[發明專利]基于大數據和AI預測的內容推薦方法及人工智能云系統

有效

• 申請號: 202111397916.1
• 申請日: 2021-11-23
• 公開（公告）號: CN114048387B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 趙運柱
• 申請（專利權）人: 中山市明源云科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/904;G06F16/9038
• 代理公司: 東莞市神州眾達專利商標事務所(普通合伙) 44251
• 代理人: 周松強

1.一種基于大數據和AI預測的內容推薦方法，其特征在于，應用于人工智能云系統，所述人工智能云系統與多個業務請求終端通信連接，所述方法包括：

根據所述業務請求終端的業務操作大數據生成所述業務請求終端的個性化服務內容；

獲取所述業務請求終端的業務用戶與其它業務用戶針對所述個性化服務內容的協同互動行為數據；

基于預先配置的協同畫像預測模型對所述協同互動行為數據進行預測，獲得所述協同互動行為數據對應的協同畫像序列；

根據所述協同畫像序列為所述業務用戶和所述其它業務用戶推薦對應的協同個性化服務內容；

所述根據所述業務請求終端的業務操作大數據生成所述業務請求終端的個性化服務內容的步驟，包括：

獲取所述業務請求終端的業務操作大數據中的至少兩個業務會話流程的會話流程交互數據及會話流程意圖數據；

根據每個業務會話流程的會話流程意圖數據，確定每個業務會話流程對應的意圖共享會話流程，將所述意圖共享會話流程的會話流程交互數據，向對應的業務會話流程的會話流程交互數據進行數據關聯，得到數據關聯分布信息；所述數據關聯分布信息包括每個業務會話流程的數據關聯分布；

從所述數據關聯分布信息中獲取第一會話流程的第一數據關聯分布，與第二會話流程的第二數據關聯分布，獲取所述第一數據關聯分布與所述第二數據關聯分布的相關性參數，基于所述相關性參數識別所述第一會話流程與所述第二會話流程之間的意圖需求關系；所述第一會話流程與所述第二會話流程屬于所述至少兩個業務會話流程；

根據所述第一會話流程與所述第二會話流程之間的意圖需求關系，生成向所述業務請求終端推送的個性化服務內容，以將所述個性化服務內容推送給所述業務請求終端；

所述根據所述第一會話流程與所述第二會話流程之間的意圖需求關系，生成向所述業務請求終端推送的個性化服務內容，以將所述個性化服務內容推送給所述業務請求終端的步驟，包括：

當確定所述第一會話流程與所述第二會話流程之間的意圖需求關系為意圖興趣關系時，獲取所述第一會話流程與所述第二會話流程之間存在意圖興趣關系的目標會話流程興趣數據，并將所述目標會話流程興趣數據輸入至會話流程畫像預測網絡中；

通過所述會話流程畫像預測網絡對所述目標會話流程興趣數據進行會話流程畫像預測，以獲取與所述目標會話流程興趣數據對應的會話流程畫像；

根據所述會話流程畫像從所述目標會話流程興趣數據中獲取對應的關鍵會話活動事件，并根據所述會話流程畫像和所述關鍵會話活動事件生成關注主題分布信息，以根據所述關注主題分布信息確定所述業務請求終端的個性化服務內容；

所述會話流程畫像預測網絡包括特征提取結構和特征預測結構；所述通過所述會話流程畫像預測網絡對所述目標會話流程興趣數據進行會話流程畫像預測，以獲取與所述目標會話流程興趣數據對應的會話流程畫像，包括：

將所述目標會話流程興趣數據輸入至所述特征提取結構進行特征提取和畫像分量輸出，以獲取與所述目標會話流程興趣數據對應的會話流程畫像分量；

將所述會話流程畫像分量輸入至所述特征預測結構進行會話流程畫像預測，以獲取會話互動過程的會話流程畫像信息；

根據第一預設會話流程畫像信息和所述會話互動過程的會話流程畫像信息確定與所述目標會話流程興趣數據對應的會話流程畫像；

所述特征提取結構包括第一特征提取結構、第二特征提取結構層和第三特征提取結構；所述將所述目標會話流程興趣數據輸入至所述特征提取結構進行特征提取和畫像分量輸出，以獲取與所述目標會話流程興趣數據對應的會話流程畫像分量，包括：

通過所述第一特征提取結構將所述目標會話流程興趣數據中的各個會話流程興趣點特征識別為興趣特征分量；

通過所述第二特征提取結構層對所述目標會話流程興趣數據進行興趣趨勢分量分析，并對獲取的各個興趣趨勢分量分析對應的趨勢屬性特征進行趨勢維度特征提取，以獲取趨勢維度特征；

通過所述第三特征提取結構對各所述會話流程興趣點特征對應的興趣特征分量和趨勢維度特征進行特征提取，以獲取與各所述會話流程興趣點特征對應的會話流程畫像分量；

根據所述目標會話流程興趣數據中所有會話流程興趣點特征對應的會話流程畫像分量確定與所述目標會話流程興趣數據對應的會話流程畫像分量；

所述根據所述會話流程畫像從所述目標會話流程興趣數據中獲取對應的關鍵會話活動事件，包括：

根據所述會話流程畫像對應的畫像匹配模板，對所述目標會話流程興趣數據進行會話活動事件切分，得到所述目標會話流程興趣數據中不攜帶會話權限屬性的第一會話活動事件，將所述目標會話流程興趣數據中的所述第一會話活動事件進行針對會話業務標簽的聚類，作為所述第一會話活動事件；根據所述第一會話活動事件，獲取所述目標會話流程興趣數據中攜帶會話權限屬性的第二會話活動事件，將所述目標會話流程興趣數據中的所述第二會話活動事件進行針對會話業務標簽的聚類，作為所述第二會話活動事件，所述第一會話活動事件包括所述目標會話流程興趣數據中不攜帶會話權限屬性的會話活動事件，所述第二會話活動事件包括所述目標會話流程興趣數據中攜帶會話權限屬性的會話活動事件；

對所述第一會話活動事件進行頻繁項挖掘，得到所述第一會話活動事件對應的非動態頻繁項特征；

對所述第二會話活動事件進行頻繁項挖掘，得到所述第二會話活動事件對應的動態頻繁項特征；

對所述動態頻繁項特征和所述非動態頻繁項特征進行基于頻繁項分類概率的特征融合，得到所述目標會話流程興趣數據對應的興趣融合特征；

對所述興趣融合特征進行興趣點分簇，得到所述目標會話流程興趣數據對應的分簇信息；

在所述分簇信息滿足預設的分簇反饋條件時，通過所述分簇信息所指示的分簇類別屬性從所述目標會話流程興趣數據中獲取與所述分簇類別屬性匹配的會話活動事件作為所述關鍵會話活動事件；

根據所述會話流程畫像和所述關鍵會話活動事件生成關注主題分布信息，以根據所述關注主題分布信息確定所述業務請求終端的個性化服務內容，包括：

根據所述會話流程畫像對應的會話屬性標簽信息獲取所述關鍵會話活動事件中的正傾向信息和負傾向信息；基于所述關鍵會話活動事件中的正傾向信息和負傾向信息之間的傾向比例變化，對所述關鍵會話活動事件中的正傾向信息和負傾向信息進行傾向對象挖掘，得到傾向對象挖掘信息；

將傾向對象挖掘存在異常的負傾向信息確定為參考負傾向信息，根據所述傾向對象挖掘信息中的負傾向信息與所述參考負傾向信息之間的相似度，確定與所述參考負傾向信息相匹配的個性化標簽；對與所述參考負傾向信息相匹配的個性化標簽和所述參考負傾向信息進行傾向對象挖掘，得到關鍵傾向對象信息；根據所述關鍵傾向對象信息和所述傾向對象挖掘信息，確定所述關鍵會話活動事件中的關注主題分布信息和所述關注主題分布信息對應的標簽化特征；其中，所述標簽化特征包括所述關注主題分布信息對應的不同的用戶關注屬性；

根據所述關注主題分布信息及其對應的標簽化特征，采用預設的服務內容數據源對所述業務請求終端進行個性化服務內容推送，得到所述個性化服務內容。