[发明专利]基于电商行为大数据的信息推送方法及人工智能预测系统

权利要求书

1.一种基于电商行为大数据的信息推送方法，其特征在于，应用于人工智能预测系统，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；

所述用户偏好分析模型的训练步骤包括：

获取参考云端电商行为大数据、所述参考云端电商行为大数据中的参考用户偏好跟踪数据和所述参考云端电商行为大数据中用户偏好对象的参考偏好概率值，所述参考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，所述参考用户偏好跟踪数据表征所述参考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；

基于所述偏好数据跟踪模型对所述参考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参考云端电商行为大数据中的对比用户偏好跟踪数据；

基于所述偏好概率预测模型对所述参考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参考用户偏好跟踪数据中用户偏好对象的第一对比偏好概率值，以及基于所述偏好概率预测模型对所述对比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对比用户偏好跟踪数据中用户偏好对象的第二对比偏好概率值；

将所述偏好概率预测模型的模型权重进行维持，依据偏好跟踪代价和偏好概率值代价对所述偏好数据跟踪模型进行收敛优化，将所述偏好数据跟踪模型的模型权重进行维持，依据所述偏好概率值代价对所述偏好概率预测模型进行收敛优化，获得用户偏好分析模型；其中，所述偏好跟踪代价是依据所述参考用户偏好跟踪数据和所述对比用户偏好跟踪数据计算获得的，所述偏好概率值代价是依据所述第一对比偏好概率值、所述第二对比偏好概率值和所述参考偏好概率值进行计算获得的。

2.根据权利要求1所述的基于电商行为大数据的信息推送方法，其特征在于，所述将所述偏好概率预测模型的模型权重进行维持，依据偏好跟踪代价和偏好概率值代价对所述偏好数据跟踪模型进行收敛优化，包括：

将所述偏好概率预测模型的模型权重进行维持；

计算所述偏好跟踪代价中的代价值L1，并计算所述偏好概率值代价中的代价值L2和代价值L3，基于所述代价值L1、所述代价值L2和所述代价值L3的加权代价值对所述偏好数据跟踪模型进行收敛优化；

其中，所述代价值L1表征所述参考用户偏好跟踪数据与所述对比用户偏好跟踪数据的损失参数值，所述代价值L2表征所述第二对比偏好概率值与所述参考偏好概率值的损失参数值，所述代价值L3表征所述第一对比偏好概率值与所述第二对比偏好概率值的损失参数值。