基于大数据在线服务的内容推送方法及AI智能推送系统技术方案

本发明专利技术提供的基于大数据在线服务的内容推送方法及AI智能推送系统，涉及人工智能技术领域。在本发明专利技术中，确定出待处理服务对象和待定第一指向相关对象的对象描述特征分布；挖掘出待处理服务对象的对象数据深度特征表示，并挖掘出每一个待定第一指向相关对象的对象数据深度特征表示；基于对象数据深度特征表示，分析出每一个待定第一指向相关对象属于待处理服务对象的第一指向相关对象的可能性表征参数；基于可能性表征参数，分析出待处理服务对象和至少一个待定第一指向相关对象之间的相关指向信息；基于相关指向信息，对待处理在线服务的待推送服务内容进行对象推送操作。基于上述内容，可以在一定程度上提高内容推送的可靠度。可靠度。可靠度。

【技术实现步骤摘要】
基于大数据在线服务的内容推送方法及AI智能推送系统


[0001]本专利技术涉及人工智能
，具体而言，涉及一种基于大数据在线服务的内容推送方法及AI智能推送系统。

技术介绍

[0002]人工智能(Artificial Intelligence，简称AI)，是利用数字计算机或者数字计算机控制的计算模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0003]人工智能的应用场景较多，例如，可以通过人工智能对在线服务内容进行推送控制等处理。但是，在现有技术中，在进行内容推送的过程中，容易出现推送的可靠度不高的问题。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种基于大数据在线服务的内容推送方法及AI智能推送系统，以在一定程度上提高内容推送的可靠度。
[0005]为实现上述目的，本专利技术实施例采用如下技术方案：一种基于大数据在线服务的内容推送方法，包括：确定出待处理在线服务的待处理服务群体中，待处理服务对象和所述待处理服务对象对应的至少一个待定第一指向相关对象的对象描述特征分布，所述待处理服务对象对应的至少一个待定第一指向相关对象是指，所述待定第一指向相关对象和所述待处理服务对象之间具有从所述待定第一指向相关对象指向所述待处理服务对象的相关关系；对所述待处理服务对象的对象描述特征分布进行加载，以加载到优化过的特征分析神经网络中，挖掘出所述待处理服务对象的对象数据深度特征表示，并分别对每一个待定第一指向相关对象的对象描述特征分布进行加载，以加载到所述优化过的特征分析神经网络中，挖掘出每一个所述待定第一指向相关对象的对象数据深度特征表示，所述优化过的特征分析神经网络基于具有对象相关指向信息的示例性第一数据进行网络优化形成，所述示例性第一数据包括具有并列对象相关信息的示例性服务对象和具有非并列对象相关信息的示例性服务对象的对象描述特征分布；基于每一个所述待定第一指向相关对象的对象数据深度特征表示和所述待处理服务对象的对象数据深度特征表示，分析出每一个所述待定第一指向相关对象属于所述待处理服务对象的第一指向相关对象的可能性表征参数；基于每一个所述待定第一指向相关对象属于所述待处理服务对象的第一指向相关对象的可能性表征参数，分析出所述待处理服务对象和至少一个待定第一指向相关对象之间的相关指向信息；基于分析出的相关指向信息，对所述待处理在线服务的待推送服务内容进行对象推送操作，所述待推送服务内容包括文本数据、语音数据和图像数据中的至少一种。
[0006]在一些优选的实施例中，在上述基于大数据在线服务的内容推送方法中，所述确定出待处理在线服务的待处理服务群体中，待处理服务对象和所述待处理服务对象对应的至少一个待定第一指向相关对象的对象描述特征分布的步骤，包括：在所述待处理服务对象的全局对象描述数据中，抽选出所述待处理服务对象的对象本质描述数据，并在每一个所述待定第一指向相关对象的全局对象描述数据中，分别抽选出每一个所述待定第一指向相关对象的对象本质描述数据；对所述待处理服务对象的对象本质描述数据进行加载，以加载到优化过的编码神经网络中，以输出所述待处理服务对象的对象描述特征分布，并分别对每一个所述待定第一指向相关对象的对象本质描述数据进行加载，以加载到所述优化过的编码神经网络中，以输出每一个所述待定第一指向相关对象的对象描述特征分布。
[0007]在一些优选的实施例中，在上述基于大数据在线服务的内容推送方法中，所述对象描述特征分布包括服务对象的全局对象描述数据中每一个对象本质描述数据的本质数据特征表示，所述优化过的特征分析神经网络包括特征融合单元和数据特征深度挖掘单元；所述对所述待处理服务对象的对象描述特征分布进行加载，以加载到优化过的特征分析神经网络中，挖掘出所述待处理服务对象的对象数据深度特征表示，并分别对每一个待定第一指向相关对象的对象描述特征分布进行加载，以加载到所述优化过的特征分析神经网络中，挖掘出每一个所述待定第一指向相关对象的对象数据深度特征表示的步骤，包括：利用所述特征融合单元，将所述待处理服务对象的对象描述特征分布包括的每一个本质数据特征表示进行有权重的叠加操作，以输出所述待处理服务对象的融合数据特征表示，并分别将每一个待定第一指向相关对象的对象描述特征分布包括的每一个本质数据特征表示进行有权重的叠加操作，以输出每一个待定第一指向相关对象的融合数据特征表示；利用所述数据特征深度挖掘单元，将所述待处理服务对象的融合数据特征表示进行特征深度挖掘操作，以输出所述待处理服务对象的对象数据深度特征表示，并分别将每一个待定第一指向相关对象的融合数据特征表示进行特征深度挖掘操作，以输出每一个待定第一指向相关对象的对象数据深度特征表示。
[0008]在一些优选的实施例中，在上述基于大数据在线服务的内容推送方法中，所述基于每一个所述待定第一指向相关对象的对象数据深度特征表示和所述待处理服务对象的对象数据深度特征表示，分析出每一个所述待定第一指向相关对象属于所述待处理服务对象的第一指向相关对象的可能性表征参数的步骤，包括：对于一个待定第一指向相关对象，对所述待处理服务对象的对象数据深度特征表示和对象分类数据、所述一个待定第一指向相关对象的对象数据深度特征表示和对象分类数据、所述待处理服务对象与所述一个待定第一指向相关对象之间的对象活动区域相关数据进行加载，以加载到优化过的对比分析神经网络中，以分析出所述一个待定第一指向相关对象属于所述待处理服务对象的第一指向相关对象的可能性表征参数；所述优化过的对比分析神经网络基于具有实际的可能性表征参数的示例性第二数据进行网络优化形成，所述示例性第二数据包括示例性服务对象的对象数据深度特征表
示、对象分类数据和所述示例性服务对象之间的对象活动区域相关数据。
[0009]在一些优选的实施例中，在上述基于大数据在线服务的内容推送方法中，所述优化过的对比分析神经网络包括第一对比分析单元和第二对比分析单元；所述对于一个待定第一指向相关对象，对所述待处理服务对象的对象数据深度特征表示和对象分类数据、所述一个待定第一指向相关对象的对象数据深度特征表示和对象分类数据、所述待处理服务对象与所述一个待定第一指向相关对象之间的对象活动区域相关数据进行加载，以加载到优化过的对比分析神经网络中，以分析出所述一个待定第一指向相关对象属于所述待处理服务对象的第一指向相关对象的可能性表征参数的步骤，包括：利用所述第一对比分析单元，分析出所述待处理服务对象和所述一个待定第一指向相关对象的对象数据深度特征表示之间的相关性数据；利用所述第二对比分析单元，分析出所述待处理服务对象和所述一个待定第一指向相关对象的对象分类数据之间的分类区别性数据；基于所述相关性数据、所述分类区别性数据、所述待处理服务对象和所述一个待定第一指向相关对象之间的对象活动区域相关数据，分析出所述一个待定第一指向相关对象属于所述待处理服务对象的第一指向相关对象的可能性表征参数。
[0010]在一些优选的实施例中，在上述基于大数据在线服务的内容推送方法中，所述优化过的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据在线服务的内容推送方法，其特征在于，包括：确定出待处理在线服务的待处理服务群体中，待处理服务对象和所述待处理服务对象对应的至少一个待定第一指向相关对象的对象描述特征分布，所述待处理服务对象对应的至少一个待定第一指向相关对象是指，所述待定第一指向相关对象和所述待处理服务对象之间具有从所述待定第一指向相关对象指向所述待处理服务对象的相关关系；对所述待处理服务对象的对象描述特征分布进行加载，以加载到优化过的特征分析神经网络中，挖掘出所述待处理服务对象的对象数据深度特征表示，并分别对每一个待定第一指向相关对象的对象描述特征分布进行加载，以加载到所述优化过的特征分析神经网络中，挖掘出每一个所述待定第一指向相关对象的对象数据深度特征表示，所述优化过的特征分析神经网络基于具有对象相关指向信息的示例性第一数据进行网络优化形成，所述示例性第一数据包括具有并列对象相关信息的示例性服务对象和具有非并列对象相关信息的示例性服务对象的对象描述特征分布；基于每一个所述待定第一指向相关对象的对象数据深度特征表示和所述待处理服务对象的对象数据深度特征表示，分析出每一个所述待定第一指向相关对象属于所述待处理服务对象的第一指向相关对象的可能性表征参数；基于每一个所述待定第一指向相关对象属于所述待处理服务对象的第一指向相关对象的可能性表征参数，分析出所述待处理服务对象和至少一个待定第一指向相关对象之间的相关指向信息；基于分析出的相关指向信息，对所述待处理在线服务的待推送服务内容进行对象推送操作，所述待推送服务内容包括文本数据、语音数据和图像数据中的至少一种。2.如权利要求1所述的基于大数据在线服务的内容推送方法，其特征在于，所述确定出待处理在线服务的待处理服务群体中，待处理服务对象和所述待处理服务对象对应的至少一个待定第一指向相关对象的对象描述特征分布的步骤，包括：在所述待处理服务对象的全局对象描述数据中，抽选出所述待处理服务对象的对象本质描述数据，并在每一个所述待定第一指向相关对象的全局对象描述数据中，分别抽选出每一个所述待定第一指向相关对象的对象本质描述数据；对所述待处理服务对象的对象本质描述数据进行加载，以加载到优化过的编码神经网络中，以输出所述待处理服务对象的对象描述特征分布，并分别对每一个所述待定第一指向相关对象的对象本质描述数据进行加载，以加载到所述优化过的编码神经网络中，以输出每一个所述待定第一指向相关对象的对象描述特征分布。3.如权利要求2所述的基于大数据在线服务的内容推送方法，其特征在于，所述对象描述特征分布包括服务对象的全局对象描述数据中每一个对象本质描述数据的本质数据特征表示，所述优化过的特征分析神经网络包括特征融合单元和数据特征深度挖掘单元；所述对所述待处理服务对象的对象描述特征分布进行加载，以加载到优化过的特征分析神经网络中，挖掘出所述待处理服务对象的对象数据深度特征表示，并分别对每一个待定第一指向相关对象的对象描述特征分布进行加载，以加载到所述优化过的特征分析神经网络中，挖掘出每一个所述待定第一指向相关对象的对象数据深度特征表示的步骤，包括：利用所述特征融合单元，将所述待处理服务对象的对象描述特征分布包括的每一个本质数据特征表示进行有权重的叠加操作，以输出所述待处理服务对象的融合数据特征表
示，并分别将每一个待定第一指向相关对象的对象描述特征分布包括的每一个本质数据特征表示进行有权重的叠加操作，以输出每一个待定第一指向相关对象的融合数据特征表示；利用所述数据特征深度挖掘单元，将所述待处理服务对象的融合数据特征表示进行特征深度挖掘操作，以输出所述待处理服务对象的对象数据深度特征表示，并分别将每一个待定第一指向相关对象的融合数据特征表示进行特征深度挖掘操作，以输出每一个待定第一指向相关对象的对象数据深度特征表示。4.如权利要求1所述的基于大数据在线服务的内容推送方法，其特征在于，所述基于每一个所述待定第一指向相关对象的对象数据深度特征表示和所述待处理服务对象的对象数据深度特征表示，分析出每一个所述待定第一指向相关对象属于所述待处理服务对象的第一指向相关对象的可能性表征参数的步骤，包括：对于一个待定第一指向相关对象，对所述待处理服务对象的对象数据深度特征表示和对象分类数据、所述一个待定第一指向相关对象的对象数据深度特征表示和对象分类数据、所述待处理服务对象与所述一个待定第一指向相关对象之间的对象活动区域相关数据进行加载，以加载到优化过的对比分析神经网络中，以分析出所述一个待定第一指向相关对象属于所述待处理服务对象的第一指向相关对象的可能性表征参数；所述优化过的对比分析神经网络基于具有实际的可能性表征参数的示例性第二数据进行网络优化形成，所述示例性第二数据包括示例性服务对象的对象数据深度特征表示、对象分类数据和所述示例性服务对象之间的对象活动区域相关数据。5.如权利要求4所述的基于大数据在线服务的内容推送方法，其特征在于，所述优化过的对比分析神经网络包括第一对比分析单元和第二对比分析单元；所述对于一个待定第一指向相关对象，对所述待处理服务对象的对象数据深度特征表示和对象分类数据、所述一个待定第一指向相关对象的对象数据深度特征表示和对象分类数据、所述待处理服务对象与所述一个待定第一指向相关对象之间的对象活动区域相关数据进行加载，以加载到优化过的对比分析神经网络中，以分析出所述一个待定第一指向相关对象属于所述待处理服务对象的第一指向相关对象的可...

【专利技术属性】
技术研发人员：张燕，陈晖，
申请(专利权)人：兰州柒禾网络科技有限公司，
类型：发明
国别省市：