[发明专利]应用于行为意图分析的大数据挖掘方法及云端AI服务系统

说明书

本申请实施例提供一种应用于行为意图分析的大数据挖掘方法及云端AI服务系统，通过依据预先训练完成的目标行为意图挖掘网络对用户行为大数据进行分析，输出对应的行为意图挖掘特征，根据不同目标用户的行为意图挖掘特征，确定各个目标用户所对应的行为意图热力标签，基于各个目标用户所对应的行为意图热力标签对各个目标用户进行推送分组分配，以确定每个目标推送分组下的目标用户簇，对每个目标推送分组下的目标用户簇所对应的业务服务页面进行信息推送。如此，本申请在进行行为意图挖掘后，进一步挖掘用于推送参考依据的热力标签，由此在进行用户分组后进行信息推送，由此能够提高信息推送内容的指向性。

技术领域

本申请涉及大数据和AI技术领域，具体而言，涉及一种应用于行为意图分析的大数据挖掘方法及云端AI服务系统。

背景技术

随着云计算和大数据技术的发展，通过在云端开发多种云端业务，以满足广大用户的互联网需求，成为了越来越多互联网服务提供商的核心竞争力。用户在使用这些云端业务的过程中，会产生大量的用户行为数据，在获得用户的授权许可下，这些互联网服务提供商可以针对这些用户行为数据进行分析以便于进一步挖掘出不同用户的偏好意图，进而为之提供更匹配的内容服务。相关技术中，针对用户的常规信息推送方式，其信息推送内容的指向性有待提高。

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应用于行为意图分析的大数据挖掘方法及云端AI服务系统。

第一方面，本申请提供一种应用于行为意图分析的大数据挖掘方法，应用于云端AI服务系统，所述方法包括：

获取待进行挖掘的目标用户的用户行为大数据，并依据预先训练完成的目标行为意图挖掘网络对所述用户行为大数据进行分析，输出对应的行为意图挖掘特征；

根据不同目标用户的所述行为意图挖掘特征，确定各个目标用户所对应的行为意图热力标签；

基于各个目标用户所对应的行为意图热力标签对所述各个目标用户进行推送分组分配，以确定每个目标推送分组下的目标用户簇，其中，所述每个目标推送分组对应一个推送规则，所述推送规则对应于相应的行为意图热力标签的最新推送策略；

对每个目标推送分组下的目标用户簇所对应的业务服务页面进行信息推送。

一些构思中，所述获取待进行挖掘的用户行为大数据，并依据预先训练完成的目标行为意图挖掘网络对所述用户行为大数据进行分析，输出对应的行为意图挖掘特征的步骤，包括：

获取用于对第一行为意图挖掘网络进行网络更新的用户行为训练数据，将所述用户行为训练数据中的训练数据成员簇作为候选训练数据成员簇；

依据所述第一行为意图挖掘网络挖掘输出所述候选训练数据成员簇的成员簇变量，将所述候选训练数据成员簇的成员簇变量加载到与所述第一行为意图挖掘网络存在映射联系的训练有效性决策网络，调用所述训练有效性决策网络基于所述第一行为意图挖掘网络的网络更新轮数和所述训练有效性决策网络所被设定的有效值评估配置信息，对所述候选训练数据成员簇进行训练有效性决策，生成所述候选训练数据成员簇的训练有效性决策信息；

对所述候选训练数据成员簇的成员簇变量进行行为意图特征决策，生成所述候选训练数据成员簇的行为意图特征变量，基于所述候选训练数据成员簇的行为意图特征变量和所述训练有效性决策信息，对所述用户行为训练数据进行组合训练代价值评估，输出所述用户行为训练数据的组合训练代价值；

基于所述组合训练代价值更新所述第一行为意图挖掘网络的网络权重信息，依据更新网络权重信息后的第一行为意图挖掘网络，生成用于对目标用户行为数据进行行为意图特征分析的第二行为意图挖掘网络，以基于所述第二行为意图挖掘网络作为目标行为意图挖掘网络对用户行为大数据进行行为意图特征分析。

譬如，一些构思中，所述方法还包括：

获取全维度单元行为数据，配置与所述全维度单元行为数据中的各个单元行为数据簇所对应的负关联行为数据区；