[发明专利]基于大数据业务优化的用户信息挖掘方法及人工智能系统

权利要求书

1.一种基于大数据业务优化的用户信息挖掘方法，其特征在于，应用于人工智能系统，所述方法包括：

对第一浏览互动大数据进行根据操作节点的分团，并对分团得到的各个浏览互动节点数据进行浏览互动向量挖掘，得到第一浏览互动向量簇，所述第一浏览互动向量簇中涵盖各个浏览互动节点数据对应的第一浏览互动向量，所述第一浏览互动大数据是不携带兴趣倾向标签的浏览互动大数据；

对所述第一浏览互动向量簇中的所述第一浏览互动向量进行置乱聚合，得到第二浏览互动向量簇和第三浏览互动向量簇，所述第二浏览互动向量簇中的第二浏览互动向量与所述第三浏览互动向量簇中的第三浏览互动向量对应不同置乱聚合形式；

根据所述第二浏览互动向量簇和所述第三浏览互动向量簇对兴趣倾向预测网络进行初步网络训练优化，所述兴趣倾向预测网络用于对目标浏览互动数据中的浏览互动流程进行兴趣倾向预测；

根据第二浏览互动大数据对初步网络训练优化的所述兴趣倾向预测网络进行补充训练优化，以通过所述补充训练优化的兴趣倾向预测网络对目标浏览互动数据中的浏览互动流程进行兴趣倾向预测，获得用户挖掘信息后作为业务优化的参考依据，所述第二浏览互动大数据是携带兴趣倾向标签的浏览互动大数据。

2.根据权利要求1所述的基于大数据业务优化的用户信息挖掘方法，其特征在于，所述对所述第一浏览互动向量簇中的所述第一浏览互动向量进行置乱聚合，得到第二浏览互动向量簇和第三浏览互动向量簇，包括：

随机变换所述第一浏览互动向量簇中所述第一浏览互动向量的时空域节点，得到第一目标浏览互动向量簇和第二目标浏览互动向量簇，所述第一目标浏览互动向量簇和所述第二目标浏览互动向量簇中所述第一浏览互动向量的时空域节点不同；

根据所述第一目标浏览互动向量簇进行置乱得到第一置乱向量分布，并根据所述第二目标浏览互动向量簇进行置乱得到第二置乱向量分布；

对所述第一置乱向量分布中的所述第一浏览互动向量进行向量聚合，并根据向量聚合结果生成所述第二浏览互动向量簇；

对所述第二置乱向量分布中的所述第一浏览互动向量进行向量聚合，并根据向量聚合结果生成所述第三浏览互动向量簇。

3.根据权利要求2所述的基于大数据业务优化的用户信息挖掘方法，其特征在于，所述对所述第一置乱向量分布中的所述第一浏览互动向量进行向量聚合，并根据向量聚合结果生成所述第二浏览互动向量簇，包括：

通过向量连接队列提取所述第一置乱向量分布中所对应的i个第一浏览互动向量；

对所述i个第一浏览互动向量进行向量聚合，得到第一聚合浏览互动向量；

对j组所述第一聚合浏览互动向量进行关系转换，得到所述第二浏览互动向量簇，j组所述第一聚合浏览互动向量通过向量连接队列中进行提取获得；

所述对所述第二置乱向量分布中的所述第一浏览互动向量进行向量聚合，并根据向量聚合结果生成所述第三浏览互动向量簇，包括：

通过向量连接队列提取所述第二置乱向量分布中所对应的i个第一浏览互动向量；

对所述i个第一浏览互动向量进行向量聚合，得到第二聚合浏览互动向量；

对j组所述第二聚合浏览互动向量进行关系转换，得到所述第三浏览互动向量簇，j组所述第二聚合浏览互动向量通过向量连接队列中进行提取获得。

4.根据权利要求2所述的基于大数据业务优化的用户信息挖掘方法，其特征在于，所述根据所述第一目标浏览互动向量簇进行置乱得到第一置乱向量分布，并根据所述第二目标浏览互动向量簇进行置乱得到第二置乱向量分布，包括：

根据所述第一浏览互动大数据的根据操作节点的分团形式，确定分团量化参数；

根据所述分团量化参数，对所述第一目标浏览互动向量簇中的第一浏览互动向量进行置乱，得到所述第一置乱向量分布；

根据所述分团量化参数，对所述第二目标浏览互动向量簇中的第一浏览互动向量进行置乱，得到所述第二置乱向量分布。