(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 202211118474.7 (22)申请日 2022.09.15 (71)申请人 亢颖灏 地址 650051 云南省昆明市盘龙区穿金路 368号 (72)发明人 亢颖灏　方义才　 (51)Int.Cl. G06F 16/9535(2019.01) (54)发明名称 基于人工智能的互联网用户整合方法及大 数据服务系统 (57)摘要 本申请实施例提供一种基于人工智能的互 联网用户整合方法及大数据服务系统， 基于兴趣 轨迹追踪模型对各个候选用户的用户行为大数 据进行兴趣轨迹追踪， 获得各个候选用户的用户 兴趣轨迹 数据， 对目标用户的用户兴趣轨迹数据 进行分析， 确定与目标用户存在关联兴趣偏好的 关联用户序列， 将每个目标用户与关联用户序列 进行整合， 确定对应的每个用户整合分组以及每 个用户整合 分组所对应的目标分组画 像特征， 并 基于目标分组画像特征分别对每个用户整合分 组进行进行 互动节点分配， 从而通过兴趣轨迹追 踪来对存在关联兴趣偏好的用户进行整合， 并据 于此进行 互动节点分配， 可以有效提高用户互动 关联度， 进 而提高互联网服 务的用户体验。 权利要求书4页 说明书18页 附图1页 CN 115408617 A 2022.11.29 CN 115408617 A 1.一种基于人工智能的互联网用户整合方法， 其特 征在于， 包括： 基于兴趣轨迹追踪模型对各个候选用户的用户行为大数据进行兴趣轨迹追踪， 获得所 述各个候选用户的用户兴趣轨 迹数据； 对目标用户的用户兴趣轨迹数据进行分析， 确定与所述目标用户存在关联兴趣偏好的 关联用户序列； 将每个所述目标用户与所述关联用户序列进行整合， 确定对应的每个用户整合分组以 及每个用户整合分组所对应的目标分组画像特征， 并基于所述目标分组画像特征分别对每 个用户整合分组进行进行互动节点分配。 2.根据权利要求1所述的基于人工智能的互联网用户整合方法， 其特征在于， 所述对目 标用户的用户兴趣轨迹数据进 行分析， 确定与所述目标用户存在关联兴趣偏好的关联用户 序列的步骤， 包括： 从目标用户的用户兴趣轨 迹数据中解析多个兴趣互动事 件； 基于用户画像训练模型获取各个所述兴趣互动事件的最终兴趣画像特征， 所述兴趣互 动事件的最终兴趣画像特 征表征所述兴趣互动事 件所涵盖的兴趣行为的画像特 征分布； 将各个所述兴趣互动事件的最终兴趣画像特征进行分簇， 生成所述用户兴趣轨迹数据 的兴趣画像分簇特 征； 基于所述用户兴趣轨迹数据的兴趣画像分簇特征和目标兴趣轨迹数据库中涵盖的各 个成员兴趣轨迹数据的兴趣画像分簇特征， 从所述目标兴趣轨迹数据库中提取匹配第二目 标要求的目标成员 兴趣轨迹数据， 确定为所述用户兴趣轨迹数据对应的关联兴趣轨迹数 据， 并将关联兴趣轨迹数据所相关的用户确定为与所述目标用户存在关联兴趣偏好的关联 用户序列。 3.根据权利要求2所述的基于人工智能的互联网用户整合方法， 其特征在于， 所述基于 用户画像训练模型获取 各个所述兴趣互动事 件的最终兴趣画像特 征的步骤， 具体包括： 对于各所述兴趣互动事件， 基于所述用户画像训练模型获取所述兴趣互动事件的模糊 兴趣画像特 征； 从多个综合兴趣画像特征中， 生成最新综合兴趣画像特征， 所述综合兴趣画像特征是 属于同一分簇序列的各个兴趣行为范例的模糊兴趣画像特征的平均化兴趣画像特征， 所述 最新综合兴趣画像特征表示与所述兴趣互动事件的模糊兴趣画像特征最关联 的综合兴趣 画像特征； 基于所述兴趣互动事件的模糊兴趣画像特征与所述最新综合兴趣画像特征之间的特 征区别信息， 生成所述兴趣互动事 件的潜在兴趣画像特 征； 基于所述用户画像训练模型基于所述兴趣互动事件的潜在 兴趣画像特征， 生成所述兴 趣互动事 件的最终兴趣画像特 征。 4.根据权利要求2所述的基于人工智能的互联网用户整合方法， 其特征在于， 所述将各 个所述兴趣互动事件的最 终兴趣画像特征进 行分簇， 生成所述用户兴趣轨迹数据的兴趣画 像分簇特 征的步骤， 具体包括： 对各个所述兴趣互动事件进行维度划分， 输出多个兴趣互动维度， 每个所述兴趣互动 维度中包 含一个或多个兴趣互动事 件； 将对应于同一种所述兴趣互动维度的兴趣互动事 件的最终兴趣画像特 征进行分簇；权　利　要　求　书 1/4 页 2 CN 115408617 A 2基于分簇结果确定所述用户兴趣轨 迹数据的兴趣画像分簇特 征。 5.根据权利要求2所述的基于人工智能的互联网用户整合方法， 其特征在于， 所述基于 所述用户兴趣轨迹数据的兴趣画像分簇特征和目标兴趣轨迹数据库中涵盖的各个成员兴 趣轨迹数据的兴趣画像分簇特征， 从所述目标兴趣轨迹数据库中提取匹配第二目标要求的 目标成员兴趣轨迹数据， 确定为所述用户兴趣轨迹数据对应的关联兴趣轨迹数据的步骤， 具体包括： 基于所述用户兴趣轨迹数据的兴趣画像分簇特征和所述目标兴趣轨迹数据库中涵盖 的各个成员兴趣轨迹数据的兴趣画像分簇特征， 从所述目标兴趣轨迹数据库中提取多个成 员兴趣轨 迹数据作为召回兴趣轨 迹数据； 从所述目标兴趣轨迹数据库的最终兴趣画像特征序列中提取匹配第三目标要求的最 终兴趣画像特征作为目标兴趣画像特征， 所述最 终兴趣画像特征序列基于所述目标兴趣轨 迹数据库中涵盖的各个成员兴趣轨 迹数据中各个兴趣互动事 件的最终兴趣画像特 征确定； 基于所述目标兴趣画像特征所对应兴趣互动维度的预设影响因子参数、 所述用户兴趣 轨迹数据的兴趣画像分簇特征中的兴趣行为数量和兴趣画像特征数量， 输出所述召回兴趣 轨迹数据相对于所述用户兴趣轨迹数据的关联度量值， 确定为所述召回兴趣轨迹数据的关 联度量值； 或， 基于所述目标兴趣画像特征所对应兴趣互动维度的预设影响因子参数、 所述目标 兴趣轨迹数据库的兴趣画像分簇特征中的兴趣行为数量和兴趣画像特征数量， 输出所述用 户兴趣轨迹数据相对于所述召回兴趣轨迹数据的关联度量值， 确定为所述召回兴趣轨迹数 据的关联度量 值； 基于各个所述召回兴趣轨迹数据的关联度量值， 从各个所述召回兴趣轨迹数据中提取 所述目标成员兴趣轨 迹数据作为所述用户兴趣轨 迹数据对应的关联兴趣轨 迹数据。 6.根据权利要求2 ‑5中任意一项所述的基于人工智能的互联网用户整合方法， 其特征 在于， 所述方法还 包括： 基于所述用户画像训练模型， 获取全集兴趣行为范例序列中的多个兴趣行为范例分别 对应的模糊兴趣画像特 征； 基于所述全集兴趣行为范例序列中的多个兴趣行为范例分别对应的模糊兴趣画像特 征， 生成多个综合兴趣画像特征， 所述综合兴趣画像特征是属于同一分簇序列的各个兴趣 行为范例的模糊兴趣画像特 征的平均化兴趣画像特 征； 对于所述全集兴趣行为范例序列中的各个所述兴趣行为范例， 基于所述兴趣行为范例 的模糊兴趣画像特征与所述兴趣行为范例对应的最新综合兴趣画像特征之间的特征区别 信息， 生成所述兴趣行为范例的潜在兴趣画像特征， 所述兴趣行为范例对应的最新综合兴 趣画像特征表示所述多个综合兴趣画像特征中与所述兴趣行为范例的模糊兴趣画像特征 最关联的综合兴趣画像特 征； 基于所述兴趣行为范例的潜在 兴趣画像特征， 生成所述兴趣行为范例的最终兴趣画像 特征， 所述兴趣行为范例的最终兴趣画像特征表征所述兴趣行为范例所涵盖的兴趣行为的 画像特征分布； 基于所述全集兴趣行为范例序列中的各个所述兴趣行为范例的最终兴趣画像特征， 生 成所述用户画像训练模型的模型学习代价值， 以对所述用户画像训练模型进 行模型权重信权　利　要　求　书 2/4 页 3 CN 115408617 A 3