(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 202111647827.8 (22)申请日 2021.12.2 9 (71)申请人 张洪敏 地址 110172 辽宁省沈阳市沈抚新区金枫 街75-1号1206室 (72)发明人 张洪敏　 (74)专利代理 机构 北京汇捷知识产权代理事务 所(普通合伙) 11531 专利代理师 葛葆财 (51)Int.Cl. G06F 16/9536(2019.01) G06Q 50/00(2012.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于人工智能和大数据的数字化内容推送 方法及AI系统 (57)摘要 本公开实施例提供一种基于人工智能和大 数据的数字化内容推送方法及AI系统， 通过将预 先获取的业务推送意图对应的当前业务迭代周 期的模拟趋势状态输入至预先训练的推送属性 决策网络中， 获得业务推送意图的推送决策属 性， 并基于业务推送意图对应的不同推送对象 的 推送配置信息， 生成每个推送对象对应的数字化 内容， 可以通过业务推送意图的预先模拟趋势状 态来预测业务推送意图的推送决策属性进行数 字化内容推送， 从而提高数字化内容的推送效率 和推送精准度。 权利要求书5页 说明书20页 附图2页 CN 114443970 A 2022.05.06 CN 114443970 A 1.一种基于人工智能和大数据的数字化内容推送方法， 其特征在于， 应用于AI系统， 所 述AI系统与多个数字化 业务终端通信连接， 所述方法包括： 将预先获取的业务推送意图对应的当前业务迭代周期的模拟趋势状态输入至预先训 练的推送属性决策网络中， 获得所述业务推送意图的推送决策属性， 其中， 所述推送决策属 性包括针对所述 业务推送意图对应的不同推送对象的推送配置信息； 基于所述业务推送意图对应的不同推送对象的推送配置信 息， 生成每个推送对象对应 的数字化内容。 2.根据权利要求1所述的基于人工智能和大数据的数字化内容推送方法， 其特征在于， 所述方法还 包括： 获取针对所述每 个推送对象对应的数字化内容的目标 社交网络兴趣行为数据； 通过第一人工智能模型对所述目标社交网络兴趣行为数据进行社交兴趣主题标签和 社交兴趣协同关系分析， 得到第一预测社交兴趣主题标签和第一预测社交兴趣协同关系； 基于所述第一预测社交兴趣主题标签以及所述第一预测社交兴趣协同关系调整所述 第一人工智能模型的模型权 重信息， 得到中间人工智能模型； 通过所述中间人工智能模型对所述目标社交网络兴趣行为数据进行社交兴趣主题标 签和社交兴趣协同关系分析， 得到第二预测社 交兴趣主题标签和 第二预测社交兴趣协同关 系； 基于所述第二预测社交兴趣主题标签和所述第二预测社交兴趣协同关系对所述中间 人工智能模型进行模型优化， 得到优化后的人工智能模型， 以通过所述优化后的人工智能 模型对社交网络兴趣行为数据中目标社交观点发布数据的社交兴趣主题标签和社交兴趣 协同关系进行分析得到参考信息， 其中， 所述参考信息用于验证社交网络兴趣行为数据中 是否存在潜在兴趣路径； 当所述参考信 息表征所述社交网络兴趣行为数据中存在潜在 兴趣路径， 将所述社交网 络兴趣行为数据添加到大 数据挖掘样本中。 3.根据权利要求2所述的基于人工智能和大数据的数字化内容推送方法， 其特征在于， 所述获取针对所述每 个推送对象对应的数字化内容的目标 社交网络兴趣行为数据， 包括： 获取针对所述每个推送对象对应的数字化内容的包含目标社交观点发布数据的第一 社交网络兴趣行为数据和 第二社交网络 兴趣行为数据， 所述第一社交网络 兴趣行为数据为 标注有所述目标社交观点发布数据的目标社交兴趣主题标签和目标社交兴趣协同关系的 社交网络兴趣行为数据； 所述通过第一人工智能模型对所述目标社交网络兴趣行为数据进行社交兴趣主题标 签和社交兴趣协同关系分析， 得到第一预测社 交兴趣主题标签和 第一预测社交兴趣协同关 系， 包括： 通过第一人工智能模型对所述第一社交网络兴趣行为数据中的所述目标社交观点发 布数据进 行社交兴趣主题标签和社 交兴趣协同关系分析， 得到第一预测社 交兴趣主题标签 和第一预测社交兴趣协同关系； 所述基于所述第一预测社交兴趣主题标签以及所述第一预测社交兴趣协同关系调整 所述第一人工智能模型的模型权 重信息， 得到中间人工智能模型， 包括： 将所述第一预测社交兴趣主题标签与所述目标社交兴趣主题标签进行优化， 以及将所权　利　要　求　书 1/5 页 2 CN 114443970 A 2述第一预测社 交兴趣协同关系与所述目标社交兴趣协同关系进行优化， 以优化所述第一人 工智能模型的第一模型权重信息， 以及通过所述第一人工智能模型对所述第一社 交网络兴 趣行为数据和所述第二社 交网络兴趣行为数据进 行深度学习， 以优化所述第一人工智能模 型的第二模型权 重信息， 得到中间人工智能模型； 所述通过所述中间人工智能模型对所述目标社交网络兴趣行为数据进行社交兴趣主 题标签和社交兴趣协同关系分析， 得到第二预测社 交兴趣主题标签和 第二预测社 交兴趣协 同关系， 包括： 通过所述中间人工智能模型获取所述第二社交网络兴趣行为数据中所述目标社交观 点发布数据对应的发布影响力最高的社交兴趣主题标签和社交兴趣协同关系分别作为参 考目标社 交兴趣主题标签和参考目标社交兴趣协同关系； 将所述第二社交网络 兴趣行为数 据输入所述中间人工智能模型进 行社交兴趣主题标签和社 交兴趣协同关系分析， 得到第二 预测社交兴趣主题标签和第二预测社交兴趣协同关系； 所述基于所述第二预测社交兴趣主题标签和所述第二预测社交兴趣协同关系对所述 中间人工智能模型进行模型优化， 得到优化后的人工智能模型， 以通过所述优化后的人工 智能模型对社交网络兴趣行为数据中目标社交观点发布数据的社交兴趣主题标签和社交 兴趣协同关系进行分析得到参考信息， 其中， 所述参考信息用于验证社交网络兴趣行为数 据中是否存在潜在兴趣路径， 包括： 将所述第二预测社交兴趣主题标签与所述参考目标社交兴趣主题标签进行优化， 以及 将所述第二预测社 交兴趣协同关系与所述参考目标社 交兴趣协同关系进 行优化， 以对所述 中间人工智能模型进行模型优化， 得到优化后的人工智能模型， 以通过所述优化后的人工 智能模型对社交网络兴趣行为数据中目标社交观点发布数据的社交兴趣主题标签和社交 兴趣协同关系进行分析得到参考信息， 其中， 所述参考信息用于验证社交网络兴趣行为数 据中是否存在潜在兴趣路径。 4.根据权利要求3所述的基于人工智能和大数据的数字化内容推送方法， 其特征在于， 所述通过第一人工智能模型对所述第一社交网络兴趣行为数据中的所述目标社交观点发 布数据进 行社交兴趣主题标签和社 交兴趣协同关系分析， 得到第一预测社 交兴趣主题标签 和第一预测社交兴趣协同关系包括： 通过所述第一人工智能模型对所述第一社交网络兴趣行为数据进行兴趣行为特征描 述提取， 得到所述第一社交网络兴趣行为数据对应的第一兴趣行为特 征描述； 通过所述第一人工智能模型基于所述第一兴趣行为特征描述对所述第一社交网络兴 趣行为数据中的所述目标社交观点发布数据进行社交兴趣主题标签和社交兴趣协同关系 分析， 得到第一预测社交兴趣主题标签和第一预测社交兴趣协同关系。 5.根据权利要求4所述的基于人工智能和大数据的数字化内容推送方法， 其特征在于， 所述第一人工智能模型包括基准描述向量提取结构， 所述基准描述向量提取结构包括由多 个描述向量提取单元 组成的卷积神经网络结构， 所述通过所述第一人工智能模型对所述第 一社交网络 兴趣行为数据进行兴趣行为特征描述提取， 得到所述第一社交网络 兴趣行为数 据对应的第一兴趣行为特 征描述包括： 依次通过所述卷积神经网络结构的多个描述向量提取单元对所述第一社交网络兴趣 行为数据进行特征提取 处理， 以提取所述第一社 交网络兴趣行为数据对应的第一兴趣行为权　利　要　求　书 2/5 页 3 CN 114443970 A 3