[发明专利]基于人工智能的云端业务大数据挖掘方法及云计算系统

说明书

本申请实施例提供一种基于人工智能的云端业务大数据挖掘方法及云计算系统，通过使偏好数据跟踪模型的预测信息提高偏好概率预测模型的预测信息的精度，且偏好概率预测模型的预测信息可以学习训练偏好数据跟踪模型的预测信息，提高偏好数据跟踪模型的预测信息的精度，基于收敛的偏好数据跟踪模型以及偏好概率预测模型，可以获得更好的偏好预测性能，进而对用户偏好跟踪数据进行偏好概率预测，基于用户偏好对象的偏好概率值，生成目标用户与当前开发业务相关的偏好热力图，并根据偏好热力图对目标用户推送与当前开发业务关联的目标订阅引导信息，提高当前开发业务的订阅引导精度。

技术领域

本申请涉及人工智能技术领域，具体而言，涉及一种基于人工智能的云端业务大数据挖掘方法及云计算系统。

背景技术

电商大数据挖掘可以理解为从海量的电商大数据中挖掘隐含在其中的、事先不为人知的、潜在的、有用信息和知识的技术。这些信息是可能有潜在价值的，是用户感兴趣的、可理解的、可运用的支持决策，可以为互联网服务商带来利益，或者为科学研究寻找突破口。在当今数据和内容作为互联网的核心，不论是传统行业还是新型行业，如果率先与互联网融合成功，能够从大数据中发现暗藏的规律，就能够抢占先机，成为技术改革的标志，获得利益。

通过对电商大数据进行挖掘，可以识别用户的行为偏好，并且提供个性化服务，从而更好地为电子商务网站的用户提供更方便的服务以及指导互联网服务商决策。基于此，随着人工智能技术的发展，通常的数据挖掘方式是通过训练可以预测用户偏好的人工智能模型对用户的行为数据进行特征学习和分析预测。然而，相关技术中，训练的用户偏好预测模型的偏好预测性能不佳，导致难以提高当前开发业务的订阅引导精度。

发明内容

为了至少克服现有技术中的上述不足，本申请的目的在于提供一种基于人工智能的云端业务大数据挖掘方法及云计算系统。

第一方面，本申请提供一种基于人工智能的云端业务大数据挖掘方法，应用于云计算系统，所述方法包括：

从目标用户在预设电商平台上的数据库中提取与当前开发业务相关的云端电商行为大数据，所述云端电商行为大数据表征用户偏好对象的偏好向量的行为数据；

依据偏好数据跟踪模型对所述云端电商行为大数据进行偏好数据跟踪，获得所述偏好数据跟踪模型生成的所述云端电商行为大数据中的用户偏好跟踪数据，所述用户偏好跟踪数据表征所述云端电商行为大数据中用户偏好对象关联的行为数据部分；

依据偏好概率预测模型对所述用户偏好跟踪数据进行偏好概率预测，获得所述偏好概率预测模型生成的所述用户偏好跟踪数据中用户偏好对象的偏好概率值，所述偏好数据跟踪模型与所述偏好概率预测模型构成用户偏好分析模型，所述偏好数据跟踪模型与所述偏好概率预测模型存在逻辑关联关系，所述偏好数据跟踪模型是依据所述偏好概率预测模型的预测信息进行收敛优化的，所述偏好概率预测模型依据所述偏好数据跟踪模型的预测信息进行收敛优化的；

基于所述用户偏好对象的偏好概率值，生成所述目标用户与当前开发业务相关的偏好热力图，并根据所述偏好热力图对所述目标用户推送与所述当前开发业务关联的目标订阅引导信息。

在第一方面的一种可能的实施方式中，所述方法还包括：

获取目标用户针对所述当前开发业务关联的目标订阅引导信息的订阅反馈数据，所述订阅反馈数据包括所述目标用户在所述目标订阅引导信息所关联的订阅引导页面序列下的页面操作数据；

获取所述订阅反馈数据的页面操作意图分布，对所述页面操作意图分布中各个页面操作意图进行引导转化价值分析，得到用于表示页面操作意图的引导转化价值的引导转化价值参数；

依据页面操作意图的所述引导转化价值参数，获得页面操作意图分布中的关键页面操作意图；

依据所述关键页面操作意图，获取所述订阅反馈数据中的关键订阅反馈内容，其中，所述关键订阅反馈内容表征的页面操作意图中存在所述关键页面操作意图；