1.一种应用于数据处理的噪声优化方法，其特征在于，应用于噪声优化系统，所述方法包括：

提炼待优化在线业务运营报告对应的信息质量评价向量；所述待优化在线业务运营报告包含指向选定业务项目中不低于一个业务处理事件获取的若干个初始在线业务信息；

结合所述信息质量评价向量，确定每一所述初始在线业务信息对应的事件噪声挖掘结果；所述事件噪声挖掘结果包括所述初始在线业务信息所对应业务处理事件的不低于一个层级的噪声项描述特征；

对所述信息质量评价向量进行信任因子分析，得到每一所述初始在线业务信息对应的信任分析结果；所述信任分析结果表示所述初始在线业务信息的数据提取复杂性，且所述初始在线业务信息的信任分析结果与所述初始在线业务信息的数据提取复杂性存在第一指定联系；

结合每一所述初始在线业务信息对应的事件噪声挖掘结果和信任分析结果，确定每一所述业务处理事件在不低于一个所述层级的目标噪声项描述特征；基于所述目标噪声项描述特征进行所述业务处理事件的噪声优化处理；

所述事件噪声挖掘结果包括所述初始在线业务信息所对应业务处理事件的分布层级的噪声分布特征；所述结合所述信息质量评价向量，确定每一所述初始在线业务信息对应的事件噪声挖掘结果，包括：对所述信息质量评价向量进行噪声分布解析，确定每一所述初始在线业务信息对应的噪声分布特征；所述噪声分布特征表示所述初始在线业务信息所对应业务处理事件的定位数据；

所述结合每一所述初始在线业务信息对应的事件噪声挖掘结果和信任分析结果，确定每一所述业务处理事件在不低于一个所述层级的目标噪声项描述特征，包括：结合设定的信任因子判定值和每一所述初始在线业务信息对应的信任分析结果，在所述若干个初始在线业务信息中抽样得到若干个业务处理事件的初始在线业务信息；

结合每一所述业务处理事件的初始在线业务信息对应的噪声分布特征，对所述若干个业务处理事件的初始在线业务信息进行分团，得到选定业务项目中每一所述业务处理事件对应的事件业务信息簇和每一所述业务处理事件在所述分布层级的目标噪声分布特征；

所述事件噪声挖掘结果包括所述初始在线业务信息所对应业务处理事件的热力状态层级的热力状态特征；

所述结合每一所述初始在线业务信息对应的事件噪声挖掘结果和信任分析结果，确定每一所述业务处理事件在不低于一个所述层级的目标噪声项描述特征，还包括：对于各所述业务处理事件，结合所述业务处理事件对应的在线业务运营报告合中的每一业务处理事件的初始在线业务信息的热力状态特征，确定所述业务处理事件在所述热力状态层级的目标热力状态特征；

所述事件噪声挖掘结果包括所述初始在线业务信息所对应业务处理事件的多元回归层级的多元回归特征；

所述结合每一所述初始在线业务信息对应的事件噪声挖掘结果和信任分析结果，确定每一所述业务处理事件在不低于一个所述层级的目标噪声项描述特征，还包括：对于各所述业务处理事件，结合所述业务处理事件对应的在线业务运营报告合中的每一业务处理事件的初始在线业务信息的多元回归特征，确定所述业务处理事件在所述多元回归层级的目标多元回归特征；

所述应用于数据处理的噪声优化方法由联合神经网络执行，所述应用于数据处理的噪声优化方法包括：

所述联合神经网络中的向量挖掘模块提炼待优化在线业务运营报告对应的信息质量评价向量；

所述联合神经网络中的事件噪声分析模块结合所述信息质量评价向量，确定每一所述初始在线业务信息对应的事件噪声挖掘结果；

所述联合神经网络中的信任因子分析模块对所述信息质量评价向量进行信任因子分析，得到每一所述初始在线业务信息对应的信任分析结果；

所述联合神经网络中的噪声项处理模块结合每一所述初始在线业务信息对应的事件噪声挖掘结果和信任分析结果，确定每一所述业务处理事件在不低于一个所述层级的目标噪声项描述特征；

所述联合神经网络的调试步骤为：

获取针对业务项目示例中不低于一个示例业务处理事件获取的若干个示例初始在线业务信息和每一所述示例初始在线业务信息所对应业务处理事件的不低于一个层级的先验噪声项描述特征；

通过通用的联合神经网络对所述若干个示例初始在线业务信息进行业务处理事件噪声分析和信任因子分析，得到每一所述示例初始在线业务信息的信任因子估计结果和每一所述示例初始在线业务信息所对应业务处理事件的每一所述层级的噪声项描述特征估计结果；

结合每一所述示例初始在线业务信息所对应业务处理事件的不低于一个层级的先验噪声项描述特征、每一所述示例初始在线业务信息的信任因子估计结果和每一所述示例初始在线业务信息所对应业务处理事件的每一所述层级的噪声项描述特征估计结果，对所述通用的联合神经网络的网络变量进行改进，得到调试后的联合神经网络；

所述联合神经网络包括向量挖掘模块、信任因子分析模块和不低于一个层级对应的事件噪声分析模块；所述通过通用的联合神经网络对所述若干个示例初始在线业务信息进行业务处理事件噪声分析和信任因子分析，得到每一所述示例初始在线业务信息的信任因子估计结果和每一所述示例初始在线业务信息所对应业务处理事件的每一所述层级的噪声项描述特征估计结果，包括：通过所述向量挖掘模块对所述若干个示例初始在线业务信息进行向量挖掘，得到示例信息质量评价向量；对于各所述层级，结合所述层级对应的事件噪声分析模块对所述示例信息质量评价向量进行所述层级对应的业务处理事件噪声分析，得到每一所述示例初始在线业务信息在所述层级对应的噪声项描述特征估计结果；结合所述信任因子分析模块对所述示例信息质量评价向量进行信任因子分析，得到每一所述示例初始在线业务信息的信任因子估计结果；

其中，所述结合每一所述示例初始在线业务信息所对应业务处理事件的不低于一个层级的先验噪声项描述特征、每一所述示例初始在线业务信息的信任因子估计结果和每一所述示例初始在线业务信息所对应业务处理事件的每一所述层级的噪声项描述特征估计结果，对所述通用的联合神经网络的网络变量进行改进，得到调试后的联合神经网络，包括：对于各所述层级，结合每一所述示例初始在线业务信息在所述层级对应的噪声项描述特征估计结果和所述示例初始在线业务信息所对应业务处理事件在所述层级的先验噪声项描述特征，确定所述层级对应的网络代价指数；结合所述层级对应的网络代价指数，对所述通用的联合神经网络中所述层级对应的事件噪声分析模块的网络变量进行改进，得到调试后的事件噪声分析模块；结合每一所述示例初始在线业务信息在每一所述层级对应的网络代价指数和每一所述示例初始在线业务信息的信任因子估计结果，确定信任因子网络代价指数；结合所述信任因子网络代价指数对所述信任因子分析模块的网络变量进行改进，得到调试后的信任因子分析模块；结合所述调试后的信任因子分析模块和每一所述层级对应的所述调试后的事件噪声分析模块，得到调试后的联合神经网络。

2.根据权利要求1所述的方法，其特征在于，所述提炼待优化在线业务运营报告对应的信息质量评价向量，包括：

获取基础在线业务运营报告；对所述基础在线业务运营报告进行设定操作，得到针对所述不低于一个业务处理事件获取的若干个初始在线业务信息；

对所述若干个初始在线业务信息进行向量挖掘，得到所述待优化在线业务运营报告对应的信息质量评价向量。

3.一种应用于数据处理的噪声优化AI系统，其特征在于，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，以实现权利要求1或2所述的方法。

4.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时实现权利要求1或2所述的方法。