1.一种针对在线搜索活动的AI处理方法，其特征在于，所述方法包括：

从目标用户的目标在线搜索大数据中获取关键业务搜索事件所对应的多个前后向业务搜索事件；

为所述多个前后向业务搜索事件中的每个前后向业务搜索事件确定事件聚焦数据以及所述事件聚焦数据的事件聚焦度，所述事件聚焦数据是所述多个前后向业务搜索事件的聚焦搜索特征集合，所述聚焦搜索特征集合用于表征所述聚焦搜索特征集合的前后向业务搜索事件的数量与所述多个前后向业务搜索事件的数量之比不小于预置事件聚焦度的特征集合，所述事件聚焦数据的事件聚焦度用于表征相应事件聚焦数据的前后向业务搜索事件的数量与所述多个前后向业务搜索事件的数量之比；

获取所述多个前后向业务搜索事件中的至少部分搜索互动行为的搜索行为特征向量，所述搜索行为特征向量是依据单个前后向业务搜索事件而生成的特征向量；

基于各个不同的事件聚焦数据的事件聚焦度对所述至少部分搜索互动行为的搜索行为特征向量进行融合，生成所述关键业务搜索事件的前后向融合特征向量；

将所述关键业务搜索事件的前后向融合特征向量以及所述关键业务搜索事件的特征向量作为关键搜索表征数据输入到预先训练的兴趣点挖掘模型中，获得所述目标用户的用户兴趣点信息，并基于所述目标用户的用户兴趣点信息向所述目标用户推送对应的在线资源数据流。

2.根据权利要求1所述的针对在线搜索活动的AI处理方法，其特征在于，所述确定事件聚焦数据包括：

对所述多个前后向业务搜索事件应用注意力机制提取，并确定对应所述多个前后向业务搜索事件中的每个前后向业务搜索事件的一个聚焦搜索特征集合，作为相应前后向业务搜索事件的所述事件聚焦数据后进行噪声清洗，生成所述多个前后向业务搜索事件的各个不同的事件聚焦数据。

3.根据权利要求2所述的针对在线搜索活动的AI处理方法，其特征在于，为所述多个前后向业务搜索事件中的每个前后向业务搜索事件确定事件聚焦数据，包括：对所述多个前后向业务搜索事件中的每个前后向业务搜索事件进行整理，生成由各个前后向业务搜索事件的搜索互动行为依照在各个前后向业务搜索事件中触发的次序生成的集合，由此获得与所述多个前后向业务搜索事件相应的多个集合；

在所述多个集合中，确定至少一个的搜索互动行为构成的特征集合，输出为所述聚焦搜索特征集合，其中包含所述特征集合的集合的数量与所述多个集合的数量之比不小于所述预置事件聚焦度；

对于所述多个集合的每个集合，从所述聚焦搜索特征集合中，确定属于该集合的聚焦搜索特征集合，并从所述属于该集合的聚焦搜索特征集合中确定最多聚焦搜索特征集合作为该集合的事件聚焦数据。

4.根据权利要求3所述的针对在线搜索活动的AI处理方法，其特征在于，所述在所述多个集合中，确定至少一个的搜索互动行为构成的特征集合，输出为所述聚焦搜索特征集合，包括：对于所述多个集合中的每个搜索互动行为，分析该搜索互动行为的行为权重，该搜索互动行为的行为权重是所述多个集合中包含该搜索互动行为的集合数量与所述多个集合的集合数量比值，将所述行为权重不小于所述预置事件聚焦度的相应搜索互动行为输出为对象指标为1的标的对象，将所述行为权重小于所述预置事件聚焦度的相应搜索互动行为从所述多个集合中移除；

按照逐渐增大的顺序针对每个x值，执行以下操作，x是整数，1≤x≤M，M是经过移除的各个集合中搜索互动行为的最大数量：将对象指标为x的标的对象输出为聚焦搜索特征集合，并针对对象指标为x的每个标的对象，从游走所述移除的各个集合中确定该标的对象的映射集合簇，并分析所述映射集合簇中的每个搜索互动行为的映射行为权重，所述搜索互动行为的映射行为权重是：在该标的对象的映射集合簇中，包含所述搜索互动行为的映射集合数量与所述多个集合的集合数量比值，以及对于对象指标为x的每个标的对象，当所述映射行为权重不小于所述预置事件聚焦度时，将相应的搜索互动行为与该标的对象进行关联配置，生成对象指标为x=x+1的标的对象，并返回以上操作。

5.根据权利要求3所述的针对在线搜索活动的AI处理方法，其特征在于，当所述多个集合均包括所述关键业务搜索事件时，所述至少部分搜索互动行为是相应集合的最多聚焦搜索特征集合中移除所述关键业务搜索事件后的所有搜索互动行为；以及当所述多个集合均不包括所述关键业务搜索事件时，所述至少部分搜索互动行为的是相应集合的最多聚焦搜索特征集合中的所有搜索互动行为。

6.根据权利要求1所述的针对在线搜索活动的AI处理方法，其特征在于，所述基于各个不同的事件聚焦数据的事件聚焦度对所述至少部分搜索互动行为的搜索行为特征向量进行融合，生成所述关键业务搜索事件的前后向融合特征向量，包括：将所述各个不同的事件聚焦数据中包括的搜索互动行为输出为所述至少部分搜索互动行为；

基于所述各个不同的事件聚焦数据的每个事件聚焦数据的事件聚焦度对相应事件聚焦数据中的各个搜索互动行为的搜索行为特征向量进行权重融合，并将针对每个事件聚焦数据的权重融合结果作为所述关键业务搜索事件的前后向融合特征向量。

7.根据权利要求1-6中任意一项所述的针对在线搜索活动的AI处理方法，其特征在于，所述兴趣点挖掘模型的训练步骤，包括：获取第一样本量级的监督模板搜索表征信息和第二样本量级的无监督模板搜索表征信息，将所述第一样本量级的监督模板搜索表征信息和所述第二样本量级的无监督模板搜索表征信息传递到兴趣点挖掘模型；所述第一样本量级的监督模板搜索表征信息分别携带有所包含的关键搜索表征数据的先验兴趣点信息；所述第一样本量级的监督模板搜索表征信息携带的搜索表征信息和所述第二样本量级的无监督模板搜索表征信息携带的搜索表征信息属于相同的搜索场景；

在所述兴趣点挖掘模型中确定每个监督模板搜索表征信息所包含的关键搜索表征数据的第一兴趣点挖掘信息，从兴趣训练资源库中获取所述每个监督模板搜索表征信息的关联模板搜索表征信息；所述兴趣训练资源库包括所述第一样本量级的监督模板搜索表征信息和所述第二样本量级的无监督模板搜索表征信息；所述每个监督模板搜索表征信息的关联模板搜索表征信息未携带所属监督模板搜索表征信息携带的先验兴趣点信息；

结合所述每个监督模板搜索表征信息与所属的关联模板搜索表征信息之间的相关性度量值确定第一训练收敛值，结合所述每个监督模板搜索表征信息对应的第一兴趣点挖掘信息和携带的先验兴趣点信息确定第二训练收敛值；

结合所述第一训练收敛值和所述第二训练收敛值调整所述兴趣点挖掘模型的权重数据，生成目标兴趣点挖掘模型；所述目标兴趣点挖掘模型用于对属于所述搜索场景的关键搜索表征数据进行兴趣点挖掘；

所述从兴趣训练资源库中获取所述每个监督模板搜索表征信息的关联模板搜索表征信息，包括：

在所述兴趣点挖掘模型中生成所述每个监督模板搜索表征信息的兴趣有向图描述和每个无监督模板搜索表征信息的兴趣有向图描述；

获取对所述每个监督模板搜索表征信息的兴趣有向图描述进行规范字段变换后生成的规范字段描述，获取对所述每个无监督模板搜索表征信息的兴趣有向图描述进行规范字段变换后生成的规范字段描述；

获取包括所述每个监督模板搜索表征信息的规范字段描述的第一自编码特征矩阵和包括所述每个无监督模板搜索表征信息的规范字段描述的第二自编码特征矩阵；

对所述第一自编码特征矩阵和所述第二自编码特征矩阵进行汇聚，生成目标自编码特征矩阵；

获取所述目标自编码特征矩阵的从属联动特征矩阵，将所述第一自编码特征矩阵和所述从属联动特征矩阵的聚合矩阵确定为训练特征矩阵；

从所述训练特征矩阵中获取所述每个监督模板搜索表征信息分别与所述兴趣训练资源库中的搜索特征资源之间的相关性度量值；

从所述兴趣训练资源库中清洗与所述监督模板搜索表征信息y携带有相同兴趣点数据的搜索特征，生成拟定兴趣训练资源库；

结合所述监督模板搜索表征信息y分别与所述拟定兴趣训练资源库中的每个搜索特征资源之间的相关性度量值的大小顺序，对所述每个搜索特征资源进行排序，生成拟定兴趣训练资源库；

获取关联模板搜索表征信息数量m，将所述拟定兴趣训练资源库中的前m个搜索特征资源确定为所述监督模板搜索表征信息y的关联模板搜索表征信息；m为小于第二数量和第一数量之和的正整数；

所述第一样本量级的监督模板搜索表征信息包括监督模板搜索表征信息y，y为不大于第二数量的正整数。

8.一种计算机程序产品，包括计算机程序或计算机可执行指令，其特征在于，所述计算机程序或计算机可执行指令被处理器执行时，实现权利要求1-7中任意一项所述的针对在线搜索活动的AI处理方法。

9.一种在线服务大数据系统，其特征在于，所述在线服务大数据系统包括处理器和用于存储能够在处理器上运行的计算机程序的存储器，所述处理器用于运行所述计算机程序时，执行权利要求1-7中任意一项所述的针对在线搜索活动的AI处理方法。