[發明專利]基于大數據線上模式的資源推送方法及深度學習服務系統

在審

• 申請號: 202110308787.8
• 申請日: 2021-03-23
• 公開（公告）號: CN112990324A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 李光偉
• 申請（專利權）人: 李光偉
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/9535;G06Q10/06;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本公開實施例提供一種基于大數據線上模式的資源推送方法及深度學習服務系統，通過調用目標訓練模型，以基于第一線上模式階段的業務使用趨勢特征、第一線上模式階段的靜態服務場景特征以及第一線上模式階段的動態服務場景特征，得到在第二線上模式階段中用于配置大數據資訊服務的資源推送配置信息，以結合動態服務場景特征動態調整控制大數據資訊服務中訂閱業務項目的推送行為，從而實現訂閱業務項目的業務推送服務過程智能化地精準預測。

技術領域

本公開涉及大數據技術領域，示例性地，涉及一種基于大數據線上模式的資源推送方法及深度學習服務系統。

背景技術

智能化的大數據資訊服務可以幫助用戶對業務資訊服務的業務推送過程進行精細化的控制，獲得更加優秀的業務推送控制策略便成為了重要的研究方向。相關技術中的業務推送策略來源主要分為兩大類：第一類來源于結合過往的業務推送數據以及固有專業知識，來設定業務推送過程中的規則，這也是目前大數據資訊服務的應用過程中最廣泛采用的方式；第二類來源于數據挖掘，通過深度學習等方式，在過往的業務推送數據集上挖掘控制策略與業務推送價值之間的聯系，來獲取最好的業務推送策略。相關技術中，難以實現訂閱業務項目的業務推送服務過程的智能化精準預測。

發明內容

為了至少克服現有技術中的上述不足，本公開的目的在于提供一種基于大數據線上模式的資源推送方法及深度學習服務系統。

第一方面，本公開提供一種基于大數據線上模式的資源推送方法，應用于深度學習服務系統，所述深度學習服務系統與所述多個業務服務設備通信連接，所述方法包括：

獲取在大數據資訊服務中所述業務服務設備的服務用戶的訂閱業務項目在第一線上模式階段的業務使用趨勢特征、所述大數據資訊服務在所述第一線上模式階段的靜態服務場景特征、以及所述大數據資訊服務在第一線上模式階段的動態服務場景特征；

基于所述第一線上模式階段的業務使用趨勢特征、所述第一線上模式階段的靜態服務場景特征、以及所述第一線上模式階段的動態服務場景特征調用目標訓練模型，以得到在第二線上模式階段中用于配置所述大數據資訊服務的資源推送配置信息，其中，所述第二線上模式階段在所述第一線上模式階段的下一開發更新階段；

在所述第二線上模式階段將所述資源推送配置信息應用到所述大數據資訊服務中。

在一種可能的實施例中，所述方法還包括：

基于所述大數據資訊服務中訂閱業務項目在多個過往線上模式階段的業務使用趨勢特征、所述大數據資訊服務在所述多個過往線上模式階段的靜態服務場景特征、所述大數據資訊服務在所述多個過往線上模式階段的動態服務場景特征，構建所述目標訓練模型的標注特征對象；

基于所述標注特征對象對所述目標訓練模型進行訓練，得到用于資源推送配置信息預測的所述目標訓練模型。

譬如，在一種可能的實施例中，所述基于所述大數據資訊服務中訂閱業務項目在多個過往線上模式階段的業務使用趨勢特征、所述大數據資訊服務在所述多個過往線上模式階段的靜態服務場景特征、所述大數據資訊服務在所述多個過往線上模式階段的動態服務場景特征，構建所述目標訓練模型的標注特征對象的步驟，包括：

針對所述多個過往線上模式階段中的任一過往線上模式階段執行以下處理：

獲取所述過往線上模式階段的下一過往線上模式階段的業務使用趨勢特征、所述過往線上模式階段的下一過往線上模式階段的靜態服務場景特征以及所述過往線上模式階段的下一過往線上模式階段的動態服務場景特征；

將所述大數據資訊服務中訂閱業務項目在所述過往線上模式階段的業務使用趨勢特征、所述大數據資訊服務在所述過往線上模式階段的靜態服務場景特征、所述過往線上模式階段的動態服務場景特征組合為所述過往線上模式階段的第一特征向量；

將所述過往線上模式階段的下一過往線上模式階段的業務使用趨勢特征、所述過往線上模式階段的下一過往線上模式階段的靜態服務場景特征以及所述過往線上模式階段的下一過往線上模式階段的動態服務場景特征組合為所述下一過往線上模式階段的第二特征向量；