间序列和原始时间戳数据进行归一化处；将缴话费时间序列划分为缴话费待预测数据与缴话费历史序列，并提取缴话费待预测数据的时序特征和图特征，缴话费待预测数据用于表征缴话费的时间点，缴话费历史序列用于表征缴话费的时间点关联性，图特征用于表征缴话费的时间点的关系；融合缴话费待预测数据、图特征和时间戳，以得到中间预测值；融合缴话费历史序列、中间预测值和时间戳，以得到初步预测结果；对初步预测结果进行反归一化处理，得到缴话费时间序列预测结果。提高了缴话费时间序列预测结果准确性。

本申请提供一种设备共享检测方法、装置、设备及存储介质，涉及数据安全领域，该方法包括构建异构时空图，所述异构时空图包括表征时间的边、用户节点、设备节点、基站节点和应用程序节点；基于预设阈值对所述边进行剪枝；采用基于模块度优化的社区发现算法对所述异构时空图进行社区划分，以得到高风险社区；基于所述高风险社区对初始元路径进行优化，以得到目标元路径，所述初始元路径为包括用户节点和设备节点的关联路径，所述目标元路径为包括用户节点、设备节点和融合所述高风险社区中应用程序节点或基站节点的关联路径；基于所述目标元路径和用户对设备的平均使用时长构建设备共享风险评分函数，所述共享风险评分函数用于识别设备共享的行为。

本发明提供一种数据存储方法、装置及相关设备，属于数据处理技术领域。该方法包括：获取待存储的数据集，所述数据集包括多个数据项；识别每个所述数据项的出错模式，所述出错模式用于指示所述数据项与所述数据集中其他数据项在时间维度上的出错相关性；基于所述出错模式确定所述数据集的分块策略，得到至少一个数据块；其中，相同出错模式的数据项被划分至同一数据块中；基于所述至少一个数据块进行所述数据集的存储。

本申请提供一种针对元宇宙场景的资源分配方法及其相关设备，应用于电数字数据处理技术领域，该方法包括：根据系统所需的元宇宙服务类型将所述系统的服务容器划分为基础服务容器和增强服务容器；在所述系统的可用资源小于或等于预设的最低保留资源的情况下，对所述基础服务容器进行分配；在所述可用资源大于所述最低保留资源的情况下，获取所述系统的第一资源紧张程度和第二资源紧张程度，并基于所述第一资源紧张程度和所述第二资源紧张程度对所述基础服务容器或所述增强服务容器进行分配。与静态资源划分和基于优先级的动态调度方法等现有技术相比，通过所述方法可提高资源分配的灵活性。

本申请提供一种投诉分类方法、装置、设备、介质及程序产品，涉及数据处理技术领域，其中，该方法包括：接收目标用户输入的投诉文本，所述投诉文本用于投诉通信服务；获取所述目标用户的目标通信数据，所述目标通信数据包括所述目标用户使用所述通信服务对应的业务数据；将所述投诉文本、所述目标通信数据以及多个预设标签输入预训练的目标分类模型，得到从所述多个预设标签中筛选的目标标签，所述目标标签用于指示所述投诉文本对应的投诉类型；其中，所述多个预设标签与多个投诉类型一一对应。本申请能够提高提升风险识别的准确性。本申请可减少由于仅依赖投诉文本导致的分类偏差，提高投诉分类的准确度。

本申请实施例提供一种动态模型训练优化方法、装置、处理设备、产品及介质，应用于模型训练技术领域。该方法包括：实时采集目标场景中的至少一项环境变量；根据至少一项环境变量，生成目标场景对应的环境变化强度指标，环境变化强度指标用于量化目标场景中的环境变化程度；在环境变化强度指标大于或等于预设阈值的情况下，获取快速适应先验，快速适应先验是预先基于MAML算法生成的元知识；基于快速适应先验，对智能体的策略进行优化，智能体能够感知目标场景中的环境并自主采取行动以实现预设目标，快速适应先验用于指导调整智能体的策略网络的输入特征和策略更新速度。该方法解决了非平稳环境下智能体的策略容易快速失效的问题。

本发明提供一种信息推荐方法、装置及相关设备，属于数据处理技术领域。该方法包括：获取用户的商品的第一信息，第一信息包括商品位置信息；获取M个服务平台中每个服务平台的第二信息和第三信息，第三信息包括服务平台相对于商品的仓库位置信息；基于商品位置信息和仓库位置信息，确定商品相对每个服务平台的物流成本；基于第一信息、第二信息和物流成本，对商品与M个服务平台进行匹配，获得商品的匹配方案，匹配方案用于指示商品与目标服务平台的匹配关系，目标服务平台包括M个服务平台中用于销售商品的服务平台；向用户进行匹配方案的推荐。

本申请提供一种商品推荐方法、装置、设备、介质及产品，应用于人工智能技术领域，该方法包括基于目标类型的商品的商品信息、所述商品所属的店铺信息和从所述商品的评论文本中得到的情感信息，构建所述商品的知识图谱；基于所述商品的知识图谱，分别获取用户对所述商品的偏好表示、所述商品的评价表示和所述商品的信息向量表示；基于所述用户对所述商品的偏好表示、所述商品的评价表示和所述商品的信息向量表示，计算所述商品的推荐评分；基于所述商品的推荐评分，对所述商品进行推荐。该方法提高了商品推荐的效率。

本申请实施例提供了一种金融交易风控方法、装置、存储介质和程序产品，涉及人工智能技术领域。该方法包括：获取金融交易的原始数据并进行数据预处理，输出标准化特征向量；根据所述标准化特征向量和预设的场景自适应注意力机制，确定场景概率和增强特征；根据所述增强特征和所述场景概率，确定交互强度系数；将所述增强特征及所述交互强度系数输入预测模型中，获取风险预测的风险预测结果；根据所述风险预测结果和所述场景概率，执行多级决策，确定所述原始数据所对应的目标输出结果。本申请的方案，解决了现有金融交易风险预测技术无法有效应对金融交易场景的动态性、风险模式的演化性及业务需求的专业性的问题。

本申请公开了一种稳定性测试方法、装置、设备、存储介质及产品，所述稳定性测试方法包括：获取待测系统的指标数据，基于所述指标数据对所述待测系统进行稳态判断，得到稳态判断结果；基于所述稳态判断结果确定故障注入类型；根据所述故障注入类型确定故障注入信息，所述故障注入信息包括故障产生过程、故障影响范围以及故障解决方案；基于所述故障注入信息进行稳定性测试。由于本申请是根据故障注入类型确定故障注入信息，基于故障注入信息进行稳定性测试。相对于现有的根据注入固定的几种常见故障进行稳定性测试的方式，本申请上述方式能够使稳定性测试更加全面，提高稳定性测试效率。

本发明提供一种项目推荐、模型训练的方法、装置、设备、介质和产品，该方法包括：获取训练样本集，训练样本集包括用户信息样本和项目信息样本；将训练样本集输入待训练的项目推荐模型，项目推荐模型以用户信息样本和项目信息样本之间的直接关系和间接关系为节点构建目标图结构，根据目标图结构输出预测的为用户推荐的目标项目；根据预测的为用户推荐的目标项目、训练样本集和损失函数，对项目推荐模型的参数进行优化，得到训练后的项目推荐模型。本发明中，根据用户和项目之间复杂的图结构信息有效地集成到LLM框架中，提高了模型对用户行为和项目特征的理解，增强了模型模拟用户‑项目交互的能力，从而生成更准确、更个性化的推荐结果。