[发明专利]应用于大数据画像推送的业务处理方法及机器学习服务器

说明书

本公开实施例提供一种应用于大数据画像推送的业务处理方法及机器学习服务器，由于使用了预设画像场景描述信息和表征目标业务项目数据的画像场景特征和/或画像扩展特征的第一描述信息，大大提高了在目标业务画像场景信息中提取目标数据挖掘类型的准确性，另一方面在对第一描述信息和第二描述信息进行映射处理时的业务处理速度较快，因此，也便于快速确定目标业务画像场景信息中的目标数据挖掘类型，提高后续数据挖掘效率。

技术领域

本公开涉及大数据技术领域，示例性地，涉及一种应用于大数据画像推送的业务处理方法及机器学习服务器。

背景技术

随着5G网络通信技术的崛起，互联网的流量时代已经结束，互联网技术的发展已经过渡到了大数据算法时代，随之而来的基于大数据和算法的精准推送（内容或商品等），也在用户生活中的各个领域出现产品的快速更新和发展。

人工智能之所以能取得突飞猛进的进展，是大数据长足发展的结果。任何智能的发展，其实都需要一个学习的过程，都是训练某一领域“智能”的前提。关于数据来源，互联网及物联网是产生并承载大数据的基地，互联网服务商在搜索、社交、媒体、交易等各自核心业务领域，积累并持续产生海量数据，如何针对这些数据在目标业务画像场景信息中快速提取目标数据挖掘类型的可挖掘数据，以便于后续进行智能信息推荐，是本领域亟待解决的技术问题。

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应用于大数据画像推送的业务处理方法及机器学习服务器。

第一方面，本公开提供一种应用于大数据画像推送的业务处理方法，应用于机器学习服务器，所述机器学习服务器与多个移动互联网终端通信连接，所述方法包括：

调取所述移动互联网终端的业务项目大数据中任一目标业务项目数据，提取所述目标业务项目数据在目标业务画像场景信息中的第一描述信息，所述第一描述信息表征所述目标业务项目数据的画像场景特征和/或画像扩展特征；

利用所述目标业务项目数据的预设画像场景描述信息对提取的所述第一描述信息进行处理，得到所述目标业务项目数据在所述目标业务画像场景信息中的第二描述信息，所述第二描述信息表征所述预设画像场景描述信息与所述第一描述信息的关联关系；

对所述目标业务项目数据的所述第一描述信息以及所述第二描述信息进行映射处理，根据所述第一描述信息和所述第二描述信息与目标描述信息的匹配度，确定所述目标业务项目数据是否为所述目标业务画像场景信息的目标数据挖掘类型，其中，所述目标数据挖掘类型用于指示与所述目标业务画像场景信息相关的挖掘业务对象，所述目标描述信息为指示所述目标业务项目数据是否为目标数据挖掘类型的描述信息。

在第一方面的一种可能的设计思路中，所述方法还包括：

当所述目标业务项目数据为所述目标业务画像场景信息的目标数据挖掘类型时，将所述目标业务项目数据添加到待挖掘业务数据集中；

依据所述待挖掘业务数据集中每个业务互动对象之间的互动模式，得到拓扑模式的待挖掘业务数据集的分布；

依据所述拓扑模式的待挖掘业务数据集的分布的分布特征，计算所述待挖掘业务数据集中的每个业务互动对象在所述拓扑模式的待挖掘业务数据集的分布中的业务挖掘节点，所述业务挖掘节点表示了待挖掘业务数据集中的业务互动对象在所述拓扑模式的待挖掘业务数据集的分布中的业务层级；

将所述待挖掘业务数据集中的每个业务互动对象对应的业务挖掘节点输入到预先配置的知识点分类网络中，利用所述知识点分类网络对所述待挖掘业务数据集中的每个业务互动对象进行知识点深度提取，得到所述待挖掘业务数据集中的每个业务互动对象各自对应的知识点深度特征；

利用所述知识点分类网络，依据所述待挖掘业务数据集中的每个业务互动对象对应的业务挖掘节点以及知识点深度特征，生成所述待挖掘业务数据集中的每个业务互动对象各自对应的初始知识点深度特征；