[发明专利]基于大数据分析的个性化推送更新优化方法及AI系统

权利要求书

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。