基于大数据挖掘的内容推送决策方法及云计算AI服务系统

技术领域

本申请涉及内容推送技术领域，具体而言，涉及一种基于大数据挖掘的内容推送决策方法及云计算AI服务系统。

背景技术

大数据是复杂多样的，更新速度异常之快，规模更加庞大。但具有高度分析的新价值，所以研究大数据对业务的未来发展趋势起着决定性的影响，例如如何进行信息挖掘去决策用户的兴趣对话内容，以改善未来业务更新的趋势。

相关技术中，在当前大数据技术等因素的推动下，通过大数据挖掘出用户的预测兴趣点集合进行有针对性的内容推送，是通常使用的内容服务方案。针对这些推送内容信息，用户也会针对性作出相关的内容响应事件，相关技术中通常是针对所有的内容响应事件继续进行二次挖掘以旨在对内容推送规则继续进行优化更新。然而发明人研究发现，这些内容响应事件不可避免地会存在一些误操作或者噪声操作，倘若均进行二次挖掘则会引入噪声特征，导致旨在对内容推送规则继续进行优化更新的过程中出现误差。

发明内容

为了至少克服现有技术中的上述不足，本申请的目的在于提供一种基于大数据挖掘的内容推送决策方法及云计算AI服务系统。

第一方面，本申请提供一种基于大数据挖掘的内容推送决策方法，应用于云计算AI服务系统，所述云计算AI服务系统与多个智慧业务注册终端通信连接，所述方法包括：

获取智慧业务注册终端的目标智慧业务对话流程的预测兴趣点集合，根据所述预测兴趣点集合向所述智慧业务注册终端进行初始信息推送，获取初始推送内容信息的多个内容响应事件；

识别所述多个内容响应事件中的每个内容响应事件，分别得到对应的内容行为热力图信息、内容操作反馈行为信息和内容响应极性标签信息中的至少两个；

若所述内容响应极性标签信息、所述内容行为热力图信息和所述内容操作反馈行为信息中的至少两个之间存在冲突特征，则从预设有效性度量位图中，得到与所述每个内容响应事件对应的第一有效性度量值；

基于所述多个内容响应事件对应的多个第一有效性度量值，确定所述多个内容响应事件的有效性识别信息，根据所述多个内容响应事件的有效性识别信息对所述智慧业务注册终端的内容推送规则进行决策更新。

第二方面，本申请实施例还提供一种基于大数据挖掘的内容推送决策系统，所述基于大数据挖掘的内容推送决策系统包括云计算AI服务系统以及与所述云计算AI服务系统通信连接的多个智慧业务注册终端；

所述云计算AI服务系统，用于：

获取智慧业务注册终端的目标智慧业务对话流程的预测兴趣点集合，根据所述预测兴趣点集合向所述智慧业务注册终端进行初始信息推送，获取初始推送内容信息的多个内容响应事件；

识别所述多个内容响应事件中的每个内容响应事件，分别得到对应的内容行为热力图信息、内容操作反馈行为信息和内容响应极性标签信息中的至少两个；

若所述内容响应极性标签信息、所述内容行为热力图信息和所述内容操作反馈行为信息中的至少两个之间存在冲突特征，则从预设有效性度量位图中，得到与所述每个内容响应事件对应的第一有效性度量值；

基于所述多个内容响应事件对应的多个第一有效性度量值，确定所述多个内容响应事件的有效性识别信息，根据所述多个内容响应事件的有效性识别信息对所述智慧业务注册终端的内容推送规则进行决策更新。

基于上述任意一个方面，本申请能够在获取到初始推送内容信息的多个内容响应事件之后，识别多个内容响应事件中的每个内容响应事件，分别得到对应的内容行为热力图信息、内容操作反馈行为信息和内容响应极性标签信息中的至少两个。若内容响应极性标签信息、内容行为热力图信息和内容操作反馈行为信息中的至少两个之间存在冲突特征，则从预设有效性度量位图中，得到与每个内容响应事件对应的第一有效性度量值。最后，基于多个内容响应事件对应的多个第一有效性度量值，确定多个内容响应事件的有效性识别信息。这样，可以提取内容响应事件中内容响应极性标签信息、内容行为热力图信息和内容操作反馈行为信息之间的有效性度量位图作为多个维度的内容响应事件是否为有效性响应行为的判断依据，来确定对内容推送规则进行决策更新的参考依据，从而提高内容推送决策更新的准确性。

附图说明

图1为本申请实施例提供的基于大数据挖掘的内容推送决策系统的应用场景示意图；

图2为本申请实施例提供的基于大数据挖掘的内容推送决策方法的流程示意图；

图3为本申请实施例提供的用于实现上述的基于大数据挖掘的内容推送决策方法的云计算AI服务系统的结构组件示意框图。

具体实施方式

下面结合说明书附图对本申请进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。

图1是本申请一种实施例提供的基于大数据挖掘的内容推送决策系统10的交互示意图。基于大数据挖掘的内容推送决策系统10可以包括云计算AI服务系统100以及与云计算AI服务系统100通信连接的智慧业务注册终端200。图1所示的基于大数据挖掘的内容推送决策系统10仅为一种可行的示例，在其它可行的实施例中，该基于大数据挖掘的内容推送决策系统10也可以仅包括图1所示组成部分的其中的至少部分或者还可以包括其它的组成部分。

一种可独立实施的实施例中，基于大数据挖掘的内容推送决策系统10中的云计算AI服务系统100和智慧业务注册终端200可以通过配合执行以下方法实施例所描述的基于大数据挖掘的内容推送决策方法，具体云计算AI服务系统100和智慧业务注册终端200的执行步骤部分可以参照以下方法实施例的详细描述。

图2为本申请实施例提供的基于大数据挖掘的内容推送决策方法的流程示意图，本实施例提供的基于大数据挖掘的内容推送决策方法可以由图1中所示的云计算AI服务系统100执行，下面对该基于大数据挖掘的内容推送决策方法进行详细介绍。

步骤S101：获取智慧业务注册终端的目标智慧业务对话流程的预测兴趣点集合，根据所述预测兴趣点集合向所述智慧业务注册终端进行初始信息推送，获取初始推送内容信息的多个内容响应事件。

步骤S102：识别所述多个内容响应事件中的每个内容响应事件，分别得到对应的内容行为热力图信息、内容操作反馈行为信息和内容响应极性标签信息中的至少两个。

一种可独立实施的实施例中，内容响应事件可以包括多个不同维度的信息，例如包括但不限于上述的内容行为热力图信息、内容操作反馈行为信息和内容响应极性标签信息。进一步地，内容行为热力图信息可以是不同内容行为的热力值分布信息，内容行为可以是内容浏览行为、内容转发行为等。内容操作反馈行为信息可以是针对内容信息进行相关的内容操作反馈行为所记录的信息，例如不感兴趣的标记行为、感兴趣的订阅行为等。内容响应极性标签信息可以包括针对不同内容信息的正向极性标签或者负向极性标签等，但不限于此。

可以理解的是，通过对内容响应事件进行信息挖掘以得到以上内容行为热力图信息、内容操作反馈行为信息和内容响应极性标签信息，从而为后续的有效性内容响应事件的分析提供数据依据。

步骤S103：若所述内容响应极性标签信息、所述内容行为热力图信息和所述内容操作反馈行为信息中的至少两个之间存在冲突特征，则从预设有效性度量位图中，得到与所述每个内容响应事件对应的第一有效性度量值。

一种可独立实施的实施例中，所述内容响应极性标签信息、所述内容行为热力图信息和所述内容操作反馈行为信息中的至少两个之间存在冲突特征可以理解为所述内容响应极性标签信息、所述内容行为热力图信息和所述内容操作反馈行为信息中的至少两个之间存在不匹配或者存在冲突，比如对所述内容响应极性标签信息、所述内容行为热力图信息和所述内容操作反馈行为信息的信息关联出现异常，在这种情况下，表明对应的内容响应事件可能存在有效性问题，为此，可以从预设的有效性度量位图中确定对应内容响应事件的第一有效性度量值。

另外，对于第一有效性度量值而言，可以理解为相关的分析价值信息，用于对内容响应事件的有效性分析提供参考依据。

在相关实施例中，所述每个内容响应事件对应的第一有效性度量值可以包括：第一聚集有效性度量值和第二聚集有效性度量值。其中，第一聚集有效性度量值可以针对本地内容响应事件，第二聚集有效性度量值可以针对跨境内容响应事件。或者，第一聚集有效性度量值还可以针对实时内容响应事件，第二聚集有效性度量值还可以针对延时内容响应事件，本申请实施例不作限制。

在上述内容的基础上，步骤S103所描述的若所述内容响应极性标签信息、所述内容行为热力图信息和所述内容操作反馈行为信息中的至少两个之间存在冲突特征，则从预设有效性度量位图中，得到与所述每个内容响应事件对应的第一有效性度量值，可以通过以下实施方式A或者实施方式B实现。

实施方式A：若所述内容响应极性标签信息与所述内容操作反馈行为信息之间存在冲突特征，则从第一预设有效性度量位图中，得到所述每个内容响应事件对应的第一聚集有效性度量值。

对于实施方式A而言，所述若所述内容响应极性标签信息与所述内容操作反馈行为信息之间存在冲突特征，则从第一预设有效性度量位图中，得到所述每个内容响应事件对应的第一聚集有效性度量值，包括：若所述内容操作反馈行为信息与所述内容响应极性标签信息，与第一预设有效性度量位图中包含匹配的第一目标有效性度量位图，则指示从所述预设有效性度量位图中，得到与所述第一目标有效性度量位图对应的所述第一聚集有效性度量值。

换言之，还可以从所述内容操作反馈行为信息与所述内容响应极性标签信息这两个维度考虑，以确定对应的第一聚集有效性度量值。

一种可独立实施的实施例中，在实施方式A所描述的若所述内容响应极性标签信息与所述内容操作反馈行为信息之间存在冲突特征，则从第一预设有效性度量位图中，得到所述每个内容响应事件对应的第一聚集有效性度量值的步骤之后，该方法还可以包括以下内容：汇总与所述第一聚集有效性度量值对应的第一有效内容操作反馈行为信息的标签分布数量；若所述第一有效内容操作反馈行为信息的标签分布数量大于第一数量，则与所述第一有效内容操作反馈行为信息对应的内容响应事件的有效性识别信息为有效内容响应事件。

可以理解的是，通过对与所述第一聚集有效性度量值对应的第一有效内容操作反馈行为信息的标签分布数量进行统计，能够结合第一数量确定有效性识别信息。例如，若第一有效内容操作反馈行为信息的标签分布数量大于第一数量，表明内容操作反馈行为信息满足有效性需求，此时可以将第一有效内容操作反馈行为信息对应的内容响应事件的有效性识别信息确定为有效内容响应事件。

实施方式B：若所述内容行为热力图信息和所述内容操作反馈行为信息之间存在冲突特征，则从第二预设有效性度量位图中，得到所述每个内容响应事件对应的第二聚集有效性度量值。

对于实施方式B而言，所述若所述内容行为热力图信息和所述内容操作反馈行为信息之间存在冲突特征，则从第二预设有效性度量位图中，得到所述每个内容响应事件对应的第二聚集有效性度量值，包括：若所述内容行为热力图信息与所述内容操作反馈行为信息，与第二预设有效性度量位图中包含匹配的第二目标有效性度量位图，则指示从所述预设有效性度量位图中，得到与所述第二目标有效性度量位图对应的所述第二聚集有效性度量值。

换言之，还可以从所述内容行为热力图信息与所述内容操作反馈行为信息这两个参考维度出发，以确定对应的第一聚集有效性度量值。

一种可独立实施的实施例中，在实施方式B所描述的若所述内容行为热力图信息和所述内容操作反馈行为信息之间存在冲突特征，则从第二预设有效性度量位图中，得到所述每个内容响应事件对应的第二聚集有效性度量值之后，所述方法还包括：汇总与所述第二聚集有效性度量值对应的第二有效内容操作反馈行为信息的标签分布数量；若所述第二有效内容操作反馈行为信息的标签分布数量大于第二数量，则与所述第二有效内容操作反馈行为信息对应的内容响应事件的有效性识别信息为有效内容响应事件。

步骤S104：基于所述多个内容响应事件对应的多个第一有效性度量值，确定所述多个内容响应事件的有效性识别信息，根据所述多个内容响应事件的有效性识别信息对所述智慧业务注册终端的内容推送规则进行决策更新。

一种可独立实施的实施例中，有效性识别信息包括非有效内容响应事件和有效内容响应事件。

一种可独立实施的实施例中，在步骤S101所描述的获取初始推送内容信息的多个内容响应事件之后，所述方法还包括：查询所述多个内容响应事件中是否包含订阅内容响应特征，所述订阅内容响应特征包括：订阅画像特征或互动画像特征；若每个内容响应事件中均覆盖所述订阅内容响应特征，则从预设的订阅内容响应特征位图中，得到与所述每个内容响应事件对应的第二有效性度量值，从而确定多个内容响应事件对应的多个第二有效性度量值。

如此设计，可以基于订阅内容响应特征从对应的订阅内容响应特征位图查询得到第二有效性度量值。基于此，步骤S104所描述的基于所述多个内容响应事件对应的多个第一有效性度量值，确定所述多个内容响应事件的有效性识别信息，还可以通过以下内容实现：根据所述多个第一有效性度量值和所述多个第二有效性度量值，确定所述多个内容响应事件的有效性识别信息。

可以理解的是，在确定所述多个内容响应事件的有效性识别信息时，通过结合第一有效性度量值以及第二有效性度量值进行分析，能够将订阅画像特征或互动画像特征维度的信息考虑在内，从而进一步确保有效性识别信息的精度。

一种可独立实施的实施例中，在步骤S101所描述的获取初始推送内容信息的多个内容响应事件之后，所述方法还可以包括：获取针对所述多个内容响应事件所对应的多个行为迁移事件；所述多个行为迁移事件是由云计算AI服务系统获取到所述多个内容响应事件后做出应答而得到的；识别所述多个行为迁移事件，得到每个行为迁移事件分别对应的行为迁移内容信息；若所述行为迁移内容信息表征存在所需要进行相同内容对象分享的迁移内容信息，则从预设的迁移分享度量值位图中，得到与所述每个内容响应事件对应的第三有效性度量值，从而确定多个内容响应事件对应的至少一个第三有效性度量值。

一种可独立实施的实施例中，第三有效性度量值侧重于行为迁移事件层面。基于此，步骤S104所描述的基于所述多个内容响应事件对应的多个第一有效性度量值，确定所述多个内容响应事件的有效性识别信息，可以包括通过以下方式（1）或方式（2）中的任一一种实现：（1）根据所述多个第一有效性度量值和所述至少一个第三有效性度量值，确定所述多个内容响应事件的有效性识别信息；（2）根据所述多个第一有效性度量值、所述多个第二有效性度量值和所述至少一个第三有效性度量值，确定所述多个内容响应事件的有效性识别信息。

一种可独立实施的实施例中，步骤S104所描述的基于所述多个内容响应事件对应的多个第一有效性度量值，确定所述多个内容响应事件的有效性识别信息，可以包括以下内容：若所述多个内容响应事件对应的多个第一有效性度量值中包含大于第一目标度量值的第一目标有效性度量值，则确定与所述第一目标有效性度量值对应的内容响应事件的有效性识别信息为有效内容响应事件。

一种可独立实施的实施例中，第一目标度量值用于进行有效性分析，若存在大于第一目标度量值的第一有效性度量值，则表明对应的内容响应事件对于信息推送的参考依据而言有效。可以理解的是，一个内容响应事件可以对应一个或者多个第一有效性度量值，若一个或者多个第一有效性度量值中存在第一目标有效性度量值，则可以确定与所述第一目标有效性度量值对应的内容响应事件的有效性识别信息为有效内容响应事件。

一种可独立实施的实施例中，步骤S104所描述的基于所述多个内容响应事件对应的多个第一有效性度量值，确定所述多个内容响应事件的有效性识别信息，还可以通过以下步骤S1041-步骤S1043实现。

步骤S1041：若所述多个内容响应事件对应的多个第一有效性度量值中包含未大于第一目标度量值的第二目标有效性度量值，则将所述第二目标有效性度量值进行整体离散化处理，得到第一离散有效性度量值。

步骤S1042：若所述第一离散有效性度量值未大于第一离散目标度量值，则与所述第二目标有效性度量值对应的内容响应事件的有效性识别信息为非有效内容响应事件。

步骤S1043：若所述第一离散有效性度量值大于第一离散目标度量值，则与所述第二目标有效性度量值对应的内容响应事件的有效性识别信息为有效内容响应事件。

一种可独立实施的实施例中，整体离散化处理可以理解为权重融合计算，所得到的第一离散有效性度量值可以理解为权重融合计算结果。

一种可独立实施的实施例中，该方法还可以包括以下内容：识别所述多个内容响应事件中的每个内容响应事件，分别得到各自分别对应的相同内容对象分享特征；汇总与每个内容响应事件对应的所述相同内容对象分享特征的统计数；根据多个第二有效性度量值和所述至少一个第三有效性度量值中的至少一个，所述多个第一有效性度量值，以及所述相同内容对象分享特征的统计数，确定所述多个内容响应事件的有效性识别信息。

一种可独立实施的实施例中，每个内容响应事件唯一对应的相同内容对象分享特征可以是参数化的特征，基于此，可以对相同内容对象分享特征进行汇总，并结合第二有效性度量值、第三有效性度量值、第一有效性度量值以及相同内容对象分享特征进行有效性识别信息的确定。比如可以结合第二有效性度量值、第一有效性度量值以及相同内容对象分享特征进行有效性识别信息的确定，还可以结合第三有效性度量值、第一有效性度量值以及相同内容对象分享特征进行有效性识别信息的确定。

譬如在一种可独立实施的实施例中，在上述步骤S104所描述的根据所述多个内容响应事件的有效性识别信息对所述智慧业务注册终端的内容推送规则进行决策更新，可以包括以下步骤。

步骤S1040：若所述多个内容响应事件的有效性识别信息为有效内容响应事件，对所述有效内容响应事件进行用户关注特征提取，得到所述初始推送内容信息的用户关注特征，并基于所述初始推送内容信息的用户关注特征对所述智慧业务注册终端的内容推送规则进行决策更新。

例如，可以结合深度学习模型进行用户关注特征提取，从而准确获得初始推送内容信息的用户关注特征。进一步地，可以分析出初始推送内容信息的用户关注特征所对应的关注特征向量，并按照用户关注特征所对应的关注特征向量的倾向度对所述智慧业务注册终端的内容推送规则中对应的内容推送子规则的权重进行对应调整。

一种可独立实施的实施例中，针对步骤S101，可以通过以下示例性的步骤实现。

步骤A110，从待挖掘的目标智慧业务对话流程中提取出对话意图簇。

经研究表明，对于任一智慧业务对话流程而言，该智慧业务对话流程中通常包括大量的对话意图，这些大量的对话意图中可包括一个或多个对话轨迹数据；所谓的对话轨迹数据是指由对话过程记录所构成的对话记录日志信息，进而形成对话轨迹大数据。并且可选地，这些大量的对话意图中还可能包括一个或多个非对话轨迹数据；所谓的非对话轨迹数据是指由除对话过程记录以外的其它操作行为相关信息所构成的对话记录日志信息，此处的其它操作行为相关信息可包括但不限于：操作行为所在业务、操作行为来源、操作行为互动方式等等。相应的，非对话轨迹数据可以是由操作行为所在业务所构成的对话记录日志信息、由操作行为来源所构成的对话记录日志信息等等。

由于这些大量的对话意图均是用于描述智慧业务对话流程中所涉及的操作行为信息(如对话过程记录、操作行为所在业务、操作行为来源等)的，而智慧业务对话流程的兴趣内容特征又是用于对智慧业务对话流程中所涉及的主要操作行为(即关键操作行为)的相关内容进行预测分析的；可见，智慧业务对话流程中的对话意图和智慧业务对话流程的兴趣内容特征在一定程度上是存在联系的。因此，本申请实施例提出了可通过智慧业务对话流程中所包括的对话意图来确定智慧业务对话流程的兴趣内容特征的技术方案。基于此技术方案，当存在关于目标智慧业务对话流程的对话内容特征的挖掘请求时，云计算AI服务系统100便可获取待挖掘的目标智慧业务对话流程。然后，可通过本步骤从该目标智慧业务对话流程中提取出对话意图簇；此处的对话意图簇中可包括多个对话意图，且该多个对话意图中至少包括对话轨迹数据。一种可独立实施的实施例中，云计算AI服务系统100可对目标智慧业务对话流程进行对话意图聚类，并将对话意图聚类所得到的起始对话意图簇与至少一个意图特征库进行匹配，以匹配提取出起始对话意图簇中所包含的且位于至少一个对话意图引用模型中的起始对话意图。然后，根据匹配提取出的起始对话意图确定目标智慧业务对话流程中的对话意图，从而构建得到目标智慧业务对话流程的对话意图簇。

步骤A120，采用多个对话意图构建目标智慧业务对话流程的意图点空间。

一种可独立实施的实施例中，目标智慧业务对话流程的意图点空间中可包括多个意图点；一个意图点反映一个对话意图，且任意两个存在绑定关系的意图点所反映的对话意图在目标智慧业务对话流程中具有对话流转操作。也就是说，在目标智慧业务对话流程中具有对话流转操作的两个对话意图所对应的意图点，在该意图点空间中是存在绑定关系的。其中，此处所提及的对话流转操作可包括如下任一种含义：

一种可独立实施的实施例中，上述所提及的对话流转操作可以是指：采用一个对话引导引用服务在目标智慧业务对话流程上进行对话流转的过程中，两个对话意图同时出现在该对话引导引用服务中的流转过程行为。其中，对话引导引用服务的引用次数可根据经验值或者目标智慧业务对话流程中的最大对话次数范围设置；例如目标智慧业务对话流程中的最大对话次数范围为20个页面主动兴趣维度，则可设置引用次数小于或等于20个页面主动兴趣维度。举例来说，设采用引用次数为5个页面主动兴趣维度的对话引导引用服务在目标智慧业务对话流程上进行对话流转；并设多个对话意图包括：对话意图Q、对话意图W、对话意图E、对话意图R……假设由于在该对话流转过程中，对话意图Q和对话意图W可同时出现在该对话引导引用服务中，因此可认为对话意图Q和对话意图W在目标智慧业务对话流程中具有对话流转操作。由于在该对话流转过程中，对话意图W和对话意图E可同时出现在该对话引导引用服务中，因此可认为对话意图W和对话意图E在目标智慧业务对话流程中具有对话流转操作。由于对话意图E和对话意图R无法同时出现在该对话引导引用服务中，因此可认为对话意图E和对话意图R在目标智慧业务对话流程中不具有对话流转操作，以此类推。

在另一种可独立实施的实施例中，上述所提及的对话流转操作可以是指：采用一个对话引导引用服务在目标智慧业务对话流程上进行对话流转的过程中，两个对话意图同时出现在该对话引导引用服务中且该两个对话意图之间的对话应用环境相关参数大于预设相关参数值的关系。其中，两个对话意图之间的对话应用环境相关参数可根据两个对话意图的兴趣对话轨迹特征计算得到；两个对话意图之间的对话应用环境相关参数可用于反映两个对话意图之间的对话应用环境特征相关度，且对话应用环境相关参数和对话应用环境特征相关度成正比；也就是说，若两个对话意图之间的对话应用环境相关参数越大，则该两个对话意图之间的对话应用环境特征相关度越大。并且，预设相关参数值可根据实际业务情况设置。举例来说，设预设相关参数值为K，对话意图Q和对话意图W之间的对话应用环境相关参数为kQW、对话意图W和对话意图E之间的对话应用环境相关参数为kWE、对话意图E和对话意图R之间的对话应用环境相关参数为kER；且kQWK，kER

基于上述描述，在具体实施步骤A120的过程中，云计算AI服务系统100可先采用多个对话意图构建目标智慧业务对话流程的初始意图点空间；该初始意图点空间中包括多个意图点，每个意图点反映一个对话意图。其次，云计算AI服务系统100可从多个对话意图中选取至少一对流转的对话意图对象的组合，该流转的对话意图对象的组合是指由在目标智慧业务对话流程中具有对话流转操作的两个对话意图所构成的对话意图对象的组合。然后，云计算AI服务系统100可游走各对流转的对话意图对象的组合；针对当前游走的当前流转的对话意图对象的组合，可在初始意图点空间中分别连接用于记录该当前流转的对话意图对象的组合中的两个对话意图的两个意图点；当各流转的对话意图对象的组合均被游走，则可得到目标智慧业务对话流程的意图点空间。例如可以假设多个对话意图包括：对话意图Q(采用意图点Q记录)、对话意图W(采用意图点W记录)、对话意图E(采用意图点E记录)、对话意图R(采用意图点R记录)、对话意图E(采用意图点E记录)……；且这多个对话意图中总共有5对流转的对话意图对象的组合，其分别是：(对话意图Q，对话意图W)、(对话意图Q，对话意图R)、(对话意图W，对话意图E)、(对话意图W，对话意图E)以及(对话意图R，对话意图E)。那么，云计算AI服务系统100可在初始意图点空间中，分别连接意图点Q和意图点W、连接意图点Q和意图点R、连接意图点W和意图点E、连接意图点W和意图点E，以及连接意图点R和意图点E，从而得到目标智慧业务对话流程的意图点空间。

步骤A130，基于意图点空间中的各个意图点之间的对话流转信息，计算各个意图点所反映的对话意图的对话意图强度。

一种可独立实施的实施例中，由于对话流转操作是指两个对话意图同时出现在一个对话引导引用服务中的关系，或者是指两个对话意图同时出现在一个对话引导引用服务中且两个对话意图之间的对话应用环境相关参数大于预设相关参数值的关系；因此可知具有越多对话流转操作的对话意图在目标智慧业务对话流程中的出现次数越高，那么可认为具有越多对话流转操作的对话意图越具有意图兴趣可能性。基于此，云计算AI服务系统100在执行步骤A130时，譬如可根据意图点空间中的各个意图点之间的对话流转信息，统计每个对话意图所具有的对话流转操作的对话流转次数，并按照对话流转次数和对话意图强度成正相关的原则，根据各个对话意图对应的对话流转次数确定各个对话意图的对话意图强度。

一种可独立实施的实施例中，可直接将各个对话意图对应的对话流转次数作为各个对话意图的对话意图强度。或者，对各个对话意图对应的对话流转次数进行规则化转换，得到各个对话意图的对话意图强度；其中，规则化转换是指将对话流转次数映射到0～1范围内的处理。再或者，可采用对话意图强度参数对各个对话意图对应的对话流转次数进行权重融合，得到各个对话意图的对话意图强度；其中，对话意图强度参数可根据实际业务情况设置。例如参见前述示例，意图点Q与意图点W相映射，且意图点Q和意图点R相映射，则可统计确定意图点Q所反映的对话意图Q所具有的对话流转操作的对话流转次数为2；那么可直接将对话流转次数作为对话意图Q的对话意图强度(即对话意图强度为2)，或者采用对话意图强度参数(例如1.5)对对话流转次数进行权重融合，得到对话意图Q的对话意图强度(即对话意图强度为3)，等等。

在另一种可独立实施的实施例中，经研究表明，若两个对话意图在目标智慧业务对话流程中具有对话流转操作，则由于这两个对话意图是同时出现的，因此这两个对话意图的对话意图强度通常是会相互影响的。基于此，云计算AI服务系统100在执行步骤A130时，针对任一意图点所反映的对话意图，可通过结合与该任一意图点存在绑定关系的级联意图点所反映的对话意图的对话意图强度，来计算得到任一意图点的对话意图的对话意图强度，以提升对话意图强度的精度。一种可独立实施的实施例中，针对任一意图点所反映的对话意图，可基于意图点空间中的各个意图点之间的对话流转信息，确定与该任一意图点存在绑定关系的至少一个级联意图点；然后，根据各个级联意图点所反映的对话意图的对话意图强度，计算该任一意图点所反映的对话意图的对话意图强度。

其中，根据各个级联意图点所反映的对话意图的对话意图强度，计算该任一意图点所反映的对话意图的对话意图强度的具体实施方式可包括以下任一种：

实施方式一：云计算AI服务系统100可先根据任一意图点所反映的对话意图所具有的对话流转操作的对话流转次数，计算得到任一意图点所反映的对话意图的初始值。其次，可分别统计该任一意图点所反映的对话意图和各个级联意图点所反映的对话意图同时出现在对话引导引用服务中的次数，并分别对统计到的各个次数进行规则化转换，得到各个级联意图点的意图评价指标。例如，针对意图点Q所反映的对话意图Q而言，意图点Q具有意图点W和意图点R两个级联意图点；若对话意图Q和意图点W所反映的对话意图W同时出现在对话引导引用服务中的次数为15次，对话意图Q和意图点R所反映的对话意图R同时出现在对话引导引用服务中的次数为5次；则意图点W的意图评价指标便为15/(15+5)＝0.75，意图点R的意图评价指标便为5/(15+5)＝0.25。在得到各个级联意图点的意图评价指标后，可采用各个级联意图点的意图评价指标对各个级联意图点的对话意图强度进行加权求和；例如，设意图点W的对话意图强度0.4，意图点R的对话意图强度为0.2，则可执行0.4×0.75+0.2×0.25＝0.35。然后，可对加权求和得到的数值和任一意图点所反映的对话意图的初始值进行求和运算，得到任一意图点所反映的对话意图的对话意图强度。

实施方式二：云计算AI服务系统100还可根据各个级联意图点所反映的对话意图的对话意图强度，计算该任一意图点所反映的对话意图的对话意图强度。

在另一种可独立实施的实施例中，由于对话应用环境相关参数可用于指示两个对话意图之间的对话应用环境特征相关度，而经研究表明针对任一对话意图而言，若其它对话意图与该任一对话意图之间的对话应用环境特征相关度越大，则该其它对话意图的对话意图强度对该任一对话意图的对话意图强度的影响通常会越大。基于此，云计算AI服务系统100在执行步骤A130时，针对任一意图点所反映的对话意图，可通过结合与该任一意图点存在绑定关系的级联意图点所反映的对话意图的对话意图强度，以及任一意图点所反映的对话意图与各个级联意图点所反映的对话意图之间的对话应用环境相关参数，来计算得到任一意图点的对话意图的对话意图强度，以进一步提升对话意图强度的精度。一种可独立实施的实施例中，针对任一意图点所反映的对话意图，可先基于意图点空间中的各个意图点之间的对话流转信息，确定与任一意图点存在绑定关系的至少一个级联意图点。然后，可计算该任一意图点所反映的对话意图和各个级联意图点所反映的对话意图之间的对话应用环境相关参数；并根据计算得到的对话应用环境相关参数和各个级联意图点所反映的对话意图的对话意图强度，计算任一意图点所反映的对话意图的对话意图强度。

其中，根据计算得到的对话应用环境相关参数和各个级联意图点所反映的对话意图的对话意图强度，计算任一意图点所反映的对话意图的对话意图强度的具体实施方式可包括以下任一种：

实施方式一：云计算AI服务系统100可先根据任一意图点所反映的对话意图的对话流转次数，计算得到任一意图点所反映的对话意图的初始值。其次，可分别采用各个对话应用环境相关参数对各个级联意图点的对话意图强度进行加权求和。例如，针对意图点Q所反映的对话意图Q而言，意图点Q具有意图点W和意图点R两个级联意图点；且意图点W的对话意图强度0.4，意图点R的对话意图强度为0.2。若对话意图Q和意图点W所反映的对话意图W之间的对话应用环境相关参数为kQW，对话意图Q和意图点R所反映的对话意图R之间的对话应用环境相关参数为kQR；则可执行0.4×kQW+0.2×kQR。然后，可对权重融合得到的数值和任一意图点所反映的对话意图的初始值进行求和，得到任一意图点所反映的对话意图的对话意图强度。

实施方式二：云计算AI服务系统100还可根据计算得到的对话应用环境相关参数和各个级联意图点所反映的对话意图的对话意图强度，计算任一意图点所反映的对话意图的对话意图强度。

步骤A140，根据各个对话意图的对话意图强度从对话意图簇中选取目标智慧业务对话流程的兴趣对话轨迹数据，并采用兴趣对话轨迹数据的兴趣对话轨迹特征构建目标智慧业务对话流程的兴趣预测特征，该兴趣预测特征用于指示目标智慧业务对话流程的兴趣内容特征。

由于目标智慧业务对话流程的兴趣内容特征是用于对目标智慧业务对话流程中所涉及的主要操作行为(即关键操作行为)的相关内容进行预测分析的，因此云计算AI服务系统100在得到各个对话意图的对话意图强度后，可根据各个对话意图的对话意图强度从对话意图簇中，选取对话意图强度最大的对话轨迹数据作为目标智慧业务对话流程的兴趣对话轨迹数据。然后，可采用兴趣对话轨迹数据的兴趣对话轨迹特征构建目标智慧业务对话流程的兴趣预测特征，该兴趣预测特征用于指示目标智慧业务对话流程的兴趣内容特征。

其中，云计算AI服务系统100从对话意图簇中选取兴趣对话轨迹数据的具体实施方式可以是：先筛选出对话意图簇中所包括的各个对话轨迹数据，然后从筛选出的对话轨迹数据中选取对话意图强度最大的对话轨迹数据作为目标智慧业务对话流程的兴趣对话轨迹数据。或者，云计算AI服务系统100可先按照对话轨迹段分段规则并根据所述各个对话意图的对话意图强度，从对话意图簇中选取目标智慧业务对话流程的多个选举对话轨迹段。其中，多个选举对话轨迹段中包括至少一个兴趣对话轨迹数据，对话轨迹段分段规则可根据业务需求设置。例如，可设置对话轨迹段分段规则用于指示按照对话意图强度的降序顺序，从对话意图簇选取目标范围的对话意图作为选举对话轨迹段；或者可设置对话轨迹段分段规则用于指示从对话意图簇中，选取对话意图强度大于对话意图强度阈值的对话意图作为选举对话轨迹段，等等。

本申请实施例针对待挖掘的目标智慧业务对话流程，可先从该目标智慧业务对话流程中提取出多个对话意图，并采用多个对话意图构建目标智慧业务对话流程的意图点空间。由于意图点空间中任意两个存在绑定关系的意图点所反映的对话意图在目标智慧业务对话流程中具有对话流转操作，而具有越多对话流转操作的对话意图通常越具有意图兴趣可能性；因此可基于意图点空间中的各个意图点之间的对话流转信息，能够更准确地确定出各个意图点所反映的对话意图的对话意图强度。然后，可根据各个对话意图的对话意图强度从对话意图簇中选取目标智慧业务对话流程的兴趣对话轨迹数据，并采用兴趣对话轨迹数据的兴趣对话轨迹特征构建用于指示目标智慧业务对话流程的兴趣内容特征的兴趣预测特征。由此可见，本申请实施例可通过提升各个对话意图的对话意图强度的精度，来有效提升兴趣对话轨迹数据的精度，从而提升兴趣内容特征的精度；并且，整个兴趣点预测过程中可以实时自动化完成，可自动化地识别出智慧业务对话流程的兴趣内容特征，减少兴趣点预测的时间成本。

基于上述实施例的相关描述，本申请实施例还提出了另一种可独立实施的实施例中基于大数据挖掘的内容推送决策方法，可以由上述所提及的云计算AI服务系统100执行。例如，该基于大数据挖掘的内容推送决策方法可包括以下步骤A210-S290，具体描述如下。

步骤A210，从待挖掘的目标智慧业务对话流程中提取出对话意图簇。

一种可独立实施的实施例中，云计算AI服务系统100可先对待挖掘的目标智慧业务对话流程进行对话意图聚类，得到起始对话意图簇；该起始对话意图簇中包括多个起始对话意图，且起始对话意图簇中的每个起始对话意图均具有一个意图特征。

在得到起始对话意图簇后，云计算AI服务系统100可根据至少一个对话意图引用模型从起始对话意图簇中筛选出多个触发对话意图；此处所提及的触发对话意图是指存在于至少一个对话意图引用模型中的起始对话意图，即触发对话意图是指同时存在于至少一个对话意图引用模型和目标智慧业务对话流程中的对话意图。一种可独立实施的实施例中，云计算AI服务系统100可直接根据至少一个对话意图引用模型从起始对话意图簇中筛选出多个触发对话意图；譬如一种可独立实施的实施例中，云计算AI服务系统100可游走起始对话意图簇中的每个起始对话意图；并将当前游走的起始对话意图与至少一个对话意图引用模型进行匹配，以检测当前游走的起始对话意图是否存在于至少一个对话意图引用模型中；若存在，则将当前游走的起始对话意图作为触发对话意图。在另一种可独立实施的实施例中，由于起始对话意图簇中可能存在一些误差意图，所谓的误差意图是指需剔除的没有实际意义的意图。

基于此，云计算AI服务系统100在根据至少一个对话意图引用模型从起始对话意图簇中筛选出多个触发对话意图时，可先从起始对话意图簇中筛选出目标意图特征的起始对话意图；此处所提及的目标意图特征可根据实际业务情况进行指定，其可包括以下至少一项：意图触发行为、意图目的行为以及意图数据源。然后，云计算AI服务系统100可根据至少一个对话意图引用模型从目标意图特征的起始对话意图中筛选出多个触发对话意图，其具体实施方式与前述所提及的“直接根据至少一个对话意图引用模型从起始对话意图簇中筛选出多个触发对话意图”这一步骤的具体实施方式类似，在此不再赘述。

在筛选出多个触发对话意图后，可采用多个触发对话意图构建目标智慧业务对话流程的对话意图簇(可采用M’表示)。一种可独立实施的实施例中，可直接采用多个触发对话意图构建目标智慧业务对话流程的对话意图簇；在此实施方式下，对话意图簇中的对话意图为该触发对话意图，且对话意图的统计分布量等于触发对话意图的统计分布量。在另一种可独立实施的实施例中，由于筛选出的多个触发对话意图中可能存在一些在目标智慧业务对话流程中相邻且含义特殊的触发对话意图；对于这些触发对话意图而言，其通常会同时出现在对话意图引用模型中，且其意图内容关联在一起后所组成的意图比单个触发对话意图更具分析意义。例如，针对触发对话意图“Q”和“W”而言，其通常会同时出现在对话意图引用模型中，且“Q+W”相较于“Q”和“W”而言，其更具分析意义。在此种情况下，云计算AI服务系统100便可将这些触发对话意图意图内容关联在一起，并将意图内容关联后的对话意图作为对话意图，以提升后续主题识别的精度。基于此，云计算AI服务系统100在采用多个触发对话意图构建目标智慧业务对话流程的对话意图簇时，可判断多个触发对话意图中是否存在满足意图内容关联条件的触发对话意图；此处的意图内容关联条件可包括：在目标智慧业务对话流程中的对话意图覆盖范围相匹配，且存在于同一个对话意图引用模型中。若多个触发对话意图中存在满足意图内容关联条件的触发对话意图，则对满足意图内容关联条件的触发对话意图进行意图内容关联处理；并将意图内容关联处理后的对话意图簇以及未进行意图内容关联处理的触发对话意图均作为对话意图添加至目标智慧业务对话流程的对话意图簇中。若多个触发对话意图中不存在满足意图内容关联条件的触发对话意图，则可将各个触发对话意图均作为对话意图添加至目标智慧业务对话流程的对话意图簇中。

步骤A220，采用多个对话意图构建目标智慧业务对话流程的意图点空间。

在具体实现中，可先采用多个对话意图构建目标智慧业务对话流程的初始意图点空间；该初始意图点空间中包括多个意图点，每个意图点反映一个对话意图。其次，可从多个对话意图中选取至少一对流转的对话意图对象的组合，该流转的对话意图对象的组合是指由在目标智慧业务对话流程中具有对话流转操作的两个对话意图所构成的对话意图对象的组合。接着，可根据该至少一对流转的对话意图对象的组合，从初始意图点空间中确定出至少一个意图点子区；其中，任一意图点子区可包括：分别记录一对流转的对话意图对象的组合中的两个对话意图的两个意图点。然后，可在初始意图点空间中分别连接各意图点子区中的两个意图点，得到目标智慧业务对话流程的意图点空间。

步骤A230，基于意图点空间中的各个意图点之间的对话流转信息，计算各个意图点所反映的对话意图的对话意图强度。

步骤A240，按照对话轨迹段分段规则根据各个对话意图的对话意图强度，从对话意图簇中选取目标智慧业务对话流程的多个选举对话轨迹段。

一种可独立实施的实施例中，云计算AI服务系统100可按照对话意图强度的降序顺序，从对话意图簇选取目标范围的对话意图作为目标智慧业务对话流程的多个选举对话轨迹段。在另一种可独立实施的实施例中，云计算AI服务系统100可从对话意图簇中，选取对话意图强度大于对话意图强度阈值的对话意图作为目标智慧业务对话流程的多个选举对话轨迹段。其中，多个选举对话轨迹段中包括至少一个兴趣对话轨迹数据。为便于阐述，后续均以多个选举对话轨迹段是按照对话意图强度的降序顺序从对话意图簇中选取的目标范围的对话意图为例进行说明。

步骤A250，从至少一个兴趣对话轨迹数据中，选取对话意图强度最大的兴趣对话轨迹数据作为目标智慧业务对话流程的兴趣对话轨迹数据。

步骤A260，采用兴趣对话轨迹数据的兴趣对话轨迹特征构建目标智慧业务对话流程的兴趣预测特征，该兴趣预测特征用于指示目标智慧业务对话流程的兴趣内容特征。

一种可独立实施的实施例中，云计算AI服务系统100可先调用兴趣对话轨迹特征生成模型获取兴趣对话轨迹数据的兴趣对话轨迹特征。一种可独立实施的实施例中，可通过结合对话意图的前后关联数据来确定该对话意图的兴趣对话轨迹特征，或者可通过结合对话意图在不同维度中的功能来确定该对话意图的兴趣对话轨迹特征，使得对话意图在不同维度中可具有相同兴趣对话轨迹特征，具体不作限定。

在得到兴趣对话轨迹数据的兴趣对话轨迹特征之后，便可采用兴趣对话轨迹数据的兴趣对话轨迹特征构建目标智慧业务对话流程的兴趣预测特征。一种可独立实施的实施例中，可从对话意图簇中获取兴趣对话轨迹数据对应的相关非对话轨迹数据；所谓的相关非对话轨迹数据满足如下条件：在意图点空间中，用于记录相关非对话轨迹数据的意图点与用于记录兴趣对话轨迹数据的意图点相映射。其次，可获取兴趣对话轨迹数据的兴趣对话轨迹特征，以及相关非对话轨迹数据的兴趣对话轨迹特征；需要说明的是，此处所提及的任一兴趣对话轨迹特征均可以是云计算AI服务系统100通过调用兴趣对话轨迹特征生成模型生成的，且任一兴趣对话轨迹特征均可以是P维向量；P的数值可以根据经验值设置，例如P＝200。然后，可拼接兴趣对话轨迹数据的兴趣对话轨迹特征和相关非对话轨迹数据的兴趣对话轨迹特征，得到目标智慧业务对话流程的兴趣预测特征；一种可独立实施的实施例中，可对兴趣对话轨迹数据的兴趣对话轨迹特征以及相关非对话轨迹数据的兴趣对话轨迹特征，按每一维进行累加操作，得到目标医疗文中的兴趣预测特征。举例来说，设兴趣对话轨迹数据为“电商直播跳转数据”，其对应的兴趣对话轨迹特征为G(l0)＝(l01，l02，…，l0P)；相关非对话轨迹数据包括：“Q”、“W”、“E”以及“R”，且对应的兴趣对话轨迹特征依次如下：G(l1)＝(l11，l12，…，l1P)、G(l2)＝(l21，l22，…，l2P)、G(l3)＝(l31，l32，…，l3P)，以及G(l4)＝(l41，l42，…，l4P)。那么对各个兴趣对话轨迹特征按每一维进行累加操作，便可得到兴趣预测特征为G(l)＝(l01+l11+l21+l31+l41，l02+l12+l22+l32+l42，…，l0P+l1P+l2P+l3P+l4P)。

步骤A270，获取各个选举对话轨迹段的兴趣对话轨迹特征，并计算各个选举对话轨迹段的兴趣对话轨迹特征与兴趣预测特征之间的特征相关度。

步骤A280，根据各个选举对话轨迹段的兴趣对话轨迹特征与兴趣预测特征之间的特征相关度，从多个选举对话轨迹段中选取目标智慧业务对话流程的兴趣对话轨迹段。

在步骤A210-S280的具体实施过程中，云计算AI服务系统100可先调用兴趣对话轨迹特征生成模型将每个选举对话轨迹段表示成一个P维向量，从而得到各个选举对话轨迹段的兴趣对话轨迹特征(即P维向量)。其次，可采用特征相关度算法计算各个选举对话轨迹段的兴趣对话轨迹特征与兴趣预测特征之间的特征相关度。然后，可根据各个选举对话轨迹段的兴趣对话轨迹特征与兴趣预测特征之间的特征相关度，从多个选举对话轨迹段中选取特征相关度大于预设相关度阈值的选举对话轨迹段作为目标智慧业务对话流程的兴趣对话轨迹段。需要说明的是，此处所提及的预设相关度阈值可根据实际业务情况设置，例如可设置为0.85等等；并且，通过步骤A210-S280所选取得到的兴趣对话轨迹段可能包括前述所提及的兴趣对话轨迹数据，也可能不包括前述所提及的兴趣对话轨迹数据，对此不作限制。

由此可见，通过步骤A210-S280可实现兴趣对话轨迹段的兴趣对话轨迹特征与兴趣预测特征之间的特征相关度大于预设相关度阈值，从而避免与兴趣内容特征无关的选举对话轨迹段被选取作为兴趣对话轨迹段，如目标智慧业务对话流程的兴趣内容特征被定位在“Q”相关操作行为上，那么与该兴趣内容特征无关的选举对话轨迹段“W”就能够避免被选取作为目标智慧业务对话流程的兴趣对话轨迹段。由此可见，通过步骤A210-S280可使得选取得到的兴趣对话轨迹段更能反映目标智慧业务对话流程的欺诈主要轨迹，提升兴趣对话轨迹段的精度；并且还可使得目标智慧业务对话流程的兴趣对话轨迹段均属于同一个兴趣内容特征，保证兴趣对话轨迹段之间的兴趣对话维度的匹配性。

步骤A290，将目标智慧业务对话流程和兴趣对话轨迹段进行映射。

在具体实现中，云计算AI服务系统100通过上述步骤A210-S280选取出目标智慧业务对话流程的兴趣对话轨迹段后，便可将目标智慧业务对话流程和兴趣对话轨迹段进行映射。一种可独立实施的实施例中，云计算AI服务系统100可直接将兴趣对话轨迹段添加关联至与目标智慧业务对话流程相关的对话轨迹段列表中；或者，云计算AI服务系统100可将各个兴趣对话轨迹段的兴趣对话轨迹特征添加关联至目标智慧业务对话流程相关的对话轨迹段列表中。通过将目标智慧业务对话流程和兴趣对话轨迹段进行映射，可使得后续根据兴趣对话轨迹段对目标智慧业务对话流程进行信息挖掘处理。

需要说明的是，上述所提及的兴趣预测特征为目标智慧业务对话流程的全局深度学习预测特征(即主要的深度学习预测特征)，兴趣内容特征为目标智慧业务对话流程的主对话内容特征。在可选地实施例中，当从目标智慧业务对话流程所提取出的兴趣对话轨迹数据的统计分布量为多个时，表明目标智慧业务对话流程具有多个对话内容特征。在此情况下，云计算AI服务系统100还可从至少一个兴趣对话轨迹数据中选取目标智慧业务对话流程的兴趣对话轨迹数据，该兴趣对话轨迹数据的对话意图强度小于兴趣对话轨迹数据的对话意图强度。其次，可采用兴趣对话轨迹数据的兴趣对话轨迹特征构建目标智慧业务对话流程的对话趋势的深度学习预测特征(即非主要的深度学习预测特征)，该目标智慧业务对话流程的对话趋势的深度学习预测特征用于指示目标智慧业务对话流程的对话趋势的对话内容特征。然后，可将目标智慧业务对话流程、兴趣预测特征和对话趋势的深度学习预测特征映射至兴趣趋势评估应用中，以使得当存在兴趣趋势评估请求时，可根据兴趣预测特征和对话趋势的深度学习预测特征进行兴趣趋势评估处理。

一种可独立实施的实施例中，云计算AI服务系统100还可采用上述方法步骤计算其它智慧业务对话流程的全局深度学习预测特征和对话趋势的深度学习预测特征，并将计算得到的各个深度学习预测特征关联至兴趣趋势评估应用中；即兴趣趋势评估应用还包括至少一个其它智慧业务对话流程，且每个其它智慧业务对话流程均具有对应的全局深度学习预测特征和对应的对话趋势的深度学习预测特征。当存在兴趣趋势评估请求时，云计算AI服务系统100可获取兴趣趋势评估请求携带的兴趣趋势评估信息的兴趣趋势评估特征。其次，可获取兴趣趋势评估应用中的各个智慧业务对话流程，以及各个智慧业务对话流程的至少一个深度学习预测特征；其中，每个智慧业务对话流程均具有一个业务投放权重，每个智慧业务对话流程的至少一个深度学习预测特征包括每个智慧业务对话流程的全局深度学习预测特征和对话趋势的深度学习预测特征。然后，可分别计算每个智慧业务对话流程的各个深度学习预测特征与兴趣趋势评估特征之间的特征相关度，并根据计算得到的特征相关度更新每个智慧业务对话流程的业务投放权重。一种可独立实施的实施例中，针对任一智慧业务对话流程，可根据任一智慧业务对话流程的各个深度学习预测特征与兴趣趋势评估特征之间的特征相关度，从任一智慧业务对话流程的至少一个深度学习预测特征中确定特征相关度最大的深度学习预测特征。若特征相关度最大的深度学习预测特征为任一智慧业务对话流程的全局深度学习预测特征，则可提高任一智慧业务对话流程的业务投放权重，以更新任一智慧业务对话流程的业务投放权重；若特征相关度最大的深度学习预测特征为任一智慧业务对话流程的对话趋势的深度学习预测特征，则可降低任一智慧业务对话流程的业务投放权重，以更新任一智慧业务对话流程的业务投放权重。

在基于上述更新原理，更新完各个智慧业务对话流程的业务投放权重后，云计算AI服务系统100便可按照每个智慧业务对话流程的更新后的业务投放权重，对各个智慧业务对话流程进行降序排序；选取位于首位的智慧业务对话流程作为待解析的智慧业务对话流程进行输出。由此可见，本申请实施例可实现针对具有多个对话内容特征的智慧业务对话流程而言，可根据对话内容特征的匹配情况，对智慧业务对话流程进行升权或者降权排序处理，从而提高信息挖掘的精度。

本申请实施例针对待挖掘的目标智慧业务对话流程，可先从该目标智慧业务对话流程中提取出多个对话意图，并采用多个对话意图构建目标智慧业务对话流程的意图点空间。由于意图点空间中任意两个存在绑定关系的意图点所反映的对话意图在目标智慧业务对话流程中具有对话流转操作，而具有越多对话流转操作的对话意图通常越具有意图兴趣可能性；因此可基于意图点空间中的各个意图点之间的对话流转信息，能够更准确地确定出各个意图点所反映的对话意图的对话意图强度。然后，可根据各个对话意图的对话意图强度从对话意图簇中选取目标智慧业务对话流程的兴趣对话轨迹数据，并采用兴趣对话轨迹数据的兴趣对话轨迹特征构建用于指示目标智慧业务对话流程的兴趣内容特征的兴趣预测特征。由此可见，本申请实施例可通过提升各个对话意图的对话意图强度的精度，来有效提升兴趣对话轨迹数据的精度，从而提升兴趣内容特征的精度；并且，整个兴趣点预测过程中可以实时自动化完成，可自动化地识别出智慧业务对话流程的兴趣内容特征，减少兴趣点预测的时间成本。并且，在得到兴趣预测特征后，云计算AI服务系统100还可基于选举对话轨迹段和兴趣预测特征之间的特征相关度，对目标智慧业务对话流程的对话轨迹段进行提纯处理，得到具有兴趣对话维度的匹配性的兴趣对话轨迹段，可有效提升兴趣对话轨迹段的精度。

一种可独立实施的实施例中，本申请实施例还提供一种基于智慧业务大数据和兴趣预测的信息推送方法，可以包括以下步骤。

步骤A310，根据每个电子商务推广业务下的各个目标智慧业务对话流程的预测兴趣点集合，获取每个电子商务推广业务下的多个热点兴趣项目。

步骤A320，确定多个热点兴趣项目的兴趣倾向分布信息。

其中，多个热点兴趣项目中存在至少一种兴趣倾向的热点兴趣项目，兴趣倾向分布信息指示多个热点兴趣项目中每种兴趣倾向的热点兴趣项目的统计分布量。

步骤A330，根据多个热点兴趣项目的兴趣倾向分布信息，对多个热点兴趣项目进行分团得到至少两个热点兴趣项目团，热点兴趣项目团包括至少一种兴趣倾向的热点兴趣项目。

一种可独立实施的实施例中，每个热点兴趣项目团可以包括上述多个热点兴趣项目中所有兴趣倾向的热点兴趣项目，且每个热点兴趣项目团中同一兴趣倾向的热点兴趣项目可以是一个或一个以上。

步骤A340，对至少两个热点兴趣项目团进行电商信息推送规则配置，使至少两个热点兴趣项目团中位于同一主动兴趣维度的热点兴趣项目团关联对应的信息推送规则，位于同一被动兴趣维度的热点兴趣项目团关联对应的信息推送规则，进而基于配置的电商信息推送规则进行信息推送。

其中，每个热点兴趣项目团中，不同热点兴趣项目可以按照被动兴趣维度方向排列分布。位于同一主动兴趣维度的热点兴趣项目团关联对应的信息推送规则。

一种可独立实施的实施例中，云计算AI服务系统可以先对该至少两个热点兴趣项目团进行初始电商信息推送规则配置，以确定出对该至少两个热点兴趣项目团进行电商信息推送规则配置的主动兴趣维度数、每个主动兴趣维度的热点兴趣项目团的统计分布量以及每个主动兴趣维度的热点兴趣项目团(也即是确定出主动兴趣维度数和被动兴趣维度数)，之后，关联配置该至少两个热点兴趣项目团的兴趣信息推送人群和兴趣信息推送域中的至少一种，使位于同一主动兴趣维度的热点兴趣项目团关联对应的信息推送规则，且位于同一被动兴趣维度的热点兴趣项目团关联对应的信息推送规则。

如此设计，云计算AI服务系统确定多个热点兴趣项目的兴趣倾向分布信息后，可以根据该多个热点兴趣项目兴趣倾向分布信息，对该多个热点兴趣项目进行分团得到至少两个热点兴趣项目团，之后对该至少两个热点兴趣项目团进行电商信息推送规则配置，使该至少两个热点兴趣项目团中位于同一主动兴趣维度的热点兴趣项目团关联对应的信息推送规则，位于同一被动兴趣维度的热点兴趣项目团关联对应的信息推送规则。如此，可以简化热点兴趣项目关联配置过程，提高信息推送的精度。

图3示出了本申请实施例提供的用于实现上述的基于大数据挖掘的内容推送决策方法的云计算AI服务系统100的硬件结构示意图，如图3所示，云计算AI服务系统100可包括处理芯片110、机器可读存储介质120；其中，机器可读存储介质120上存储有可执行代码，当可执行代码被处理芯片110执行时，使处理芯片110执行以上基于大数据挖掘的内容推送决策方法的实施例的步骤。

实际上，该云计算AI服务系统中还可以包括通信接口140，处理芯片110、机器可读存储介质120和通信接口140通过总线130连接，通信接口140用于与其它设备通信。

另外，本申请实施例提供了一种非暂时性机器可读存储介质，非暂时性机器可读存储介质上存储有可执行代码，当可执行代码被电子设备的处理器执行时，使处理器至少可以实现如前述基于大数据挖掘的内容推送决策方法的实施例的步骤。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。