[發明專利]基于人工智能的內容推薦方法及人工智能內容推薦系統

在審

• 申請號: 202110681659.8
• 申請日: 2021-06-19
• 公開（公告）號: CN113360762A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 闞忠建
• 申請（專利權）人: 闞忠建
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/06;G06N3/04;G06N3/08;G06N20/00;G06K9/62
• 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人工智能的內容推薦方法及人工智能內容推薦系統，通過會話興趣路徑匹配會話服務流程的目標會話主題分布矩陣與會話服務流程的加權有向操作業務圖，以綜合會話服務流程的興趣點挖掘數據與會話服務流程的加權有向操作業務圖，提取到豐富的會話服務流程的開放主題關系，從而便于在關鍵興趣對象挖掘過程中基于開放主題的關系進行高效地關鍵興趣對象挖掘；另外，通過會話服務流程的目標會話主題分布矩陣，對會話服務流程進行關鍵興趣對象提取，得到會話服務流程的關鍵興趣對象集，從而便于后續進行內容推薦，提高推送精度。

技術領域

本公開涉及機器學習模型技術領域，示例性地，涉及一種基于人工智能的內容推薦方法及人工智能內容推薦系統。

背景技術

隨著云計算、大數據和物聯網等新興計算領域的發展，互聯網環境中的可用服務在數量和類型上都迅速增加。服務計算技術的成熟及其在各個領域的廣泛應用，導致了服務經濟，服務市場和服務業務的快速增長。因此，如何為市場提供以用戶為中心的服務及其組合技術將成為服務計算的未來趨勢之一，準確挖掘用戶偏好并做出高效準確的服務推薦是非常重要和迫切的需要。

在推薦系統中，通過對用戶的偏好建模，例如用戶對物品(可能是電商商品等)的關注傾向程度的確定，可以由此為依據進行內容推薦，以使得推薦的內容與用戶的實際畫像特征更為匹配。然而相關技術中，僅依靠用戶對物品的關注傾向程度進行內容推薦仍舊存在諸多不準確的地方，例如某些關注傾向程度的算法并沒有考慮到會話服務流程的開放主題關系，無法更深層次地表達用戶實際更關注的關鍵興趣對象，因此相關技術的內容推薦準確率仍然有比較大的優化空間。

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人工智能的內容推薦方法及人工智能內容推薦系統。

第一方面，本公開提供一種基于人工智能的內容推薦方法，應用于人工智能內容推薦系統，所述人工智能內容推薦系統與多個智慧在線服務終端通信連接，所述方法包括：

根據指定電商服務對象在當前電商商品會話頁面的業務關注傾向，獲取所述指定電商服務對象的頻繁操作項大數據，通過興趣點挖掘策略對所述頻繁操作項大數據進行興趣點挖掘，得到所述頻繁操作項大數據中會話服務流程的興趣點挖掘數據；

基于所述會話服務流程的興趣點挖掘數據進行會話主題分布矩陣分析，得到所述會話服務流程的目標會話主題分布矩陣；

基于機器學習模型對所述頻繁操作項大數據進行加權有向操作業務圖解析，得到所述會話服務流程的加權有向操作業務圖；

將所述頻繁操作項大數據中會話服務流程的目標會話主題分布矩陣與所述會話服務流程的加權有向操作業務圖進行會話興趣路徑匹配，得到所述會話服務流程的會話興趣路徑匹配信息，并基于所述會話服務流程的會話興趣路徑匹配信息對所述頻繁操作項大數據進行關鍵興趣對象提取，得到所述會話服務流程的關鍵興趣對象集，其中，所述關鍵興趣對象集用于進行電商內容推薦。

第二方面，本公開實施例還提供一種基于人工智能的內容推薦系統，所述基于人工智能的內容推薦系統包括人工智能內容推薦系統以及與所述人工智能內容推薦系統通信連接的多個智慧在線服務終端；

所述人工智能內容推薦系統，用于：

根據指定電商服務對象在當前電商商品會話頁面的業務關注傾向，獲取所述指定電商服務對象的頻繁操作項大數據，通過興趣點挖掘策略對所述頻繁操作項大數據進行興趣點挖掘，得到所述頻繁操作項大數據中會話服務流程的興趣點挖掘數據；

基于所述會話服務流程的興趣點挖掘數據進行會話主題分布矩陣分析，得到所述會話服務流程的目標會話主題分布矩陣；

基于機器學習模型對所述頻繁操作項大數據進行加權有向操作業務圖解析，得到所述會話服務流程的加權有向操作業務圖；