基于大数据分析的个性化推送更新优化方法及AI系统技术方案

本申请实施例提供一种基于大数据分析的个性化推送更新优化方法及AI系统，通过对产品社群互动大数据进行大数据分析，将在同一目标时间段内存在相同产品互动画像的每个基准用户和对应的对象用户添加到对应该目标时间段的产品互动画像分组中，并基于该目标时间段内与产品互动画像所对应的个性化推送策略对产品互动画像分组进行互联网产品信息推送，获取产品互动画像分组针对推送的互联网产品信息的联动关注操作数据，由此进行用户需求输出，从而通过将相同产品互动画像的用户进行汇总后，将个性化推送策略与不同时间段和不同产品互动画像进行关联，提高互联网产品信息推送的时间周期时效性，继而提高后续用户需求输出的可靠性。可靠性。可靠性。

【技术实现步骤摘要】
基于大数据分析的个性化推送更新优化方法及AI系统
[0001]本申请是申请号202211118570.1、申请日为2022年09月15日、专利技术创造名称为“应用于云端互联网交互流程的大数据分析方法及AI系统”的中国申请的分案申请。


[0002]本专利技术涉及大数据
，具体而言，涉及一种基于大数据分析的个性化推送更新优化方法及AI系统。

技术介绍

[0003]个性化推荐系统可以有效提升互联网产品的运营效率和用户转化率，尤其在内容分发、电商、社交等领域的运用越来越多，个性化推荐已经成为一个产品的基础建设，其依靠于相关用户的大数据挖掘进而分析出不同用户的用户画像，然后进行标签分类后进行个性化信息推荐。然而，在相关技术中，通常在大数据挖掘过程中仅针对单个用户的行为大数据进行处理，缺乏交互流程过程中的互动大数据挖掘，导致在进行用户画像分析时存在遗漏，也难以调动多用户之间的有效互动。并且，当前信息推送过程中并没有考虑互联网产品信息推送的时间周期时效性。

技术实现思路

[0004]为了至少克服现有技术中的上述不足，本专利技术的目的在于提供一种基于大数据分析的个性化推送更新优化方法及AI系统。
[0005]第一方面，本申请提供一种应用于云端互联网交互流程的大数据分析方法，应用于AI系统，所述AI系统与多个互联网产品服务器通信连接，所述方法包括：
[0006]对目标互联网在线产品的云端互联网交互流程所对应的产品社群互动大数据进行大数据分析，获取在同一目标时间段内存在相同产品互动画像的每个基准用户和对应的对象用户；
[0007]将所述每个基准用户和对应的对象用户添加到对应该目标时间段的产品互动画像分组中，并基于该目标时间段内与所述产品互动画像所对应的个性化推送策略对所述产品互动画像分组进行互联网产品信息推送；
[0008]获取所述产品互动画像分组针对推送的互联网产品信息的联动关注操作数据，并基于所述联动关注操作数据对所述产品互动画像分组进行用户需求输出。
[0009]譬如，在第一方面的一种可能的实施方式中，所述获取所述产品互动画像分组针对推送的互联网产品信息的联动关注操作数据，并基于所述联动关注操作数据对所述产品互动画像分组进行用户需求输出的步骤，包括：
[0010]获取所述产品互动画像分组中大于设定数量的目标用户针对推送的互联网产品信息的共同关注操作数据，作为联动关注操作数据；
[0011]将所述联动关注操作数据输入到预先训练的用户需求字段预测模型中，获得对应的用户需求字段分布，所述用户需求字段分布用于对所述产品互动画像所对应的个性化推
送策略进行更新和优化；
[0012]其中，所述用户需求字段预测模型的训练步骤包括：
[0013]获取参考用户需求学习数据序列；所述参考用户需求学习数据序列中包含多个参考联动关注操作数据，以及多个所述参考联动关注操作数据各自的第一参考用户需求字段信息；所述第一参考用户需求字段信息表征所述参考联动关注操作数据在用户先验验证库中的用户需求字段分布；
[0014]依据所述第一参考用户需求字段信息指示的所述用户需求字段分布，对多个所述参考联动关注操作数据进行分簇，确定多个所述参考联动关注操作数据的第二参考用户需求字段信息；所述第二参考用户需求字段信息表征所述参考联动关注操作数据更新后的所述用户需求字段分布；
[0015]依据多个所述参考联动关注操作数据，以及多个所述参考联动关注操作数据各自的所述第二参考用户需求字段信息，训练获得所述用户需求字段预测模型；所述用户需求字段预测模型用以对任意联动关注操作数据进行用户需求字段预测；
[0016]其中，所述依据所述第一参考用户需求字段信息指示的所述用户需求字段分布，对多个所述参考联动关注操作数据进行分簇，确定多个所述参考联动关注操作数据的第二参考用户需求字段信息，包括：
[0017]获取一个或多个第一联动关注操作数据序列，同一所述第一联动关注操作数据序列中包含的所述参考联动关注操作数据的所述第一参考用户需求字段信息相同；
[0018]分别对一个或多个所述第一联动关注操作数据序列中的所述参考联动关注操作数据进行类内分簇特征清洗，确定一个或多个第二联动关注操作数据序列；所述类内分簇特征清洗是指，对各个所述第一联动关注操作数据序列内的所述参考联动关注操作数据分别进行分簇后，将各个所述第一联动关注操作数据序列中属于需清洗特征向量的所述参考联动关注操作数据删除；
[0019]获取目标参考联动关注操作数据的联动关注操作特征；所述目标参考联动关注操作数据是指归属于一个或多个所述第二联动关注操作数据序列的参考联动关注操作数据；
[0020]依据各个目标参考联动关注操作数据的联动关注操作特征，对所述目标参考联动关注操作数据进行类间分簇特征清洗，确定所述类间分簇特征清洗的分簇结果；所述类间分簇特征清洗是指，对所述目标参考联动关注操作数据进行分簇后，将所述目标参考联动关注操作数据中属于需清洗特征向量的目标参考联动关注操作数据删除；
[0021]依据所述分簇结果，生成各个所述目标参考联动关注操作数据的所述第二参考用户需求字段信息；
[0022]所述依据多个所述参考联动关注操作数据，以及多个所述参考联动关注操作数据各自的所述第二参考用户需求字段信息，训练获得所述用户需求字段预测模型，包括：
[0023]依据各个所述目标参考联动关注操作数据，以及各个所述目标参考联动关注操作数据各自的所述第二参考用户需求字段信息，训练获得所述用户需求字段预测模型；
[0024]其中，所述依据各个目标参考联动关注操作数据的联动关注操作特征，对所述目标参考联动关注操作数据进行类间分簇特征清洗，确定所述类间分簇特征清洗的分簇结果，包括：
[0025]依据各个目标参考联动关注操作数据的联动关注操作特征，构建联动关注操作特
征关系网络；所述联动关注操作特征关系网络表征各个所述目标参考联动关注操作数据的联动关注操作特征之间关系信息；
[0026]依据所述联动关注操作特征关系网络，获取所述类间分簇特征清洗的分簇结果；
[0027]其中，依据各个所述目标参考联动关注操作数据，以及各个所述目标参考联动关注操作数据各自的所述第二参考用户需求字段信息，训练获得所述用户需求字段预测模型，包括：
[0028]获取多个训练样本数据簇；各个所述训练样本数据簇中包含的目标参考联动关注操作数据来源于不同先验维度的所述用户先验验证库；且同一所述训练样本数据簇中，各个所述用户先验验证库的所述目标参考联动关注操作数据的数量相同；
[0029]以所述训练样本数据簇为单位，将多个所述训练样本数据簇中包含的所述训练样本数据簇加载到初始化网络模型中，确定所述目标参考联动关注操作数据的用户需求字段预测数据；
[0030]依据各个所述目标参考联动关注操作数据的所述用户需求字段预测数据与所述第二参考用户需求字段信息，对所述初始化网络模型进行模型权重参数更新；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据分析的个性化推送更新优化方法，其特征在于，包括：对所述目标互联网在线产品的云端互联网交互流程所对应的产品社群互动大数据进行大数据分析，获取在同一目标时间段内存在相同产品互动画像的每个基准用户和对应的对象用户；将所述每个基准用户和对应的对象用户添加到对应该目标时间段的产品互动画像分组中，并基于该目标时间段内与所述产品互动画像所对应的个性化推送策略对所述产品互动画像分组进行互联网产品信息推送；获取所述产品互动画像分组中大于设定数量的目标用户针对推送的互联网产品信息的共同关注操作数据，作为联动关注操作数据；将所述联动关注操作数据输入到预先训练的用户需求字段预测模型中，获得对应的用户需求字段分布，所述用户需求字段分布用于对所述产品互动画像所对应的个性化推送策略进行更新和优化。2.根据权利要求1所述的基于大数据分析的个性化推送更新优化方法，其特征在于，所述用户需求字段预测模型的训练步骤包括：获取参考用户需求学习数据序列；所述参考用户需求学习数据序列中包含多个参考联动关注操作数据，以及多个所述参考联动关注操作数据各自的第一参考用户需求字段信息；所述第一参考用户需求字段信息表征所述参考联动关注操作数据在用户先验验证库中的用户需求字段分布；依据所述第一参考用户需求字段信息指示的所述用户需求字段分布，对多个所述参考联动关注操作数据进行分簇，确定多个所述参考联动关注操作数据的第二参考用户需求字段信息；所述第二参考用户需求字段信息表征所述参考联动关注操作数据更新后的所述用户需求字段分布；依据多个所述参考联动关注操作数据，以及多个所述参考联动关注操作数据各自的所述第二参考用户需求字段信息，训练获得所述用户需求字段预测模型；所述用户需求字段预测模型用以对任意联动关注操作数据进行用户需求字段预测。3.根据权利要求2所述的基于大数据分析的个性化推送更新优化方法，其特征在于，所述依据所述第一参考用户需求字段信息指示的所述用户需求字段分布，对多个所述参考联动关注操作数据进行分簇，确定多个所述参考联动关注操作数据的第二参考用户需求字段信息，包括：获取一个或多个第一联动关注操作数据序列，同一所述第一联动关注操作数据序列中包含的所述参考联动关注操作数据的所述第一参考用户需求字段信息相同；分别对一个或多个所述第一联动关注操作数据序列中的所述参考联动关注操作数据进行类内分簇特征清洗，确定一个或多个第二联动关注操作数据序列；所述类内分簇特征清洗是指，对各个所述第一联动关注操作数据序列内的所述参考联动关注操作数据分别进行分簇后，将各个所述第一联动关注操作数据序列中属于需清洗特征向量的所述参考联动关注操作数据删除；获取目标参考联动关注操作数据的联动关注操作特征；所述目标参考联动关注操作数据是指归属于一个或多个所述第二联动关注操作数据序列的参考联动关注操作数据；依据各个目标参考联动关注操作数据的联动关注操作特征，对所述目标参考联动关注
操作数据进行类间分簇特征清洗，确定所述类间分簇特征清洗的分簇结果；所述类间分簇特征清洗是指，对所述目标参考联动关注操作数据进行分簇后，将所述目标参考联动关注操作数据中属于需清洗特征向量的目标参考联动关注操作数据删除；依据所述分簇结果，生成各个所述目标参考联动关注操作数据的所述第二参考用户需求字段信息。4.根据权利要求2所述的基于大数据分析的个性化推送更新优化方法，其特征在于，所述依据多个所述参考联动关注操作数据，以及多个所述参考联动关注操作数据各自的所述第二参考用户需求字段信息，训练获得所述用户需求字段预测模型，包括：依据各个所述目标参考联动关注操作数据，以及各个所述目标参考联动关注操作数据各自的所述第二参考用户需求字段信息，训练获得所述用户需求字段预测模型。5.根据权利要求3所述的基于大数据分析的个性化推送更新优化方法，其特征在于，所述依据各个目标参考联动关注操作数据的联动关注操作特征，对所述目标参考联动关注操作数据进行类间分簇特征清洗，确定所述类间分簇特征清洗的分簇结果，包括：依据各个目标参考联动关注操作数据的联动关注...

【专利技术属性】
技术研发人员：卢施施，陆旭婷，
申请(专利权)人：卢施施，
类型：发明
国别省市：