应用于电子商务服务的大数据挖掘方法及人工智能分析系统技术方案

本申请实施例提供一种应用于电子商务服务的大数据挖掘方法及人工智能系统，可以通过初始训练后的第一向量挖掘单元基于标的电商行为数据对对照电商行为数据进行更新，得到标的电商行为数据对应的第一目标电商行为数据，再基于标的电商行为数据和第一目标电商行为数据对电商意图挖掘网络进行训练，以提取深度关联向量。深度关联向量的提取，有助于电商行为数据意图挖掘时根据多个深度关联向量对电商行为数据进行意图挖掘，避免只关注某个简单向量，而忽略其它深度关联向量的情况，提高了电商意图挖掘网络对电商行为数据挖掘的准确性。性。性。

【技术实现步骤摘要】
应用于电子商务服务的大数据挖掘方法及人工智能分析系统


[0001]本申请涉及电子商务
，具体而言，涉及一种应用于电子商务服务的大数据挖掘方法及人工智能分析系统。

技术介绍

[0002]Online
‑
to
‑
Offline(简称O2O)电子商务模式，是一个连接线上用户和线下商家的多边平台商业模式。O2O 商业模式将实体经济与线上资源融合在一起，使网络成为实体经济延伸到虚拟世界的渠道；线下商业可以到线上挖掘和吸引客源，而消费者可以在线上筛选商品和服务并完成支付，再到实体店完成余下消费。基于此，大数据挖掘成为O2O电商用户数据转化为具有价值知识的重要手段，是通过分析海量数据，从数据海洋中寻找其规律的技术。
[0003]相关技术中，针对电商行为数据挖掘的一个分支是挖掘出用户意图，进而进行相关的内容推送以旨在实现内容转化。然而，当前的电商行为数据的挖掘方案，只关注某个简单向量，而存在忽略其它深度关联向量的情况，导致电商行为数据的挖掘精度不高。

技术实现思路

[0004]为了至少克服现有技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于电子商务服务的大数据挖掘方法，其特征在于，应用于人工智能分析系统，所述人工智能分析系统与多个电子商务使用终端通信连接，所述方法包括：获取标的电商行为数据集和待收敛配置的电商意图挖掘网络，所述标的电商行为数据集包括标的电商行为数据、所述标的电商行为数据对应的标的电商意图信息以及对照电商行为数据，所述电商意图挖掘网络包括第一向量挖掘单元和第二向量挖掘单元、向量恢复单元，所述第一向量挖掘单元和所述第二向量挖掘单元共享配置向量压缩单元；基于所述标的电商行为数据及其对应的标的电商意图信息，对所述第一向量挖掘单元进行初始训练，得到初始训练后的第一向量挖掘单元，所述第一向量挖掘单元包括向量压缩单元和第一向量挖掘子单元；通过所述初始训练后的第一向量挖掘单元，对所述标的电商行为数据和所述对照电商行为数据进行向量挖掘，得到所述标的电商行为数据对应的标的行为向量序列和所述对照电商行为数据对应的对照行为向量序列；基于所述标的行为向量序列和所述对照行为向量序列之间的训练收敛评估值，对所述对照电商行为数据进行更新，得到所述标的电商行为数据对应的第一目标电商行为数据；根据所述标的电商行为数据和所述第一目标电商行为数据对电商意图挖掘网络进行训练，得到训练后的电商意图挖掘网络，所述训练后的电商意图挖掘网络用于对电商行为数据进行意图挖掘。2.根据权利要求1所述的应用于电子商务服务的大数据挖掘方法，其特征在于，所述根据所述标的电商行为数据和所述第一目标电商行为数据对电商意图挖掘网络进行训练，得到训练后的电商意图挖掘网络，包括：将所述标的电商行为数据和所述第一目标电商行为数据分别确定为选定电商行为数据；通过所述初始训练后的第一向量挖掘单元和所述第二向量挖掘单元，对所述选定电商行为数据进行向量挖掘，得到所述选定电商行为数据的行为向量序列；通过所述向量恢复单元对所述选定电商行为数据的行为向量序列进行向量恢复处理，得到向量恢复后选定电商行为数据；基于所述向量恢复后选定电商行为数据和所述选定电商行为数据之间的第一训练收敛评估值，对电商意图挖掘网络的第二向量挖掘单元中的单元重要性系数信息进行优化，得到训练后的电商意图挖掘网络。3.根据权利要求2所述的应用于电子商务服务的大数据挖掘方法，其特征在于，所述电商意图挖掘网络还包括第一意图挖掘单元和第二意图挖掘单元；所述选定电商行为数据的行为向量序列包括所述标的电商行为数据的第一行为向量序列和第二行为向量序列，所述第一行为向量序列是通过所述初始训练后的第一向量挖掘单元提取获得，所述第二行为向量序列是通过所述第二向量挖掘单元提取获得；所述标的电商意图信息为所述标的电商行为数据属于候选电商意图的预测置信度；所述基于所述向量恢复后选定电商行为数据和所述选定电商行为数据之间的第一训练收敛评估值，对电商意图挖掘网络的第二向量挖掘单元中的单元重要性系数信息进行优化，得到训练后的电商意图挖掘网络，包括：通过所述第一意图挖掘单元，基于所述标的电商行为数据的第一行为向量序列对所述
标的电商行为数据进行意图挖掘，得到所述标的电商行为数据属于候选电商意图的实际第一预测置信度；基于所述实际第一预测置信度和所述预测置信度之间的第二训练收敛评估值，对所述初始训练后的第一向量挖掘单元和所述第一意图挖掘单元的单元重要性系数信息进行优化；通过所述第二意图挖掘单元，基于所述标的电商行为数据的第二行为向量序列对所述标的电商行为数据进行意图挖掘，得到所述标的电商行为数据属于候选电商意图的实际第二预测置信度；基于所述实际第二预测置信度和所述预测置信度之间的第三训练收敛评估值，对所述第二意图挖掘单元的单元重要性系数信息进行优化；基于所述向量恢复后选定电商行为数据和所述选定电商行为数据之间的第一训练收敛评估值，对所述第二向量挖掘单元中的单元重要性系数信息进行优化；当所述第一训练收敛评估值、所述第二训练收敛评估值和所述第三训练收敛评估值收敛时终止优化流程，得到训练后的电商意图挖掘网络。4.根据权利要求3所述的应用于电子商务服务的大数据挖掘方法，其特征在于，所述当所述第一训练收敛评估值、所述第二训练收敛评估值和所述第三训练收敛评估值收敛时终止优化流程，得到训练后的电商意图挖掘网络，包括：确定所述第一训练收敛评估值、所述第二训练收敛评估值和所述第三训练收敛评估值对应的重要性系数；基于所述重要性系数，对所述第一训练收敛评估值、所述第二训练收敛评估值和所述第三训练收敛评估值进行重要性系数融合，得到所述电商意图挖掘网络的全局训练收敛评估值；当所述全局训练收敛评估值收敛时终止优化流程，得到训练后的电商意图挖掘网络。5.根据权利要求1所述的应用于电子商务服务的大数据挖掘方法，其特征在于，所述基于所述标的行为向量序列和所述对照行为向量序列之间的训练收敛评估值，对所述对照电商行为数据进行更新，得到所述标的电商行为数据对应的第一目标电商行为数据，包括：基于所述标的行为向量序列和所述对照行为向量序列之间的训练收敛评估值，对所述对照电商行为数据进行更新，得到待定第一目标电商行为数据；将所述待定第一目标电商行为数据作为新的对照电商行为数据；通过所述初始训练后的第一向量挖掘单元，对新的对照电商行为数据进行向量挖掘，得到所述新的对照电商行为数据对应的对照行为向量序列；返回执行所述基于所述标的行为向量序列和所述对照行为向量序列之间的训练收敛评估值，对所述对照电商行为数据进行更新，得到待定第一目标电商行为数据的步骤，直到待定第一目标电商行为数据满足目标更新要求，将满足所述目标更新要求的待定第一目标...

【专利技术属性】
技术研发人员：刘彩虹，
申请(专利权)人：深圳市鸿业电线有限公司，
类型：发明
国别省市：