[发明专利]结合大数据服务的业务数据推送方法及深度学习服务系统

说明书

本公开实施例提供一种结合大数据服务的业务数据推送方法及深度学习服务系统，针对第一数据分区对应的第一数据分区属性特征，通过交叠属性特征定位的方式在第二互动过程数据中确定对应的交叠属性特征，并结合第二数据分区属性特征和交叠属性特征之间的对比信息，对第一数据分区属性特征和第二数据分区属性特征的对比结果进行过滤，最终得到符合要求的位于第一互动过程数据和第二互动过程数据内的目标互动兴趣点进行融合，提高了目标互动兴趣点的融合效率，以及提高了目标互动兴趣点的融合准确率，并且基于各个融合目标互动兴趣点的目标互动过程数据对业务互动终端的大数据推送服务进行业务更新后进行业务推送，提高业务推送精度。

技术领域

本公开涉及人工智能技术领域，示例性地，涉及一种结合大数据服务的业务数据推送方法及深度学习服务系统。

背景技术

随着深度学习技术的不断发展，通过深度学习进行业务互动过程中的场景识别后，可以针对性学习业务互动过程中的关键场景对象的数据信息，进而可以为业务优化和更新提供信息决策和数据支持。

相关技术中，在进行业务场景识别后，需要进行关键业务互动数据集的兴趣点挖掘，以便于针对性地进行大数据推送服务的改进，从而基于改进的大数据推送服务进行信息推送优化，例如基于改进的大数据推送服务中相对应的推送标签从热点数据源中匹配对应的资讯内容进行推送。然而，对于不同互动节点而言，如果都单独进行挖掘将会带来较大的计算量，并且挖掘的特征维度较为单一，如何提高不同互动节点的互动兴趣点的融合效率和融合准确率，进而提高大数据推送服务的更新效率和更新准确率，是本领域亟待研究的问题。

发明内容

为了至少克服现有技术中的上述不足，本公开的目的在于提供一种结合大数据服务的业务数据推送方法及深度学习服务系统。

第一方面，本公开提供一种结合大数据服务的业务数据推送方法，应用于深度学习服务系统，所述深度学习服务系统与多个业务互动终端通信连接，所述方法包括：

根据所述业务互动终端的各个业务互动事件的目标互动场景属性获取所述业务互动终端的关键业务互动数据集；

获取所述关键业务互动数据集中的第一互动过程数据和第二互动过程数据，其中，所述关键业务互动数据集中包括在业务互动场景中生成的互动过程数据；

对所述第一互动过程数据和所述第二互动过程数据进行互动兴趣点识别，得到所述第一互动过程数据中与所述目标互动兴趣点对应的第一数据分区，和所述第二互动过程数据中与所述目标互动兴趣点对应的第二数据分区；

针对所述第一数据分区对应的第一数据分区属性特征，在所述第二互动过程数据中进行交叠属性特征定位，得到对应的交叠属性特征；

根据所述第二数据分区对应的第二数据分区属性特征和所述交叠属性特征，对所述第一互动过程数据和所述第二互动过程数据内的所述目标互动兴趣点进行融合，并基于各个融合目标互动兴趣点的目标互动过程数据对所述业务互动终端的大数据推送服务进行业务更新后，基于业务更新后的大数据推送服务进行业务推送。

在第一方面的一种可能的设计思路中，所述基于各个融合目标互动兴趣点的目标互动过程数据对所述业务互动终端的大数据推送服务进行业务更新后，基于业务更新后的大数据推送服务进行业务推送的步骤，包括：

获取所述各个融合目标互动兴趣点的目标互动过程数据中包含目标更新服务标签分量的目标服务标签数据，对所述目标服务标签数据进行分组处理，得到所述目标服务标签数据对应的分组服务标签数据；

获取所述目标服务标签数据对应的目标更新进程，通过所述目标更新进程从所述分组服务标签数据中提取第一服务标签分量特征和第二服务标签分量特征，将所述第一服务标签分量特征和所述第二服务标签分量特征进行映射融合，得到与所述目标服务标签数据相关联的服务标签标签融合特征；

根据所述服务标签标签融合特征、所述目标更新进程，对所述分组服务标签数据进行服务标签更新分量分析，得到所述分组服务标签数据对应的服务标签更新分量分析结果；