一种应用于智慧大数据的信息共享处理方法及系统

本申请涉及数据处理技术领域，特别涉及一种应用于智慧大数据的信息共享处理方法及系统。

相较于传统的数据共享平台系统，大数据共享平台系统不仅能够让数据的运用更灵活，让数据共享交换变得便捷，还可以充分调度计算设施、存储设备、应用程序等资源来降低开发/管理的难度。然而，随着数据共享参与方的增多，针对数据资源的不同共享需求同样增多，“按需共享”被提上日程。“按需共享”的关键是实现资源和共享需求的匹配，但是现有的技术难以保障资源和共享需求的匹配精度。

为改善相关技术中存在的技术问题，本申请提供了一种应用于智慧大数据的信息共享处理方法及系统。

第一方面，本申请实施例提供了一种应用于智慧大数据的信息共享处理方法，应用于信息共享处理系统，所述方法包括：

获取待共享业务资源大数据以及当前资源共享申请报告，其中，所述待共享业务资源大数据包括不少于两个在线业务资源信息，所述当前资源共享申请报告包括至少一个资源共享需求项；

结合所述待共享业务资源大数据以及所述当前资源共享申请报告，获取所述待共享业务资源大数据的资源应用指导知识关系网以及所述当前资源共享申请报告的资源请求偏好特征关系网；

结合所述待共享业务资源大数据的资源应用指导知识关系网以及所述当前资源共享申请报告的资源请求偏好特征关系网，获取共享联动决策字段关系网，其中，所述共享联动决策字段关系网包括在线业务资源信息之间的共享联动决策字段以及所述在线业务资源信息与所述资源共享需求项之间的共享联动决策字段；

结合所述共享联动决策字段关系网获取所述待共享业务资源大数据分别对应于每个资源共享需求项的命中指数；

结合所述待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，确定所述待共享业务资源大数据所对应的目标资源共享申请报告，其中，所述目标资源共享申请报告包括至少一个资源共享需求项。

在一些示例实施方式下，所述当前资源共享申请报告包括不少于两个资源共享需求项；所述共享联动决策字段关系网还包括所述资源共享需求项之间的共享联动决策字段。

在一些示例实施方式下，所述结合所述待共享业务资源大数据以及所述当前资源共享申请报告，获取所述待共享业务资源大数据的资源应用指导知识关系网以及所述当前资源共享申请报告的资源请求偏好特征关系网，包括：

结合所述待共享业务资源大数据以及所述当前资源共享申请报告生成共享资源联动处理信息集，其中，共享资源联动处理信息集包括所述待共享业务资源大数据的业务资源清单以及所述当前资源共享申请报告的共享申请清单；

对共享资源联动处理信息集进行知识挖掘，得到所述待共享业务资源大数据的资源应用指导知识关系网以及所述当前资源共享申请报告的资源请求偏好特征关系网。

在一些示例实施方式下，所述结合所述待共享业务资源大数据以及所述当前资源共享申请报告生成共享资源联动处理信息集，包括：

对所述待共享业务资源大数据进行分治化处理，得到所述待共享业务资源大数据的业务资源清单；

对所述当前资源共享申请报告进行分治化处理，得到所述当前资源共享申请报告的共享申请清单；

对所述待共享业务资源大数据的业务资源清单以及所述当前资源共享申请报告的共享申请清单进行全局整理，得到所述共享资源联动处理信息集。

在一些示例实施方式下，所述对共享资源联动处理信息集进行知识挖掘，得到所述待共享业务资源大数据的资源应用指导知识关系网以及所述当前资源共享申请报告的资源请求偏好特征关系网，包括：

对所述待共享业务资源大数据的业务资源清单以及所述当前资源共享申请报告的共享申请清单进行知识挖掘，得到每个在线业务资源信息所对应的资源信息提示特征以及每个资源共享需求项所对应的需求描述字段；

利用每个在线业务资源信息所对应的资源信息提示特征生成所述待共享业务资源大数据的资源应用指导知识关系网；

利用每个资源共享需求项所对应的需求描述字段生成所述当前资源共享申请报告的资源请求偏好特征关系网。

在一些示例实施方式下，所述结合所述共享联动决策字段关系网获取所述待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，包括：

结合所述共享联动决策字段关系网获取影响力分析向量关系网，其中，所述影响力分析向量关系网包括不少于两个影响力分析向量，所述影响力分析向量与所述在线业务资源信息一一匹配，所述影响力分析向量反映所述在线业务资源信息在所述待共享业务资源大数据中与所述资源共享需求项具有关联的度量数据；

结合所述待共享业务资源大数据以及所述影响力分析向量关系网，获取资源共享任务知识关系网；

结合所述资源共享任务知识关系网与所述当前资源共享申请报告，获取所述待共享业务资源大数据分别对应于每个资源共享需求项的命中指数。

在一些示例实施方式下，所述结合所述共享联动决策字段关系网获取影响力分析向量关系网，包括：对所述共享联动决策字段关系网进行基于AI的窗口化滤波，获取所述影响力分析向量关系网；

所述结合所述待共享业务资源大数据以及所述影响力分析向量关系网，获取资源共享任务知识关系网，包括：对所述待共享业务资源大数据以及所述影响力分析向量关系网进行处理，获取所述资源共享任务知识关系网。

在一些示例实施方式下，所述当前资源共享申请报告包括不少于两个资源共享需求项；所述结合所述待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，确定所述待共享业务资源大数据所对应的目标资源共享申请报告，包括：

将所述待共享业务资源大数据分别对应于每个资源共享需求项的命中指数大于第一匹配阈值的至少一个命中指数确定为目标命中指数；

将所述目标命中指数对应的资源共享需求项确定为所述待共享业务资源大数据所对应的目标资源共享申请报告。

在一些示例实施方式下，所述当前资源共享申请报告为单一资源共享需求项；

所述结合所述待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，确定所述待共享业务资源大数据所对应的目标资源共享申请报告，包括：当所述待共享业务资源大数据属于资源共享需求项的命中指数大于第二匹配阈值时，则将所述当前资源共享申请报告确定为所述待共享业务资源大数据所对应的目标资源共享申请报告。

在一些示例实施方式下，所述结合所述待共享业务资源大数据以及所述当前资源共享申请报告，获取所述待共享业务资源大数据的资源应用指导知识关系网以及所述当前资源共享申请报告的资源请求偏好特征关系网，包括：结合所述待共享业务资源大数据以及所述当前资源共享申请报告，通过专家系统算法的第一知识提炼模块获取所述待共享业务资源大数据的资源应用指导知识关系网以及所述当前资源共享申请报告的资源请求偏好特征关系网；

所述结合所述待共享业务资源大数据的资源应用指导知识关系网以及所述当前资源共享申请报告的资源请求偏好特征关系网，获取共享联动决策字段关系网，包括：结合所述待共享业务资源大数据的资源应用指导知识关系网以及所述当前资源共享申请报告的资源请求偏好特征关系网，通过专家系统算法的第二知识提炼模块获取所述共享联动决策字段关系网；

所述结合所述共享联动决策字段关系网获取所述待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，包括：结合所述共享联动决策字段关系网，通过专家系统算法的窗口滤波模块获取所述待共享业务资源大数据分别对应于每个资源共享需求项的命中指数；

所述结合所述待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，确定所述待共享业务资源大数据所对应的目标资源共享申请报告，包括：结合所述待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，通过所述专家系统算法的资源-报告匹配模块确定所述待共享业务资源大数据所对应的目标资源共享申请报告。

在一些示例实施方式下，所述方法还包括：

获取待共享业务资源训练数据集，当前资源共享申请训练报告以及认证报告集，其中，所述待共享业务资源训练数据集包括不少于两个待共享业务资源训练数据，所述待共享业务资源训练数据包括不少于两个在线业务资源信息，所述当前资源共享申请训练报告包括至少一个资源共享需求项；

结合所述待共享业务资源训练数据集以及所述当前资源共享申请训练报告，通过通用专家系统算法的第一知识提炼模块获取所述待共享业务资源训练数据集的资源应用指导训练知识关系网以及所述当前资源共享申请训练报告的资源请求偏好训练特征关系网；

结合所述待共享业务资源训练数据集的资源应用指导训练知识关系网以及所述当前资源共享申请训练报告的资源请求偏好训练特征关系网，通过所述通用专家系统算法的第二知识提炼模块获取共享联动决策训练向量关系网，其中，所述共享联动决策训练向量关系网包括每个待共享业务资源训练数据的在线业务资源信息之间的共享联动决策字段以及每个待共享业务资源训练数据的在线业务资源信息与每个当前资源共享申请训练报告的资源共享需求项之间的共享联动决策字段；

结合所述共享联动决策训练向量关系网，通过所述通用专家系统算法的窗口滤波模块获取每个待共享业务资源训练数据的在线业务资源信息分别对应于每个资源共享需求项的命中指数关系网；

结合所述每个待共享业务资源训练数据的在线业务资源信息分别对应于每个资源共享需求项的命中指数关系网，通过所述通用专家系统算法的资源-报告匹配模块获取所述待共享业务资源训练数据集所对应的匹配结果集，其中，匹配结果集包括多个匹配结果，每个匹配结果包括至少一个所述资源共享需求项；

结合所述匹配结果集以及所述认证报告集，对所述通用专家系统算法进行配置，得到所述专家系统算法。

在一些示例实施方式下，所述结合所述匹配结果集以及所述认证报告集，对所述通用专家系统算法进行配置，得到所述专家系统算法，包括：结合所述匹配结果集以及所述认证报告集，根据目标算法性能优劣指标改进所述通用专家系统算法的算法参量，以得到所述专家系统算法。

第二方面，本申请还提供了一种信息共享处理系统，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。

第三方面，本申请还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。

本申请实施例中，提供了一种应用于智慧大数据的信息共享处理方法，先获取待共享业务资源大数据以及当前资源共享申请报告，该待共享业务资源大数据包括不少于两个在线业务资源信息，且当前资源共享申请报告包括至少一个资源共享需求项，然后根据待共享业务资源大数据以及当前资源共享申请报告，获取待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网，并且根据待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网，获取共享联动决策字段关系网，该共享联动决策字段关系网包括在线业务资源信息之间的共享联动决策字段以及在线业务资源信息与资源共享需求项之间的共享联动决策字段，进而根据共享联动决策字段关系网获取待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，最后根据待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，确定待共享业务资源大数据所对应的目标资源共享申请报告，该目标资源共享申请报告包括至少一个资源共享需求项。这样一来，能够在考虑待共享业务资源大数据之间相关的资源要素信息的前提下，重点挖掘资源共享申请报告与待共享业务资源大数据的关联情况，从而保障相关的资源应用指导知识和资源请求偏好特征的内容输出质量，这样可以确保资源应用指导知识和资源请求偏好特征的知识特征的完整性和深度，从而实现待共享业务资源大数据与资源共享申请报告中的资源共享需求项的准确匹配，以便根据共享资源-共享需求的匹配结果进行针对性的数据资源共享处理，在保障共享处理的效率的前提下可以提升共享处理的安全性。

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并于说明书一起用于解释本申请的原理。

图1是本申请实施例提供的一种应用于智慧大数据的信息共享处理方法的流程示意图。

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

本申请实施例所提供的方法实施例可以在信息共享处理系统、计算机设备或者类似的运算装置中执行。以运行在信息共享处理系统上为例，信息共享处理系统可以包括一个或多个处理器（处理器可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）和用于存储数据的存储器，可选地，上述信息共享处理系统还可以包括用于通信功能的传输装置。本领域普通技术人员可以理解，上述结构仅为示意，其并不对上述信息共享处理系统的结构造成限定。例如，信息共享处理系统还可包括比上述所示更多或者更少的组件，或者具有与上述所示不同的配置。

存储器可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本申请实施例中的一种应用于智慧大数据的信息共享处理方法对应的计算机程序，处理器通过运行存储在存储器内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至信息共享处理系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置用于经由一个网络接收或者发送数据。上述的网络具体实例可包括信息共享处理系统的通信供应商提供的无线网络。在一个实例中，传输装置包括一个网络适配器（Network Interface Controller，简称为NIC），其可通过与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置可以为射频（Radio Frequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。

基于此，请参阅图1，图1是本申请实施例所提供的一种应用于智慧大数据的信息共享处理方法的流程示意图，该方法应用于信息共享处理系统，进一步可以包括STEP101-STEP105描述的技术方案。

STEP101、获取待共享业务资源大数据以及当前资源共享申请报告。

其中，待共享业务资源大数据包括不少于两个在线业务资源信息，当前资源共享申请报告包括不少于两个资源共享需求项。

在本申请实施例中，获取待共享业务资源大数据以及当前资源共享申请报告，该待共享业务资源大数据包括不少于两个在线业务资源信息，当前资源共享申请报告包括不少于两个资源共享需求项。上述在线业务资源信息可以不同类型的待共享资源，比如文件资源、软件资源、信息资源等。

进一步地，资源共享需求项可以为电商平台运营数据共享需求，网络安防软件共享需求，VR接口配置信息共享需求等。且资源共享需求项可以为一个或者多个。以一些示例性角度来看待，若资源共享需求项为电商平台运营数据共享需求，那么资源共享需求项可以包括但不限于“用户浏览记录”，“产品咨询对话”等。若资源共享需求项为VR接口配置信息共享需求，那么资源共享需求项可以包括但不限于“全感空间反馈信息”等。

其中，当前资源共享申请报告可以通过云空间调取，在此不做限定。

STEP102、根据待共享业务资源大数据以及当前资源共享申请报告，获取待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网。

在本申请实施例中，根据STEP101所获取的待共享业务资源大数据以及当前资源共享申请报告，能够获取待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网。示例性的，能够根据待共享业务资源大数据以及当前资源共享申请报告生成待共享业务资源大数据的业务资源清单以及当前资源共享申请报告的共享申请清单，然后对待共享业务资源大数据的业务资源清单以及当前资源共享申请报告的共享申请清单进行知识挖掘，从而得到待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网。

其中，待共享业务资源大数据的资源应用指导知识关系网可以理解为待共享业务资源大数据的业务资源特征关系网，当前资源共享申请报告的资源请求偏好特征关系网可以理解为当前资源共享申请报告的共享请求特征关系网。进一步地，资源应用指导知识可以反映待共享业务资源大数据的共享条件和使用规范等要求，共享请求特征可以反映当前资源共享申请报告的共享需求描述、资源使用偏好等。

STEP103、根据待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网，获取共享联动决策字段关系网。

其中，共享联动决策字段关系网包括在线业务资源信息之间的共享联动决策字段以及在线业务资源信息与资源共享需求项之间的共享联动决策字段。

在本申请实施例中，根据STEP102所获取的待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网，获取共享联动决策字段关系网，该共享联动决策字段关系网包括在线业务资源信息之间的共享联动决策字段以及在线业务资源信息与资源共享需求项之间的共享联动决策字段。进一步地，共享联动决策字段可以理解为数据共享处理过程中的关联性描述，共享联动决策字段能够表示不同在线业务资源信息之间的联系以及在线业务资源信息与资源共享需求项之间的联系，从而为共享资源-共享需求匹配提供分析依据。

示例性的，对待共享业务资源大数据的业务资源清单以及当前资源共享申请报告的共享申请清单进行知识挖掘后，待共享业务资源大数据中的每个在线业务资源信息都可以可以生成对应的专家知识（一种AI技术下的特征向量表示），此时每个在线业务资源信息对应的专家知识即构成一个待共享业务资源大数据的资源应用指导知识库（即待共享业务资源大数据的资源应用指导知识关系网），适应性地，当前资源共享申请报告的每个资源共享需求项都可以可以生成对应的专家知识，此时每个资源共享需求项对应的专家知识即构成一个当前资源共享申请报告的资源请求偏好特征库（即当前资源共享申请报告的资源请求偏好特征关系网）。这样，将待共享业务资源大数据的资源应用指导知识库与当前资源共享申请报告的资源请求偏好特征库进行加权，由此能够得到共享匹配指示信息集（即共享联动决策字段关系网），此时共享匹配指示信息集中能够包括每个在线业务资源信息之间的共享联动决策字段以及在线业务资源信息与资源共享需求项之间的共享联动决策字段。

STEP104、根据共享联动决策字段关系网获取待共享业务资源大数据分别对应于每个资源共享需求项的命中指数。

在本申请实施例中，根据STEP103得到的共享联动决策字段关系网，获取待共享业务资源大数据分别对应于每个资源共享需求项的命中指数。示例性的，若当前资源共享申请报告为单一资源共享需求项，那么此时获取到的命中指数为“V1”或者“V0”。其次，若当前资源共享申请报告为多个资源共享需求项，且包括资源共享需求项requirement_1，资源共享需求项requirement_2以及资源共享需求项requirement_3，那么能够获取到的待共享业务资源大数据属于资源共享需求项requirement_1的命中指数hit score_1，待共享业务资源大数据属于资源共享需求项requirement_2的命中指数hit score_2以及待共享业务资源大数据属于资源共享需求项requirement_3的命中指数hit score_3。并且对命中指数hit score_1，命中指数hit score_2以及命中指数hit score_3进行01区间压缩（归一化处理）后，01区间压缩后得到的命中指数hit score_1，01区间压缩后得到的命中指数hitscore_2以及01区间压缩后得到的命中指数hit score_3之和为1。

STEP105、根据待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，确定待共享业务资源大数据所对应的目标资源共享申请报告。

其中，目标资源共享申请报告包括至少一个资源共享需求项。

在本申请实施例中，根据待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，确定待共享业务资源大数据所对应的目标资源共享申请报告，该目标资源共享申请报告包括至少一个资源共享需求项。

可以理解的是，目标资源共享申请报告所包括的资源共享需求项的数目应不超过当前资源共享申请报告所包括的资源共享需求项的数目，比如，若当前资源共享申请报告所包括的资源共享需求项的数目为5，那么目标资源共享申请报告所包括的资源共享需求项的数目可以为0至5之间的数目，若当前资源共享申请报告所包括的资源共享需求项的数目为1，那么目标资源共享申请报告所包括的资源共享需求项的数目可以为0或1，在目标资源共享申请报告所包括的资源共享需求项的数目为0的基础上，则说明待共享业务资源大数据无法实现资源共享需求项的匹配。

示例性的，若当前资源共享申请报告为单一资源共享需求项，即所获取到的命中指数为“V1”或者“V0”，命中指数为“V1”则能够确定待共享业务资源大数据属于该资源共享需求项，即单一资源共享需求项的基础上，所获取到的命中指数为“V1”时，可直接将该资源共享需求项确定为目标资源共享申请报告，否则认为资源共享需求项不是目标资源共享申请报告，即此次难以确定待共享业务资源大数据的资源共享申请报告。其次，若当前资源共享申请报告为多个资源共享需求项，那么需要在当前资源共享申请报告所包括的多个资源共享需求项中确定目标资源共享申请报告。

在本申请实施例中，提供了一种应用于智慧大数据的信息共享处理方法，先获取待共享业务资源大数据以及当前资源共享申请报告，该待共享业务资源大数据包括不少于两个在线业务资源信息，且当前资源共享申请报告包括至少一个资源共享需求项，然后根据待共享业务资源大数据以及当前资源共享申请报告，获取待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网，并且根据待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网，获取共享联动决策字段关系网，该共享联动决策字段关系网包括在线业务资源信息之间的共享联动决策字段以及在线业务资源信息与资源共享需求项之间的共享联动决策字段，进而根据共享联动决策字段关系网获取待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，最后根据待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，确定待共享业务资源大数据所对应的目标资源共享申请报告，该目标资源共享申请报告包括至少一个资源共享需求项。这样一来，能够在考虑待共享业务资源大数据之间相关的资源要素信息的前提下，重点挖掘资源共享申请报告与待共享业务资源大数据的关联情况，从而保障相关的资源应用指导知识和资源请求偏好特征的内容输出质量，这样可以确保资源应用指导知识和资源请求偏好特征的知识特征的完整性和深度，从而实现待共享业务资源大数据与资源共享申请报告中的资源共享需求项的准确匹配，以便根据共享资源-共享需求的匹配结果进行针对性的数据资源共享处理，在保障共享处理的效率的前提下可以提升共享处理的安全性。

在一些可选的实施例中，当前资源共享申请报告包括不少于两个资源共享需求项；共享联动决策字段关系网还包括资源共享需求项之间的共享联动决策字段。

在本申请实施例中，由于当前资源共享申请报告能够包括一个或多个资源共享需求项，在当前资源共享申请报告包括不少于两个资源共享需求项的基础上，共享联动决策字段关系网还包括资源共享需求项之间的共享联动决策字段。

示例性的，基于STEP102，对待共享业务资源大数据的业务资源清单以及当前资源共享申请报告的共享申请清单进行知识挖掘后，待共享业务资源大数据中的每个在线业务资源信息都可以可以生成对应的专家知识，此时每个在线业务资源信息对应的专家知识即构成一个待共享业务资源大数据的资源应用指导知识库（即待共享业务资源大数据的资源应用指导知识关系网），适应性地，当前资源共享申请报告的每个资源共享需求项都可以可以生成对应的专家知识，此时每个资源共享需求项对应的专家知识即构成一个当前资源共享申请报告的资源请求偏好特征库（即当前资源共享申请报告的资源请求偏好特征关系网）。这样，将待共享业务资源大数据的资源应用指导知识库与当前资源共享申请报告的资源请求偏好特征库进行加权，由此能够得到共享匹配指示信息集（即共享联动决策字段关系网），而共享匹配指示信息集中不仅可以包括每个在线业务资源信息之间的共享联动决策字段以及在线业务资源信息与资源共享需求项之间的共享联动决策字段，还可以包括资源共享需求项之间的共享联动决策字段。

本申请实施例中，提供了另一种应用于智慧大数据的信息共享处理方法，这样一来，能够在考虑待共享业务资源大数据之间相关的资源要素信息以及待共享业务资源大数据与资源共享申请报告之间的匹配联系的前提下，进行一步实现业务资源特征和共享请求特征的抽取，从而保障共享资源-共享需求的匹配准确性。

在一些可选的实施例中，根据待共享业务资源大数据以及当前资源共享申请报告，获取待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网，可以包括如下内容：根据待共享业务资源大数据以及当前资源共享申请报告生成共享资源联动处理信息集，其中，共享资源联动处理信息集包括待共享业务资源大数据的业务资源清单以及当前资源共享申请报告的共享申请清单；对共享资源联动处理信息集进行知识挖掘，得到待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网。

在本申请实施例中，能够根据待共享业务资源大数据以及当前资源共享申请报告生成共享资源联动处理信息集，该共享资源联动处理信息集包括待共享业务资源大数据的业务资源清单以及当前资源共享申请报告的共享申请清单。

本申请实施例中待共享业务资源大数据的业务资源清单以及当前资源共享申请报告的共享申请清单可以融合成共享资源联动处理信息集，从而实现之后完整准确的知识提炼。

进一步地，再对共享资源联动处理信息集进行知识挖掘，得到待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网。示例性的，通过将待共享业务资源大数据中的每个在线业务资源信息以及当前资源共享申请报告中的每个资源共享需求项的对应定位标签（分布情况）输出作为对应的专家知识，这个专家知识是基于整体对待共享业务资源大数据中的每个在线业务资源信息以及当前资源共享申请报告中的每个资源共享需求项进行全局知识提炼得到的，这样使得各在线业务资源信息的专家知识以及各资源共享需求项的专家知识能够充分挖掘到在线业务资源信息与在线业务资源信息之间的共享联动决策字段，在线业务资源信息与资源共享需求项之间的共享联动决策字段，以及资源共享需求项与资源共享需求项之间的共享联动决策字段。

这样，经过全局知识提炼后，待共享业务资源大数据的每个在线业务资源信息都可以可以生成对应的专家知识，每个在线业务资源信息对应的专家知识即构成一个待共享业务资源大数据的资源应用指导知识库matrix1（即待共享业务资源大数据的资源应用指导知识关系网）。其次，当前资源共享申请报告的每个资源共享需求项都可以可以生成对应的专家知识，此时每个资源共享需求项对应的专家知识即构成一个当前资源共享申请报告的资源请求偏好特征库matrix2（即当前资源共享申请报告的资源请求偏好特征关系网）。然后将待共享业务资源大数据的资源应用指导知识库与当前资源共享申请报告的资源请求偏好特征库进行加权，由此能够得到共享匹配指示信息集（即共享联动决策字段关系网），此时共享匹配指示信息集中能够包括每个在线业务资源信息之间的共享联动决策字段matrix1*matrix1，在线业务资源信息与资源共享需求项之间的共享联动决策字段matrix1*matrix2以及资源共享需求项与资源共享需求项之间的共享联动决策字段matrix2*matrix2。

本申请实施例中，提供了一种专家知识关系网（特征矩阵）的获取方法，这样一来，能够由于专家知识能够尽可能精准地表征共享资源联动处理信息集所包括的待共享业务资源大数据的业务资源清单以及当前资源共享申请报告的共享申请清单之间的联系，由此提升专家知识的特征输出质量，保障共享资源-共享需求匹配的准确度。

在一些可选的实施例中，根据待共享业务资源大数据以及当前资源共享申请报告生成共享资源联动处理信息集，可以包括如下内容：对待共享业务资源大数据进行分治化处理，得到待共享业务资源大数据的业务资源清单；对当前资源共享申请报告进行分治化处理，得到当前资源共享申请报告的共享申请清单；对待共享业务资源大数据的业务资源清单以及当前资源共享申请报告的共享申请清单进行全局整理，得到共享资源联动处理信息集。

在本申请实施例中，对待共享业务资源大数据进行分治化处理，得到待共享业务资源大数据的业务资源清单，再对当前资源共享申请报告进行分治化处理，得到当前资源共享申请报告的共享申请清单，这样，最后对待共享业务资源大数据的业务资源清单以及当前资源共享申请报告的共享申请清单进行全局整理，以得到得到共享资源联动处理信息集。

本申请实施例中，提供了一种通过全局整理生成共享资源联动处理信息集的方法，这样一来，通过分治化处理能够结合业务资源细节进行数据分治和报告分治，并通过实现业务资源清单和共享申请清单的全局整理，可以保障共享资源联动处理信息集的内容特征输出质量，提高后续知识提炼的准确性和完整性。

在一些可选的实施例中，对共享资源联动处理信息集进行知识挖掘，得到待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网，示例性可以包括如下内容：对待共享业务资源大数据的业务资源清单以及当前资源共享申请报告的共享申请清单进行知识挖掘，得到每个在线业务资源信息所对应的资源信息提示特征（共享资源要素特征）以及每个资源共享需求项所对应的需求描述字段（共享请求特征）；利用每个在线业务资源信息所对应的资源信息提示特征生成待共享业务资源大数据的资源应用指导知识关系网；利用每个资源共享需求项所对应的需求描述字段生成当前资源共享申请报告的资源请求偏好特征关系网。

在本申请实施例中，用过对待共享业务资源大数据的业务资源清单以及当前资源共享申请报告的共享申请清单进行知识挖掘，得到每个在线业务资源信息所对应的资源信息提示特征以及每个资源共享需求项所对应的需求描述字段，然后利用每个在线业务资源信息所对应的资源信息提示特征生成待共享业务资源大数据的资源应用指导知识关系网，并且利用每个资源共享需求项所对应的需求描述字段生成当前资源共享申请报告的资源请求偏好特征关系网，既能够得到共享资源联动处理信息集的专家知识关系网。示例性的，每个在线业务资源信息所对应的资源信息提示特征以及每个资源共享需求项所对应的需求描述字段是基于整体对待共享业务资源大数据的业务资源清单以及当前资源共享申请报告的共享申请清单进行全局知识提炼得到的，这样使得各在线业务资源信息的专家知识以及各资源共享需求项的专家知识能够充分挖掘出在线业务资源信息与在线业务资源信息之间的共享联动决策字段，在线业务资源信息与资源共享需求项之间的共享联动决策字段，以及资源共享需求项与资源共享需求项之间的共享联动决策字段。

本申请实施例中，提供了一种共享资源联动处理信息集的专家知识关系网的获取方法，这样一来，由于是基于整体对待共享业务资源大数据的业务资源清单以及当前资源共享申请报告的共享申请清单进行知识挖掘，使得各在线业务资源信息的专家知识以及各资源共享需求项的专家知识能够充分挖掘出在线业务资源信息和/或资源共享需求项的共享联动决策字段，因此所获取到的共享资源联动处理信息集的专家知识关系网能够考虑到多个在线业务资源信息和/或资源共享需求项之间的尽可能多的关联细节，这样可以确保专家知识关系网的特征输出质量。

在一些可选的实施例中，根据共享联动决策字段关系网获取待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，示例性可以包括如下内容：根据共享联动决策字段关系网获取影响力分析向量关系网，其中，影响力分析向量关系网包括不少于两个影响力分析向量，影响力分析向量与在线业务资源信息一一匹配，影响力分析向量表示在线业务资源信息在待共享业务资源大数据中与资源共享需求项具有关联的度量数据；根据待共享业务资源大数据以及影响力分析向量关系网，获取资源共享任务知识关系网；根据资源共享任务知识关系网与当前资源共享申请报告，获取待共享业务资源大数据分别对应于每个资源共享需求项的命中指数。

在本申请实施例中，先根据共享联动决策字段关系网获取影响力分析向量关系网，该影响力分析向量关系网包括不少于两个影响力分析向量，影响力分析向量与在线业务资源信息一一匹配，影响力分析向量表示在线业务资源信息在待共享业务资源大数据中与资源共享需求项具有关联的度量数据，然后根据待共享业务资源大数据以及影响力分析向量关系网，获取资源共享任务知识关系网，再根据资源共享任务知识关系网与当前资源共享申请报告，获取待共享业务资源大数据分别对应于每个资源共享需求项的命中指数。

示例性的，本申请实施例中确定待共享业务资源大数据的在线业务资源信息和当前资源共享申请报告的资源共享需求项之间关联度的方法是将待共享业务资源大数据的资源应用指导知识库与当前资源共享申请报告的资源请求偏好特征库进行加权，即通过上述实施例所描述的得到共享匹配指示信息集（即共享联动决策字段关系网）。然后根据待共享业务资源大数据以及影响力分析向量关系网，获取资源共享任务知识关系网。再根据待共享业务资源大数据以及影响力分析向量关系网，获取资源共享任务知识关系网，具体利用影响力分析向量关系网实现待共享业务资源大数据中每个在线业务资源信息的加权从而获得共享交互描述向量关系网（即资源共享任务知识关系网）。

进一步地，本申请实施例可以调用资源-报告匹配模块对资源共享任务知识关系网进行处理，进而能够解析与待共享业务资源大数据的相关需求项有哪些，便能够以获取待共享业务资源大数据分别对应于每个资源共享需求项的命中指数。

在一些示例下，本申请实施例获取影响力分析向量关系网的一个实施例如下所示：首先基于整体对待共享业务资源大数据的业务资源清单以及当前资源共享申请报告的共享申请清单进行知识挖掘，得到待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网，这样，具体通过待共享业务资源大数据的资源应用指导知识关系网与当前资源共享申请报告的资源请求偏好特征关系网的加权，能够得到共享联动决策字段关系网。进一步地，通过窗口处理算子优化共享联动决策字段关系网中的阶段化决策特征后，对优化后的共享联动决策字段关系网进行特征去冗余，便能够以得到影响力分析向量关系网。进一步地，将待共享业务资源大数据的每个在线业务资源信息乘以影响力分析向量关系网，这样可以获取资源共享任务知识关系网，最后根据资源共享任务知识关系网与当前资源共享申请报告，输出待共享业务资源大数据分别对应于每个资源共享需求项的命中指数。

在一些可选的实施例中，根据共享联动决策字段关系网获取影响力分析向量关系网，示例性可以包括：对共享联动决策字段关系网进行基于AI的窗口化滤波，获取影响力分析向量关系网。进一步地，根据待共享业务资源大数据以及影响力分析向量关系网，获取资源共享任务知识关系网，包括：对待共享业务资源大数据以及影响力分析向量关系网进行处理，获取资源共享任务知识关系网。

在本申请实施例中，对共享联动决策字段关系网进行基于AI的窗口化滤波，获取影响力分析向量关系网，即通过窗口处理算子对共享联动决策字段关系网进行基于AI的窗口化滤波，以优化共享联动决策字段关系网中的阶段化决策特征后，再对优化后的共享联动决策字段关系网进行特征去冗余，将获得的特征去冗余结果进行01区间压缩后便能够获得影响力分析向量关系网。

进一步地，还需要对待共享业务资源大数据以及影响力分析向量关系网进行处理，获取资源共享任务知识关系网。即利用影响力分析向量关系网乘以待共享业务资源大数据中每个在线业务资源信息能够获得优化的共享交互描述向量关系网（即资源共享任务知识关系网），该共享交互描述向量关系网能够挖掘出影响力分析向量关系网与每个在线业务资源信息的关联信息，对更相关的在线业务资源信息进行偏心系数（权重）配置。

本申请实施例中，提供了另一种应用于智慧大数据的信息共享处理方法，这样一来，能够通过窗口处理算子优化共享联动决策字段关系网中的阶段化决策特征，这样可以实现知识关注，从而提升影响力分析向量关系网的精度和完整性，其次，由于在基于AI的窗口化滤波后还进行了特征去冗余，因此降低影响力分析向量关系网需要的处理负荷，提升对影响力分析向量关系网进行处理的及时性。再次，由于资源共享任务知识关系网能够挖掘出影响力分析向量关系网与每个在线业务资源信息的关联信息，因此将更相关的在线业务资源信息进行偏心系数配置，由此使得资源共享任务知识关系网能够更为精准地反映在线业务资源信息之间的资源数据关联，以及与当前资源共享申请报告的匹配联系，从而使得后续获取的需求项命中指数尽可能精准。

在一些可选的实施例中，当前资源共享申请报告包括不少于两个资源共享需求项；根据待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，确定待共享业务资源大数据所对应的目标资源共享申请报告，可以包括如下内容：将待共享业务资源大数据分别对应于每个资源共享需求项的命中指数大于第一匹配阈值的至少一个命中指数确定为目标命中指数；将目标命中指数对应的资源共享需求项确定为待共享业务资源大数据所对应的目标资源共享申请报告。

在本申请实施例中，当前资源共享申请报告包括不少于两个资源共享需求项。这样，将待共享业务资源大数据分别对应于每个资源共享需求项的命中指数大于第一匹配阈值的至少一个命中指数确定为目标命中指数，并且将目标命中指数对应的资源共享需求项确定为待共享业务资源大数据所对应包括不少于两个资源共享需求项的目标资源共享申请报告。

在一些可选的实施例中，当前资源共享申请报告为单一资源共享需求项；根据待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，确定待共享业务资源大数据所对应的目标资源共享申请报告，具体包括：当待共享业务资源大数据属于资源共享需求项的命中指数大于第二匹配阈值时，则将当前资源共享申请报告确定为待共享业务资源大数据所对应的目标资源共享申请报告。

在本申请实施例中，当前资源共享申请报告为单一资源共享需求项。这样，当待共享业务资源大数据属于资源共享需求项的命中指数大于第二匹配阈值时，则将当前资源共享申请报告确定为待共享业务资源大数据所对应的目标资源共享申请报告。可以理解的是，当前资源共享申请报告为单一资源共享需求项，即待共享业务资源大数据属于资源共享需求项的命中指数为可以为“V1”或者“V0”，因此第二匹配阈值可以为V0.0001，或V0.9999等，但不限于此。若待共享业务资源大数据属于资源共享需求项的命中指数小于第二匹配阈值（即待共享业务资源大数据属于资源共享需求项的命中指数为“V0”），那么此时将不确定待共享业务资源大数据所对应的目标资源共享申请报告，若大于第二匹配阈值（即待共享业务资源大数据属于资源共享需求项的命中指数为“V1”），目标资源共享申请报告为单一需求项，此时当前资源共享申请报告为目标资源共享申请报告。

以一些示例性角度来看待，以待共享业务资源大数据为“跨境电商运营日志”，且当前资源共享申请报告包括“用户浏览记录”，且第二需求项命中指数为0.0001作为示例说明，若得到待共享业务资源大数据属于“用户浏览记录”的命中指数为“V1”，那么可以当前资源共享申请报告确定为待共享业务资源大数据所对应的目标资源共享申请报告。

本申请实施例中，提供了另一种应用于智慧大数据的信息共享处理方法，这样一来，在当前资源共享申请报告为多个资源共享需求项或单一资源共享需求项时，能够通过不同思路确定待共享业务资源大数据的资源共享需求项，从而提高共享资源-共享需求的匹配精度。

在一些可选的实施例中，根据待共享业务资源大数据以及当前资源共享申请报告，获取待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网，可以包括如下内容：基于待共享业务资源大数据以及当前资源共享申请报告，通过专家系统算法的第一知识提炼模块获取待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网。进一步地，根据待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网，获取共享联动决策字段关系网，具体包括：基于待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网，通过专家系统算法的第二知识提炼模块获取共享联动决策字段关系网。此外，根据共享联动决策字段关系网获取待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，具体包括：基于共享联动决策字段关系网，通过专家系统算法的窗口滤波模块获取待共享业务资源大数据分别对应于每个资源共享需求项的命中指数；更近一步地，根据待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，确定待共享业务资源大数据所对应的目标资源共享申请报告，具体包括：基于待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，通过专家系统算法的资源-报告匹配模块确定待共享业务资源大数据所对应的目标资源共享申请报告。

其中，专家系统算法可以是基于AI技术搭建和训练得到的神经网络模型。知识提炼模块可以理解为特征挖掘模型，窗口滤波模块可以理解为卷积模型，资源-报告匹配模块可以理解为共享资源和共享需求的匹配模型。

在本申请实施例中，先基于待共享业务资源大数据以及当前资源共享申请报告，通过专家系统算法的第一知识提炼模块获取待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网，再基于待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网，通过专家系统算法的第二知识提炼模块获取共享联动决策字段关系网，进而基于共享联动决策字段关系网，通过专家系统算法的窗口滤波模块获取待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，最后基于待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，通过专家系统算法的资源-报告匹配模块确定待共享业务资源大数据所对应的目标资源共享申请报告。

比如，在专家系统算法的第一知识提炼模块中，先分别对待共享业务资源大数据以及当前资源共享申请报告进行分治化处理，得到待共享业务资源大数据的业务资源清单以及当前资源共享申请报告的共享申请清单，然后进行全局整理得到共享资源联动处理信息集，接着对待共享业务资源大数据的业务资源清单以及当前资源共享申请报告的共享申请清单进行知识挖掘，得到每个在线业务资源信息所对应的资源信息提示特征以及每个资源共享需求项所对应的需求描述字段，再生成待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网。这样，专家系统算法的第一知识提炼模块向第二知识提炼模块输出待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网，专家系统算法的第二知识提炼模块根据待共享业务资源大数据的资源应用指导知识关系网以及当前资源共享申请报告的资源请求偏好特征关系网，获取共享联动决策字段关系网。

进一步地，专家系统算法的第二知识提炼模块向窗口滤波模块输出共享联动决策字段关系网，专家系统算法的窗口滤波模块对共享联动决策字段关系网进行基于AI的窗口化滤波，获取影响力分析向量关系网，并对待共享业务资源大数据以及影响力分析向量关系网进行处理，获取资源共享任务知识关系网，由此能够根据资源共享任务知识关系网与当前资源共享申请报告，获取待共享业务资源大数据分别对应于每个资源共享需求项的命中指数。最后专家系统算法的窗口滤波模块向资源-报告匹配模块输出待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，资源-报告匹配模块能够根据待共享业务资源大数据分别对应于每个资源共享需求项的命中指数，确定待共享业务资源大数据所对应的目标资源共享申请报告。

本申请实施例中，提供了另一种应用于智慧大数据的信息共享处理方法，这样一来，能够通过专家系统算法中的各知识提炼模块，窗口滤波模块以及资源-报告匹配模块输出待共享业务资源大数据所对应的目标资源共享申请报告，通过知识提炼模块能够尽可能获取待共享业务资源大数据以及当前资源共享申请报告所包括的需求项内容表达，而窗口滤波模块能够更为准确的确定每个在线业务资源信息在待共享业务资源大数据中的需求项内容表达与当前资源共享申请报告的联系，由此确定得到更为准确的需求项命中指数，由此通过资源-报告匹配模块所生成的目标资源共享申请报告能够更够接近认证报告，从而提高共享资源-共享需求的匹配精度。

在一些可选的实施例中，应用于智慧大数据的信息共享处理方法还可以包括如下内容：获取待共享业务资源训练数据集，当前资源共享申请训练报告以及认证报告集，其中，待共享业务资源训练数据集包括不少于两个待共享业务资源训练数据，待共享业务资源训练数据包括不少于两个在线业务资源信息，当前资源共享申请训练报告包括至少一个资源共享需求项；基于待共享业务资源训练数据集以及当前资源共享申请训练报告，通过通用专家系统算法的第一知识提炼模块获取待共享业务资源训练数据集的资源应用指导训练知识关系网以及当前资源共享申请训练报告的资源请求偏好训练特征关系网；基于待共享业务资源训练数据集的资源应用指导训练知识关系网以及当前资源共享申请训练报告的资源请求偏好训练特征关系网，通过通用专家系统算法的第二知识提炼模块获取共享联动决策训练向量关系网，其中，共享联动决策训练向量关系网包括每个待共享业务资源训练数据的在线业务资源信息之间的共享联动决策字段以及每个待共享业务资源训练数据的在线业务资源信息与每个当前资源共享申请训练报告的资源共享需求项之间的共享联动决策字段；基于共享联动决策训练向量关系网，通过通用专家系统算法的窗口滤波模块获取每个待共享业务资源训练数据的在线业务资源信息分别对应于每个资源共享需求项的命中指数关系网；基于每个待共享业务资源训练数据的在线业务资源信息分别对应于每个资源共享需求项的命中指数关系网，通过通用专家系统算法的资源-报告匹配模块获取待共享业务资源训练数据集所对应的匹配结果集，其中，匹配结果集包括多个匹配结果，每个匹配结果包括至少一个资源共享需求项；基于匹配结果集以及认证报告集，对通用专家系统算法进行配置，得到专家系统算法。

其中，上述的待共享业务资源训练数据可以理解为待共享业务资源大数据样本，其他训练数据或者训练向量也可以理解为样本信息或者样本特征。

在本申请实施例中，首先获取已经过认证的认证报告集，然后基于认证报告集与所得到的匹配结果集对通用专家系统算法的算法参量进行改进。示例性的，需要将待共享业务资源训练数据集以及当前资源共享申请训练报告作为通用专家系统算法的第一知识提炼模块的输入，从而生成待共享业务资源训练数据集的资源应用指导训练知识关系网以及当前资源共享申请训练报告的资源请求偏好训练特征关系网。进而将待共享业务资源训练数据集的资源应用指导训练知识关系网以及当前资源共享申请训练报告的资源请求偏好训练特征关系网作为通用专家系统算法的第二知识提炼模块的输入，从而生成获取共享联动决策训练向量关系网，再将共享联动决策训练向量关系网作为通用专家系统算法的窗口滤波模块的输入，从而生成每个待共享业务资源训练数据的在线业务资源信息分别对应于每个资源共享需求项的命中指数关系网，最后将所得到的命中指数关系网作为通用专家系统算法的资源-报告匹配模块的输入，便能够输出待共享业务资源训练数据集所对应的匹配结果集。

在一些可选的实施例中，基于匹配结果集以及认证报告集，对通用专家系统算法进行配置，得到专家系统算法，具体包括：基于匹配结果集以及认证报告集，根据目标算法性能优劣指标改进通用专家系统算法的算法参量，以得到专家系统算法。

在本申请实施例中，基于匹配结果集以及认证报告集，根据目标算法性能优劣指标改进通用专家系统算法的算法参量，以得到专家系统算法。示例性的，此时可以根据匹配结果集以及与之对应的认证报告集之间的差别确定目标算法性能优劣指标的指标评估值，根据目标算法性能优劣指标的指标评估值判断目标算法性能优劣指标是否达到训练要求，若未达到训练要求，则利用目标算法性能优劣指标的指标评估值改进通用专家系统算法的算法参量。在通用专家系统算法每得到待共享业务资源训练数据集中每个待共享业务资源训练数据所对应的匹配结果后，确定目标算法性能优劣指标的指标评估值，直至目标算法性能优劣指标达到训练要求，则根据最后一次对算法参量进行改进后获得的算法参量生成专家系统算法。其中，目标算法性能优劣指标可以是铰链损失函数。

这样一来，能够基于当前资源共享申请训练报告以及认证报告集，对通用专家系统算法进行配置，得到专家系统算法，保证所得到专家系统算法的性能。其次，在目标算法性能优劣指标趋于收敛时完成对通用专家系统算法的算法参量的改进，从而完成对通用专家系统算法配置，从而得到能够用于进行共享资源-共享需求匹配的专家系统算法，使得上述应用于智慧大数据的信息共享处理方法的应用场景得以扩展。

在一些可独立的设计思路下，在确定所述待共享业务资源大数据所对应的目标资源共享申请报告之后，该方法还可以包括如下内容：响应于所述目标资源共享申请报告对应的资源共享请求设备的问候信息，对所述资源共享请求设备进行安全性验证；在所述资源共享请求设备通过所述安全性验证之后，依据目标资源共享申请报告包括的至少一个资源共享需求项，将至少部分待共享业务资源大数据共享给所述资源共享请求设备。

其中，信息共享处理系统在接收到资源共享设备集中的资源共享请求设备（目标资源共享申请报告对应的资源共享请求设备）的问候请求（资源调用请求）之后，首先进行资源共享请求设备的安全性验证，在资源共享请求设备通过安全性验证的前提下，才会根据资源共享需求项将匹配的至少部分待共享业务资源大数据进行共享，这样可以确保针对性的资源共享并保障资源共享过程中的安全性。

在一些可独立的设计思路下，对所述资源共享请求设备进行安全性验证，可以包括如下内容：获取共享交互行为向量以及信息防护反馈向量；所述共享交互行为向量是由资源共享请求设备的资源共享使用行为包含的至少两类维度的行为表征经过特征提炼得到的；所述信息防护反馈向量是由共享资源安全检测记录包含的至少两类维度的安全检测事项经过特征提炼得到的；获取所述共享交互行为向量与所述信息防护反馈向量之间的第一相关性系数；基于所述第一相关性系数，对所述共享交互行为向量以及所述信息防护反馈向量进行更新，获得共享交互行为更新向量以及信息防护反馈更新向量；基于所述共享交互行为向量、所述信息防护反馈向量、所述共享交互行为更新向量以及所述信息防护反馈更新向量，获取所述资源共享使用行为与所述共享资源安全检测记录的第二相关性系数；基于所述第二相关性系数，获取安全验证结果，所述安全验证结果用于指示所述资源共享使用行为与所述共享资源安全检测记录之间的关联程度；若所述关联程度大于等于设定程度阈值，则确定所述资源共享请求设备通过所述安全性验证，若所述关联程度小于设定程度阈值，则确定所述资源共享请求设备没有通过所述安全性验证。

可以理解，共享资源安全检测记录用于指示通过安全性验证的行为特征匹配，基于此，资源共享使用行为与共享资源安全检测记录之间的关联程度越高，表明资源共享使用行为是安全行为的可能性越大，基于此，可以通过设定程度阈值进行安全性验证的量化判断，从而提高安全性验证的精度和效率。

基于上述相同或相似的发明构思，还提供了一种应用于智慧大数据的信息共享处理方法的应用环境的架构示意图，包括互相之间通信的信息共享处理系统和资源共享设备集，信息共享处理系统和资源共享设备集在运行时实现或者部分实现上述方法实施例所描述的技术方案。

进一步地，还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。

在本申请实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。