应用人工智能的用户需求预测方法及大数据优化系统技术方案

本申请实施例提供一种应用人工智能的用户需求预测方法及大数据优化系统，通过使用用户操作行为特征进行联系行为日志调取，获得用户操作行为日志相关的候选联系行为日志序列，提高解析出候选联系行为日志序列的处理性能，然后再进行关联行为向量挖掘，提高解析出第一挖掘行为日志序列的处理性能，然后进行关联行为特征挖掘，保证了筛选得到的第二挖掘行为日志序列的精度，最后获取到第二挖掘行为日志序列相关的参考用户需求分布，将参考用户需求分布确定为用户操作行为日志相关的预测用户需求，从而在保证参考用户需求分布精度的基础上提高了用户需求预测的处理性能。提高了用户需求预测的处理性能。提高了用户需求预测的处理性能。

【技术实现步骤摘要】
应用人工智能的用户需求预测方法及大数据优化系统


[0001]本申请涉及人工智能与大数据
，具体而言，涉及一种应用人工智能的用户需求预测方法及大数据优化系统。

技术介绍

[0002]随着互联网网络信息技术的发展，各种互联网线上业务也随着互联网线上平台应运而生。各个互联网线上平台为了提高业务产品的使用率，需要针对不同用户投放各种互联网内容，以期达到更高的转换率。
[0003]目前，互联网线上平台大部分的互联网内容推送逻辑在于用户需求分析，基于用户需求分析预测结果进行针对性推送，以针对不同的用户提供个性化的内容推送体验。因此，针对用户需求预测的准确性和预测的处理性能显得各位重要，亟需提供一种保证在用户需求分布精度的基础上提高用户需求预测的处理性能的方法。

技术实现思路

[0004]为了至少克服现有技术中的上述不足，本申请的目的在于提供一种应用人工智能的用户需求预测方法及大数据优化系统。
[0005]第一方面，本申请提供一种应用人工智能的用户需求预测方法，应用于大数据优化系统，所述方法包括：
[0006]响应用户需求预测请求，所述用户需求预测请求对应关联了用户操作行为日志，并对所述用户操作行为日志进行行为倾向性向量挖掘，获得用户操作行为特征；
[0007]将所述用户操作行为特征进行注意力向量挖掘，获得所述用户操作行为日志相关的注意力行为向量；
[0008]获取每个参考用户需求的参考操作行为日志、相关的参考操作行为特征和相关的参考注意力行为向量，并依据所述用户操作行为特征和所述每个参考用户需求的参考操作行为日志相关的参考操作行为特征从所述每个参考用户需求的参考操作行为日志中进行联系行为日志调取，获得所述用户操作行为日志相关的候选联系行为日志序列；
[0009]依据所述注意力行为向量与所述候选联系行为日志序列相关的参考注意力行为向量从所述候选联系行为日志序列中进行关联行为向量挖掘，获得所述用户操作行为日志相关的第一挖掘行为日志序列，并依据所述用户操作行为特征与所述第一挖掘行为日志序列相关的参考操作行为特征从所述第一挖掘行为日志序列中进行关联行为特征挖掘，获得所述用户操作行为日志相关的第二挖掘行为日志序列；
[0010]获取所述第二挖掘行为日志序列相关的参考用户需求分布，将所述参考用户需求分布确定为所述用户操作行为日志相关的预测用户需求。
[0011]第二方面，本申请实施例还提供一种应用人工智能的用户需求预测系统，所述应用人工智能的用户需求预测系统包括大数据优化系统以及与该大数据优化系统通信连接的多个智慧医疗注册平台；
[0012]所述大数据优化系统，用于：
[0013]响应用户需求预测请求，所述用户需求预测请求对应关联了用户操作行为日志，并对所述用户操作行为日志进行行为倾向性向量挖掘，获得用户操作行为特征；
[0014]将所述用户操作行为特征进行注意力向量挖掘，获得所述用户操作行为日志相关的注意力行为向量；
[0015]获取每个参考用户需求的参考操作行为日志、相关的参考操作行为特征和相关的参考注意力行为向量，并依据所述用户操作行为特征和所述每个参考用户需求的参考操作行为日志相关的参考操作行为特征从所述每个参考用户需求的参考操作行为日志中进行联系行为日志调取，获得所述用户操作行为日志相关的候选联系行为日志序列；
[0016]依据所述注意力行为向量与所述候选联系行为日志序列相关的参考注意力行为向量从所述候选联系行为日志序列中进行关联行为向量挖掘，获得所述用户操作行为日志相关的第一挖掘行为日志序列，并依据所述用户操作行为特征与所述第一挖掘行为日志序列相关的参考操作行为特征从所述第一挖掘行为日志序列中进行关联行为特征挖掘，获得所述用户操作行为日志相关的第二挖掘行为日志序列；
[0017]获取所述第二挖掘行为日志序列相关的参考用户需求分布，将所述参考用户需求分布确定为所述用户操作行为日志相关的预测用户需求。
[0018]依据以上方面，通过使用用户操作行为特征进行联系行为日志调取，获得用户操作行为日志相关的候选联系行为日志序列，提高解析出候选联系行为日志序列的处理性能，然后再进行关联行为向量挖掘，提高解析出第一挖掘行为日志序列的处理性能，然后进行关联行为特征挖掘，保证了筛选得到的第二挖掘行为日志序列的精度，最后获取到第二挖掘行为日志序列相关的参考用户需求分布，将参考用户需求分布确定为用户操作行为日志相关的预测用户需求，从而在保证参考用户需求分布精度的基础上提高了用户需求预测的处理性能。
附图说明
[0019]图1为本申请实施例提供的应用人工智能的用户需求预测方法的流程示意图。
具体实施方式
[0020]下面介绍本申请一种实施例提供的应用人工智能的用户需求预测系统10的架构。应用人工智能的用户需求预测系统10可以包括大数据优化系统100以及与大数据优化系统100通信连接的智慧医疗注册平台200。
[0021]一种依据独立构思的实施例中，请参阅图1，应用人工智能的用户需求预测系统10中的大数据优化系统100和智慧医疗注册平台200可以通过配合执行以下方法实施例所描述的应用人工智能的用户需求预测方法，具体大数据优化系统100和智慧医疗注册平台200的执行步骤部分可以参照以下方法实施例的详细描述。
[0022]步骤S110，响应用户需求预测请求，用户需求预测请求对应关联了用户操作行为日志，并对用户操作行为日志进行行为倾向性向量挖掘，获得用户操作行为特征。
[0023]其中，用户操作行为日志可以是用于表达相关用户的用户需求的操作行为活动，操作行为活动是指通过各种线上业务平台系统进行用户操作行为记录的片段，例如每一次
用户操作行为记录可以记录为一个操作行为活动。用户操作行为特征可以以多模态特征进行表达。
[0024]例如，大数据优化系统可以响应用户需求预测请求，该用户需求预测请求对应关联了用户操作行为日志。大数据优化系统也可以在接收到用户需求预测请求后，从相关的日志数据库中搜索到对应的用户操作行为日志。然后大数据优化系统对用户操作行为日志使用操作行为倾向决策网络进行行为倾向性向量挖掘，获得用户操作行为特征。该操作行为倾向决策网络可以是通过AI网络结构建立的模型。
[0025]步骤S120，将用户操作行为特征进行注意力向量挖掘，获得用户操作行为日志相关的注意力行为向量。
[0026]其中，注意力行为向量是将用户操作行为特征进行持续关注向量挖掘得到的。例如，大数据优化系统需要将用户操作行为特征进行持续关注向量挖掘，获得用户操作行为日志相关的注意力行为向量。
[0027]步骤S130，获取每个参考用户需求的参考操作行为日志、相关的参考操作行为特征和相关的参考注意力行为向量，并依据用户操作行为特征和每个参考用户需求的参考操作行为日志相关的参考操作行为特征从每个参考用户需求的参考操作行为日志中进行联系行为日志调取，获得用户操作行为日志相关的候选联系行为日志序列本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用人工智能的用户需求预测方法，其特征在于，应用于所述大数据优化系统，所述方法包括：响应用户需求预测请求，所述用户需求预测请求对应关联了用户操作行为日志，并对所述用户操作行为日志进行行为倾向性向量挖掘，获得用户操作行为特征；将所述用户操作行为特征进行注意力向量挖掘，获得所述用户操作行为日志相关的注意力行为向量；获取每个参考用户需求的参考操作行为日志、相关的参考操作行为特征和相关的参考注意力行为向量，并依据所述用户操作行为特征和所述每个参考用户需求的参考操作行为日志相关的参考操作行为特征从所述每个参考用户需求的参考操作行为日志中进行联系行为日志调取，获得所述用户操作行为日志相关的候选联系行为日志序列；依据所述注意力行为向量与所述候选联系行为日志序列相关的参考注意力行为向量从所述候选联系行为日志序列中进行关联行为向量挖掘，获得所述用户操作行为日志相关的第一挖掘行为日志序列，并依据所述用户操作行为特征与所述第一挖掘行为日志序列相关的参考操作行为特征从所述第一挖掘行为日志序列中进行关联行为特征挖掘，获得所述用户操作行为日志相关的第二挖掘行为日志序列；获取所述第二挖掘行为日志序列相关的参考用户需求分布，将所述参考用户需求分布确定为所述用户操作行为日志相关的预测用户需求。2.根据权利要求1所述的应用人工智能的用户需求预测方法，其特征在于，所述用户需求预测请求对应关联了多个用户操作行为日志；所述方法还包括：分别对所述多个用户操作行为日志进行行为倾向性向量挖掘，获得多个用户操作行为特征；将所述多个用户操作行为特征进行注意力向量挖掘，获得所述多个用户操作行为日志相关的注意力行为向量；依据所述多个用户操作行为特征对所述多个用户操作行为日志进行分簇，获得多个用户操作行为日志簇，并从所述多个用户操作行为日志簇中进行显著操作行为活动选取，获得所述多个用户操作行为日志簇相关的显著操作行为活动；依据所述显著操作行为活动相关的用户操作行为特征和所述每个参考用户需求的参考操作行为日志相关的参考操作行为特征从所述每个参考用户需求的参考操作行为日志中进行联系行为日志调取，获得所述显著操作行为活动相关的目标候选联系行为日志序列；依据所述显著操作行为活动相关的注意力行为向量与所述目标候选联系行为日志序列相关的参考注意力行为向量从所述目标候选联系行为日志序列中进行关联行为向量挖掘，获得所述显著操作行为活动相关的目标第一挖掘行为日志序列，并依据所述显著操作行为活动相关的用户操作行为特征与所述目标第一挖掘行为日志序列相关的参考操作行为特征从所述目标第一挖掘行为日志序列中进行关联行为特征挖掘，获得所述显著操作行为活动相关的显著挖掘操作行为活动；获取所述显著挖掘操作行为活动相关的显著用户需求，将所述显著用户需求确定为所述显著操作行为活动相关的用户操作行为日志簇中用户操作行为日志相关的预测用户需求；
所述依据所述多个用户操作行为特征对所述多个用户操作行为日志进行分簇，获得多个用户操作行为日志簇，包括：获取分簇标签向量区间和目标分簇数量；从所述多个用户操作行为特征中任意提取获得标的操作行为特征，确定所述标的操作行为特征和所述多个用户操作行为特征的偏离度，并确定所述偏离度在所述分簇标签向量区间内的用户操作行为特征数量；如果确定所述用户操作行为特征数量大于所述目标分簇数量时，依据所述标的操作行为特征从所述多个用户操作行为特征中确定热力联系的用户操作行为特征；依据所述标的操作行为特征相关的用户操作行为日志和所述热力联系的用户操作行为特征相关的用户操作行为日志得到用户操作行为日志簇；依据所述用户操作行为日志簇从所述多个用户操作行为特征中确定每个待分簇片段特征，并从所述每个待分簇片段特征中任意选择目标待分簇片段特征；将所述目标待分簇片段特征确定为所述标的操作行为特征，并返回确定所述标的操作行为特征和所述多个用户操作行为特征的偏离度的步骤执行，直至所述多个用户操作行为日志全部分簇完成时，获得所述多个用户操作行为日志簇；所述从所述多个用户操作行为日志簇中进行显著操作行为活动选取，获得所述多个用户操作行为日志簇相关的显著操作行为活动，包括：从所述用户操作行为日志簇中确定当前用户操作行为日志和除所述当前用户操作行为日志之外的用户操作行为日志，获得每个余下用户操作行为日志；依据所述当前用户操作行为日志相关的用户操作行为特征和所述每个余下用户操作行为日志相关的用户操作行为特征确定所述当前用户操作行为日志与所述每个余下用户操作行为日志的全局偏离度，获得当前目标偏离度；游走所述用户操作行为日志簇中每个用户操作行为日志，获得所述每个用户操作行为日志相关的当前目标偏离度；比较所述每个用户操作行为日志相关的当前目标偏离度，并将最小当前目标偏离度相关的用户操作行为日志作为所述用户操作行为日志簇相关的显著操作行为活动。3.根据权利要求1所述的应用人工智能的用户需求预测方法，其特征在于，所述对所述用户操作行为日志进行行为倾向性向量挖掘，获得用户操作行为特征，包括：将所述用户操作行为日志传递至操作行为倾向决策网络中...

【专利技术属性】
技术研发人员：贾小奇，
申请(专利权)人：黑龙江国云科技发展有限公司，
类型：发明
国别省市：