欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022116384468
申请人: 海南达润丰企业管理合伙企业(有限合伙)
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-02-23
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于人工智能的用户数据推荐方法,其特征在于,应用于服务器,所述方法包括:

分别获取待推荐商户、一级相关商户、二级相关商户针对商品交易数据的粗糙交易特征;所述待推荐商户与所述一级相关商户之间具备一级相关商户标签,所述待推荐商户与所述二级相关商户之间具备二级相关商户标签;

对所述待推荐商户的粗糙交易特征与所述一级相关商户的粗糙交易特征执行第一级别的特征相关性选择操作,得到所述待推荐商户的一级交易特征;

对所述待推荐商户的粗糙交易特征与所述二级相关商户的粗糙交易特征、所述一级相关商户的粗糙交易特征执行第二级别的特征相关性选择操作,得到所述待推荐商户的二级交易特征;

基于所述一级交易特征与所述二级交易特征,生成所述待推荐商户的目标交易特征;

基于所述目标交易特征确定所述待推荐商户的目标用户类型,根据所述目标用户类型,向所述待推荐商户推荐用户数据。

2.根据权利要求1所述的基于人工智能的用户数据推荐方法,其特征在于,所述分别获取待推荐商户、一级相关商户、二级相关商户针对商品交易数据的粗糙交易特征,包括:获取待推荐商户对应的第一相关商户图谱,所述第一相关商户图谱包括用于表征所述待推荐商户的粗糙交易特征的第一图谱元素,用于表征待定相关商户的粗糙交易特征的第二图谱元素,以及所述第一图谱元素和所述第二图谱元素进行相关性推理所得到的相关性推理线路;所述待推荐商户与所述待定相关商户具备相关商户标签;

依据以所述第一图谱元素为推理基点的相关性推理路径,逐一对所述第一相关商户图谱中的第二图谱元素执行抽样查询,得到与所述待推荐商户具备一级相关商户标签的一级相关商户,以及与所述待推荐商户具备二级相关商户标签的二级相关商户;

从所述第一相关商户图谱中,分别获取所述待推荐商户、所述一级相关商户、所述二级相关商户针对商品交易数据的粗糙交易特征;

所述粗糙交易特征包括第一数量个交易信息对应的交易特征向量;所述依据以所述第一图谱元素为推理基点的相关性推理路径,逐一对所述第一相关商户图谱中的第二图谱元素执行抽样查询,得到与所述待推荐商户具备一级相关商户标签的一级相关商户,以及与所述待推荐商户具备二级相关商户标签的二级相关商户,包括:依据以所述第一图谱元素为推理基点的相关性推理路径,逐一对所述第一相关商户图谱中的第二图谱元素执行抽样查询,得到与所述待推荐商户具备一级相关商户标签的第二数量个第一待定相关商户,以及与所述待推荐商户具备二级相关商户标签的第三数量第二待定相关商户;

获取所述第二数量个第一待定相关商户的第一数量个交易信息对应的交易特征向量均不满足预设指标的第一待定相关商户的第一商户数量;获取所述第三数量第二待定相关商户中,第一数量个交易信息对应的交易特征向量均不满足预设指标的第二待定相关商户的第二商户数量;

如果所述第一商户数量小于第一标定数量,则将所述第二数量个第一待定相关商户确定为与所述待推荐商户具备一级相关商户标签的一级相关商户;

如果所述第二商户数量小于第二标定数量,则对所述第三数量第二待定相关商户确定为与所述待推荐商户具备一级相关商户标签的一级相关商户。

3.根据权利要求1所述的基于人工智能的用户数据推荐方法,其特征在于,所述一级相关商户的数量大于等于二,所述对所述待推荐商户的粗糙交易特征与所述一级相关商户的粗糙交易特征执行第一级别的特征相关性选择操作,得到所述待推荐商户的一级交易特征,包括:通过交易特征提取模型的第一级别的相关性特征选择分支,对至少两个所述一级相关商户的粗糙交易特征执行特征选择操作,得到第一相关特征;

基于所述第一相关特征确定针对至少两个所述一级相关商户的第一相关性参数;

基于所述第一相关性参数和所述待推荐商户的粗糙交易特征,确定所述待推荐商户的一级交易特征;

所述对所述待推荐商户的粗糙交易特征与所述二级相关商户的粗糙交易特征、所述一级相关商户的粗糙交易特征执行第二级别的特征相关性选择操作,得到所述待推荐商户的二级交易特征,包括:通过交易特征提取模型的第二级别的相关性特征选择分支,对所述待推荐商户的粗糙交易特征以及所述二级相关商户的粗糙交易特征执行特征选择操作,得到第二相关特征;

基于所述第二相关特征确定针对所述待推荐商户、所述二级相关商户之间的第二相关性参数;

基于所述第二相关性参数和所述一级相关商户的粗糙交易特征确定所述待推荐商户的二级交易特征;

所述二级相关商户的数量大于等于二,所述基于所述一级交易特征与所述二级交易特征,生成所述待推荐商户的目标交易特征,包括:通过交易特征提取模型的目标相关性特征选择分支,对至少两个所述二级相关商户分别对应的二级交易特征执行特征选择操作,得到第三相关特征;

对所述一级交易特征和所述第三相关特征执行特征融合操作,得到所述待推荐商户的目标交易特征。

4.根据权利要求1所述的基于人工智能的用户数据推荐方法,其特征在于,所述基于所述目标交易特征确定所述待推荐商户的目标用户类型,根据所述目标用户类型,向所述待推荐商户推荐用户数据,包括:获取目标交易特征的多个特征表征和所述目标交易特征的用户类型矩阵,所述目标交易特征的多个特征表征是通过将所述目标交易特征的多个特征表征与特征表征库中的特征表征进行遍历检索得到的,所述目标交易特征的用户类型矩阵用于指示所述目标交易特征的用户类型概率分布;

基于所述目标交易特征的用户类型矩阵和低效特征集合,确定所述目标交易特征的用户类型概率分布对应的低效特征表征,所述目标交易特征的用户类型概率分布对应的低效特征表征包括对所述目标交易特征的用户类型概率分布影响力低于阈值的特征表征,所述低效特征集合包括所述目标交易特征的用户类型概率分布和所述目标交易特征的用户类型概率分布对应的低效特征表征之间的匹配程度;

从所述目标交易特征的多个特征表征中移除所述目标交易特征的用户类型概率分布对应的低效特征表征,得到所述目标交易特征的目标特征表征;

基于所述目标交易特征的目标特征表征和用户类型集合,确定目标用户类型,所述用户类型集合中包括多个用户类型;

所述用户类型集合中包括所述多个用户类型和所述多个用户类型中每个用户类型对应的目标特征表征的匹配程度,所述每个用户类型对应的目标特征表征是从所述每个用户类型对应的多个特征表征中移除所述每个用户类型的用户类型概率分布对应的低效特征表征后得到的;

在所述基于所述目标交易特征的用户类型矩阵和低效特征集合,确定所述目标交易特征的用户类型概率分布对应的低效特征表征之前,所述方法还包括:获取样本交易特征集合中每个样本交易特征的多个特征表征、所述每个样本交易特征的用户类型矩阵和第一样本交易特征集,所述每个样本交易特征的多个特征表征是通过将所述每个样本交易特征的多个特征表征与所述特征表征库中的特征表征进行遍历检索得到的,所述每个样本交易特征的用户类型矩阵用于指示所述每个样本交易特征的用户类型概率分布,所述第一样本交易特征集包括经过聚类处理的所述样本交易特征集合中的同一聚类簇的样本交易特征;

基于所述每个样本交易特征的多个特征表征、所述每个样本交易特征的用户类型矩阵和所述第一样本交易特征集,确定所述样本交易特征集合的用户类型概率分布多个用户类型概率分布与所述样本交易特征集合的多个特征表征之间的关联指标,所述样本交易特征集合的用户类型概率分布多个用户类型概率分布包括所述每个样本交易特征的用户类型概率分布,所述样本交易特征集合的多个特征表征包括所述每个样本交易特征的多个特征表征;

基于所述样本交易特征集合的用户类型概率分布多个用户类型概率分布与所述样本交易特征集合的多个特征表征之间的关联指标,生成所述低效特征集合;

所述基于所述每个样本交易特征的多个特征表征、所述每个样本交易特征的用户类型矩阵和所述第一样本交易特征集,确定所述样本交易特征集合的用户类型概率分布多个用户类型概率分布与所述样本交易特征集合的多个特征表征之间的关联指标,包括:基于第一条件被满足的支持度、第二条件被满足的支持度和所述第一条件与所述第二条件同时被满足的支持度,确定第一用户类型概率分布与第一特征表征之间的关联指标,所述样本交易特征集合的用户类型概率分布多个用户类型概率分布包括所述第一用户类型概率分布,所述样本交易特征集合的多个特征表征包括所述第一特征表征,所述第一条件表示所述样本交易特征集合中的第一样本交易特征的多个特征表征和所述样本交易特征集合中的第二样本交易特征的多个特征表征均包括所述第一特征表征,所述第一样本交易特征的用户类型概率分布为所述第一用户类型概率分布,所述第二条件表示所述第一样本交易特征和所述第二样本交易特征属于同一聚类簇;

所述基于所述目标交易特征的目标特征表征和用户类型集合,确定目标用户类型,包括:

确定所述目标交易特征的目标特征表征与所述用户类型集合中的用户类型的目标特征表征之间的匹配指标;

将与所述目标交易特征的目标特征表征的匹配指标大于预设匹配阈值的至少一个用户类型,确定为所述目标用户类型。

5.根据权利要求3所述的基于人工智能的用户数据推荐方法,其特征在于,所述方法还包括:

分别获取第一商户范例、一级相关商户范例、二级相关商户范例针对商品交易数据的预标注交易特征;所述第一商户范例与所述一级相关商户范例之间具备一级相关商户标签,所述第一商户范例与所述二级相关商户范例具备二级相关商户标签;

通过初始交易特征提取模型,对所述第一商户范例、所述一级相关商户范例、所述二级相关商户范例分别对应的预标注交易特征执行特征干扰操作,得到所述第一商户范例、所述一级相关商户范例、所述二级相关商户范例分别对应的特征干扰操作后的预标注交易特征;

对所述第一商户范例对应的特征干扰操作后的预标注交易特征与所述二级相关商户范例对应的特征干扰操作后的预标注交易特征、所述一级相关商户范例对应的特征干扰操作后的预标注交易特征执行相关性检测,得到所述第一商户范例的第一范例特征;

基于所述第一商户范例的预标注交易特征和所述第一范例特征,对所述初始交易特征提取模型执行迭代,得到所述交易特征提取模型。

6.根据权利要求5所述的基于人工智能的用户数据推荐方法,其特征在于,所述通过初始交易特征提取模型,对所述第一商户范例、所述一级相关商户范例、所述二级相关商户范例分别对应的预标注交易特征执行特征干扰操作,得到所述第一商户范例、所述一级相关商户范例、所述二级相关商户范例分别对应的特征干扰操作后的预标注交易特征,包括:通过初始交易特征提取模型,随机变更所述第一商户范例的预标注交易特征中的交易特征向量,得到所述第一商户范例对应的特征干扰操作后的预标注交易特征;

随机变更所述一级相关商户范例的预标注交易特征中的交易特征向量,得到所述一级相关商户范例对应的特征干扰操作后的预标注交易特征;

随机变更所述二级相关商户范例的预标注交易特征中的交易特征向量,得到所述二级相关商户范例对应的特征干扰操作后的预标注交易特征;

所述分别获取第一商户范例、一级相关商户范例、二级相关商户范例针对商品交易数据的预标注交易特征,包括:获取第二相关商户图谱;所述第二相关商户图谱包括用于表征待定相关商户范例的预标注交易特征的图谱元素,以及具备相关商户标签的待定相关商户范例对应的图谱元素进行相关性推理所得到的相关性推理线路,所述预标注交易特征包括第一数量个交易信息对应的交易特征向量;

依据所述第二相关商户图谱中的相关性推理路径,逐一对所述第二相关商户图谱中图谱元素执行抽样查询,得到所述第一数量个交易信息分别对应的第四数量个目标待定相关商户范例;一个交易信息对应的目标待定相关商户范例为所述第二相关商户图谱中,所述一个交易信息对应的交易特征向量满足预设指标的待定相关商户范例;

基于所述第一数量个交易信息分别对应的第四数量个目标待定相关商户范例以及所述第二相关商户图谱,确定出第一商户范例、一级相关商户范例、二级相关商户范例;

从所述第二相关商户图谱中,分别获取所述第一商户范例、所述一级相关商户范例、所述二级相关商户范例分别针对商品交易数据的预标注交易特征;

所述基于所述第一数量个交易信息分别对应的第四数量个目标待定相关商户范例以及所述第二相关商户图谱,确定出第一商户范例、一级相关商户范例、二级相关商户范例,包括:从所述第二相关商户图谱中,确定与目标待定相关商户范例具备一级相关商户标签的一级待定相关商户范例;所述目标待定相关商户范例属于所述第一数量个交易信息分别对应的第四数量个目标待定相关商户范例;

从所述第二相关商户图谱中,确定与所述目标待定相关商户范例具备二级相关商户标签的二级待定相关商户范例;

对所述目标待定相关商户范例作为第一商户范例,从所述一级待定相关商户范例抽样查询出第五数量个一级待定相关商户范例,作为所述一级相关商户范例;

从所述二级待定相关商户范例抽样查询出第六数量个二级待定相关商户范例,作为所述二级相关商户范例。

7.根据权利要求6所述的基于人工智能的用户数据推荐方法,其特征在于,所述基于所述第一商户范例的预标注交易特征和所述第一范例特征,对所述初始交易特征提取模型执行迭代,得到所述交易特征提取模型,包括:基于所述第一商户范例的预标注交易特征和所述第一范例特征,对所述初始交易特征提取模型执行迭代,得到迭代后的初始交易特征提取模型;

基于第一数量个交易信息分别对应的第四数量个目标待定相关商户范例以及所述第二相关商户图谱,确定出验证商户范例组;

基于所述验证商户范例组确定所述迭代后的初始交易特征提取模型的训练进度;

基于所述训练进度以及所述迭代后的初始交易特征提取模型,确定所述交易特征提取模型;

所述验证商户范例组包括验证商户范例,一级验证相关商户范例、二级验证相关商户范例;所述验证商户范例与所述第一商户范例不同,所述验证商户范例与所述一级验证相关商户范例之间具备一级相关商户标签,所述验证商户范例与所述二级验证相关商户范例之间具备二级相关商户标签;

所述基于所述验证商户范例组确定所述迭代后的初始交易特征提取模型的训练进度,包括:

通过所述迭代后的初始交易特征提取模型,对所述验证商户范例、所述一级验证相关商户范例以及二级验证相关商户范例分别的预标注交易特征执行特征干扰操作,得到所述验证商户范例、所述一级验证相关商户范例以及二级验证相关商户范例分别对应特征干扰操作后的预标注交易特征;

对所述验证商户范例对应的特征干扰操作后的预标注交易特征、所述一级验证相关商户范例对应的特征干扰操作后的预标注交易特征、所述二级验证相关商户范例对应的特征干扰操作后的预标注交易特征执行相关性检测,得到所述验证商户范例的第一范例特征;

基于所述验证商户范例的第一范例特征与所述验证商户范例的预标注交易特征,确定所述迭代后的初始交易特征提取模型的训练代价值;

基于所述训练代价值,确定所述迭代后的初始交易特征提取模型的训练进度。

8.根据权利要求7所述的基于人工智能的用户数据推荐方法,其特征在于,所述验证商户范例的第一范例特征与所述验证商户范例的预标注交易特征中均包括第一数量个交易信息对应的交易特征向量;

所述基于所述验证商户范例的第一范例特征与所述验证商户范例的预标注交易特征,确定所述迭代后的初始交易特征提取模型的训练代价值,包括:将目标置信度与所述验证商户范例的预标注交易特征中第N个交易信息对应的交易特征向量,输入至提取代价评估函数中,得到所述第N个交易信息对应的特征提取代价值;所述目标置信度为所述验证商户范例的第一范例特征中第N个交易信息对应的交易特征向量满足预设指标的置信度大小;N为小于等于第一数量的正整数;

对所述第N个交易信息对应的特征提取代价值执行均一化操作,得到所述第N个交易信息对应的均一化操作后的特征提取代价值;

对所述第一数量个交易信息分别对应的所述均一化操作后的特征提取代价值执行加权求和,得到所述迭代后的初始交易特征提取模型的训练代价值;

所述对所述第N个交易信息对应的特征提取代价值执行均一化操作,得到所述第N个交易信息对应的均一化操作后的特征提取代价值,包括:获取所述验证商户范例组中所述第N个交易信息对应的交易特征向量满足预设指标的商户范例的第三商户数量;

基于所述第三商户数量生成均一化系数,采用所述均一化系数对所述第N个交易信息对应特征提取代价值执行均一化操作,得到所述第N个交易信息对应的均一化操作后的特征提取代价值。

9.根据权利要求7所述的基于人工智能的用户数据推荐方法,其特征在于,所述基于所述训练进度以及所述迭代后的初始交易特征提取模型,确定所述交易特征提取模型,包括:如果所述迭代后的初始交易特征提取模型训练进度达标未达标,则基于所述第一商户范例的预标注交易特征和迭代后的第一范例特征,对所述迭代后的初始交易特征提取模型继续迭代,得到所述交易特征提取模型,所述迭代后的第一范例特征是通过所述迭代后的初始交易特征提取模型对所述第一商户范例对应的特征干扰操作后的预标注交易特征与所述二级相关商户范例对应的特征干扰操作后的预标注交易特征、所述一级相关商户范例对应的特征干扰操作后的预标注交易特征执行相关性检测得到的;

如果所述迭代后的初始交易特征提取模型训练进度达标,则将所述迭代后的初始交易特征提取模型确定为所述交易特征提取模型。

10.一种服务器系统,其特征在于,包括服务器,所述服务器用于执行权利要求1‑9中任一项所述的方法。