[發明專利]基于區塊鏈和大數據挖掘的智能推送處理方法及系統

有效

• 申請號: 202210218863.0
• 申請日: 2022-03-08
• 公開（公告）號: CN114564522B
• 公開（公告）日: 2022-11-15
• 發明（設計）人: 肖偉霞;趙書民
• 申請（專利權）人: 山郵數字科技（山東）有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/9535;G06F21/64;G06N3/08
• 代理公司: 北京虹澤知識產權代理事務所(普通合伙) 16008
• 代理人: 苗奎

本發明實施例提供一種基于區塊鏈和大數據挖掘的智能推送處理方法及系統，在基于云業務聯動事件對目標興趣挖掘模型進行興趣決策的深度學習優化的過程中，通過依據特征學習代價對云業務聯動事件中的云業務聯動事件日志進行深度學習優化階段分配，以便于在對目標興趣挖掘模型進行興趣決策的深度學習優化時可以提高特征學習效果，提高興趣挖掘精度，進而提高后續對相關的目標智慧虛擬業務用戶群進行信息推送的精度。

技術領域

本發明涉及云業務技術領域，具體而言，涉及一種基于區塊鏈和大數據挖掘的智能推送處理方法及系統。

背景技術

云業務技術與人工智能相融合，最終追求的是形成一個智能化生態體系，在該體系內，實現了不同智能終端設備之間、不同系統平臺之間、不同應用場景之間的互融互通，萬物互融。

相關技術中，通常需要結合大數據分析相關的云業務聯動行為數據庫以進行興趣挖掘，在進行興趣決策的深度學習優化的過程中，當前優化方案沒有考慮到深度學習優化階段的分配，導致特征學習效果不佳，不僅會影響興趣挖掘精度，也會影響后續對相關的目標智慧虛擬業務用戶群進行信息推送的精度。

發明內容

為了至少克服現有技術中的上述不足，本發明的目的在于提供一種基于區塊鏈和大數據挖掘的智能推送處理方法及系統。

第一方面，本發明提供一種基于區塊鏈和大數據挖掘的智能推送處理方法，應用于基于區塊鏈和大數據挖掘的智能推送處理系統，所述方法包括：

從目標智慧虛擬業務用戶群的云業務聯動行為數據庫中獲取滿足訓練部署要求的攜帶云業務場景興趣點的云業務聯動事件中的云業務聯動事件日志；

基于選定的云業務場景興趣挖掘模型挖掘各個所述云業務聯動事件中的云業務聯動事件日志的事件關注變量；

基于各個云業務聯動事件作為訓練成員，對各個云業務聯動事件的云業務聯動事件日志的事件關注變量進行事件關注組合，以配置各個云業務聯動事件綁定對應的云業務聯動事件日志團；

對應于各個云業務聯動事件，依據該云業務聯動事件日志綁定的對應云業務聯動事件日志團中云業務聯動事件日志的特征學習代價降序信息，為所述對應云業務聯動事件日志團分配深度學習優化階段；

基于分配的深度學習優化階段依次基于各個云業務聯動事件日志團對所述云業務場景興趣挖掘模型進行興趣決策的深度學習優化，輸出最終滿足模型部署需求的目標興趣挖掘模型，并基于所述目標興趣挖掘模型對輸入的目標云業務聯動事件日志進行興趣挖掘，獲得對應的目標云業務場景興趣點分布后，根據所述目標云業務場景興趣點分布對所述目標智慧虛擬業務用戶群進行信息推送。

第二方面，本發明實施例還提供一種基于區塊鏈和大數據挖掘的智能推送處理系統，所述基于區塊鏈和大數據挖掘的智能推送處理系統包括處理器和機器可讀存儲介質，所述機器可讀存儲介質中存儲有機器可執行指令，所述機器可執行指令由所述處理器加載并執行以實現前述的基于區塊鏈和大數據挖掘的智能推送處理方法。

基于上述任意一個方面，在基于云業務聯動事件對目標興趣挖掘模型進行興趣決策的深度學習優化的過程中，通過依據特征學習代價對云業務聯動事件中的云業務聯動事件日志進行深度學習優化階段分配，以便于在對目標興趣挖掘模型進行興趣決策的深度學習優化時可以提高特征學習效果，提高興趣挖掘精度，進而提高后續對相關的目標智慧虛擬業務用戶群進行信息推送的精度。

附圖說明

為了更清楚地說明本發明實施例的技術方案，下面將對實施例中所需要啟用的附圖作簡單地介紹，應當理解，以下附圖僅示出了本發明的某些實施例，因此不應被看作是對范圍的限定，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以基于這些附圖提取其它相關的附圖。

圖1為本發明實施例提供的基于區塊鏈和大數據挖掘的智能推送處理方法的流程示意圖；