[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

说明书

本申请实施例提供一种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，通过对浏览互动大数据进行根据操作节点的分团以及浏览互动向量挖掘，得到第一浏览互动向量簇，再进行不同灵活形式的置乱聚合，得到第二浏览互动向量簇与第三浏览互动向量簇，进而可基于不同置乱聚合形式下的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，无需借助已携带兴趣倾向标签的浏览互动大数据进行初步网络训练优化，降低对已携带兴趣倾向标签的浏览互动大数据的收集量，且在初步网络训练优化的通过已携带兴趣倾向标签的浏览互动大数据对初步网络训练优化的兴趣倾向预测网络进行补充训练优化，有助于提高目标浏览互动数据预测的可靠性。

技术领域

本申请涉及大数据技术领域，具体而言，涉及一种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。

背景技术

在大数据快速发展的时代，大数据分析和大数据挖掘在互联网服务商的业务运行过程中发挥着自己独有的影响和效率。互联网时代的蓬勃发展让大数据的商业价值一直在持续扩大、增长，如何能够更快更准确更全面地掌握大数据的商业价值，那么就可以利用这大数据的商业价值去为互联网服务商创造更大的经济效益。

也就是说，在大数据时代，数据挖掘是最关键的工作。大数据的挖掘是从海量、不完全的、有噪声的、模糊的、随机的大型数据库中发现隐含在其中有价值的、潜在有用的信息和知识的过程，也是一种决策支持过程。其主要基于人工智能等实现。通过对大数据高度自动化地分析，做出归纳性的推理，从中挖掘出用户的兴趣倾向，以便于后续业务优化。然而，相关技术中，难以在短时间内搜集到大量已携带兴趣倾向标签的浏览互动数据，进而影响后续基于AI模型来针对浏览互动数据预测的可靠性。

发明内容

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业务优化的用户信息挖掘方法及人工智能系统。

第一方面，本申请提供一种基于大数据业务优化的用户信息挖掘方法，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。

一种可能的独立设计思路中，所述方法还包括：

根据所述兴趣倾向预测网络对目标用户业务终端所对应的目标浏览互动数据中的浏览互动流程进行兴趣倾向预测，获得所述目标浏览互动数据对应的兴趣倾向标签；

根据所述目标浏览互动数据对应的兴趣倾向标签所对应的各个兴趣倾向标签向量获取与当前的内容推荐服务所对应的热点主题请求信息；

根据所述内容推荐服务的内容推荐请求信息，向各内容热点服务传递热点主题请求信息，所述热点主题请求信息包括待请求的热点主题以及与所述热点主题相关的请求内容信息；

获取各所述内容热点服务根据所述热点主题请求信息响应的热点内容分布；

获取通过预置的主题知识图谱针对各所述内容热点服务响应的热点内容分布的热点内容情绪极性分布，得到情绪极性标签集，所述情绪极性标签集包括多个情绪极性标签；