[发明专利]基于深度学习和大数据的页面生成方法及电子商务AI系统

权利要求书

1.一种基于深度学习和大数据的页面生成方法，其特征在于，应用于电子商务AI系统，所述电子商务AI系统与多个电商智慧终端通信连接，所述方法包括：

获取所述电商智慧终端的电商用户群针对各个目标对话服务页面所对应的服务需求响应内容的协同对话行为数据，并获得所述协同对话行为数据的协同对话行为路径网格数据；

将所述协同对话行为路径网格数据输入满足模型收敛条件的DL训练模型中的特征学习层，得到所述协同对话行为路径网格数据对应协同对话主题对应的目标对话偏好特征；

将所述目标对话偏好特征输入所述DL训练模型的特征输出层，获得所述协同对话行为路径网格数据的目标输出偏好协同主题分布；

基于所述协同对话行为路径网格数据的目标输出偏好协同主题分布，为所述电商智慧终端的电商用户群生成对应的电商互动页面信息；

所述特征输出层和所述特征学习层之中的至少一个模型节点层，是基于DL训练模型对标定协同对话行为路径网格数据的输出协同对话主题和实际协同对话主题之间的分类风险评价函数值、以及基于所述DL训练模型对所述标定协同对话行为路径网格数据的输出偏好协同主题分布和实际偏好协同主题分布之间的分类风险评价函数值进行模型收敛配置获得的。

2.根据权利要求1所述的基于深度学习和大数据的页面生成方法，其特征在于，所述特征输出层和所述特征学习层之中的至少一个模型节点层，是基于DL训练模型对标定协同对话行为路径网格数据的输出协同对话主题和实际协同对话主题之间的分类风险评价函数值、以及基于所述DL训练模型对所述标定协同对话行为路径网格数据的输出偏好协同主题分布和实际偏好协同主题分布之间的分类风险评价函数值进行模型收敛配置获得的步骤，包括：

从标定训练数据集中获取协同对话行为数据的标定训练数据，所述标定训练数据包括标定协同对话行为路径网格数据、标定训练数据的实际偏好协同主题分布和实际协同对话主题；

将所述标定协同对话行为路径网格数据输入所述特征学习层得到所述标定协同对话行为路径网格数据的对话偏好特征，并将所述对话偏好特征输入所述特征输出层获得所述标定协同对话行为路径网格数据的输出偏好协同主题分布；

将所述对话偏好特征输入DL训练模型，确定所述标定协同对话行为路径网格数据的输出协同对话主题；

基于所述输出偏好协同主题分布与所述实际偏好协同主题分布之间的第一分类风险评价函数值，以及所述输出协同对话主题与所述实际协同对话主题之间的第二分类风险评价函数值，确定全局分类风险评价函数值；

基于所述全局分类风险评价函数值对所述特征学习层和所述特征输出层中至少一个模型层的模型配置参数进行收敛配置，直至所述全局分类风险评价函数值最小化，得到满足模型收敛条件的DL训练模型。

3.根据权利要求2所述的基于深度学习和大数据的页面生成方法，其特征在于，所述标定协同对话行为路径网格数据为所述协同对话行为数据的对话知识网络数据，所述特征学习层包括第一特征学习部分和第二特征学习部分，其中：

所述将所述标定协同对话行为路径网格数据输入所述特征学习层得到所述标定协同对话行为路径网格数据的对话偏好特征的步骤，包括：

基于所述第一特征学习部分对所述对话知识网络数据进行对话知识成员特征提取，得到对应的对话知识成员特征簇，并对所述对话知识成员特征簇进行对话持续点提取，确定每一个对话知识成员特征对应的对话持续点提取信息，得到对话持续点特征；

基于所述第二特征学习部分对所述对话持续点特征进行对话偏好特征提取，得到所述对话偏好特征。

4.根据权利要求3所述的基于深度学习和大数据的页面生成方法，其特征在于，所述DL训练模型包括存在不同训练输出维度的第一DL训练模型和第二DL训练模型，所述输出协同对话主题具体包括：

将所述对话持续点特征输入所述第一DL训练模型获得第一输出协同对话主题，并将所述对话偏好特征输入所述第二DL训练模型获得第二输出协同对话主题；

所述输出协同对话主题与所述实际协同对话主题之间的第二分类风险评价函数值的步骤，包括：

所述第一输出协同对话主题与所述实际协同对话主题之间的分类风险评价函数值，和所述第二输出协同对话主题与所述实际协同对话主题之间的分类风险评价函数值。