要实现语料智能化需要经历哪几个阶段？

第一阶段是流量特征统计。我们需要明确影响流量变化的因素， 体现到流量上就是具体的参数分布， 具体有哪些参数会随着外界环境的变化而变化。当然这块高德大多业务线都有一些粗略的分析结果， 前期可以直接采用， 后期就需要有更细粒度的特征分析。

第二阶段是流量特征提取。有了具体的特征参数后，就需要对特征参数进行提取统计， 后续可用来做智能预测。但特征参数的提取到底应该如何去做呢？经过综合分析发现放到语料生产的环节最合适。引流拷贝流量， 语料生产环节用来处理流量， 在这个环节提取特征参数再好不过了。而整个语料生产扩展性良好， 对用户的特殊需求通过U D F 完成， 整个流量特征提取刚好可以在通用逻辑里面完成。

第三阶段就是智能预测与机器学习。有了特征参数的统计数据， 就可以借助往年高德地图国庆或春节的流量特征， 加上今年随着业务的流量变化趋势， 智能预测出符合今年国庆或春节流量特征的数据， 做到接口特征级别的精准压测，做到真正意义上的全链路压测，为高德地图服务的稳定性保驾护航。后续也可以借助机器学习自动发现影响流量变化的特征参数， 自动采集分析， 做到真正意义的语料智能化。

以上内容摘自《高德技术2020年刊合集》电子书，点击https://developer.aliyun.com/topic/download?id=1135可下载完成版