(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211118028.6 (22)申请日 2022.09.14 (71)申请人 戴蔚 地址 650031 云南省昆明市五华区龙井街1 号办公楼10 3室 (72)发明人 戴蔚　张明娥　 (74)专利代理 机构 安徽华晟智恒知识产权代理 事务所(普通 合伙) 34193 专利代理师 崔镱泷 (51)Int.Cl. G06F 16/9536(2019.01) G06N 20/00(2019.01) (54)发明名称 基于人工智能识别的用户关注需求决策方 法及大数据系统 (57)摘要 本申请实施例提供一种基于人工智能识别 的用户关注需求决策方法及大数据系统， 通过对 目标用户的互联网活动轨迹大数据进行兴趣点 挖掘， 获得目标用户所对应的兴趣指向数据， 并 将兴趣指向数据加载至目标用户的历史平台兴 趣大数据中， 对目标用户的历史平台兴趣大数据 进行兴趣路径特征分析， 并基于兴趣路径特征分 析结果进行用户关注需求决策， 获得目标用户的 用户关注需求分布， 据于此对目标用户所订阅的 线上服务页面进行页面内容优化， 从而在进行兴 趣点挖掘后， 进一步结合兴趣路径特征维度进行 用户关注需求决策， 相较于仅以兴趣点维度进行 用户关注需求决策的方式， 可以提高用户关注需 求决策的可靠性， 进而提高相关用户的页面内容 优化可靠性。 权利要求书5页 说明书12页 附图1页 CN 115422472 A 2022.12.02 CN 115422472 A 1.一种基于人工智能识别的用户关注需求决策 方法， 其特 征在于， 包括： 基于人工智能模型训练获得的用户兴趣挖掘模型对目标用户的互联网活动轨迹大数 据进行兴趣点挖掘， 获得所述 目标用户所对应的兴趣指向数据， 并将所述兴趣指向数据加 载至目标用户的历史平台兴趣大 数据中； 对所述目标用户的历史平台兴趣大数据进行兴趣路径特征分析， 并基于兴趣路径特征 分析结果进行用户关注需求决策， 获得 所述目标用户的用户关注需求分布； 基于所述目标用户的用户关注需求分布对所述目标用户所订阅的线上服务页面进行 页面内容优化。 2.根据权利要求1所述的基于人工智能识别的用户关注需求决策方法， 其特征在于， 所 述对所述目标用户的历史平台兴趣大数据进 行兴趣路径特征分析， 并基于 兴趣路径特征分 析结果进行用户关注需求决策， 获得 所述目标用户的用户关注需求分布的步骤， 具体包括： 从目标用户的历史平台兴趣大数据中获取匹配于等待上线的内容服务项目的候选平 台兴趣事件数据， 对所述候选平台兴趣事件数据进行兴趣路径网络解析， 确定用于表示所 述候选平台兴趣事件数据的兴趣路径网络； 所述候选平台兴趣事件数据包括多个平台兴趣 事件； 所述兴趣路径网络包括多个兴趣路径节点特征； 一个平台兴趣事件对应一个兴趣路 径节点特征； 确定所述多个兴趣路径节点特征分别对应的需求影响系数， 基于所述需求影响系数对 所述多个兴趣路径 节点特征进行特征融合， 确定第一兴趣路径特 征； 对所述多个兴趣路径节点特征进行聚团， 确定多个特征聚团分别包含的成员兴趣路径 节点特征， 基于所述多个特征聚团和预设频繁模式树确定每个成员兴趣路径节点特征分别 对应的频繁模式度量值， 基于多个频繁模式度量值确定第二兴趣路径特征； 一个成员兴趣 路径节点特征对应的频繁模式度量值是依据所属特征聚团中的成员兴趣路径节点特征进 行确定； 基于所述第 一兴趣路径特征和所述第 二兴趣路径特征， 确定所述候选平台兴趣事件数 据的用户关注需求决策信息 。 3.根据权利要求2所述的基于人工智能识别的用户关注需求决策方法， 其特征在于， 所 述确定所述多个兴趣路径节点特征分别对应的需求影响系数， 基于所述需求影响系数对所 述多个兴趣路径 节点特征进行特征融合， 确定第一兴趣路径特 征的步骤， 具体包括： 将所述多个兴趣路径节点特征加载至用户关注需求决策模型中的第一需求影响决策 分支； 所述第一需求影响决策分支包括需求影响决策 单元和需求影响融合单 元； 在所述需求影响决策单元中， 对所述多个兴趣路径节点特征分别进行需求影响决策， 确定所述多个兴趣路径 节点特征分别对应的需求影响系数； 在所述需求影响融合单元中， 基于所述需求影响系数对每个所述兴趣路径节点特征进 行融合， 确定每个所述兴趣路径节点特征分别对应的融合兴趣路径节点特征， 对所述融合 兴趣路径 节点特征进行汇总， 确定第一兴趣路径特 征。 4.根据权利要求2所述的基于人工智能识别的用户关注需求决策方法， 其特征在于， 所 述基于所述第一兴趣路径特征和所述第二兴趣路径特征， 确定所述候选平台兴趣事件数据 的用户关注需求决策信息的步骤， 具体包括： 对所述第一兴趣路径特征和所述第二兴趣路径特征进行融合， 确定融合兴趣路径特权　利　要　求　书 1/5 页 2 CN 115422472 A 2征； 对所述融合兴趣路径特征进行用户关注需求决策， 确定所述候选平台兴趣事件数据的 用户关注需求决策信息； 所述方法还 包括： 获取范例平台兴趣事件数据， 对所述范例平台兴趣事件数据进行兴趣路径网络解析， 确定用于表示所述范例平台兴趣事件数据的参考兴趣路径网络； 所述范例平台兴趣事件数 据包括多个参考平台兴趣事件； 所述参考兴趣路径网络包括多个参考兴趣路径节点特征； 一个参考平台兴趣 事件对应一个参 考兴趣路径 节点特征； 将所述多个参考平台兴趣事件加载至初始用户关注需求决策模型， 在所述初始用户关 注需求决策模型中， 确定所述多个参考兴趣路径节点特征分别对应的参考需求影响系 数， 基于所述多个参考兴趣路径节点特征分别对应的参考需求影响系数， 对所述多个参考兴趣 路径节点特征进行特征融合， 确定第一 参考兴趣路径特 征； 在所述初始用户关注需求决策模型中， 对所述多个参考兴趣路径节点特征进行聚团， 确定多个参考特征聚团分别包含的参考成员兴趣路径节点特征， 基于所述多个参考特征聚 团和预设频繁模式树确定每个参考成员兴趣路径节点特征分别对应的参考频繁模式度量 值， 基于多个参考频繁模式度量值确定第二参考兴趣路径特征； 一个参考成员兴趣路径节 点特征对应的参考频繁模式度量值是依据所属 参考特征聚团中的参考成员兴趣路径节点 特征进行确定； 在所述初始用户关注需求决策模型中， 基于所述第 一参考兴趣路径特征和所述第 二参 考兴趣路径特 征确定所述范例平台兴趣 事件数据的先验用户关注需求决策信息； 基于所述多个参考特征聚团、 所述多个参考兴趣路径节点特征分别对应的需求影响系 数、 所述先验用户关注需求决策信息 以及所述范例平台兴趣事件数据对应的用户关注需 求， 对所述初始用户关注需求决策模型进行模型调优， 确定用于输出候选平台兴趣事件数 据的用户关注需求决策信息的用户关注需求决策模型。 5.根据权利要求4所述的基于人工智能识别的用户关注需求决策方法， 其特征在于， 所 述基于所述多个参考特征聚团、 所述多个参考兴趣路径节点特征分别对应的需求影响系 数、 所述先验用户关注需求决策信息 以及所述范例平台兴趣事件数据对应的用户关注需 求， 对所述初始用户关注需求决策模型进行模型调优， 确定用于输出候选平台兴趣事件数 据的用户关注需求决策信息的用户关注需求决策模型的步骤， 具体包括： 基于所述多个参考特征聚团以及所述多个参考兴趣路径节点特征分别对应的参考需 求影响系数， 确定第一模型训练代价 值； 基于所述先验用户关注需求决策信息以及所述范例平台兴趣事件数据对应的用户关 注需求， 确定第二模型训练代价 值； 对所述第一模型训练代价值和所述第 二模型训练代价值进行加权求和， 确定目标模型 训练代价 值； 基于所述目标模型训练代价值对所述初始用户关注需求决策模型进行模型调优， 确定 用于输出候选平台兴趣 事件数据的用户关注需求决策信息的用户关注需求决策模型； 所述基于所述多个参考特征聚团以及所述多个参考兴趣路径节点特征分别对应的参 考需求影响系数， 确定第一模型训练代价 值的步骤， 具体包括：权　利　要　求　书 2/5 页 3 CN 115422472 A 3