[发明专利]基于大数据线上模式的资源推送方法及深度学习服务系统

说明书

本公开实施例提供一种基于大数据线上模式的资源推送方法及深度学习服务系统，通过调用目标训练模型，以基于第一线上模式阶段的业务使用趋势特征、第一线上模式阶段的静态服务场景特征以及第一线上模式阶段的动态服务场景特征，得到在第二线上模式阶段中用于配置大数据资讯服务的资源推送配置信息，以结合动态服务场景特征动态调整控制大数据资讯服务中订阅业务项目的推送行为，从而实现订阅业务项目的业务推送服务过程智能化地精准预测。

技术领域

本公开涉及大数据技术领域，示例性地，涉及一种基于大数据线上模式的资源推送方法及深度学习服务系统。

背景技术

智能化的大数据资讯服务可以帮助用户对业务资讯服务的业务推送过程进行精细化的控制，获得更加优秀的业务推送控制策略便成为了重要的研究方向。相关技术中的业务推送策略来源主要分为两大类：第一类来源于结合过往的业务推送数据以及固有专业知识，来设定业务推送过程中的规则，这也是目前大数据资讯服务的应用过程中最广泛采用的方式；第二类来源于数据挖掘，通过深度学习等方式，在过往的业务推送数据集上挖掘控制策略与业务推送价值之间的联系，来获取最好的业务推送策略。相关技术中，难以实现订阅业务项目的业务推送服务过程的智能化精准预测。

发明内容

为了至少克服现有技术中的上述不足，本公开的目的在于提供一种基于大数据线上模式的资源推送方法及深度学习服务系统。

第一方面，本公开提供一种基于大数据线上模式的资源推送方法，应用于深度学习服务系统，所述深度学习服务系统与所述多个业务服务设备通信连接，所述方法包括：

获取在大数据资讯服务中所述业务服务设备的服务用户的订阅业务项目在第一线上模式阶段的业务使用趋势特征、所述大数据资讯服务在所述第一线上模式阶段的静态服务场景特征、以及所述大数据资讯服务在第一线上模式阶段的动态服务场景特征；

基于所述第一线上模式阶段的业务使用趋势特征、所述第一线上模式阶段的静态服务场景特征、以及所述第一线上模式阶段的动态服务场景特征调用目标训练模型，以得到在第二线上模式阶段中用于配置所述大数据资讯服务的资源推送配置信息，其中，所述第二线上模式阶段在所述第一线上模式阶段的下一开发更新阶段；

在所述第二线上模式阶段将所述资源推送配置信息应用到所述大数据资讯服务中。

在一种可能的实施例中，所述方法还包括：

基于所述大数据资讯服务中订阅业务项目在多个过往线上模式阶段的业务使用趋势特征、所述大数据资讯服务在所述多个过往线上模式阶段的静态服务场景特征、所述大数据资讯服务在所述多个过往线上模式阶段的动态服务场景特征，构建所述目标训练模型的标注特征对象；

基于所述标注特征对象对所述目标训练模型进行训练，得到用于资源推送配置信息预测的所述目标训练模型。

譬如，在一种可能的实施例中，所述基于所述大数据资讯服务中订阅业务项目在多个过往线上模式阶段的业务使用趋势特征、所述大数据资讯服务在所述多个过往线上模式阶段的静态服务场景特征、所述大数据资讯服务在所述多个过往线上模式阶段的动态服务场景特征，构建所述目标训练模型的标注特征对象的步骤，包括：

针对所述多个过往线上模式阶段中的任一过往线上模式阶段执行以下处理：

获取所述过往线上模式阶段的下一过往线上模式阶段的业务使用趋势特征、所述过往线上模式阶段的下一过往线上模式阶段的静态服务场景特征以及所述过往线上模式阶段的下一过往线上模式阶段的动态服务场景特征；

将所述大数据资讯服务中订阅业务项目在所述过往线上模式阶段的业务使用趋势特征、所述大数据资讯服务在所述过往线上模式阶段的静态服务场景特征、所述过往线上模式阶段的动态服务场景特征组合为所述过往线上模式阶段的第一特征向量；

将所述过往线上模式阶段的下一过往线上模式阶段的业务使用趋势特征、所述过往线上模式阶段的下一过往线上模式阶段的静态服务场景特征以及所述过往线上模式阶段的下一过往线上模式阶段的动态服务场景特征组合为所述下一过往线上模式阶段的第二特征向量；