(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 202210264862.X (22)申请日 2022.03.17 (71)申请人 刘水 地址 450047 河南省郑州市郑东 新区心怡 路278号基运大厦1 102-1106室 (72)发明人 刘水　 (74)专利代理 机构 北京汇捷知识产权代理事务 所(普通合伙) 11531 专利代理师 葛葆财 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/958(2019.01) G06F 16/36(2019.01) G06N 20/00(2019.01) (54)发明名称 基于人工智能倾向预测的热点生成方法及 大数据AI系统 (57)摘要 本申请实施例提供一种基于人工智能倾向 预测的热点生 成方法及大数据AI系统， 可以根据 内容推荐服务的内容推荐请求信息， 向各内容热 点服务传递热点主题请求信息， 获取各内容热点 服务根据热点主题请求信息响应的热点内容分 布， 将获取的各内容热点服务响应的热点内容分 布通过预置的与热点主题所对应的主题知识图 谱进行分析， 基于分析信息从多个内容热点服务 中确定多个目标内容热点服务， 基于多个目标内 容热点服务进行热点主题的热点内容页面生成， 并在热点内容页面生成过程中对目标内容热点 服务的热点内容信息进行内容管理。 如此， 可 以 提升针对请求的热点主题确定更为匹配的内容 热点服务， 提高热点内容页面 生成的精确性。 权利要求书4页 说明书17页 附图3页 CN 114625966 A 2022.06.14 CN 114625966 A 1.一种基于人工智能倾向预测的热点生成方法， 其特征在于， 应用于大数据AI系统， 所 述方法包括： 根据兴趣倾向预测网络对目标用户业务终端所对应的目标浏览互动数据中的浏览互 动流程进行兴趣倾向预测， 获得 所述目标浏览互动数据对应的兴趣倾向标签； 根据所述目标浏览互动数据对应的兴趣倾向标签所对应的各个兴趣倾向标签向量获 取与当前的内容推荐服 务所对应的热点主题请求信息； 根据所述内容推荐服务的内容推荐请求信 息， 向各内容热点服务传递热点主题请求信 息， 所述热点主题请求信息包括待请求的热点主题以及与所述热点主题相关的请求内容信 息； 获取各所述内容热点 服务根据所述热点主题请求信息响应的热点内容分布； 将获取的各所述内容热点服务响应的所述热点内容分布通过预置的与所述热点主题 所对应的主题知识图谱进 行分析， 基于 分析信息从多个所述内容热点服务中确定多个目标 内容热点 服务； 基于所述多个目标内容热点服务进行所述热点主题的热点内容页面生成， 并在热点内 容页面生成过程中对所述目标内容热点 服务的热点内容信息进行内容管理。 2.根据权利要求1所述的基于人工智能倾向预测的热点生成方法， 其特征在于， 将 获取 的各所述内容热点服务响应的所述热点内容分布通过预置的与所述热点主题所对应的主 题知识图谱进 行分析， 基于 分析信息从多个所述内容热点服务中确定多个目标内容热点服 务， 包括： 获取通过所述主题知识图谱针对各所述内容热点服务响应的热点内容分布的热点内 容情绪极性分布， 得到情绪极性标签集， 所述情绪极性标签集包括多个情绪极性标签； 获得所述情绪极性标签集中的各情绪极性标签与各所述热点内容分布对应的情绪关 联性向量； 根据所述各情绪极性标签对应的情绪关联性向量， 以及所述各情绪极性标签的情绪极 性标签度量 值， 对所述各情绪极性标签进行次序整理， 得到相应的情绪极性标签清单； 基于所述情绪极性标签清单生成所述热点内容分布对应的内容热点服务簇， 所述内容 热点服务簇包括多个内容热点 服务； 从所述多个内容热点 服务中确定所述目标内容热点 服务。 3.根据权利要求2所述的基于人工智能倾向预测的热点生成方法， 其特征在于， 所述根 据所述各情绪极性标签对应的情绪关联性向量， 以及所述各情绪极性标签的情绪极性标签 度量值， 对所述各情绪极性标签进行次序整理， 得到相应的情绪极性标签清单， 具体包括： 根据所述各情绪极性标签对应的情绪关联性向量， 以及所述各情绪极性标签的情绪极 性标签度量 值， 对所述各情绪极性标签进行分团， 得到多个情绪极性标签团； 根据各情绪极性标签团中的各情绪极性标签的情绪极性标签度量值对各个情绪极性 标签团进 行次序整理， 并分别对所述各个情绪极性标签团中的各情绪极性标签进 行次序整 理， 得到所述情绪极性标签清单； 其中， 所述目标内容热点服务根据 所述情绪极性标签清单中各内容热点服务对应的情 绪极性标签的次序节点确定 。 4.根据权利要求2所述的基于人工智能倾向预测的热点生成方法， 其特征在于， 所述获权　利　要　求　书 1/4 页 2 CN 114625966 A 2得所述情绪极性标签集中的各情绪极性标签与所述热点内容分布对应的情绪关联性向量， 包括： 分别将所述各情绪极性标签输入在先生成的情绪关联性决策模型中， 基于所述在先生 成的情绪关联性决策模型中的情绪关联性学习的情绪关联性挖掘结构对所述各情绪极性 标签进行情绪关联性向量挖掘， 获得所述情绪关联性挖掘结构生成的所述各情绪极性标签 对应的情绪关联性向量； 所述根据 所述各情绪极性标签对应的情绪关联性向量， 以及所述各情绪极性标签的情 绪极性标签度量值， 对所述各情绪极性标签进行次序整理， 得到相应的情绪极性标签清单， 包括： 分别将所述各情绪极性标签， 以及所述各情绪极性标签对应的情绪关联性向量输入所 述在先生成的情绪关联性决策模型中的情绪极性标签度量结构， 基于所述情绪极性标签度 量结构对所述各情绪极性标签进 行决策和次序整理， 获得所述情绪极性标签度量结构生成 的情绪关联性学习信息的第一预测向量序列， 所述第一预测向量序列中的各个情绪极性标 签特征构成所述情绪极性标签清单； 所述基于所述情绪极性标签清单生成所述热点内容分布对应的内容热点服务簇， 包 括： 将所述预测向量序列输入所述在先生成的情绪关联性决策模型中的关注特征挖掘结 构， 基于所述关注特征挖掘结构进行关注特征挖掘， 获得所述关注特征挖掘结构生成的所 述内容热点 服务簇； 其中， 所述在先生成的情绪关联性决策模型是根据包括多个基础参考数据的参考数据 簇进行模型收敛配置的， 所述参考数据簇中的参考数据包括具有情绪关联性向量的参考情 绪极性标签， 所述情绪关联性向量表示所述参考情绪极性标签与参考热点主题之 间的情绪 关联性信息 。 5.根据权利要求4所述的基于人工智能倾向预测的热点生成方法， 其特征在于， 所述情 绪关联性决策模型通过以下步骤进行模型收敛配置的： 获取针对多个参 考热点主题的所述 参考数据簇； 根据所述参考数据簇中的参考数据， 对候选情绪关联性决策模型执行遍历模型更新， 以获得所述在先生成的情绪关联性决策模型； 其中， 每一次遍历模型更新过程通过以下步 骤实现： 从所述参考数据簇 中选取针对同一参考热点主题的一组参考数据， 分别将选取的各个 参考数据包含的参考情绪极性标签输入所述候选情绪关联性决策模型中的情绪关联性学 习的情绪关联性挖掘结构， 获得所述情绪关联性挖掘结构生成的各参考情绪极性标签对应 的情绪关联性向量； 基于所述各参考情绪极性标签对应的情绪关联性向量与对应的情绪关联性向量之间 的训练学习误差， 构建第一 风险学习误差； 以及 分别将选取的各个参考数据中的参考情绪极性标签， 以及所述各参考情绪极性标签对 应的情绪关联性向量输入所述候选情绪关联性决策模型中的情绪极性标签度量结构， 基于 所述情绪极性标签度量结构对所述各参考情绪极性标签进 行分团， 获得多个情绪极性标签 团； 基于所述情绪极性标签度量结构对各个情绪极性标签团进行次序整理， 获得所述情绪权　利　要　求　书 2/4 页 3 CN 114625966 A 3