(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 202211118594.7 (22)申请日 2022.09.15 (71)申请人 张萌 地址 650100 云南省昆明市西山区滇池路 148号 (72)发明人 张萌　丁康　 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/901(2019.01) (54)发明名称 基于人工智能的互联网服务信息推送方法 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的互 联网服务信息推送方法及大数据系统， 通过对第 一平台行为节点网络数据和第二平台行为节点 网络数据进行数据层扩展分析， 从而对第一平台 行为节点网络数据进行扩展优化， 获得扩展平台 行为节点网络数据， 并由此对目标用户进行兴趣 点挖掘， 可以提高兴趣点挖掘的全面性， 并且在 兴趣点挖掘过程中同步确定每个用户兴趣点所 对应的平台行为节点序列， 这样在后续进行信息 推送过程中可以结合用户兴趣点获取所对应的 互联网服务内容数据， 并结合平台行为节点序列 在互联网服务内容数据中进行重点服务内容节 点标注后进行推送， 可以提高信息推送的针对 性。 权利要求书5页 说明书15页 附图1页 CN 115438263 A 2022.12.06 CN 115438263 A 1.一种基于人工智能的互联网服 务信息推送方法， 其特 征在于， 所述方法包括： 对设定大数据挖掘周期内目标用户在互联网服务平台中的第一平台行为节点网络数 据和第二平台行为节点网络数据进行数据层扩展分析， 生成所述第一平台行为节点网络数 据和所述第二平台行为节点网络数据之间针对行为节点数据的数据层扩展信息； 依据所述第 一平台行为节点网络数据以及所述数据层扩展信 息， 对所述第 一平台行为 节点网络数据进行扩展优化， 获得扩展平台行为节点网络数据； 将所述扩展平台行为节点网络数据输入到预先训练 的用户兴趣点训练模型中， 生成所 述目标用户所对应的用户兴趣点集合以及所述用户兴趣点集合中每个所述用户兴趣点所 对应的平台行为节点序列； 从所述目标用户的订阅云端内容库中获取所述用户兴趣点集合中每个所述用户兴趣 点所对应的互联网服务内容数据， 并基于每个所述用户兴趣点所对应的平台行为节点序列 在所述互联网服务内容数据中进 行重点服务内容节点标注后， 推送给所述目标用户所使用 的互联网平台订阅终端。 2.根据权利要求1所述的基于人工智能的互联网服务信 息推送方法， 其特征在于， 所述 对设定大数据挖掘周期 内目标用户在互联网服务平台中的第一平台行为节点网络数据和 第二平台行为节点网络数据进 行数据层 扩展分析， 生成所述第一平台行为节点网络数据和 所述第二平台行为节点网络数据之间针对行为节点数据的数据层扩展信息的步骤， 包括： 获取设定大数据挖掘周期内目标用户在互联网服务平台中的第一平台行为节点网络 数据和第二平台行为节点网络数据， 并获取所述第一平台行为节点网络数据中的行为节点 数据对应的图卷积特征， 获取所述第二平台行为节点网络数据中的行为节点数据对应的图 卷积特征； 在所述第一平台行为节点网络数据和所述第 二平台行为节点网络数据中， 将处于相同 行为节点维度下 的图卷积特征， 作为同类别图卷积特征序列， 对所述同类别图卷积特征序 列中的图卷积特 征进行分簇， 确定候选图卷积特 征簇R； 从所述候选 图卷积特征簇R中选取目标跨网络卷积特征组合； 所述目标跨网络卷积特 征组合包括属于所述第一平台行为节点网络数据的图卷积特征和属于所述第二平台行为 节点网络数据的图卷积特 征； 基于所述目标跨网络卷积特征组合， 生成所述第 一平台行为节点网络数据和所述第 二 平台行为节点网络数据之间针对行为节点数据的数据层扩展信息 。 3.根据权利要求2所述的基于人工智能的互联网服务信 息推送方法， 其特征在于， 所述 获取所述第一平台行为节点网络数据中的行为节 点数据对应的图卷积特征， 获取所述第二 平台行为节点网络数据中的行为节点数据对应的图卷积特 征， 包括： 对所述第一平台行为节点网络数据进行数据挖掘， 确定与所述第 一平台行为节点网络 数据所对应的第一行为节点数据， 对所述第二平台行为节点网络数据进行数据挖掘， 确定 与所述第二平台行为节点网络数据所对应的第二行为节点数据； 将所述第一行为节点数据与所述第二行为节点数据作为图卷积输入数据； 对所述图卷积输入数据进行图卷积， 确定所述图卷积输入数据对应的图卷积特征； 所 述图卷积特征包括所述第一行为节点数据对应的图卷积特征和所述第二行为节点数据对 应的图卷积特 征；权　利　要　求　书 1/5 页 2 CN 115438263 A 2其中， 所述对所述图卷积输入数据进行图卷积， 确定所述图卷积输入数据对应的图卷 积特征， 包括： 如果所述图卷积输入数据对应的行为节点维度为主动行为节点维度， 则将所述图卷积 输入数据加载到第一图卷积神经网络， 由所述第一图卷积神经网络输出所述图卷积输入数 据对应的图卷积特征； 所述第一图卷积神经网络是依据所述图卷积输入数据所属平台行为 节点网络数据的主动行为节点维度的行为特 征关系图进行网络参数 更新获得的； 如果所述图卷积输入数据对应的行为节点维度为被动行为节点维度， 则依据 所述图卷 积输入数据以及第二图卷积神经网络， 确定所述图卷积输入数据对应的第一图节点特征， 依据所述图卷积输入数据以及行为迁移挖掘模型， 确定所述图卷积输入数据对应的第二图 节点特征， 依据所述第一图节点特征以及所述第二图节点特征， 生成所述图卷积输入数据 对应的图卷积特征； 所述第二图卷积神经网络是依据所述图卷积输入数据所属平台行为节 点网络数据的被动行为节点 维度的行为特征关系图进 行网络参数更新获得的； 所述行为迁 移挖掘模型是依据与所述平台行为节点网络数据所对应的行为迁移知识点库进行网络参 数更新获得的； 如果所述图卷积输入数据对应的行为节点维度为双向行为节点维度， 则依据 所述图卷 积输入数据以及所述行为迁移挖掘模型， 确定所述图卷积输入数据对应的第三图节点特 征， 将所述第三图节点特征加载到第三图卷积神经网络， 由所述第三图卷积神经网络输出 所述图卷积输入数据对应的图卷积特征； 所述第三图卷积神经网络是依据所述图卷积输入 数据所属平台行为节点网络数据的双向行为节点维度的行为特征关系图进行网络参数更 新获得的； 其中， 所述平台行为节点网络数据为所述第一平台行为节点网络数据或所述第 二平台行为节点网络数据。 4.根据权利要求2所述的基于人工智能的互联网服务信 息推送方法， 其特征在于， 所述 行为节点数据对应的行为节点维度包括以下至少一个： 主动行为节点维度、 被动行为节点 维度以及 双向行为节点维度； 所述在所述第 一平台行为节点网络数据和所述第 二平台行为节点网络数据中， 将处于 相同行为节点维度下 的图卷积特征， 作为同类别图卷积特征序列， 对所述同类别图卷积特 征序列中的图卷积特 征进行分簇， 确定候选图卷积特 征簇R， 包括： 在所述第一平台行为节点网络数据和所述第 二平台行为节点网络数据中， 将处于相同 行为节点维度下 的图卷积特征， 作为同类别图卷积特征序列； 所述同类别图卷积特征序列 包括图卷积特征di， 所述i为不大于S的正整数； 所述S为所述同类别图卷积特征序列中的特 征总数； 将所述同类别图卷积特征序列中除所述图卷积特征di之外的图卷积特征作为目标图 卷积特征， 生成所述图卷积特 征di与所述目标图卷积特 征对应的特 征区别度； 基于所述特征区别度对所述目标图卷积特征进行次序排列， 确定图卷积特征排列集 合， 从所述图卷积特征排列集合中选择M个目标图卷积特征， 将所述M个目标图卷积特征所 属分簇确定为分簇序列， 统计所述M个目标图卷积特征所属分簇在所述分簇序列中的重要 性价值； 将具有最高重要性价值的分簇作为所述图卷积特征di的目标分簇， 游走所述同类别图 卷积特征序列中的S ‑1个图卷积特 征， 确定候选图卷积特 征簇R。权　利　要　求　书 2/5 页 3 CN 115438263 A 3