CN112671886B - 基于边缘计算和人工智能的信息推送方法及大数据服务器 - Google Patents

基于边缘计算和人工智能的信息推送方法及大数据服务器 Download PDF

Info

Publication number
CN112671886B
CN112671886B CN202011517337.1A CN202011517337A CN112671886B CN 112671886 B CN112671886 B CN 112671886B CN 202011517337 A CN202011517337 A CN 202011517337A CN 112671886 B CN112671886 B CN 112671886B
Authority
CN
China
Prior art keywords
session
session node
page
target
intention
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011517337.1A
Other languages
English (en)
Other versions
CN112671886A (zh
Inventor
刚倩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongke Xingyun Wulian Technology Beijing Co ltd
Original Assignee
Dawn Nebula Information Technology Beijing Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dawn Nebula Information Technology Beijing Co ltd filed Critical Dawn Nebula Information Technology Beijing Co ltd
Priority to CN202011517337.1A priority Critical patent/CN112671886B/zh
Priority to CN202110833162.3A priority patent/CN113596130A/zh
Priority to CN202110833227.4A priority patent/CN113596131A/zh
Publication of CN112671886A publication Critical patent/CN112671886A/zh
Application granted granted Critical
Publication of CN112671886B publication Critical patent/CN112671886B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/14—Session management
    • H04L67/141—Setup of application sessions

Abstract

本申请实施例提供一种基于边缘计算和人工智能的信息推送方法及大数据服务器，通过构建会话节点意图列表，并根据会话节点意图列表获取会话节点意图描述信息，利用大数据会话节点序列中在目标会话订阅业务段内被调用且按调用业务位置的业务流向的目标会话节点与关联会话节点构建会话节点兴趣序列，由此获取会话节点兴趣描述信息，根据会话节点意图描述信息与会话节点兴趣描述信息，获取目标会话服务对象与关联会话服务对象之间的会话兴趣度，由此进行信息推送，通过用于表征多种会话节点意图的意图兴趣程度的会话节点输入信息，以达到获取更加准确的兴趣画像的目的，从而提高兴趣画像的获取准确性，提高信息推送的服务匹配精度。

Description

基于边缘计算和人工智能的信息推送方法及大数据服务器
技术领域
本申请涉及信息推送技术领域，具体而言，涉及一种基于边缘计算和人工智能的信息推送方法及大数据服务器。
背景技术
移动互联网蓬勃发展的今天，大部分智能终端的应用程序运营都提供了消息推送功能，如新闻客户端的热点新闻推荐，聊天互动工具的聊天消息提醒，电商产品促销信息，企业应用的通知和审批流程等等。信息推送对于提高产品活跃度、提高功能模块使用率、提升用户粘性、提升用户留存率起到了重要作用，作为应用程序运营中一个关键的渠道，对消息推送的合理运用能有效促进目标的实现。
相关技术中，在对应用会话进程页面中不同用户之间的数据挖掘和信息推送的过程中，存在兴趣画像的获取准确性较低的问题，导致后续信息推送过程中的服务匹配度较低，目前尚未提出有效的解决方案。
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边缘计算和人工智能的信息推送方法及大数据服务器，利用与多个目标会话节点对应的目标会话节点意图列表，及与多个关联会话节点对应的关联会话节点意图列表构建会话节点意图列表，并根据会话节点意图列表获取会话节点意图描述信息，利用大数据会话节点序列中在目标会话订阅业务段内被调用且按调用业务位置的业务流向的目标会话节点与关联会话节点构建会话节点兴趣序列，并根据会话节点兴趣序列获取会话节点兴趣描述信息，根据会话节点意图描述信息与会话节点兴趣描述信息，获取目标会话服务对象与关联会话服务对象之间的会话兴趣度，由此确定目标会话服务对象与关联会话服务对象之间的兴趣画像后，向目标会话服务对象与关联会话服务对象所对应的信息展示设备发送推送信息，通过用于表征多种会话节点意图的意图兴趣程度的会话节点输入信息，以达到获取更加准确的兴趣画像的目的，从而提高兴趣画像的获取准确性，提高信息推送的服务匹配精度。
第一方面，本申请提供一种基于边缘计算和人工智能的信息推送方法，应用于大数据服务器，所述大数据服务器与多个信息展示设备通信连接，所述方法包括：
获取目标会话进程页面中目标会话服务对象和关联会话服务对象之间的大数据会话节点序列，其中，所述大数据会话节点序列包括目标会话进程页面中目标会话服务对象在目标会话订阅业务内调用的多个目标会话节点、所述目标会话进程页面中关联会话服务对象在所述目标会话订阅业务内调用的多个关联会话节点，以及各会话节点的调用业务位置，其中所述目标会话进程页面为基于所述大数据服务器的边缘侧发起并调用计算资源进行计算运行；
利用与所述多个目标会话节点对应的目标会话节点意图列表，及与所述多个关联会话节点对应的关联会话节点意图列表构建会话节点意图列表，并根据所述会话节点意图列表获取会话节点意图描述信息，其中，所述目标会话节点意图列表用于表征按照所述调用业务位置交互的所述多个目标会话节点的关键意图标签分布，所述关联会话节点意图列表用于表征按照所述调用业务位置交互的所述多个关联会话节点的会话节点的关键意图标签分布，所述会话节点意图描述信息用于表征所述目标会话节点意图列表及所述关联会话节点意图列表的意图兴趣程度；
利用所述大数据会话节点序列中在目标会话订阅业务段内被调用且按所述调用业务位置的业务流向的所述目标会话节点与所述关联会话节点构建会话节点兴趣序列，并根据所述会话节点兴趣序列获取会话节点兴趣描述信息，其中，所述会话节点兴趣描述信息用于表征所述会话节点兴趣序列中至少两个映射会话节点之间的意图兴趣程度；
根据所述会话节点意图描述信息与所述会话节点兴趣描述信息，获取所述目标会话服务对象与所述关联会话服务对象之间的会话兴趣度，根据所述会话兴趣度确定所述目标会话服务对象与所述关联会话服务对象之间的兴趣画像，并基于所述兴趣画像向所述目标会话服务对象与所述关联会话服务对象所对应的信息展示设备发送推送信息。
在第一方面的一种可能的实现方式中，所述利用与所述多个目标会话节点对应的目标会话节点意图列表，及与所述多个关联会话节点对应的关联会话节点意图列表构建会话节点意图列表的步骤，包括：
将目标会话节点列表与所述关联会话节点列表进行比对，以得到多个偏好意图，其中，所述偏好意图包括满足最小意图确定条件的至少一个所述会话节点意图；
根据多个所述偏好意图，获取多个会话节点意图列表，其中，所述多个会话节点意图列表用于构建所述会话节点意图列表。
在第一方面的一种可能的实现方式中，利用与所述多个目标会话节点对应的目标会话节点意图列表，及与所述多个关联会话节点对应的关联会话节点意图列表构建会话节点意图列表包括：
将所述目标会话节点列表作为当前会话节点列表，重复执行以下步骤，直至遍历所述关联会话节点列表；
从所述当前会话节点列表中确定当前会话节点意图；
将所述当前会话节点意图与所述关联会话节点列表中的每个会话节点意图依次进行比对；
在所述关联会话节点列表中存在与所述当前会话节点意图相同的会话节点意图的情况下，将所述当前会话节点意图作为所述偏好意图；
在所述关联会话节点列表中不存在与所述当前会话节点意图相同的会话节点意图的情况下，将从所述当前会话节点列表中获取下一个会话节点意图作为所述当前会话节点意图。
在第一方面的一种可能的实现方式中，所述利用所述大数据会话节点序列中在目标会话订阅业务段内被调用且按所述调用业务位置的业务流向的所述目标会话节点与所述关联会话节点构建会话节点兴趣序列的步骤，包括：
将所述大数据会话节点序列中在目标会话订阅业务段内的所述目标会话节点与所述关联会话节点进行调用业务定位，获得多个调用业务定位信息；
根据所述调用业务位置，对所述多个调用业务定位信息进行业务流向索引，并根据业务流向索引结果对相匹配的业务流向关系所对应的目标会话节点与关联会话节点之间的会话内容关系进行记录，以构建会话节点兴趣序列。
在第一方面的一种可能的实现方式中，所述根据所述会话节点意图列表获取会话节点意图描述信息的步骤，包括：
将所述会话节点意图列表输入第一人工智能模块，并获取所述第一人工智能模块输出的所述会话节点意图描述信息，其中，所述第一人工智能模块用于捕捉所述会话节点意图列表中各个会话节点意图元素之间的关联特征；
所述根据所述会话节点兴趣序列获取会话节点兴趣描述信息的步骤，包括：
将所述会话节点兴趣序列输入所述第一人工智能模块；
获取所述第一人工智能模块输出的所述会话节点兴趣描述信息。
在第一方面的一种可能的实现方式中，根据所述会话节点意图描述信息与所述会话节点兴趣描述信息，获取所述目标会话服务对象与所述关联会话服务对象之间的会话兴趣度的步骤，包括：
将目标会话节点输入信息输入第二人工智能模块，其中，所述目标会话节点输入信息用于表示所述会话节点意图描述信息与所述会话节点兴趣描述信息；
获取所述第二人工智能模块的输出结果，其中，所述输出结果用于表征所述会话兴趣度。
在第一方面的一种可能的实现方式中，所述方法还包括：
获取多个标定会话节点序列，其中，所述标定会话节点序列中至少包括所述目标会话进程页面中，同为标定兴趣画像的目标标定会话服务对象与关联标定会话服务对象在目标标定会话进程页面内分别调用的多个第一标定会话节点以及多个关联标定会话节点，以及各标定会话节点的标定调用业务位置；
依次将每个所述标定会话节点序列作为当前标定会话节点序列执行以下操作，直至达到终止要求；
利用与所述多个第一标定会话节点对应的第一标定会话节点意图列表，及与所述多个关联标定会话节点对应的关联标定会话节点意图列表构建标定会话节点意图列表，并根据所述标定会话节点意图列表获取标定会话节点意图描述信息；
利用所述当前标定会话节点序列中在所述目标会话订阅业务段内被调用且按所述标定调用业务位置的业务流向的所述第一标定会话节点与所述关联标定会话节点构建标定会话节点兴趣序列，并根据所述标定会话节点兴趣序列获取标定会话节点兴趣描述信息；
将目标标定会话节点输入信息输入当前的所述第二人工智能模块，其中，所述目标标定会话节点输入信息为所述标定会话节点意图描述信息与所述标定会话节点兴趣描述信息；
获取所述第二人工智能模块的当前输出结果，其中，所述当前输出结果包括所述目标标定会话服务对象与所述关联标定会话服务对象为第三兴趣画像的第三置信度，以及所述目标标定会话服务对象与所述关联标定会话服务对象为其它兴趣画像的第四置信度；
在所述当前输出结果达到终止要求的情况下，确定当前的所述第二人工智能模块为训练好的所述第二人工智能模块。
在第一方面的一种可能的实现方式中，所述基于所述兴趣画像向所述目标会话服务对象与所述关联会话服务对象所对应的信息展示设备发送推送信息的步骤，包括：
获取所述兴趣画像的画像标签推送页面和对应的各个待关联索引推送页面；
分别将所述画像标签推送页面和所述各个待关联索引推送页面进行页面词条提取，得到画像标签推送页面词条序列和各个待关联索引推送页面词条序列，计算所述画像标签推送页面词条序列分别与所述各个待关联索引推送页面词条序列的主题匹配度，得到各个主题匹配特征；
基于所述画像标签推送页面和所述各个待关联索引推送页面进行接口服务匹配，得到各个接口服务匹配特征；
计算所述画像标签推送页面和所述各个待关联索引推送页面对应的各个页面知识图谱，基于所述页面知识图谱计算得到各个页面知识分布特征；
基于所述接口服务匹配特征、所述主题匹配特征和所述页面知识分布特征计算所述画像标签推送页面分别与所述各个待关联索引推送页面的相关程度；
根据所述画像标签推送页面分别与所述各个待关联索引推送页面的相关程度，得到所述各个待关联索引推送页面的目标索引推送页面；
将所述画像标签推送页面和所述目标索引推送页面作为所述推送信息发送给所述关联会话服务对象所对应的信息展示设备。
譬如，在第一方面的一种可能的实现方式中，所述分别将所述画像标签推送页面和所述各个待关联索引推送页面进行页面词条提取，得到画像标签推送页面词条序列和各个待关联索引推送页面词条序列，包括：
将所述画像标签推送页面输入到页面词条提取模型中进行页面词条提取，得到所述画像标签推送页面词条序列；
分别将所述各个待关联索引推送页面输入到所述页面词条提取模型中进行页面词条提取，得到所述各个待关联索引推送页面词条序列；所述页面词条提取模型是指根据词条提取标定推送页面使用神经网络算法进行训练后得到的。
在第一方面的一种可能的实现方式中，所述基于所述画像标签推送页面和所述各个待关联索引推送页面进行接口服务匹配，得到各个接口服务匹配特征，包括：
从所述各个待关联索引推送页面确定当前待关联索引推送页面，将所述画像标签推送页面进行页面词条提取，得到画像标签推送页面词条序列，并将所述当前待关联索引推送页面进行页面词条提取，得到当前待关联索引推送页面词条序列；
基于所述画像标签推送页面词条序列与所述当前待关联索引推送页面词条序列进行词条特征提取，得到词条特征提取信息；
将所述画像标签推送页面词条序列、所述当前待关联索引推送页面词条序列和所述词条特征提取信息进行融合，得到目标融合特征，基于所述目标融合特征进行接口服务匹配，得到所述画像标签推送页面与所述当前待关联索引推送页面的接口服务匹配度；
将所述接口服务匹配度作为所述画像标签推送页面与所述当前待关联索引推送页面对应的接口服务匹配特征；所述接口服务匹配模型是根据接口服务匹配标定推送页面使用页面词条提取模型进行接口服务匹配训练后得到的；
其中，所述接口服务匹配模型的生成包括以下步骤：
获取页面词条提取模型，根据所述页面词条提取模型得到初始接口服务匹配模型；
获取接口服务匹配标定推送页面，所述接口服务匹配标定推送页面包括结构化推送页面和非结构化推送页面，将所述结构化推送页面和非结构化推送页面输入到所述初始接口服务匹配模型中进行训练，当训练完成时，得到所述接口服务匹配模型；
其中，所述页面词条提取模型的生成包括以下步骤：
获取词条提取标定推送页面，将所述词条提取标定推送页面页面拆分，得到页面拆分结果，获取所述页面拆分结果对应的页面拆分单元的特征信息；
将所述页面拆分单元的特征信息输入到初始深度学习网络中和已训练的页面词条提取模型中进行前向计算，得到输出的第一计算信息序列和第二计算信息序列；
计算所述第一计算信息序列和所述第二计算信息序列的主题匹配度，并计算所述主题匹配度和预设第一匹配参考度之和，得到目标和值；
计算所述目标和值与预设第二匹配参考度的比值，比较所述预设第一匹配参考度与所述比值，得到所述预设函数值；
当所述预设函数值未符合预设条件时，根据所述预设函数值对所述初始深度学习网络进行反向传播更新，得到更新模型参数的深度学习网络；
将所述更新模型参数的深度学习网络作为初始深度学习网络，并返回将所述页面拆分单元的特征信息输入到初始深度学习网络中和已训练的页面词条提取模型中进行前向计算，得到输出的第一计算信息序列和第二计算信息序列的步骤执行，直到训练得到的预设函数值符合所述预设条件时，将已训练的深度学习网络作为页面词条提取模型。
譬如，在第一方面的一种可能的实现方式中，所述计算所述画像标签推送页面和所述各个待关联索引推送页面对应的各个页面知识图谱，基于所述页面知识图谱计算得到各个页面知识分布特征，包括：
从所述各个待关联索引推送页面确定当前待关联索引推送页面，分别将所述画像标签推送页面和所述当前待关联索引推送页面进行页面属性拆分，得到各个索引对象和各个当前待关联索引页面属性；
将所述各个索引对象输入到词页面词条提取模型中进行页面词条提取，得到索引对象分布，并将所述各个当前待关联索引页面属性输入到所述词页面词条提取模型中进行页面词条提取，得到当前待关联索引页面属性分布；
计算所述索引对象分布与所述当前待关联索引页面属性分布的关联属性关系，得到所述画像标签推送页面和所述当前待关联索引推送页面对应的目标页面知识图谱；
计算所述目标页面知识图谱对应的结构关系特征和元素关系特征，并计算所述目标页面知识图谱对应的知识资源特征；
将所述结构关系特征、所述元素关系特征和所述知识资源特征进行融合，得到所述画像标签推送页面和所述当前待关联索引推送页面对应的当前页面知识分布特征。
譬如，在第一方面的一种可能的实现方式中，所述计算所述目标页面知识图谱对应的结构关系特征和元素关系特征，并计算所述目标页面知识图谱对应的知识资源特征，包括：
从所述目标页面知识图谱中得到各个结构绘制关系对应的结构绘制特征参数，计算各个结构绘制特征参数的融合特征参数，得到所述结构关系特征；
从所述目标页面知识图谱中得到各个矩阵列对应的元素绘制特征参数，计算各个元素绘制特征参数的融合特征参数，得到所述元素关系特征；
提取所述目标页面知识图谱中每个知识资源节点的各个知识资源特征参数，计算所述各个知识资源特征参数的融合特征参数，得到所述知识资源特征。
譬如，在第一方面的一种可能的实现方式中，所述基于所述接口服务匹配特征、所述主题匹配特征和所述页面知识分布特征计算所述画像标签推送页面分别与所述各个待关联索引推送页面的相关程度，包括：
从所述画像标签推送页面中提取画像标签推送页面特征，并从所述各个待关联索引推送页面提取待关联索引推送页面特征；
基于所述画像标签推送页面特征、所述待关联索引推送页面特征、所述接口服务匹配特征、所述主题匹配特征和所述页面知识分布特征计算所述画像标签推送页面分别与所述各个待关联索引推送页面的相关程度。
譬如，在第一方面的一种可能的实现方式中，所述基于所述接口服务匹配特征、所述主题匹配特征和所述页面知识分布特征计算所述画像标签推送页面分别与所述各个待关联索引推送页面的相关程度，包括：
将所述接口服务匹配特征、所述主题匹配特征和所述页面知识分布特征进行融合，得到融合后的特征；
将所述融合后的特征输入到页面索引关联模型中进行计算，得到所述画像标签推送页面与所述待关联索引推送页面的相关程度；
所述页面索引关联模型是根据所述接口服务匹配特征、所述主题匹配特征和所述页面知识分布特征构成的训练特征数据使用回归决策树进行训练后得到的。
第二方面，本申请实施例还提供一种基于边缘计算和人工智能的信息推送装置，应用于大数据服务器，所述大数据服务器与多个信息展示设备通信连接，所述装置包括：
第一获取模块，用于获取目标会话进程页面中目标会话服务对象和关联会话服务对象之间的大数据会话节点序列，其中，所述大数据会话节点序列包括目标会话进程页面中目标会话服务对象在目标会话订阅业务内调用的多个目标会话节点、所述目标会话进程页面中关联会话服务对象在所述目标会话订阅业务内调用的多个关联会话节点，以及各会话节点的调用业务位置，其中所述目标会话进程页面为基于所述大数据服务器的边缘侧发起并调用计算资源进行计算运行；
第二获取模块，用于利用与所述多个目标会话节点对应的目标会话节点意图列表，及与所述多个关联会话节点对应的关联会话节点意图列表构建会话节点意图列表，并根据所述会话节点意图列表获取会话节点意图描述信息，其中，所述目标会话节点意图列表用于表征按照所述调用业务位置交互的所述多个目标会话节点的关键意图标签分布，所述关联会话节点意图列表用于表征按照所述调用业务位置交互的所述多个关联会话节点的会话节点的关键意图标签分布，所述会话节点意图描述信息用于表征所述目标会话节点意图列表及所述关联会话节点意图列表的意图兴趣程度；
构建模块，用于利用所述大数据会话节点序列中在目标会话订阅业务段内被调用且按所述调用业务位置的业务流向的所述目标会话节点与所述关联会话节点构建会话节点兴趣序列，并根据所述会话节点兴趣序列获取会话节点兴趣描述信息，其中，所述会话节点兴趣描述信息用于表征所述会话节点兴趣序列中至少两个映射会话节点之间的意图兴趣程度；
推送模块，用于根据所述会话节点意图描述信息与所述会话节点兴趣描述信息，获取所述目标会话服务对象与所述关联会话服务对象之间的会话兴趣度，根据所述会话兴趣度确定所述目标会话服务对象与所述关联会话服务对象之间的兴趣画像，并基于所述兴趣画像向所述目标会话服务对象与所述关联会话服务对象所对应的信息展示设备发送推送信息。
第三方面，本申请实施例还提供一种基于边缘计算和人工智能的信息推送系统，所述基于边缘计算和人工智能的信息推送系统包括大数据服务器以及与所述大数据服务器通信连接的多个信息展示设备；
所述大数据服务器，用于：
获取目标会话进程页面中目标会话服务对象和关联会话服务对象之间的大数据会话节点序列，其中，所述大数据会话节点序列包括目标会话进程页面中目标会话服务对象在目标会话订阅业务内调用的多个目标会话节点、所述目标会话进程页面中关联会话服务对象在所述目标会话订阅业务内调用的多个关联会话节点，以及各会话节点的调用业务位置，其中所述目标会话进程页面为基于所述大数据服务器的边缘侧发起并调用计算资源进行计算运行；
利用与所述多个目标会话节点对应的目标会话节点意图列表，及与所述多个关联会话节点对应的关联会话节点意图列表构建会话节点意图列表，并根据所述会话节点意图列表获取会话节点意图描述信息，其中，所述目标会话节点意图列表用于表征按照所述调用业务位置交互的所述多个目标会话节点的关键意图标签分布，所述关联会话节点意图列表用于表征按照所述调用业务位置交互的所述多个关联会话节点的会话节点的关键意图标签分布，所述会话节点意图描述信息用于表征所述目标会话节点意图列表及所述关联会话节点意图列表的意图兴趣程度；
利用所述大数据会话节点序列中在目标会话订阅业务段内被调用且按所述调用业务位置的业务流向的所述目标会话节点与所述关联会话节点构建会话节点兴趣序列，并根据所述会话节点兴趣序列获取会话节点兴趣描述信息，其中，所述会话节点兴趣描述信息用于表征所述会话节点兴趣序列中至少两个映射会话节点之间的意图兴趣程度；
根据所述会话节点意图描述信息与所述会话节点兴趣描述信息，获取所述目标会话服务对象与所述关联会话服务对象之间的会话兴趣度，根据所述会话兴趣度确定所述目标会话服务对象与所述关联会话服务对象之间的兴趣画像，并基于所述兴趣画像向所述目标会话服务对象与所述关联会话服务对象所对应的信息展示设备发送推送信息。
第四方面，本申请实施例还提供一种大数据服务器，所述大数据服务器包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个信息展示设备通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行第一方面或者第一方面中任意一个可能的实现方式中的基于边缘计算和人工智能的信息推送方法。
第五方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当其被执行时，使得计算机执行上述第一方面或者第一方面中任意一个可能的实现方式中的基于边缘计算和人工智能的信息推送方法。
基于上述任意一个方面，本申请可先根据业务功能区采集进程的关键采集节点运行分布中的多个关键运行采集节点的采集大数据标签信息，将至少两个关键运行采集节点业务分层为目标业务分层采集计划，该目标业务分层采集计划用于表征对被业务分层的关键运行采集节点所表示的采集页面对象的采集特征项进行采集配置。然后，可采用目标业务分层采集计划更新关键采集节点运行分布，并将更新后的关键采集节点运行分布发送至软件采集计划的采集配置进程，使得软件采集计划的采集配置进程在采集配置业务功能区采集进程的过程中，利用与多个目标会话节点对应的目标会话节点意图列表，及与多个关联会话节点对应的关联会话节点意图列表构建会话节点意图列表，并根据会话节点意图列表获取会话节点意图描述信息，利用大数据会话节点序列中在目标会话订阅业务段内被调用且按调用业务位置的业务流向的目标会话节点与关联会话节点构建会话节点兴趣序列，并根据会话节点兴趣序列获取会话节点兴趣描述信息，根据会话节点意图描述信息与会话节点兴趣描述信息，获取目标会话服务对象与关联会话服务对象之间的会话兴趣度，由此确定目标会话服务对象与关联会话服务对象之间的兴趣画像后，向目标会话服务对象与关联会话服务对象所对应的信息展示设备发送推送信息，通过用于表征多种会话节点意图的意图兴趣程度的会话节点输入信息，以达到获取更加准确的兴趣画像的目的，从而提高兴趣画像的获取准确性，提高信息推送的服务匹配精度。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要调用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。
图1为本申请实施例提供的基于边缘计算和人工智能的信息推送系统的应用场景示意图；
图2为本申请实施例提供的基于边缘计算和人工智能的信息推送方法的流程示意图；
图3为本申请实施例提供的基于边缘计算和人工智能的信息推送装置的功能模块示意图；
图4为本申请实施例提供的用于实现上述的基于边缘计算和人工智能的信息推送方法的大数据服务器的结构组件示意框图。
具体实施方式
下面结合说明书附图对本申请进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。
图1是本申请一种实施例提供的基于边缘计算和人工智能的信息推送系统10的交互示意图。基于边缘计算和人工智能的信息推送系统10可以包括大数据服务器100以及与大数据服务器100通信连接的信息展示设备200。图1所示的基于边缘计算和人工智能的信息推送系统10仅为一种可行的示例，在其它可行的实施例中，该基于边缘计算和人工智能的信息推送系统10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。
基于本申请提供的技术方案的发明构思出发，本申请提供的大数据服务器100可以应用在例如智慧医疗、智慧城市管理、智慧工业互联网、通用业务监控管理等可以应用大数据技术或者是云计算技术等的场景中，再比如，还可以应用在包括但不限于新能源汽车系统管理、智能云办公、云平台数据处理、云游戏数据处理、云直播处理、云汽车管理平台、区块链金融数据服务平台等，但不限于此。
本实施例中，基于边缘计算和人工智能的信息推送系统10中的大数据服务器100和信息展示设备200可以通过配合执行以下方法实施例所描述的基于边缘计算和人工智能的信息推送方法，具体大数据服务器100和信息展示设备200的执行步骤部分可以参照以下方法实施例的详细描述。
为了解决前述背景技术中的技术问题，图2为本申请实施例提供的基于边缘计算和人工智能的信息推送方法的流程示意图，本实施例提供的基于边缘计算和人工智能的信息推送方法可以由图1中所示的大数据服务器100执行，下面对该基于边缘计算和人工智能的信息推送方法进行详细介绍。
步骤S110，获取获取目标会话进程页面中目标会话服务对象和关联会话服务对象之间的大数据会话节点序列。
本实施例中，大数据会话节点序列具体可以包括目标会话进程页面中目标会话服务对象在目标会话订阅业务内调用的多个目标会话节点、目标会话进程页面中关联会话服务对象在目标会话订阅业务内调用的多个关联会话节点，以及各会话节点的调用业务位置。
其中，值得说明的是，目标会话进程页面可以是在应用程序中可以供用户（例如目标会话服务对象）与其它用户（例如关联会话服务对象）进行会话交互的进程页面。目标会话订阅业务可以是指用户（例如目标会话服务对象）与其它用户（例如关联会话服务对象）预先进行订阅的业务（如电商直播业务、在线咨询业务等）。会话节点可以是指每一次执行会话交互时的业务数据记录过程，可以是以时间为单位作为一个会话节点，也可以是以某个数据区域为单位作为一个会话节点，此处不作具体限定。此外，调用业务位置可以是指在每一次执行会话交互时具体调动的业务的业务功能模块，如电商直播业务的电商语音互动的打赏业务功能模块。
步骤S120，利用与多个目标会话节点对应的目标会话节点意图列表，及与多个关联会话节点对应的关联会话节点意图列表构建会话节点意图列表，并根据会话节点意图列表获取会话节点意图描述信息。
本实施例中，目标会话节点意图列表用于表征按照调用业务位置交互的多个目标会话节点的关键意图标签分布，关联会话节点意图列表用于表征按照调用业务位置交互的多个关联会话节点的会话节点的关键意图标签分布，会话节点意图描述信息用于表征目标会话节点意图列表及关联会话节点意图列表的意图兴趣程度。
本实施例中，大数据会话节点序列可以但不限于包括预设场景下的会话节点序列，可选的，预设场景可以但不限于为交互场景，交互场景可以但不限于包括电商交互场景、资讯交互场景等，可选的，会话节点序列可以但不限与预设场景相关联的会话节点，会话节点序列可以但不限与预设规则相关的会话节点，预设规则可以但不限包括点赞、消息内容等，会话节点序列可以但不限于包括点赞会话节点、转发会话节点、评论会话节点、消息传递会话节点等，可选的，会话节点的关键意图标签分布可以但不限用于表示同类型下的会话节点，例如转发会话节点标签下的会话节点，无论转发动作如何，都可以属于转发会话节点的关键意图标签分布。
其中，值得说明的是，关键意图标签可以是指具体的意图的分类标签。可以通过意图识别完成。意图识别是通过分类的办法将目标会话节点分到相应的意图种类。例如，如果用户想听A的歌，这个目标会话节点的意图便是属于XX类型的音乐意图，想听B的相声便是属于电台意图。完成意图识别后，可以应用到多个领域，例如在搜索引擎领域使用意图识别来获取与用户发起的会话节点最相关的信息。例如，用户在查询某个搜索关键词时，如果搜索关键词既有游戏还有电影，歌曲等等，那么通过意图识别发现该用户是想玩游戏时，那么直接将游戏的查询结果返回给用户，就会节省用户的搜索点击次数，缩短搜索时间，大幅提高用户的体验。
再例如，当应用到聊天机器人时，假设某聊天机器人目前只有30个技能，那么用户向聊天机器人发出一个指令，聊天机器人首先得根据意图识别将用户的会话节点分到某一个或者某几个信息推送节点上去，然后再进行后续的处理。在完成意图识别以后，用户向机器人发来的每一个会话节点，机器人都能准确的理解用户的意图，然后准确的给予回复。
本实施例中，意图兴趣程度可以是指目标会话节点意图列表及关联会话节点意图列表之间存在相同匹配意图的兴趣接近程度。例如，W1用户的目标会话节点意图列表包括针对Q1服务的会话节点意图，W2用户的目标会话节点意图列表包括针对Q2服务的会话节点意图，Q1服务与Q2服务属于Q服务下关联的子服务，那么表明兴趣比较接近，此时意图兴趣程度相应较高。
步骤S130，利用大数据会话节点序列中在目标会话订阅业务段内被调用且按调用业务位置的业务流向的目标会话节点与关联会话节点构建会话节点兴趣序列，并根据会话节点兴趣序列获取会话节点兴趣描述信息。
本实施例中，会话节点兴趣描述信息用于表征会话节点兴趣序列中至少两个映射会话节点之间的意图兴趣程度。其中，业务流向可以是指在发起会话交互过程中具体调用的业务的切换过程。映射会话节点可以是指目标会话节点与相映射的关联会话节点构成的会话节点集合。
步骤S140，根据会话节点意图描述信息与会话节点兴趣描述信息，获取目标会话服务对象与关联会话服务对象之间的会话兴趣度，根据会话兴趣度确定目标会话服务对象与关联会话服务对象之间的兴趣画像，并基于兴趣画像向目标会话服务对象与关联会话服务对象所对应的信息展示设备200发送推送信息。
可选的，兴趣画像的获取策略可以但不限于应用在挖掘兴趣画像的场景下，还可以但不限于应用在基于信息推送服务的推荐和精准营销。
兴趣画像可以抽象出一个目标会话服务对象与关联会话服务对象之间进行会话交互的信息全貌，为进一步精准、快速地分析用户行为习惯、消费习惯等重要信息，提供了数据基础。例如，在本实施例中，兴趣画像可以但不限于包括情侣兴趣关系画像、同事兴趣关系画像等。
可选的，会话兴趣度可以但不限于其所指示的兴趣画像为目标会话服务对象与关联会话服务对象之间的兴趣画像的置信度成正相关或负相关。
可选的，兴趣画像的获取方法可以但不限于通过目标会话进程页面中的目标会话服务对象以及关联会话服务对象的会话节点实现，换言之，本实施例中的目标会话服务对象以及关联会话服务对象仅为说明，并不对会话服务对象的数量或会话节点的数量作限定。
本实施例中，在根据会话兴趣度确定目标会话服务对象与关联会话服务对象之间的兴趣画像的过程中，可以选择会话兴趣度最大的目标兴趣画像确定为目标会话服务对象与关联会话服务对象之间的兴趣画像，也可以选择会话兴趣度大于预设兴趣度阈值的目标兴趣画像确定为目标会话服务对象与关联会话服务对象之间的兴趣画像，或者还可以选择会话兴趣度按照从大到小排序前N（N为正整数）的目标兴趣画像确定为目标会话服务对象与关联会话服务对象之间的兴趣画像，具体不作限定。
基于上述步骤，通过本申请提供的实施例，利用与多个目标会话节点对应的目标会话节点意图列表，及与多个关联会话节点对应的关联会话节点意图列表构建会话节点意图列表，并根据会话节点意图列表获取会话节点意图描述信息，利用大数据会话节点序列中在目标会话订阅业务段内被调用且按调用业务位置的业务流向的目标会话节点与关联会话节点构建会话节点兴趣序列，并根据会话节点兴趣序列获取会话节点兴趣描述信息，根据会话节点意图描述信息与会话节点兴趣描述信息，获取目标会话服务对象与关联会话服务对象之间的会话兴趣度，由此确定目标会话服务对象与关联会话服务对象之间的兴趣画像后，向目标会话服务对象与关联会话服务对象所对应的信息展示设备200发送推送信息，通过用于表征多种会话节点意图的意图兴趣程度的会话节点输入信息，以达到获取更加准确的兴趣画像的目的，从而提高兴趣画像的获取准确性，提高信息推送的服务匹配精度。
在一种可能的实现方式中，针对步骤S120，在利用与多个目标会话节点对应的目标会话节点意图列表，及与多个关联会话节点对应的关联会话节点意图列表构建会话节点意图列表的流程中，可以将目标会话节点列表与关联会话节点列表进行比对，以得到多个偏好意图。
其中，偏好意图包括满足最小意图确定条件的至少一个会话节点意图，具体进行意图识别的方法可以是基于词典以及模版的规则方法，例如不同的意图会有的不同的领域词典，比如书名，歌曲名，商品名等等。当一个用户的意图出现后可以根据意图和词典的匹配程度或者重合程度来进行判断。又例如，也可以基于查询点击日志，如果是搜索引擎等类型业务场景，那么可以通过点击日志得到用户的意图。再例如，还可以基于分类模型来对用户的意图进行判别，因为意图识别本身也是一个分类问题，其实采用的实施方式和常规的分类模型的方法相同，在此不做赘述。
然后，根据多个偏好意图，获取多个会话节点意图列表。
其中，多个会话节点意图列表用于构建会话节点意图列表。
更为详细的，基于上述描述的基础，在一种可能的实现方式中，针对步骤S120，在利用与多个目标会话节点对应的目标会话节点意图列表，及与多个关联会话节点对应的关联会话节点意图列表构建会话节点意图列表的流程中，可以通过以下示例性的子步骤来实现，详细描述如下。
子步骤S121，将目标会话节点列表作为当前会话节点列表，重复执行以下步骤，直至遍历关联会话节点列表。
子步骤S122，从当前会话节点列表中确定当前会话节点意图。
子步骤S123，将当前会话节点意图与关联会话节点列表中的每个会话节点意图依次进行比对。
子步骤S124，在关联会话节点列表中存在与当前会话节点意图相同的会话节点意图的情况下，将当前会话节点意图作为偏好意图。
子步骤S125，在关联会话节点列表中不存在与当前会话节点意图相同的会话节点意图的情况下，将从当前会话节点列表中获取下一个会话节点意图作为当前会话节点意图。
在一种可能的实现方式中，针对步骤S130，在利用大数据会话节点序列中在目标会话订阅业务段内被调用且按调用业务位置的业务流向的目标会话节点与关联会话节点构建会话节点兴趣序列的流程中，可以通过以下示例性的子步骤来实现，详细描述如下。
子步骤S131，将大数据会话节点序列中在目标会话订阅业务段内的目标会话节点与关联会话节点进行调用业务定位，获得多个调用业务定位信息。
子步骤S132，根据调用业务位置，对多个调用业务定位信息进行业务流向索引，并根据业务流向索引结果对相匹配的业务流向关系所对应的目标会话节点与关联会话节点之间的会话内容关系进行记录，以构建会话节点兴趣序列。
在一种可能的实现方式中，仍旧针对步骤S120，在根据会话节点意图列表获取会话节点意图描述信息的流程中，可以将会话节点意图列表输入第一人工智能模块，并获取第一人工智能模块输出的会话节点意图描述信息。其中，第一人工智能模块用于捕捉会话节点意图列表中各个会话节点意图元素之间的关联特征。
并且，在一种可能的实现方式中，仍旧针对步骤S130，在根据会话节点兴趣序列获取会话节点兴趣描述信息的流程中，可以将会话节点兴趣序列输入第一人工智能模块，然后获取第一人工智能模块输出的会话节点兴趣描述信息。
在一种可能的实现方式中，进一步针对步骤S140，在根据会话节点意图描述信息与会话节点兴趣描述信息，获取目标会话服务对象与关联会话服务对象之间的会话兴趣度的流程中，可以通过以下示例性的子步骤来实现。
子步骤S141，将目标会话节点输入信息输入第二人工智能模块，其中，目标会话节点输入信息用于表示会话节点意图描述信息与会话节点兴趣描述信息。
子步骤S142，获取第二人工智能模块的输出结果，其中，输出结果用于表征会话兴趣度。
示例性地，仅作为可替代的示例，上述的第二人工智能模块可以通过以下实施方式配置得到，具体描述如下。
（1）获取多个标定会话节点序列。
其中，标定会话节点序列中至少包括目标会话进程页面中，同为标定兴趣画像的目标标定会话服务对象与关联标定会话服务对象在目标标定会话进程页面内分别调用的多个第一标定会话节点以及多个关联标定会话节点，以及各标定会话节点的标定调用业务位置。
（2）依次将每个标定会话节点序列作为当前标定会话节点序列执行以下操作，直至达到终止要求。
（3）利用与多个第一标定会话节点对应的第一标定会话节点意图列表，及与多个关联标定会话节点对应的关联标定会话节点意图列表构建标定会话节点意图列表，并根据标定会话节点意图列表获取标定会话节点意图描述信息。
（4）利用当前标定会话节点序列中在目标会话订阅业务段内被调用且按标定调用业务位置的业务流向的第一标定会话节点与关联标定会话节点构建标定会话节点兴趣序列，并根据标定会话节点兴趣序列获取标定会话节点兴趣描述信息。
（5）将目标标定会话节点输入信息输入当前的第二人工智能模块。
其中，目标标定会话节点输入信息为标定会话节点意图描述信息与标定会话节点兴趣描述信息。
（6）获取第二人工智能模块的当前输出结果。
其中，当前输出结果包括目标标定会话服务对象与关联标定会话服务对象为第三兴趣画像的第三置信度，以及目标标定会话服务对象与关联标定会话服务对象为其它兴趣画像的第四置信度。
（7）在当前输出结果达到终止要求的情况下，确定当前的第二人工智能模块为训练好的第二人工智能模块。
在一种可能的实现方式中，进一步针对步骤S140，在基于兴趣画像向目标会话服务对象与关联会话服务对象所对应的信息展示设备200发送推送信息的流程中，可以通过以下示例性的子步骤来实现。
子步骤S143，获取兴趣画像的画像标签推送页面和对应的各个待关联索引推送页面。
子步骤S144，分别将画像标签推送页面和各个待关联索引推送页面进行页面词条提取，得到画像标签推送页面词条序列和各个待关联索引推送页面词条序列，计算画像标签推送页面词条序列分别与各个待关联索引推送页面词条序列的主题匹配度，得到各个主题匹配特征。
子步骤S145，基于画像标签推送页面和各个待关联索引推送页面进行接口服务匹配，得到各个接口服务匹配特征。
子步骤S146，计算画像标签推送页面和各个待关联索引推送页面对应的各个页面知识图谱，基于页面知识图谱计算得到各个页面知识分布特征。
子步骤S147，基于接口服务匹配特征、主题匹配特征和页面知识分布特征计算画像标签推送页面分别与各个待关联索引推送页面的相关程度。
子步骤S148，根据画像标签推送页面分别与各个待关联索引推送页面的相关程度，得到各个待关联索引推送页面的目标索引推送页面。
子步骤S149，将画像标签推送页面和目标索引推送页面作为推送信息发送给关联会话服务对象所对应的信息展示设备200。
譬如，在一种可能的实现方式中，针对子步骤S144，在分别将画像标签推送页面和各个待关联索引推送页面进行页面词条提取，得到画像标签推送页面词条序列和各个待关联索引推送页面词条序列的过程中，可以通过以下示例性的实施方式来实现。
（1）将画像标签推送页面输入到页面词条提取模型中进行页面词条提取，得到画像标签推送页面词条序列。
（2）分别将各个待关联索引推送页面输入到页面词条提取模型中进行页面词条提取，得到各个待关联索引推送页面词条序列。页面词条提取模型是指根据词条提取标定推送页面使用神经网络算法进行训练后得到的。
在一种可能的实现方式中，针对子步骤S145，在基于画像标签推送页面和各个待关联索引推送页面进行接口服务匹配，得到各个接口服务匹配特征的过程中，可以通过以下示例性的实施方式来实现。
（1）从各个待关联索引推送页面确定当前待关联索引推送页面，将画像标签推送页面进行页面词条提取，得到画像标签推送页面词条序列，并将当前待关联索引推送页面进行页面词条提取，得到当前待关联索引推送页面词条序列。
（2）基于画像标签推送页面词条序列与当前待关联索引推送页面词条序列进行词条特征提取，得到词条特征提取信息。
（3）将画像标签推送页面词条序列、当前待关联索引推送页面词条序列和词条特征提取信息进行融合，得到目标融合特征，基于目标融合特征进行接口服务匹配，得到画像标签推送页面与当前待关联索引推送页面的接口服务匹配度。
（5）将接口服务匹配度作为画像标签推送页面与当前待关联索引推送页面对应的接口服务匹配特征。接口服务匹配模型是根据接口服务匹配标定推送页面使用页面词条提取模型进行接口服务匹配训练后得到的。
其中，接口服务匹配模型的生成过程可以是：首先，获取页面词条提取模型，根据页面词条提取模型得到初始接口服务匹配模型。然后，获取接口服务匹配标定推送页面，接口服务匹配标定推送页面包括结构化推送页面和非结构化推送页面，将结构化推送页面和非结构化推送页面输入到初始接口服务匹配模型中进行训练，当训练完成时，得到接口服务匹配模型。
其中，页面词条提取模型的生成过程可以是：首先，获取词条提取标定推送页面，将词条提取标定推送页面页面拆分，得到页面拆分结果，获取页面拆分结果对应的页面拆分单元的特征信息。然后，将页面拆分单元的特征信息输入到初始深度学习网络中和已训练的页面词条提取模型中进行前向计算，得到输出的第一计算信息序列和第二计算信息序列。在此基础上，计算第一计算信息序列和第二计算信息序列的主题匹配度，并计算主题匹配度和预设第一匹配参考度之和，得到目标和值，并计算目标和值与预设第二匹配参考度的比值，比较预设第一匹配参考度与比值，得到预设函数值。当预设函数值未符合预设条件时，根据预设函数值对初始深度学习网络进行反向传播更新，得到更新模型参数的深度学习网络。
在此基础上，可以将更新模型参数的深度学习网络作为初始深度学习网络，并返回将页面拆分单元的特征信息输入到初始深度学习网络中和已训练的页面词条提取模型中进行前向计算，得到输出的第一计算信息序列和第二计算信息序列的步骤执行，直到训练得到的预设函数值符合预设条件时，将已训练的深度学习网络作为页面词条提取模型。
譬如，在一种可能的实现方式中，针对子步骤S146，在计算画像标签推送页面和各个待关联索引推送页面对应的各个页面知识图谱，基于各个页面知识图谱计算得到各个页面知识分布特征的过程中，可以通过以下示例性的实施方式来实现。
（1）从各个待关联索引推送页面确定当前待关联索引推送页面，分别将画像标签推送页面和当前待关联索引推送页面进行页面属性拆分，得到各个索引对象和各个当前待关联索引页面属性。
（2）将各个索引对象输入到词页面词条提取模型中进行页面词条提取，得到索引对象分布，并将各个当前待关联索引页面属性输入到词页面词条提取模型中进行页面词条提取，得到当前待关联索引页面属性分布。
（3）计算索引对象分布与当前待关联索引页面属性分布的关联属性关系，得到画像标签推送页面和当前待关联索引推送页面对应的目标页面知识图谱。
（4）计算目标页面知识图谱对应的结构关系特征和元素关系特征，并计算目标页面知识图谱对应的知识资源特征。
例如，可以从目标页面知识图谱中得到各个结构绘制关系对应的结构绘制特征参数，计算各个结构绘制特征参数的融合特征参数，得到结构关系特征。
并且，从目标页面知识图谱中得到各个矩阵列对应的元素绘制特征参数，计算各个元素绘制特征参数的融合特征参数，得到元素关系特征。
并且，提取目标页面知识图谱中每个知识资源节点的各个知识资源特征参数，计算各个知识资源特征参数的融合特征参数，得到知识资源特征。
（5）将结构关系特征、元素关系特征和知识资源特征进行融合，得到画像标签推送页面和当前待关联索引推送页面对应的当前页面知识分布特征。
譬如，在一种可能的实现方式中，对于子步骤S147，在基于接口服务匹配特征、主题匹配特征和页面知识分布特征计算画像标签推送页面分别与各个待关联索引推送页面的相关程度的过程中，可以从画像标签推送页面中提取画像标签推送页面特征，并从各个待关联索引推送页面提取待关联索引推送页面特征。然后，基于画像标签推送页面特征、待关联索引推送页面特征、接口服务匹配特征、主题匹配特征和页面知识分布特征计算画像标签推送页面分别与各个待关联索引推送页面的相关程度。
譬如，在另一种可能的实现方式中，对于子步骤S147，在基于接口服务匹配特征、主题匹配特征和页面知识分布特征计算画像标签推送页面分别与各个待关联索引推送页面的相关程度的过程中，可以将接口服务匹配特征、主题匹配特征和页面知识分布特征进行融合，得到融合后的特征。，然后将融合后的特征输入到页面索引关联模型中进行计算，得到画像标签推送页面与待关联索引推送页面的相关程度。
其中，页面索引关联模型是根据接口服务匹配特征、主题匹配特征和页面知识分布特征构成的训练特征数据使用回归决策树进行训练后得到的。
图3为本公开实施例提供的基于边缘计算和人工智能的信息推送装置300的功能模块示意图，本实施例可以根据上述大数据服务器100执行的方法实施例对该基于边缘计算和人工智能的信息推送装置300进行功能模块的划分，也即该基于边缘计算和人工智能的信息推送装置300所对应的以下各个功能模块可以用于执行上述大数据服务器100执行的各个方法实施例。其中，该基于边缘计算和人工智能的信息推送装置300可以包括第一获取模块310、第二获取模块320、构建模块330以及推送模块340，下面分别对该基于边缘计算和人工智能的信息推送装置300的各个功能模块的功能进行详细阐述。
第一获取模块310，用于获取目标会话进程页面中目标会话服务对象和关联会话服务对象之间的大数据会话节点序列，其中，大数据会话节点序列包括目标会话进程页面中目标会话服务对象在目标会话订阅业务内调用的多个目标会话节点、目标会话进程页面中关联会话服务对象在目标会话订阅业务内调用的多个关联会话节点，以及各会话节点的调用业务位置，其中目标会话进程页面为基于大数据服务器的边缘侧发起并调用计算资源进行计算运行。其中，第一获取模块310可以用于执行上述的步骤S110，关于第一获取模块310的详细实现方式可以参照上述针对步骤S110的详细描述即可。
第二获取模块320，用于利用与多个目标会话节点对应的目标会话节点意图列表，及与多个关联会话节点对应的关联会话节点意图列表构建会话节点意图列表，并根据会话节点意图列表获取会话节点意图描述信息，其中，目标会话节点意图列表用于表征按照调用业务位置交互的多个目标会话节点的关键意图标签分布，关联会话节点意图列表用于表征按照调用业务位置交互的多个关联会话节点的会话节点的关键意图标签分布，会话节点意图描述信息用于表征目标会话节点意图列表及关联会话节点意图列表的意图兴趣程度。其中，第二获取模块320可以用于执行上述的步骤S120，关于第二获取模块320的详细实现方式可以参照上述针对步骤S120的详细描述即可。
构建模块330，用于利用大数据会话节点序列中在目标会话订阅业务段内被调用且按调用业务位置的业务流向的目标会话节点与关联会话节点构建会话节点兴趣序列，并根据会话节点兴趣序列获取会话节点兴趣描述信息，其中，会话节点兴趣描述信息用于表征会话节点兴趣序列中至少两个映射会话节点之间的意图兴趣程度。其中，构建模块330可以用于执行上述的步骤S130，关于构建模块330的详细实现方式可以参照上述针对步骤S130的详细描述即可。
推送模块340，用于根据会话节点意图描述信息与会话节点兴趣描述信息，获取目标会话服务对象与关联会话服务对象之间的会话兴趣度，根据会话兴趣度确定目标会话服务对象与关联会话服务对象之间的兴趣画像，并基于兴趣画像向目标会话服务对象与关联会话服务对象所对应的信息展示设备200发送推送信息。其中，推送模块340可以用于执行上述的步骤S140，关于推送模块340的详细实现方式可以参照上述针对步骤S140的详细描述即可。
需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现。也可以全部以硬件的形式实现。还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，第一获取模块310可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上第一获取模块310的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所描述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
图4示出了本公开实施例提供的用于实现上述的基于边缘计算和人工智能的信息推送方法的大数据服务器100的硬件结构示意图，如图4所示，大数据服务器100可包括处理器110、机器可读存储介质120、总线130以及收发器140。
在具体实现过程中，至少一个处理器110执行机器可读存储介质120存储的计算机执行指令（例如图3中所示的基于边缘计算和人工智能的信息推送装置300包括的第一获取模块310、第二获取模块320、构建模块330以及推送模块340），使得处理器110可以执行如上方法实施例的基于边缘计算和人工智能的信息推送方法，其中，处理器110、机器可读存储介质120以及收发器140通过总线130连接，处理器110可以用于控制收发器140的收发动作，从而可以与前述的信息展示设备200进行数据收发。
处理器110的具体实现过程可参见上述大数据服务器100执行的各个方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
在上述的图4所示的实施例中，应理解，处理器可以是中央处理器(英文：CentralProcessing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(英文：DigitalSignal Processor，DSP)、专用集成电路(英文：Application SpecificIntegratedCircuit，ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
机器可读存储介质120可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。
总线130可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component Interconnect，PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，EISA)总线等。总线130可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
此外，本申请实施例还提供一种可读存储介质，所述可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上基于边缘计算和人工智能的信息推送方法。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的次序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定次序或者连续次序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定推送要素来描述本说明书的实施例。如“一个实施例”、“一实施例”和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对它们的任何新的和有用的改进。相应地，本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、系统或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、VisualBasic、Fortran2003、Perl、COBOL2002、PHP、ABAP，被动编程语言如Python、Ruby和Groovy，或其它编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的排序次序在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本说明书处理元素和序列的次序、数字字母的使用、或其它名称的使用，并非用于限定本说明书流程和方法的次序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
最后，应当理解的是，本说明书中实施例仅用以说明本说明书实施例的原则。其它的变形也可能属于本说明书范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种基于边缘计算和人工智能的信息推送方法，其特征在于，应用于大数据服务器，所述大数据服务器与多个信息展示设备通信连接，所述方法包括：
获取目标会话进程页面中目标会话服务对象和关联会话服务对象之间的大数据会话节点序列，其中，所述大数据会话节点序列包括目标会话进程页面中目标会话服务对象在目标会话订阅业务内调用的多个目标会话节点、所述目标会话进程页面中关联会话服务对象在所述目标会话订阅业务内调用的多个关联会话节点，以及各会话节点的调用业务位置，其中所述目标会话进程页面为基于所述大数据服务器的边缘侧发起并调用计算资源进行计算运行；
利用与所述多个目标会话节点对应的目标会话节点意图列表，及与所述多个关联会话节点对应的关联会话节点意图列表构建会话节点意图列表，并根据所述会话节点意图列表获取会话节点意图描述信息，其中，所述目标会话节点意图列表用于表征按照所述调用业务位置交互的所述多个目标会话节点的关键意图标签分布，所述关联会话节点意图列表用于表征按照所述调用业务位置交互的所述多个关联会话节点的会话节点的关键意图标签分布，所述会话节点意图描述信息用于表征所述目标会话节点意图列表及所述关联会话节点意图列表的意图兴趣程度；
利用所述大数据会话节点序列中在目标会话订阅业务段内被调用且按所述调用业务位置的业务流向的所述目标会话节点与所述关联会话节点构建会话节点兴趣序列，并根据所述会话节点兴趣序列获取会话节点兴趣描述信息，其中，所述会话节点兴趣描述信息用于表征所述会话节点兴趣序列中至少两个映射会话节点之间的意图兴趣程度；
根据所述会话节点意图描述信息与所述会话节点兴趣描述信息，获取所述目标会话服务对象与所述关联会话服务对象之间的会话兴趣度，根据所述会话兴趣度确定所述目标会话服务对象与所述关联会话服务对象之间的兴趣画像，并基于所述兴趣画像向所述目标会话服务对象与所述关联会话服务对象所对应的信息展示设备发送推送信息。
2.根据权利要求1所述的基于边缘计算和人工智能的信息推送方法，其特征在于，所述利用与所述多个目标会话节点对应的目标会话节点意图列表，及与所述多个关联会话节点对应的关联会话节点意图列表构建会话节点意图列表的步骤，包括：
将目标会话节点列表与所述关联会话节点列表进行比对，以得到多个偏好意图，其中，所述偏好意图包括满足最小意图确定条件的至少一个所述会话节点意图；
根据多个所述偏好意图，获取多个会话节点意图列表，其中，所述多个会话节点意图列表用于构建所述会话节点意图列表。
3.根据权利要求2所述的基于边缘计算和人工智能的信息推送方法，其特征在于，利用与所述多个目标会话节点对应的目标会话节点意图列表，及与所述多个关联会话节点对应的关联会话节点意图列表构建会话节点意图列表包括：
将所述目标会话节点列表作为当前会话节点列表，重复执行以下步骤，直至遍历所述关联会话节点列表；
从所述当前会话节点列表中确定当前会话节点意图；
将所述当前会话节点意图与所述关联会话节点列表中的每个会话节点意图依次进行比对；
在所述关联会话节点列表中存在与所述当前会话节点意图相同的会话节点意图的情况下，将所述当前会话节点意图作为所述偏好意图；
在所述关联会话节点列表中不存在与所述当前会话节点意图相同的会话节点意图的情况下，将从所述当前会话节点列表中获取下一个会话节点意图作为所述当前会话节点意图。
4.根据权利要求1所述的基于边缘计算和人工智能的信息推送方法，其特征在于，所述利用所述大数据会话节点序列中在目标会话订阅业务段内被调用且按所述调用业务位置的业务流向的所述目标会话节点与所述关联会话节点构建会话节点兴趣序列的步骤，包括：
将所述大数据会话节点序列中在目标会话订阅业务段内的所述目标会话节点与所述关联会话节点进行调用业务定位，获得多个调用业务定位信息；
根据所述调用业务位置，对所述多个调用业务定位信息进行业务流向索引，并根据业务流向索引结果对相匹配的业务流向关系所对应的目标会话节点与关联会话节点之间的会话内容关系进行记录，以构建会话节点兴趣序列。
5.根据权利要求1所述的基于边缘计算和人工智能的信息推送方法，其特征在于，所述根据所述会话节点意图列表获取会话节点意图描述信息的步骤，包括：
将所述会话节点意图列表输入第一人工智能模块，并获取所述第一人工智能模块输出的所述会话节点意图描述信息，其中，所述第一人工智能模块用于捕捉所述会话节点意图列表中各个会话节点意图元素之间的关联特征；
所述根据所述会话节点兴趣序列获取会话节点兴趣描述信息的步骤，包括：
将所述会话节点兴趣序列输入所述第一人工智能模块；
获取所述第一人工智能模块输出的所述会话节点兴趣描述信息。
6.根据权利要求1-5中任意一项所述的基于边缘计算和人工智能的信息推送方法，其特征在于，根据所述会话节点意图描述信息与所述会话节点兴趣描述信息，获取所述目标会话服务对象与所述关联会话服务对象之间的会话兴趣度的步骤，包括：
将目标会话节点输入信息输入第二人工智能模块，其中，所述目标会话节点输入信息用于表示所述会话节点意图描述信息与所述会话节点兴趣描述信息；
获取所述第二人工智能模块的输出结果，其中，所述输出结果用于表征所述会话兴趣度。
7.根据权利要求6所述的基于边缘计算和人工智能的信息推送方法，其特征在于，所述方法还包括：
获取多个标定会话节点序列，其中，所述标定会话节点序列中至少包括所述目标会话进程页面中，同为标定兴趣画像的目标标定会话服务对象与关联标定会话服务对象在目标标定会话进程页面内分别调用的多个第一标定会话节点以及多个关联标定会话节点，以及各标定会话节点的标定调用业务位置；
依次将每个所述标定会话节点序列作为当前标定会话节点序列执行以下操作，直至达到终止要求；
利用与所述多个第一标定会话节点对应的第一标定会话节点意图列表，及与所述多个关联标定会话节点对应的关联标定会话节点意图列表构建标定会话节点意图列表，并根据所述标定会话节点意图列表获取标定会话节点意图描述信息；
利用所述当前标定会话节点序列中在所述目标会话订阅业务段内被调用且按所述标定调用业务位置的业务流向的所述第一标定会话节点与所述关联标定会话节点构建标定会话节点兴趣序列，并根据所述标定会话节点兴趣序列获取标定会话节点兴趣描述信息；
将目标标定会话节点输入信息输入当前的所述第二人工智能模块，其中，所述目标标定会话节点输入信息为所述标定会话节点意图描述信息与所述标定会话节点兴趣描述信息；
获取所述第二人工智能模块的当前输出结果，其中，所述当前输出结果包括所述目标标定会话服务对象与所述关联标定会话服务对象为第三兴趣画像的第三置信度，以及所述目标标定会话服务对象与所述关联标定会话服务对象为其它兴趣画像的第四置信度；
在所述当前输出结果达到终止要求的情况下，确定当前的所述第二人工智能模块为训练好的所述第二人工智能模块。
8.根据权利要求1-5中任意一项所述的基于边缘计算和人工智能的信息推送方法，其特征在于，所述基于所述兴趣画像向所述目标会话服务对象与所述关联会话服务对象所对应的信息展示设备发送推送信息的步骤，包括：
获取所述兴趣画像的画像标签推送页面和对应的各个待关联索引推送页面；
分别将所述画像标签推送页面和所述各个待关联索引推送页面进行页面词条提取，得到画像标签推送页面词条序列和各个待关联索引推送页面词条序列，计算所述画像标签推送页面词条序列分别与所述各个待关联索引推送页面词条序列的主题匹配度，得到各个主题匹配特征；
基于所述画像标签推送页面和所述各个待关联索引推送页面进行接口服务匹配，得到各个接口服务匹配特征；
计算所述画像标签推送页面和所述各个待关联索引推送页面对应的各个页面知识图谱，基于所述页面知识图谱计算得到各个页面知识分布特征；
基于所述接口服务匹配特征、所述主题匹配特征和所述页面知识分布特征计算所述画像标签推送页面分别与所述各个待关联索引推送页面的相关程度；
根据所述画像标签推送页面分别与所述各个待关联索引推送页面的相关程度，得到所述各个待关联索引推送页面的目标索引推送页面；
将所述画像标签推送页面和所述目标索引推送页面作为所述推送信息发送给所述关联会话服务对象所对应的信息展示设备。
9.根据权利要求8所述的基于边缘计算和人工智能的信息推送方法，其特征在于，所述基于所述画像标签推送页面和所述各个待关联索引推送页面进行接口服务匹配，得到各个接口服务匹配特征，包括：
从所述各个待关联索引推送页面确定当前待关联索引推送页面，将所述画像标签推送页面进行页面词条提取，得到画像标签推送页面词条序列，并将所述当前待关联索引推送页面进行页面词条提取，得到当前待关联索引推送页面词条序列；
基于所述画像标签推送页面词条序列与所述当前待关联索引推送页面词条序列进行词条特征提取，得到词条特征提取信息；
将所述画像标签推送页面词条序列、所述当前待关联索引推送页面词条序列和所述词条特征提取信息进行融合，得到目标融合特征，基于所述目标融合特征进行接口服务匹配，得到所述画像标签推送页面与所述当前待关联索引推送页面的接口服务匹配度；
将所述接口服务匹配度作为所述画像标签推送页面与所述当前待关联索引推送页面对应的接口服务匹配特征；所述接口服务匹配模型是根据接口服务匹配标定推送页面使用页面词条提取模型进行接口服务匹配训练后得到的；
其中，所述接口服务匹配模型的生成包括以下步骤：
获取页面词条提取模型，根据所述页面词条提取模型得到初始接口服务匹配模型；
获取接口服务匹配标定推送页面，所述接口服务匹配标定推送页面包括结构化推送页面和非结构化推送页面，将所述结构化推送页面和非结构化推送页面输入到所述初始接口服务匹配模型中进行训练，当训练完成时，得到所述接口服务匹配模型；
其中，所述页面词条提取模型的生成包括以下步骤：
获取词条提取标定推送页面，将所述词条提取标定推送页面页面拆分，得到页面拆分结果，获取所述页面拆分结果对应的页面拆分单元的特征信息；
将所述页面拆分单元的特征信息输入到初始深度学习网络中和已训练的页面词条提取模型中进行前向计算，得到输出的第一计算信息序列和第二计算信息序列；
计算所述第一计算信息序列和所述第二计算信息序列的主题匹配度，并计算所述主题匹配度和预设第一匹配参考度之和，得到目标和值；
计算所述目标和值与预设第二匹配参考度的比值，比较所述预设第一匹配参考度与所述比值，得到预设函数值；
当所述预设函数值未符合预设条件时，根据所述预设函数值对所述初始深度学习网络进行反向传播更新，得到更新模型参数的深度学习网络；
将所述更新模型参数的深度学习网络作为初始深度学习网络，并返回将所述页面拆分单元的特征信息输入到初始深度学习网络中和已训练的页面词条提取模型中进行前向计算，得到输出的第一计算信息序列和第二计算信息序列的步骤执行，直到训练得到的预设函数值符合所述预设条件时，将已训练的深度学习网络作为页面词条提取模型。
10.一种大数据服务器，其特征在于，所述大数据服务器包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个信息展示设备通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行权利要求1-9中任意一项的基于边缘计算和人工智能的信息推送方法。
CN202011517337.1A 2020-12-21 2020-12-21 基于边缘计算和人工智能的信息推送方法及大数据服务器 Active CN112671886B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011517337.1A CN112671886B (zh) 2020-12-21 2020-12-21 基于边缘计算和人工智能的信息推送方法及大数据服务器
CN202110833162.3A CN113596130A (zh) 2020-12-21 2020-12-21 基于兴趣画像的人工智能模块训练方法、系统及服务器
CN202110833227.4A CN113596131A (zh) 2020-12-21 2020-12-21 基于深度学习的页面词条提取模型训练方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011517337.1A CN112671886B (zh) 2020-12-21 2020-12-21 基于边缘计算和人工智能的信息推送方法及大数据服务器

Related Child Applications (2)

Application Number Title Priority Date Filing Date
CN202110833162.3A Division CN113596130A (zh) 2020-12-21 2020-12-21 基于兴趣画像的人工智能模块训练方法、系统及服务器
CN202110833227.4A Division CN113596131A (zh) 2020-12-21 2020-12-21 基于深度学习的页面词条提取模型训练方法及系统

Publications (2)

Publication Number Publication Date
CN112671886A CN112671886A (zh) 2021-04-16
CN112671886B true CN112671886B (zh) 2021-09-03

Family

ID=75406624

Family Applications (3)

Application Number Title Priority Date Filing Date
CN202110833162.3A Withdrawn CN113596130A (zh) 2020-12-21 2020-12-21 基于兴趣画像的人工智能模块训练方法、系统及服务器
CN202110833227.4A Withdrawn CN113596131A (zh) 2020-12-21 2020-12-21 基于深度学习的页面词条提取模型训练方法及系统
CN202011517337.1A Active CN112671886B (zh) 2020-12-21 2020-12-21 基于边缘计算和人工智能的信息推送方法及大数据服务器

Family Applications Before (2)

Application Number Title Priority Date Filing Date
CN202110833162.3A Withdrawn CN113596130A (zh) 2020-12-21 2020-12-21 基于兴趣画像的人工智能模块训练方法、系统及服务器
CN202110833227.4A Withdrawn CN113596131A (zh) 2020-12-21 2020-12-21 基于深度学习的页面词条提取模型训练方法及系统

Country Status (1)

Country Link
CN (3) CN113596130A (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114221991B (zh) * 2021-11-08 2023-07-04 北京智优集品科技有限公司 基于大数据的会话推荐反馈处理方法及深度学习服务系统
CN114155064B (zh) * 2021-12-09 2022-08-16 中软数智信息技术(武汉)有限公司 采用ai和大数据分析的电商内容推荐方法及大数据系统
CN114417405B (zh) * 2022-01-11 2022-10-14 中软数智信息技术(武汉)有限公司 一种基于人工智能的隐私业务数据分析方法及服务器
CN114580435B (zh) * 2022-02-18 2022-10-25 深圳数鉴科技有限公司 基于用户行为数据的会话分析方法及系统
CN116894726A (zh) * 2023-07-26 2023-10-17 湖南企企通科技有限公司 贷款信息跟踪处理方法、装置、设备及介质
CN117112870A (zh) * 2023-09-12 2023-11-24 宁夏智博源教育科技有限公司 基于人工智能的用户交互画像分类方法及ai会话交互系统
CN117094387B (zh) * 2023-10-19 2023-12-19 成都市智慧蓉城研究院有限公司 基于大数据的知识图谱构建方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109658928A (zh) * 2018-12-06 2019-04-19 山东大学 一种家庭服务机器人云端多模态对话方法、装置及系统
CN111626817A (zh) * 2020-05-10 2020-09-04 石伟 基于电子商务大数据的用户画像解析方法及人工智能平台
CN111797321A (zh) * 2020-07-07 2020-10-20 山东大学 一种面向不同场景的个性化知识推荐方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10397752B2 (en) * 2016-01-25 2019-08-27 International Business Machines Corporation Real-time discovery of interests of individuals and organizations participating in a physical event

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109658928A (zh) * 2018-12-06 2019-04-19 山东大学 一种家庭服务机器人云端多模态对话方法、装置及系统
CN111626817A (zh) * 2020-05-10 2020-09-04 石伟 基于电子商务大数据的用户画像解析方法及人工智能平台
CN111797321A (zh) * 2020-07-07 2020-10-20 山东大学 一种面向不同场景的个性化知识推荐方法及系统

Also Published As

Publication number Publication date
CN113596131A (zh) 2021-11-02
CN112671886A (zh) 2021-04-16
CN113596130A (zh) 2021-11-02

Similar Documents

Publication Publication Date Title
CN112671886B (zh) 基于边缘计算和人工智能的信息推送方法及大数据服务器
US10474962B2 (en) Semantic entity relation detection classifier training
CN111602147A (zh) 基于非局部神经网络的机器学习模型
US20220164683A1 (en) Generating a domain-specific knowledge graph from unstructured computer text
CN111026858B (zh) 基于项目推荐模型的项目信息处理方法及装置
WO2020228416A1 (zh) 一种应答方法和装置
CN111026319B (zh) 一种智能文本处理方法、装置、电子设备及存储介质
CN111566638B (zh) 向应用编程接口添加描述性元数据以供智能代理使用
CN111444181B (zh) 知识图谱更新方法、装置及电子设备
CN111552799A (zh) 信息处理方法、装置、电子设备及存储介质
US11436446B2 (en) Image analysis enhanced related item decision
CN111552797B (zh) 名称预测模型的训练方法、装置、电子设备及存储介质
CN104641371A (zh) 社交网络系统中基于上下文的对象检索
CN112115232A (zh) 一种数据纠错方法、装置及服务器
CN110619050A (zh) 意图识别方法及设备
EP4060517A1 (en) System and method for designing artificial intelligence (ai) based hierarchical multi-conversation system
CN111552798A (zh) 基于名称预测模型的名称信息处理方法、装置、电子设备
CN116186197A (zh) 话题推荐方法、装置、电子设备及存储介质
CN112671885B (zh) 基于云计算和大数据的信息解析方法及数字金融服务平台
KR102243275B1 (ko) 오프라인 오브젝트에 관한 콘텐츠 자동 생성 방법, 장치 및 컴퓨터 판독가능 저장 매체
WO2023179038A1 (zh) 数据标注的方法、ai开发平台、计算设备集群和存储介质
US11314793B2 (en) Query processing
CN111552890B (zh) 基于名称预测模型的名称信息处理方法、装置、电子设备
CN113609363A (zh) 一种用户搜索方法及装置
CN111552827B (zh) 标注方法和装置、行为意愿预测模型训练方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20210817

Address after: 100000 Room 405, 4th floor, building 1, yard 13, Deshengmenwai street, Xicheng District, Beijing

Applicant after: DAWN NEBULA INFORMATION TECHNOLOGY (BEIJING) Co.,Ltd.

Address before: 650106 No. 708, unit 1, building 12, North District, 988 Keji Road, high tech Industrial Development Zone, Kunming City, Yunnan Province

Applicant before: Gang Qian

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: 100000 Room 405, 4th floor, building 1, yard 13, Deshengmenwai street, Xicheng District, Beijing

Patentee after: Zhongke Xingyun Wulian Technology (Beijing) Co.,Ltd.

Address before: 100000 Room 405, 4th floor, building 1, yard 13, Deshengmenwai street, Xicheng District, Beijing

Patentee before: DAWN NEBULA INFORMATION TECHNOLOGY (BEIJING) CO.,LTD.

CP01 Change in the name or title of a patent holder