基于AI智能的用户信息管理系统及其方法技术方案

本申请涉及信息管理技术领域，其具体地公开了一种基于AI智能的用户信息管理系统及其方法，其首先被分析用户的历史行为数据和备选推荐内容的描述文本，然后，通过人工智能和深度学习技术挖掘所述用户的历史行为数据中的各个数据项的语义关联特征和所述备选推荐内容的文本语义理解特征之间的关联性特征分布信息，以此来进行两者的语义特征匹配，从而分析该备选推荐内容是否符合用户的喜好和需求。通过这样的方式，能准确地进行备选推荐内容的推荐，提高内容推荐的效率和准确性，进而提升用户的体验和满意度。用户的体验和满意度。用户的体验和满意度。

【技术实现步骤摘要】
基于AI智能的用户信息管理系统及其方法


[0001]本申请涉及信息管理
，且更为具体地，涉及一种基于AI智能的用户信息管理系统及其方法

技术介绍

[0002]随着互联网的普及和信息量的不断增加，人们获取信息的方式变得更为便捷和多样化。然而，现代互联网充斥着大量的信息和产品，如何快速、精准地为用户推荐符合其需求的内容或者产品成为了迫切需要解决的问题。传统的推荐系统主要是基于协同过滤或基于内容的推荐算法，这些算法在推荐效果和实时性方面存在诸多限制和不足。
[0003]因此，期望一种优化的基于AI智能的用户信息管理系统，以通过分析用户的喜好和需求，给用户推荐相关的内容或产品。

技术实现思路

[0004]本申请提供一种基于AI智能的用户信息管理系统及其方法，其首先被分析用户的历史行为数据和备选推荐内容的描述文本，然后，通过人工智能和深度学习技术挖掘所述用户的历史行为数据中的各个数据项的语义关联特征和所述备选推荐内容的文本语义理解特征之间的关联性特征分布信息，以此来进行两者的语义特征匹配，从而分析该备选推荐内容是否符合用户的喜好和需求。通过这样的方式，能准确地进行备选推荐内容的推荐，提高内容推荐的效率和准确性，进而提升用户的体验和满意度。
[0005]第一方面，提供了一种基于AI智能的用户信息管理系统，所述系统包括：历史行为数据采集模块，用于获取被分析用户的历史行为数据，所述历史行为数据包括浏览历史、搜索记录和点击率；历史数据预处理模块，用于将所述历史行为数据进行预处理以得到预处理后历史行为数据；历史数据语义理解模块，用于将所述预处理后历史行为数据经分词处理后通过包含词嵌入层的第一序列编码器以得到历史行为特征向量；推荐内容文本获取模块，用于获取备选推荐内容的描述文本；推荐内容语义理解模块，用于对所述备选推荐内容的描述文本进行分词处理后通过包含词嵌入层的第二序列编码器以得到备选推荐内容语义理解特征向量；转移关联模块，用于计算所述历史行为特征向量和所述备选推荐内容语义理解特征向量之间的转移矩阵；特征优化模块，用于对所述转移矩阵进行特征分布优化以得到优化转移矩阵；以及内容推荐模块，用于将所述优化转移矩阵通过分类器以得到分类结果，所述分类结果用于表示是否推荐所述备选推荐内容给所述被分析用户。
[0006]结合第一方面，在第一方面的一种实现方式中，所述历史数据语义理解模块，包括：历史行为嵌入单元，用于将所述预处理后历史行为数据通过词嵌入层以将所述预处理后历史行为数据中各个数据转化为历史行为嵌入向量以得到历史行为嵌入向量的序列，其中，所述词嵌入层使用可学习的嵌入矩阵对所述各个数据进行嵌入编码；历史行为上下文编码单元，用于将所述历史行为嵌入向量的序列通过所述第一序列编码器的转换器以得到多个历史行为语义特征向量；以及
历史行为级联单元，用于对所述多个历史行为语义特征向量进行级联以得到所述历史行为特征向量。
[0007]结合第一方面，在第一方面的一种实现方式中，所述历史上下文编码单元，包括：排列单元，用于将所述历史行为嵌入向量的序列排列为输入向量；转化子单元，用于将所述输入向量通过可学习嵌入矩阵分别转化为查询向量和关键向量；自注意子单元，用于计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；标准化处理子单元，用于对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；矩阵激活子单元，用于将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自注意力特征矩阵；以及注意力施加子单元，用于将所述自注意力特征矩阵与所述历史行为嵌入向量的序列中各个历史行为嵌入向量分别相乘得到所述多个历史行为语义特征向量。
[0008]结合第一方面，在第一方面的一种实现方式中，所述推荐内容语义理解模块，包括：分词处理单元，用于对所述备选推荐内容的描述文本进行分词处理以得到词序列。
[0009]推荐内容嵌入单元，用于将所述词序列通过词嵌入层以将所述词序列中各个词转化为推荐内容嵌入向量以得到推荐内容嵌入向量的序列，其中，所述词嵌入层使用可学习的嵌入矩阵对所述各个词进行嵌入编码；以及推荐内容上下文编码单元，用于将所述推荐内容嵌入向量的序列通过所述第二序列编码器的转换器以得到多个推荐内容语义特征向量；推荐内容级联单元，用于对所述多个推荐内容语义特征向量进行级联以得到所述备选推荐内容语义理解特征向量。
[0010]结合第一方面，在第一方面的一种实现方式中，所述转移关联模块，用于：以如下转移公式计算所述历史行为特征向量和所述备选推荐内容语义理解特征向量之间的转移矩阵；其中，所述转移公式为：其中表示所述历史行为特征向量，表示所述备选推荐内容语义理解特征向量，表示矩阵乘法，表示所述转移矩阵。
[0011]结合第一方面，在第一方面的一种实现方式中，所述特征优化模块，用于：以如下优化公式对所述转移矩阵进行特征分布优化以得到所述优化转移矩阵；其中，所述优化公式为：其中是所述转移矩阵的第 位置的特征值，和是所述转移矩阵的各个位置特征值集合的均值和标准差，且是所述优化转移矩阵的第 位置的特征值。
[0012]结合第一方面，在第一方面的一种实现方式中，所述内容推荐模块，包括：矩阵展开单元，用于将所述优化分类特征矩阵按照行向量或列向量展开为分类特征向量；全连接单元，用于使用所述分类器的全连接层对所述校正后分类特征向量进行全连接编码以得到全连接编码特征向量；概率化单元，用于将所述全连接编码特征向量输入所述分类器的Softmax分类函数以得到所述优化分类特征矩阵归属于各个分类标签的概率值，所述分类标签包括用于推荐所述备选推荐内容给所述被分析用户和不推荐所述备选推荐内容给所述被分析用户；以及分类单元，用于将所述概率值中最大者对应的分类标签确定为所述分类结果。
[0013]第二方面，提供了一种基于数据智能的燃气管网远传状态监控方法，所述方法包
括：获取被分析用户的历史行为数据，所述历史行为数据包括浏览历史、搜索记录和点击率；将所述历史行为数据进行预处理以得到预处理后历史行为数据；将所述预处理后历史行为数据经分词处理后通过包含词嵌入层的第一序列编码器以得到历史行为特征向量；获取备选推荐内容的描述文本；对所述备选推荐内容的描述文本进行分词处理后通过包含词嵌入层的第二序列编码器以得到备选推荐内容语义理解特征向量；计算所述历史行为特征向量和所述备选推荐内容语义理解特征向量之间的转移矩阵；对所述转移矩阵进行特征分布优化以得到优化转移矩阵；以及将所述优化转移矩阵通过分类器以得到分类结果，所述分类结果用于表示是否推荐所述备选推荐内容给所述被分析用户。
[0014]第三方面，提供了一种芯片，该芯片包括输入输出接口、至少一个处理器、至少一个存储器和总线，该至少一个存储器用于存储指令，该至少一个处理器用于调用该至少一个存储器中的指令，以执行第二方面中的方法。
[0015]第四方面，提供了一种计算机可读介质，用于存储计算机程序，所述计算机程序包括用于执行上述第二方面中的方法。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI智能的用户信息管理系统，其特征在于，包括：历史行为数据采集模块，用于获取被分析用户的历史行为数据，所述历史行为数据包括浏览历史、搜索记录和点击率；历史数据预处理模块，用于将所述历史行为数据进行预处理以得到预处理后历史行为数据；历史数据语义理解模块，用于将所述预处理后历史行为数据经分词处理后通过包含词嵌入层的第一序列编码器以得到历史行为特征向量；推荐内容文本获取模块，用于获取备选推荐内容的描述文本；推荐内容语义理解模块，用于对所述备选推荐内容的描述文本进行分词处理后通过包含词嵌入层的第二序列编码器以得到备选推荐内容语义理解特征向量；转移关联模块，用于计算所述历史行为特征向量和所述备选推荐内容语义理解特征向量之间的转移矩阵；特征优化模块，用于对所述转移矩阵进行特征分布优化以得到优化转移矩阵；以及内容推荐模块，用于将所述优化转移矩阵通过分类器以得到分类结果，所述分类结果用于表示是否推荐所述备选推荐内容给所述被分析用户。2.根据权利要求1所述的基于AI智能的用户信息管理系统，其特征在于，所述历史数据语义理解模块，包括：历史行为嵌入单元，用于将所述预处理后历史行为数据通过词嵌入层以将所述预处理后历史行为数据中各个数据转化为历史行为嵌入向量以得到历史行为嵌入向量的序列，其中，所述词嵌入层使用可学习的嵌入矩阵对所述各个数据进行嵌入编码；历史行为上下文编码单元，用于将所述历史行为嵌入向量的序列通过所述第一序列编码器的转换器以得到多个历史行为语义特征向量；以及历史行为级联单元，用于对所述多个历史行为语义特征向量进行级联以得到所述历史行为特征向量。3.根据权利要求2所述的基于AI智能的用户信息管理系统，其特征在于，所述历史上下文编码单元，包括：排列单元，用于将所述历史行为嵌入向量的序列排列为输入向量；转化子单元，用于将所述输入向量通过可学习嵌入矩阵分别转化为查询向量和关键向量；自注意子单元，用于计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；标准化处理子单元，用于对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；矩阵激活子单元，用于将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自注意力特征矩阵；以及注意力施加子单元，用于将所述自注意力特征矩阵与所述历史行为嵌入向量的序列中各个历史行为嵌入向量分别相乘得到所述多个历史行为语义特征向量。4.根据权利要求3所述的基于AI智能的用户信息管理系统，其特征在于，所述推荐内容语义理解模块，包括：分词处理单元，用于对所述备选推荐内容的描述文本进行分词处理以得到词序列；推荐内容嵌入单元，用于将所述词序列通过词嵌入层以将所述词序列中各个词转化为推荐内容嵌入向量以得到推荐内容嵌入向量的序列，其中，所述词嵌入层使用可学习的嵌入矩阵对所述各个词进行嵌入编码；推荐内容上下文编码单元，用于将所述推荐内容嵌入向量的序列通过所述第二序列编码器的转换器以得到多个推荐内容语义特征向量；以及推荐内容级联单元，用于对所述多个推荐内容语义特征向量进行级联以得到所述备选推荐内容语义理解特征向量。5.根据权利要求4所述的基于AI智能的用户信息管理系统，其特征在于，所述转移关联模块，用于：以如下转移公式计算所述历史行为特征向量和所述备选推荐内容语义理解特征向量之间的转移矩阵；其中，所述转移公式为：其中表示所...

【专利技术属性】
技术研发人员：涂晶，
申请(专利权)人：深圳市奇力智能有限公司，
类型：发明
国别省市：