应用于大数据画像推送的业务处理方法及机器学习服务器技术

本公开实施例提供一种应用于大数据画像推送的业务处理方法及机器学习服务器，由于使用了预设画像场景描述信息和表征目标业务项目数据的画像场景特征和/或画像扩展特征的第一描述信息，大大提高了在目标业务画像场景信息中提取目标数据挖掘类型的准确性，另一方面在对第一描述信息和第二描述信息进行映射处理时的业务处理速度较快，因此，也便于快速确定目标业务画像场景信息中的目标数据挖掘类型，提高后续数据挖掘效率。

【技术实现步骤摘要】
应用于大数据画像推送的业务处理方法及机器学习服务器
本公开涉及大数据
，示例性地，涉及一种应用于大数据画像推送的业务处理方法及机器学习服务器。
技术介绍
随着5G网络通信技术的崛起，互联网的流量时代已经结束，互联网技术的发展已经过渡到了大数据算法时代，随之而来的基于大数据和算法的精准推送（内容或商品等），也在用户生活中的各个领域出现产品的快速更新和发展。人工智能之所以能取得突飞猛进的进展，是大数据长足发展的结果。任何智能的发展，其实都需要一个学习的过程，都是训练某一领域“智能”的前提。关于数据来源，互联网及物联网是产生并承载大数据的基地，互联网服务商在搜索、社交、媒体、交易等各自核心业务领域，积累并持续产生海量数据，如何针对这些数据在目标业务画像场景信息中快速提取目标数据挖掘类型的可挖掘数据，以便于后续进行智能信息推荐，是本领域亟待解决的技术问题。
技术实现思路
为了至少克服现有技术中的上述不足，本公开的目的在于提供一种应用于大数据画像推送的业务处理方法及机器学习服务器。第一方面，本公开提供一种应用于大数据画像推送的业务处理方法，应用于机器学习服务器，所述机器学习服务器与多个移动互联网终端通信连接，所述方法包括：调取所述移动互联网终端的业务项目大数据中任一目标业务项目数据，提取所述目标业务项目数据在目标业务画像场景信息中的第一描述信息，所述第一描述信息表征所述目标业务项目数据的画像场景特征和/或画像扩展特征；利用所述目标业务项目数据的预设画像场景描述信息对提取的所述第一描述信息进行处理，得到所述目标业务项目数据在所述目标业务画像场景信息中的第二描述信息，所述第二描述信息表征所述预设画像场景描述信息与所述第一描述信息的关联关系；对所述目标业务项目数据的所述第一描述信息以及所述第二描述信息进行映射处理，根据所述第一描述信息和所述第二描述信息与目标描述信息的匹配度，确定所述目标业务项目数据是否为所述目标业务画像场景信息的目标数据挖掘类型，其中，所述目标数据挖掘类型用于指示与所述目标业务画像场景信息相关的挖掘业务对象，所述目标描述信息为指示所述目标业务项目数据是否为目标数据挖掘类型的描述信息。在第一方面的一种可能的设计思路中，所述方法还包括：当所述目标业务项目数据为所述目标业务画像场景信息的目标数据挖掘类型时，将所述目标业务项目数据添加到待挖掘业务数据集中；依据所述待挖掘业务数据集中每个业务互动对象之间的互动模式，得到拓扑模式的待挖掘业务数据集的分布；依据所述拓扑模式的待挖掘业务数据集的分布的分布特征，计算所述待挖掘业务数据集中的每个业务互动对象在所述拓扑模式的待挖掘业务数据集的分布中的业务挖掘节点，所述业务挖掘节点表示了待挖掘业务数据集中的业务互动对象在所述拓扑模式的待挖掘业务数据集的分布中的业务层级；将所述待挖掘业务数据集中的每个业务互动对象对应的业务挖掘节点输入到预先配置的知识点分类网络中，利用所述知识点分类网络对所述待挖掘业务数据集中的每个业务互动对象进行知识点深度提取，得到所述待挖掘业务数据集中的每个业务互动对象各自对应的知识点深度特征；利用所述知识点分类网络，依据所述待挖掘业务数据集中的每个业务互动对象对应的业务挖掘节点以及知识点深度特征，生成所述待挖掘业务数据集中的每个业务互动对象各自对应的初始知识点深度特征；利用所述知识点分类网络对所述待挖掘业务数据集中的每个业务互动对象各自对应的初始知识点深度特征进行知识点溯源，得到所述待挖掘业务数据集中的每个业务互动对象各自对应的目标知识点对象；利用所述知识点分类网络确定所述待挖掘业务数据集中的每个业务互动对象各自对应的目标知识点对象的层级顺序，并依据所述层级顺序对所述目标知识点对象进行融合，生成所述待挖掘业务数据集对应的目标推送知识点；基于所述待挖掘业务数据集对应的目标推送知识点进行信息推送。譬如，在第一方面的一种可能的设计思路中，所述依据所述拓扑模式的待挖掘业务数据集的分布的分布特征，计算所述待挖掘业务数据集中的每个业务互动对象在所述拓扑模式的待挖掘业务数据集的分布中的业务挖掘节点的步骤，包括：将位于所述拓扑模式的待挖掘业务数据集的分布中交叉拓扑位置的业务互动对象作为关键业务互动对象；将所述拓扑模式的待挖掘业务数据集的分布中任一业务互动对象各自距离所述关键业务互动对象的业务范围，作为所述拓扑模式的待挖掘业务数据集的分布中任一业务互动对象各自对应的目标业务范围；将任一业务互动对象各自对应的目标业务范围映射为预设类别范围的业务挖掘节点，得到每个业务互动对象各自对应的业务挖掘节点；或者按照预设的关键业务互动对象模板，从所述拓扑模式的待挖掘业务数据集的分布中确定关键业务互动对象；在所述拓扑模式的待挖掘业务数据集的分布中的任一个业务互动对象与关键业务互动对象在同一条业务通道上的情况下，将任一业务互动对象的目标业务范围与关键业务互动对象的目标业务范围的区别业务范围作为该任一业务互动对象的区别业务节点标识；依据待挖掘业务数据集中任一业务互动对象与关键业务互动对象的业务关系，确定任一业务互动对象的区别业务节点维度；组合任一业务互动对象的区别业务节点标识与该任一业务互动对象的区别业务节点维度，得到该任一业务互动对象的区别业务节点；将任一业务互动对象各自对应的区别业务节点映射为预设类别范围的向量，得到每个业务互动对象各自对应的相对业务挖掘节点；或者按照预设的关键业务互动对象模板，从所述拓扑模式的待挖掘业务数据集的分布中确定关键业务互动对象；在所述拓扑模式的待挖掘业务数据集的分布中的任一个业务互动对象与关键业务互动对象不在同一条业务通道上的情况下，将任一业务互动对象的目标业务范围与关键业务互动对象的目标业务范围的交集业务范围作为该任一业务互动对象的区别业务节点标识；依据待挖掘业务数据集中任一业务互动对象与关键业务互动对象的业务关系，确定任一业务互动对象的区别业务节点维度；组合任一业务互动对象的区别业务节点标识与该任一业务互动对象的区别业务节点维度，得到该任一业务互动对象的区别业务节点；将任一业务互动对象各自对应的区别业务节点映射为预设类别范围的业务挖掘节点，得到每个业务互动对象各自对应的相对业务挖掘节点。譬如，在第一方面的一种可能的设计思路中，依据所述待挖掘业务数据集中的每个业务互动对象对应的业务挖掘节点以及知识点深度特征，生成所述待挖掘业务数据集中的每个业务互动对象各自对应的初始知识点深度特征的步骤，包括：利用所述知识点分类网络，对所述待挖掘业务数据集中的每个业务互动对象对应的绝对业务挖掘节点和知识点深度特征执行映射关联操作，将映射关联操作得到的结果作为所述待挖掘业务数据集中的每个业务互动对象对应的初始知识点深度特征。譬如，在第一方面的一种可能的设计思路中，依据所述待挖掘业务数据集中的每个业务互动对象对应的业务挖掘节点以及知识点深度特征，生成所述待挖本文档来自技高网...

【技术保护点】
1.一种应用于大数据画像推送的业务处理方法，其特征在于，应用于机器学习服务器，所述机器学习服务器与所述多个移动互联网终端通信连接，所述方法包括：/n调取所述移动互联网终端的业务项目大数据中任一目标业务项目数据，提取所述目标业务项目数据在目标业务画像场景信息中的第一描述信息，所述第一描述信息表征所述目标业务项目数据的画像场景特征和/或画像扩展特征；/n利用所述目标业务项目数据的预设画像场景描述信息对提取的所述第一描述信息进行处理，得到所述目标业务项目数据在所述目标业务画像场景信息中的第二描述信息，所述第二描述信息表征所述预设画像场景描述信息与所述第一描述信息的关联关系；/n对所述目标业务项目数据的所述第一描述信息以及所述第二描述信息进行映射处理，根据所述第一描述信息和所述第二描述信息与目标描述信息的匹配度，确定所述目标业务项目数据是否为所述目标业务画像场景信息的目标数据挖掘类型，其中，所述目标数据挖掘类型用于指示与所述目标业务画像场景信息相关的挖掘业务对象，所述目标描述信息为指示所述目标业务项目数据是否为目标数据挖掘类型的描述信息。/n

【技术特征摘要】
1.一种应用于大数据画像推送的业务处理方法，其特征在于，应用于机器学习服务器，所述机器学习服务器与所述多个移动互联网终端通信连接，所述方法包括：
调取所述移动互联网终端的业务项目大数据中任一目标业务项目数据，提取所述目标业务项目数据在目标业务画像场景信息中的第一描述信息，所述第一描述信息表征所述目标业务项目数据的画像场景特征和/或画像扩展特征；
利用所述目标业务项目数据的预设画像场景描述信息对提取的所述第一描述信息进行处理，得到所述目标业务项目数据在所述目标业务画像场景信息中的第二描述信息，所述第二描述信息表征所述预设画像场景描述信息与所述第一描述信息的关联关系；
对所述目标业务项目数据的所述第一描述信息以及所述第二描述信息进行映射处理，根据所述第一描述信息和所述第二描述信息与目标描述信息的匹配度，确定所述目标业务项目数据是否为所述目标业务画像场景信息的目标数据挖掘类型，其中，所述目标数据挖掘类型用于指示与所述目标业务画像场景信息相关的挖掘业务对象，所述目标描述信息为指示所述目标业务项目数据是否为目标数据挖掘类型的描述信息。


2.根据权利要求1所述的应用于大数据画像推送的业务处理方法，其特征在于，所述调取所述移动互联网终端的业务项目大数据中任一目标业务项目数据的步骤，包括：
从所述移动互联网终端的业务项目大数据中选择所述目标业务项目数据，当目标业务画像场景信息中存在与所述目标业务项目数据相同的业务画像标签时，提取所述目标业务项目数据在所述目标业务画像场景信息中的第一描述信息。


3.根据权利要求1所述的应用于大数据画像推送的业务处理方法，其特征在于，所述目标业务项目数据的画像场景特征包括该目标业务项目数据在所述目标业务画像场景信息中的匹配业务信息；
所述画像扩展特征包括所述目标业务项目数据所在业务场景的业务场景特征；
所述预设画像场景描述信息包括所述目标业务项目数据的业务场景特征和所述目标业务项目数据对应的至少一个关键业务数据；
其中，所述利用所述目标业务项目数据的预设画像场景描述信息对提取的所述第一描述信息进行处理，得到所述目标业务项目数据在所述目标业务画像场景信息中的第二描述信息的步骤，包括：
根据所述目标业务项目数据在所述目标业务画像场景信息中的匹配业务信息，确定所述目标业务项目数据的关联业务项目数据中存在的所述目标业务项目数据对应的至少一个关键业务数据，以及每个所述关键业务数据与最关联的所述目标业务项目数据之间的匹配业务数量；
计算所述目标业务项目数据的业务场景特征和所述目标业务项目数据所在业务场景的业务场景特征的匹配度；
将每个所述关键业务数据与最关联的所述目标业务项目数据之间的匹配业务数量以及所述目标业务项目数据的业务场景特征和所述目标业务项目数据所在业务场景的业务场景特征的匹配度，作为所述第二描述信息。


4.根据权利要求1-3中任意一项所述的应用于大数据画像推送的业务处理方法，其特征在于，所述对所述目标业务项目数据的所述第一描述信息以及所述第二描述信息进行映射处理的步骤，包括：
将所述第一描述信息和第二描述信息输入至决策神经网络，计算出所述第一描述信息和第二描述信息与所述目标描述信息的所述匹配度。


5.根据权利要求4所述的应用于大数据画像推送的业务处理方法，其特征在于，所述方法还包括：
获取用于配置所述决策神经网络的样本业务画像场景信息，并对获取的所述样本业务画像场景信息进行业务场景区分处理，所述样本业务画像场景信息包括至少一个指示所述目标业务项目数据是否为目标数据挖掘类型的标签，其中，所述标签为指示所述目标业务项目数据在所述样本业务画像场景信息所属业务场景中是否为目标数据挖掘类型的标签；
从所述样本业务画像场景信息中提取附带所述标签的目标业务项目数据以及该目标业务项目数据的第三描述信息；
利用所述附带所述标签的目标业务项目数据的预设画像场景描述信息对该目标业务项目数据的第三描述信息进行处理，得到所述目标业务项目数据的第四描述信息；
对所述附带所述标签的目标业务项目数据的第三描述信息和第四描述信息进行映射处理，分别记录所述标签表征确定标签的目标业务项目数据对应的第一映射处理结果，以及记录所述标签表征非确定标签的目标业务项目数据对应...

【专利技术属性】
技术研发人员：葛天齐，
申请(专利权)人：葛天齐，
类型：发明
国别省市：江苏;32