【技术实现步骤摘要】
基于大数据和AI的个性化服务处理方法及云计算服务系统
[0001]本申请涉及个性化互联网服务信息
,示例性地,涉及一种基于大数据和AI的个性化服务处理方法及云计算服务系统。
技术介绍
[0002]当前身处大数据时代,互联网服务商有更多的机会去了解用户,甚至会比用户自己还要了解自己的需求。然而,事实上鲜有客户真正获得精准、贴心的个性化服务,互联网服务商如何快速把握用户的个性化需求和心理预期,是亟待研究的问题。
[0003]相关技术中在对用户需求进行挖掘时通常是针对在线数据进行挖掘,而离线数据通常缺乏收集行为,针对某些可以在离线场景下的应用而言,由于缺乏相应的大数据分析,导致部分用户需求无法被及时挖掘到,这样也就导致用户的个性化服务体验不足。
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基于大数据和AI的个性化服务处理方法及云计算服务系统。
[0005]第一方面,本申请提供一种基于大数据和AI的个性化服务处理方法,应用于云计算服务系统,所述云计算服务系统与多个5G互联网终端通信连接,所述方法包括:获取参考离线行为数据序列,所述参考离线行为数据序列包括多个离线环境标签的参考离线行为数据;根据所述参考离线行为数据的离线环境标签,对所述参考离线行为数据进行分团,得到多个参考离线行为数据团,并采用所述参考离线行为数据团分别对第一AI网络进行网络权重优化,得到每一参考离线行为数据团对应的第二AI网络;采用所述第二AI网络提取出所述参考离线行为数据序列中参 ...
【技术保护点】
【技术特征摘要】
1.一种基于大数据和AI的个性化服务处理方法,其特征在于,应用于云计算服务系统,所述云计算服务系统与所述多个5G互联网终端通信连接,所述方法包括:获取参考离线行为数据序列,所述参考离线行为数据序列包括多个离线环境标签的参考离线行为数据;根据所述参考离线行为数据的离线环境标签,对所述参考离线行为数据进行分团,得到多个参考离线行为数据团,并采用所述参考离线行为数据团分别对第一AI网络进行网络权重优化,得到每一参考离线行为数据团对应的第二AI网络;采用所述第二AI网络提取出所述参考离线行为数据序列中参考离线行为数据的离线行为描述,得到每一所述第二AI网络对应的参考离线行为描述,并确定所述参考离线行为描述的关系描述分量,所述关系描述分量用于表征不同第二AI网络对应的参考离线行为描述之间的行为描述关系;根据所述关系描述分量对所述参考离线行为描述进行聚合,得到聚合参考离线行为描述;采用所述聚合参考离线行为描述和参考离线行为数据序列对所述第一AI网络进行网络权重优化,得到第三AI网络,并基于所述第三AI网络对所述5G互联网终端的待挖掘的离线行为大数据进行离线用户需求挖掘。2.根据权利要求1所述的基于大数据和AI的个性化服务处理方法,其特征在于,所述采用所述第二AI网络提取出所述参考离线行为数据序列中参考离线行为数据的离线行为描述,得到每一所述第二AI网络对应的参考离线行为描述,包括:采用所述第二AI网络对所述参考离线行为数据序列中每一参考离线行为数据进行特征提取,得到所述参考离线行为数据的离线行为特征;根据所述离线行为特征,确定对应的参考离线行为数据中离线行为的离线用户需求倾向值;将所述参考离线行为数据的离线行为特征和离线用户需求倾向值作为所述第二AI网络对应的参考离线行为描述。3.根据权利要求2所述的基于大数据和AI的个性化服务处理方法,其特征在于,所述根据所述关系描述分量对所述参考离线行为描述进行聚合,得到聚合参考离线行为描述,包括:在所述关系描述分量中提取出离线行为特征对应的第一关系描述分量和离线用户需求倾向值对应的第二关系描述分量;根据所述第一关系描述分量对每一参考离线行为数据的离线行为特征进行特征丰富,并将特征丰富后的离线行为特征进行聚合,得到每一所述参考离线行为数据的聚合离线行为特征;基于所述第二关系描述分量对每一离线用户需求倾向值进行特征丰富,并确定特征丰富后的离线用户需求倾向值之间的关系,得到每一参考离线行为数据的参考关系特征;将所述参考离线行为数据的聚合离线行为特征和参考关系特征作为所述聚合参考离线行为描述。4.根据权利要求1所述的基于大数据和AI的个性化服务处理方法,其特征在于,所述采用所述聚合参考离线行为描述和参考离线行为数据序列对所述第一AI网络进行网络权重
优化,得到第三AI网络,包括:采用所述第一AI网络提取所述参考离线行为数据序列中每一参考离线行为数据的离线行为描述,得到所述第一AI网络对应的目标参考离线行为描述;根据所述聚合参考离线行为描述和目标参考离线行为描述,确定所述参考离线行为数据序列对应的风险评估系数信息;基于所述风险评估系数信息,对所述第一AI网络进行网络权重优化,以得到第三AI网络。5.根据权利要求4所述的基于大数据和AI的个性化服务处理方法,其特征在于,所述根据所述聚合参考离线行为描述和目标参考离线行为描述,确定所述参考离线行为数据序列对应的风险评估系数信息,包括:将所述聚合参考离线行为描述和目标参考离线行为描述进行损失计算,以得到所述参考离线行为数据序列对应的第一风险评估系数信息;在所述目标参考离线行为描述中提取出所述参考离线行为数据序列中每一参考离线行为数据的用户需求预测信息,并将所述用户需求预测信息与所述参考离线行为数据中的用户需求标定信息进行损失计算,以得到所述参考离线行为数据序列对应的第二风险评估系数信息;将所述第一风险评估系数信息和第二风险评估系数信息进行加权计算,得到所述参考离线行为数据序列对应的风险评估系数信息。6.根据权利要求5所述的基于大数据和AI的个性化服务处理方法,其特征在于,所述将所述聚合参考离线行为描述和目标参考离线行为描述进行损失计算,以得到所述参考离线行为数据序列对应的第一风险评估系数信息,包括:在所述目标参考离线行为描述中提取出每一参考离线行为数据对应的目标离线行为特征和目标参考关系特征;将所述目标离线行为特征与所述聚合参考离线行为描述中对应的聚合离线行为特征进行损失计算,以得到所述参考离线行为数据序列对应的离线行为特征的风险评估系数信息;将所述目标参考关系特征与所述聚合参考离线行为描述中对应的聚合参考关系特征进行损失计算,以得到所述参考离线行为数据序列对应的关系特征的风险评估系数信息;将所述离线行为特征的风险评估系数信息和关系特征的风险评估系数信息作为所述参考离线行为数据序列对应的第一风险评估系数信息;所述将所述目标离线行为特征与所述聚合参考离线行为描述中对应的聚合离线行为特征进行损失计算,以得到所述参考离线行为数据序列对应的离线行为特征的风险评估系数信息,包括:计算所述目标离线行为特征和所述聚合参考离线行为描述中对应的聚合离线行为特征的均值特征向量;计算所述目标离线行为特征的均值特征向量和所述聚合离线行为特征的均值特征向量之间的特征向量损失值,得到第一特征向量损失值;基于所述第一特征向量损失值,确定所述参考离线行为数据序列对应的离线行为特征的风险评估系数信息;
所述将所述目标参考关系特征与所述聚合参考离线行为描述中对应的聚合参考关系特征进行损...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。