1.一种应用于网络服务的数据处理方法，其特征在于，所述方法包括：

获取参考类网络会话训练文本和应用类网络会话训练文本，所述参考类网络会话训练文本携带参考类先验标注知识，所述参考类先验标注知识表征所述参考类网络会话训练文本在目标网络服务挖掘进程中的先验挖掘结果；

在第k+1个循环网络训练阶段中，将第k个循环网络训练阶段生成的应用类被指导网络对所述参考类网络会话训练文本的挖掘内容，依据所述参考类先验标注知识进行网络参数学习误差判别，生成第一参考类训练误差，其中，k为正整数；

依据所述第一参考类训练误差对所述第k个循环网络训练阶段生成的应用类被指导网络进行网络参数学习，生成参考应用类被指导网络；

通过第k+1个循环网络训练阶段生成的应用类指导网络对所述应用类网络会话训练文本进行挖掘，生成应用类模糊挖掘内容，并将所述参考应用类被指导网络对所述应用类网络会话训练文本的挖掘内容，依据所述应用类模糊挖掘内容进行网络参数学习误差判别，生成第一应用特征空间训练误差，所述第k+1个循环网络训练阶段生成的应用类指导网络是对所述参考应用类被指导网络进行迁移参数学习生成的神经网络；

依据所述第一应用特征空间训练误差对所述参考应用类被指导网络进行网络参数学习，生成第k+1个循环网络训练阶段生成的应用类被指导网络，直到生成第一网络服务挖掘网络，所述第一网络服务挖掘网络用于对应用类网络会话文本和参考类网络会话文本进行挖掘；

所述方法还包括：

在第k+1个循环网络训练阶段中，依据所述第k个循环网络训练阶段生成的应用类被指导网络对所述参考类网络会话训练文本和所述应用类网络会话训练文本进行语义场景向量适配性解析，生成语义场景适配性误差；

所述依据所述第一参考类训练误差对所述第k个循环网络训练阶段生成的应用类被指导网络进行网络参数学习，生成参考应用类被指导网络，包括：依据所述语义场景适配性误差和所述第一参考类训练误差对所述第k个循环网络训练阶段生成的应用类被指导网络进行网络参数学习，生成所述参考应用类被指导网络；

所述依据所述第k个循环网络训练阶段生成的应用类被指导网络对所述参考类网络会话训练文本和所述应用类网络会话训练文本进行语义场景向量适配性解析，生成语义场景适配性误差，包括：依据所述第k个循环网络训练阶段生成的应用类被指导网络提取所述参考类网络会话训练文本的参考类语义嵌入向量；

依据所述第k个循环网络训练阶段生成的应用类被指导网络提取所述应用类网络会话训练文本的应用类语义嵌入向量；

对所述参考类语义嵌入向量进行服务风险挖掘，生成第一挖掘内容，第一挖掘内容表征所述参考类语义嵌入向量属于所述参考类网络会话训练文本的置信度；

对所述应用类语义嵌入向量进行服务风险挖掘，生成第二挖掘内容，第二挖掘内容表征所述应用类语义嵌入向量属于所述应用类网络会话训练文本的置信度；

基于减小所述第一挖掘内容和所述第二挖掘内容之间的特征距离、增加所述参考类语义嵌入向量和所述应用类语义嵌入向量之间的特征距离的方向，确定所述语义场景适配性误差；

所述基于减小所述第一挖掘内容和所述第二挖掘内容之间的特征距离、增加所述参考类语义嵌入向量和所述应用类语义嵌入向量之间的特征距离的方向，确定所述语义场景适配性误差的步骤，包括：计算所述第一挖掘内容和所述第二挖掘内容之间的第一特征距离；

计算所述参考类语义嵌入向量和所述应用类语义嵌入向量之间的第二特征距离；

基于所述第一特征距离和所述第二特征距离，定义对应的适配性误差函数，所述适配性误差函数用于对所述第一特征距离和所述第二特征距离定义相应的权重，以使得所述第一特征距离最小化、所述第二特征距离最大化；

所述通过第k+1个循环网络训练阶段生成的应用类指导网络对所述应用类网络会话训练文本进行挖掘，生成应用类模糊挖掘内容，包括：通过第k+1个循环网络训练阶段生成的应用类指导网络对所述应用类网络会话训练文本进行挖掘，生成所述应用类网络会话训练文本对应的参考模糊挖掘内容以及所述参考模糊挖掘内容对应的可信度值；

如果所述参考模糊挖掘内容对应的可信度值大于设定可信度值，确定所述参考模糊挖掘内容为所述应用类模糊挖掘内容；

所述将所述参考应用类被指导网络对所述应用类网络会话训练文本的挖掘内容，依据所述应用类模糊挖掘内容进行网络参数学习误差判别，生成第一应用特征空间训练误差，包括：获取所述应用类模糊挖掘内容对应的可信度值；

将所述参考应用类被指导网络对所述应用类网络会话训练文本的挖掘内容，依据所述应用类模糊挖掘内容进行网络参数学习误差判别，生成参考应用特征空间训练误差；

依据所述可信度值对所述参考应用特征空间训练误差进行融合，生成所述第一应用特征空间训练误差。

2.根据权利要求1所述的应用于网络服务的数据处理方法，其特征在于，所述通过第k+

1个循环网络训练阶段生成的应用类指导网络对所述应用类网络会话训练文本进行挖掘，生成应用类模糊挖掘内容的步骤之前，包括：获取所述参考应用类被指导网络的第一网络功能层定义信息；

获取第k个循环网络训练阶段生成的应用类指导网络的第二网络功能层定义信息；

基于设定网络优化参数对所述第一网络功能层定义信息和所述第二网络功能层定义信息进行集成，生成集成网络功能层定义信息；

依据所述集成网络功能层定义信息，生成所述第k+1个循环网络训练阶段生成的应用类指导网络。

3.根据权利要求1或2所述的应用于网络服务的数据处理方法，其特征在于，所述通过第k+1个循环网络训练阶段生成的应用类指导网络对所述应用类网络会话训练文本进行挖掘，生成应用类模糊挖掘内容之后，包括：将第k个循环网络训练阶段生成的精简被指导网络对所述参考类网络会话训练文本的挖掘内容，依据所述参考类先验标注知识进行网络参数学习误差判别，生成第二参考类训练误差，所述精简被指导网络的网络功能层定义信息的参数量小于所述应用类指导网络的网络功能层定义信息的参数量；

将所述第k个循环网络训练阶段生成的精简被指导网络对所述应用类网络会话训练文本的挖掘内容，依据所述应用类模糊挖掘内容进行网络参数学习误差判别，生成第二应用特征空间训练误差；

依据所述第二参考类训练误差和所述第二应用特征空间训练误差对所述第k个循环网络训练阶段生成的精简被指导网络进行网络参数学习，生成第k+1个循环网络训练阶段生成的精简被指导网络，直到生成第二网络服务挖掘网络，所述第二网络服务挖掘网络用于对所述应用类网络会话文本和所述参考类网络会话文本进行挖掘。

4.根据权利要求1所述的应用于网络服务的数据处理方法，其特征在于，所述方法还包括：基于所述第一网络服务挖掘网络对应用类网络会话文本和参考类网络会话文本进行挖掘，生成挖掘结果。

5.一种应用于网络服务的数据处理系统，其特征在于，包括处理器以及计算机可读存储介质，所述计算机可读存储介质存储有机器可执行指令，所述机器可执行指令被处理器执行时实现权利要求1‑4中任意一项所述的应用于网络服务的数据处理方法。