(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 202211202790.2 (22)申请日 2022.09.29 (71)申请人 吴敬晗 地址 650000 云南省昆明市呈贡区春融街 东段256号 (72)发明人 吴敬晗　张大兵　 (51)Int.Cl. G06F 16/9535(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 30/06(2012.01) (54)发明名称 基于人工智能的数据推送方法、 系统及云平 台 (57)摘要 本申请提供的基于人工智能的数据推送方 法、 系统及云平台， 对业务对象业务行为日志的 业务对象画 像描绘， 包括业务行为描述知识的挖 掘和画像描绘两大步骤， 针对两个步骤分别设置 机器学习网络进行实现， 其中行为特征挖掘网络 的可以精确准确挖掘业务对象业务行为日志分 类描述信息的业务行为描述知识， 仅通过大量未 指示结果的业务对象业务行为日志学习数据， 即 可确保行为特征挖掘 网络对业务行为描述知识 的精准挖掘， 即使有指示学习数据的数量较少， 业务行为解析网络也能具备优秀的调试过程， 缓 解了网络调校的过程中依赖人力进行学习数据 的结果指示的过程， 降低了人员投入， 提高了业 务对象画像识别的速度和数据针对性推送的效 率。 权利要求书4页 说明书17页 附图3页 CN 115455300 A 2022.12.09 CN 115455300 A 1.一种基于人工智能的数据推送方法， 其特征在于， 应用于数据推送云平台， 所述数据 推送云平台与客户端通信连接， 所述 客户端的登陆对象为选 定业务对象， 所述方法包括： 通过所述行为特征挖掘网络的行为关联因子， 将选定业务对象业务行为日志关联至业 务对象业务行为日志分类的描述信息的业务行为知识关系网中， 得到所述选定业务对象业 务行为日志的业务行为描述知识； 其中， 所述行为特征挖掘网络的学习 数据包括未指示结 果的第一 业务对象业 务行为日志学习数据； 通过业务行为解析网络对所述业务行为描述知识进行业务行为画像描绘， 获取所述选 定业务对象业务行为日志在所述业务行为解析网络的预设业务行为画像集合下的画像对 应情况； 其中， 所述业务行为解析网络是依据所述行为特征挖掘网络对第二业务对 象业务 行为日志学习数据挖掘的业务行为描述知识进行学习获得的， 所述第二业务对象业务行为 日志学习数据包 含业务行为画像指示信息； 基于所述选定业务对象业务行为日志的所述画像对应情况， 得到所述选定业务对象业 务行为日志的真实业 务行为画像； 从事先部署的数据推送关联关系中， 确定所述真实业务行为画像对应的选定数据推送 关联关系； 根据所述选 定数据推送关联关系， 对所述 客户端进行数据推送。 2.根据权利要求1所述的方法， 其特征在于， 所述行为特征挖掘网络包括多个依次排布 的知识挖掘模块， 所述行为关联因子包括多个行为关联分属因子， 每一个行为关联分属因 子源于一个知识挖掘模块， 各个所述知识挖掘模块被配置为挖掘所述选定业务对象业务行 为日志在各个评估要素 下的业务行为描述知识； 所述通过行为特征挖掘网络的行为关联因子， 将选定业务对象业务行为日志关联至业 务对象业务行为日志分类的描述信息的业务行为知识关系网中， 得到所述选定业务对象业 务行为日志的业 务行为描述知识， 包括： 通过各个所述知识挖掘模块的行为关联分属因子， 以及所述知识挖掘模块的排布情 况， 将所述选定业务对象业务行为日志关联至业务对象业务行为日志分类的描述信息的业 务行为知识关系网中， 得到各 所述知识挖掘模块挖掘的业 务行为描述知识； 对所述知识挖掘模块中一个或多个知识挖掘模块挖掘的业务行为描述知识进行处理， 得到所述选定业务对 象业务行为日志的业务行为描述知识； 其中， 所述一个或多个知识挖 掘模块中包 含所述排布情况中处于末尾的知识挖掘模块。 3.根据权利要求1所述的方法， 其特征在于， 所述通过行为特征挖掘网络的行为关联因 子， 将选定业务对象业务行为日志关联至业务对象业务行为日志分类的描述信息的业务行 为知识关系网中， 得到所述选 定业务对象业 务行为日志的业 务行为描述知识前， 还 包括： 对拟调试的行为特征挖掘网络， 依据 所述第一业务对象业务行为日志学习数据进行调 试， 得到调 试完成的行为特征挖掘网络， 所述第一业务对 象业务行为日志学习数据未包含 业务行为画像指示信息， 所述拟调试的行为特征挖掘网络是依据所述第一业务对象业务行 为日志学习数据的同业 务领域数据事先调试完成得到的； 基于所述行为特征挖掘网络的行为关联因子， 将所述第 二业务对象业务行为日志学习 数据关联至业务对象业务行为日志分类的描述信息的业务行为知识关系网中， 得到所述第 二业务对象业 务行为日志学习数据的第二 业务行为描述知识；权　利　要　求　书 1/4 页 2 CN 115455300 A 2采用拟调试的业务行为解析网络对所述第二业务行为描述知识进行业务行为画像描 绘， 得到所述第二业务对象业务行为日志学习数据在所述拟调试的业务行为解析网络的预 设业务行为画像集 合下的推断画像对应情况； 基于所述第二业务对象业务行为日志学习数据的业务行为画像指示信息和所述推断 画像对应情况， 对所述业务行为解析网络的网络系 数进行修正， 得到调试完成的业务行为 解析网络 。 4.根据权利要求1所述的方法， 其特征在于， 所述对拟调试的行为特征挖掘网络， 依据 所述第一业务对 象业务行为日志学习 数据进行调 试， 得到调 试完成的行为特征挖掘网络， 包括： 对所述第一业务对象业务行为日志学习数据进行拆解处理， 得到所述第 一业务对象业 务行为日志学习数据的描述 块； 根据预设的描述块更换方法中的两种及以上方式对所述描述块实现更换， 得到完成更 换的第一 业务对象业 务行为日志学习数据， 所述两种及以上 方式中包括预设更 换方法； 将所述第一业务对象业务行为日志学习数据中依据所述预设更换方法进行更换的描 述块， 作为拟推断描述 块； 依据所述拟调试的行为特征挖掘网络， 按照所述完成更换的第 一业务对象业务行为日 志学习数据， 推断所述拟推 断描述块， 获取所述拟调试 的行为特征挖掘网络提供 的推断描 述块； 通过所述推断描述块和所述拟推断描述块， 得到所述拟调试的行为特征挖掘网络的网 络代价值； 基于所述网络代价值修正所述拟调试的行为特征挖掘网络的网络系数， 获得调试完成 的行为特 征挖掘网络 。 5.根据权利要求4所述的方法， 其特征在于， 所述拟调试的行为特征挖掘网络包括推断 模块和业 务行为描述知识挖掘单 元， 所述业务行为描述知识挖掘单 元包括行为关联因子； 所述依据拟调试的行为特征挖掘网络， 按照所述完成更换的第 一业务对象业务行为日 志学习数据， 推断所述拟推 断描述块， 获取所述拟调试 的行为特征挖掘网络提供 的推断描 述块， 包括： 依据所述业务行为描述知识挖掘单元的行为关联因子， 将所述完成更换的第 一业务对 象业务行为日志学习数据关联至业务对 象业务行为日志分类的描述信息的业务行为知识 关系网中， 得到所述完成更换的第一业务对象业务行为日志学习数据的第一业务行为描述 知识； 基于所述推断模块， 依据所述第一业务行为描述知识推断所述拟推断描述块， 得到推 断描述块； 所述基于所述网络代价值修正所述拟调试的行为特征挖掘网络的网络系数， 获得调试 完成的行为特 征挖掘网络， 包括： 基于所述网络代价值修正所述推断模块的系数和所述业务行为描述知识挖掘单元的 行为关联因子， 获得调试完成的行为特 征挖掘网络 。 6.根据权利要求5所述的方法， 其特征在于， 所述业务行为描述知识挖掘单元包括多个 知识挖掘模块， 所述行为关联因子包括多个行为关联分属因子， 每个知识挖掘模块包括一权　利　要　求　书 2/4 页 3 CN 115455300 A 3