服务于个性化推送服务的大数据挖掘方法及AI推荐系统技术方案

本申请实施例提供一种服务于个性化推送服务的大数据挖掘方法及AI推荐系统，通过对任意订阅个性化推送服务的目标用户的用户行为大数据进行大数据挖掘，获得对应的用户兴趣特征数据，基于预先训练的用户需求决策模型对用户兴趣特征数据进行基于AI的用户需求决策，获得对应的用户需求分布以及用户需求分布中每个用户需求对应于用户兴趣特征数据的兴趣连通路径，基于用户需求分布以及用户需求分布中每个用户需求对应于用户兴趣特征数据的兴趣连通路径构建对应的个性化推送知识网络，并基于个性化推送知识网络进行个性化推送处理，从而在用户需求挖掘的基础上进一步考虑兴趣连通路径，进而提高后续个性化推送可靠性。进而提高后续个性化推送可靠性。进而提高后续个性化推送可靠性。

【技术实现步骤摘要】
服务于个性化推送服务的大数据挖掘方法及AI推荐系统


[0001]本专利技术涉及大数据挖掘
，具体而言，涉及一种服务于个性化推送服务的大数据挖掘方法及AI推荐系统。

技术介绍

[0002]互联网技术的出现和普及给用户带来了大量的信息，满足了用户在信息时代对信息的需求，但随着网络的迅速发展而带来的网上信息量的大幅增长，使得用户在面对大量信息时无法从中获得对自己真正有用的那部分信息，对信息的使用效率反而降低了，这就是所谓的信息超载问题。信息超载是目前网络用户面临的一个严重问题，个性化推荐系统是解决该问题的一个有力工具，并受到了众多的关注和研究。个性化推荐系统是根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户的个性化信息推荐系统。然而在相关技术中，要想达到更佳的个性化推送效果，仅单纯考虑用户兴趣点和信息需求挖掘无法满足业务需求。

技术实现思路

[0003]为了至少克服现有技术中的上述不足，本专利技术的目的在于提供一种服务于个性化推送服务的大数据挖掘方法及AI推荐系统。
[0004]第一方面，本申请提供一种服本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种服务于个性化推送服务的大数据挖掘方法，其特征在于，包括：对任意订阅个性化推送服务的目标用户的用户行为大数据进行大数据挖掘，获得对应的用户兴趣特征数据；基于预先训练的用户需求决策模型对所述用户兴趣特征数据进行基于AI的用户需求决策，获得对应的用户需求分布以及所述用户需求分布中每个用户需求对应于所述用户兴趣特征数据的兴趣连通路径；基于用户需求分布以及所述用户需求分布中每个用户需求对应于所述用户兴趣特征数据的兴趣连通路径构建对应的个性化推送知识网络，并基于所述个性化推送知识网络进行个性化推送处理。2.根据权利要求1所述的服务于个性化推送服务的大数据挖掘方法，其特征在于，所述对任意订阅个性化推送服务的目标用户的用户行为大数据进行大数据挖掘，获得对应的用户兴趣特征数据的步骤，包括：获取任意订阅个性化推送服务的目标用户的用户行为大数据，并从所述用户行为大数据中解析出匹配当前待推广应用事项的标的服务操作事件的第一服务操作轨迹数据，所述第一服务操作轨迹数据是基于操作节点对所述标的服务操作事件进行数据采集获得的，所述第一服务操作轨迹数据中的操作轨迹特征点具有操作持续指标，所述操作持续指标表示在所述标的服务操作事件中所述操作轨迹特征点对所述操作节点的持续参数值；从所述第一服务操作轨迹数据中分别解析第二服务操作轨迹数据和第三服务操作轨迹数据，所述第二服务操作轨迹数据中的操作轨迹特征点的操作持续指标位于第一指标区间，所述第一指标区间表示兴趣点的操作持续指标所对应的区间，所述第三服务操作轨迹数据中的操作轨迹特征点的操作持续指标位于第二指标区间，所述第二指标区间表示第一兴趣类别维度的兴趣点的操作持续指标所对应的区间；对目标服务操作轨迹数据进行兴趣特征挖掘，获得待兴趣预测特征，所述目标服务操作轨迹数据依据所述第二服务操作轨迹数据和所述第三服务操作轨迹数据融合；依据所述待兴趣预测特征，对所述目标服务操作轨迹数据进行用户兴趣特征预测，获得用户兴趣特征数据，所述用户兴趣特征数据中携带有所述第一兴趣类别维度的兴趣意图数据分布和第二兴趣类别维度的兴趣意图数据分布，所述第二兴趣类别维度表示除所述第一兴趣类别维度之外的其它兴趣类别维度。3.根据权利要求2所述的服务于个性化推送服务的大数据挖掘方法，其特征在于，所述第一指标区间的最低数值为第一操作持续指标、最高数值为第二操作持续指标，从所述第一服务操作轨迹数据中解析第二服务操作轨迹数据的步骤，具体包括：将所述第一服务操作轨迹数据对应的多个操作持续指标中小于所述第一操作持续指标的操作持续指标更改为所述第一操作持续指标，将所述多个操作持续指标中大于所述第二操作持续指标的操作持续指标更改为所述第二操作持续指标，获得所述第二服务操作轨迹数据。4.根据权利要求2所述的服务于个性化推送服务的大数据挖掘方法，其特征在于，所述第二指标区间的最低数值为第三操作持续指标、最高数值为第四操作持续指标，从所述第一服务操作轨迹数据中解析第三服务操作轨迹数据的步骤，具体包括：将所述第一服务操作轨迹数据对应的多个操作持续指标中小于所述第三操作持续指
标的操作持续指标更改为所述第三操作持续指标，将所述多个操作持续指标中大于所述第四操作持续指标的操作持续指标更改为所述第四操作持续指标，获得所述第三服务操作轨迹数据。5.根据权利要求2所述的服务于个性化推送服务的大数据挖掘方法，其特征在于，所述标的服务操作事件为电商服务操作事件，所述从所述用户行为大数据中解析出匹配当前待推广应用事项的标的服务操作事件的第一服务操作轨迹数据之后，所述方法还包括：从所述第一服务操作轨迹数据中解析第四服务操作轨迹数据，所述第四服务操作轨迹数据中的操作轨迹特征点的操作持续指标位于第三指标区间，所述第三指标区间表示电商服务订单的操作持续指标所对应的区间；所述对目标服务操作轨迹数据进行兴趣特征挖掘，获得待兴趣预测特征之前，所述方法还包括：依据所述第二服务操作轨迹数据、所述第三服务操作轨迹数据和所述第四服务操作轨迹数据，融合所述目标服务操作轨迹数据。6.根据权利要求2所述的服务于个性化推送服务的大数据挖掘方法，其特征在于，所述依据所述待兴趣预测特征，对所述目标服务操作轨迹数据进行用户兴趣特征预测，获得用户兴趣特征数据的步骤，具体包括：依据所述待兴趣预测特征，确定所述目标服务操作轨迹数据中的操作轨迹特征点对应的第一置信度和第二置信度，所述第一置信度表示所述操作轨迹特征点对应于所述第一兴趣类别维度的支撑度，所述第二置信度表示所述操作轨迹特征点对应于所述第二兴趣类别维度的支撑度；确定所述目标服务操作轨迹数据中的操作轨迹特征点对应的第一置信度和第二置信度中最大的置信度，将所述最大的置信度所指示的兴趣类别维度确定为所述操作轨迹特征点所对应的兴趣类别维度；依据所述目标服务操作轨迹数据中的操作轨迹特征点所对应的兴趣类别维度，分析所述目标服务操作轨迹数据中的操作轨迹特征点，获得所述用户兴趣特征数据。7.根据...

【专利技术属性】
技术研发人员：郭振东，梁登，
申请(专利权)人：郭振东，
类型：发明
国别省市：