一种智能育儿知识点信息推送方法、系统及云平台

技术领域

本公开涉及计算机技术领域，示例性地，涉及一种智能育儿知识点信息推送方法、系统及云平台。

背景技术

相关技术中，为育儿阶段的互联网用户提供营养、健康、发育、教育的服务主要一些线上育儿服务平台进行数据推送和发布，但这些线上育儿服务平台目前也存在明显不足，例如常规的育儿知识点信息推送策略通常是固定的，例如根据用户孕周或孩子出生时间和性别不同提供内容服务，无法根据每个用户自身的兴趣知识点进行个性化的推送服务。

发明内容

为了至少克服现有技术中的上述不足，本公开的目的在于提供一种智能育儿知识点信息推送方法、系统及云平台。

第一方面，本公开提供一种智能育儿知识点信息推送方法，应用于智能育儿云平台，所述智能育儿云平台与多个智能育儿服务终端通信连接，所述方法包括：

获取智能育儿互动社区中处于预设育儿订阅阶段的社区育儿会话组在上线育儿知识社交应用下产生的至少一个育儿会话行为数据；

对所述至少一个育儿会话行为数据进行频繁问答项目分析，得到与所述社区育儿会话组匹配的多个参考频繁问答项目；

针对多个所述参考频繁问答项目中的每个参考频繁问答项目，基于所述社区育儿会话组在所述至少一个育儿会话行为数据中的会话协同数据，以及所述参考频繁问答项目在所述至少一个育儿会话行为数据中的频繁项描述数据，确定所述社区育儿会话组和所述参考频繁问答项目在所述至少一个育儿会话行为数据中的兴趣参数，得到所述参考频繁问答项目对应的兴趣参数簇；

根据多个所述参考频繁问答项目分别对应的兴趣参数簇，确定所述社区育儿会话组的兴趣知识点数据；

根据所述兴趣知识点数据，从预先订阅的育儿知识点数据源中获取与所述兴趣知识点数据匹配的相关育儿知识点的应用页面推送数据，向所述社区育儿会话组进行页面推荐。

第二方面，本公开实施例还提供一种智能育儿知识点信息推送系统，所述智能育儿知识点信息推送系统包括智能育儿云平台以及与所述智能育儿云平台通信连接的多个智能育儿服务终端；

所述智能育儿云平台，用于：

获取智能育儿互动社区中处于预设育儿订阅阶段的社区育儿会话组在上线育儿知识社交应用下产生的至少一个育儿会话行为数据；

对所述至少一个育儿会话行为数据进行频繁问答项目分析，得到与所述社区育儿会话组匹配的多个参考频繁问答项目；

针对多个所述参考频繁问答项目中的每个参考频繁问答项目，基于所述社区育儿会话组在所述至少一个育儿会话行为数据中的会话协同数据，以及所述参考频繁问答项目在所述至少一个育儿会话行为数据中的频繁项描述数据，确定所述社区育儿会话组和所述参考频繁问答项目在所述至少一个育儿会话行为数据中的兴趣参数，得到所述参考频繁问答项目对应的兴趣参数簇；

根据多个所述参考频繁问答项目分别对应的兴趣参数簇，确定所述社区育儿会话组的兴趣知识点数据；

根据所述兴趣知识点数据，从预先订阅的育儿知识点数据源中获取与所述兴趣知识点数据匹配的相关育儿知识点的应用页面推送数据，向所述社区育儿会话组进行页面推荐。

根据上述任意一个方面，本公开提供的实施方式中，针对处于预设育儿订阅阶段的社区育儿会话组，获取上线育儿知识社交应用下产生的至少一个育儿会话行为数据，基于至少一个育儿会话行为数据进行频繁问答项目分析，得到与社区育儿会话组匹配的多个参考频繁问答项目；然后确定多个参考频繁问答项目对应的兴趣参数簇，并基于多个参考频繁问答项目对应的兴趣参数簇，确定社区育儿会话组的兴趣知识点数据，然后用于从预先订阅的育儿知识点数据源中获取与所述兴趣知识点数据匹配的相关育儿知识点的应用页面推送数据，向所述社区育儿会话组进行页面推荐。如此，通过考虑社区育儿会话组的兴趣知识点数据用于相关育儿知识点的应用页面推送数据，进而提高相关需要个性化推送服务的用户的信息获取效率。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要调用的附图作简单地介绍，应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。

图1为本公开实施例提供的智能育儿知识点信息推送系统的应用场景示意图；

图2为本公开实施例提供的智能育儿知识点信息推送方法的流程示意图；

图3为本公开实施例提供的用于实现上述的智能育儿知识点信息推送方法的智能育儿云平台的结构示意框图。

具体实施方式

下面结合说明书附图对本公开进行具体说明，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是本公开一种实施例提供的智能育儿知识点信息推送系统10的应用场景示意图。智能育儿知识点信息推送系统10可以包括智能育儿云平台100以及与智能育儿云平台100通信连接的智能育儿服务终端200。图1所示的智能育儿知识点信息推送系统10仅为一种可行的示例，在其它可行的实施例中，该智能育儿知识点信息推送系统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。

一种可能的设计中，智能育儿知识点信息推送系统10中的智能育儿云平台100和智能育儿服务终端200可以通过配合执行以下方法实施例所描述的智能育儿知识点信息推送方法，具体智能育儿云平台100和智能育儿服务终端200的执行步骤部分可以参照以下方法实施例的详细描述。

为了解决前述背景技术中的技术问题，本实施例提供的智能育儿知识点信息推送方法可以由图1中所示的智能育儿云平台100执行，下面对该智能育儿知识点信息推送方法进行详细介绍。

步骤S110，获取智能育儿互动社区中处于预设育儿订阅阶段的社区育儿会话组在上线育儿知识社交应用下产生的至少一个育儿会话行为数据。

一种可能的设计思路中，智能育儿云平台100可以架构历史兴趣评估模型，所述历史兴趣评估模型可以社区育儿会话组的在线育儿互动过程中，获取社区育儿会话组实时产生的育儿会话行为数据。

一种可能的设计思路中，社区育儿会话组的育儿互动过程中，可以在上线育儿知识社交应用下的应用启用阶段持续采集育儿会话行为数据，一个应用启用阶段下采集的育儿会话行为数据形成一组育儿会话行为数据。

步骤S120，对所述至少一个育儿会话行为数据进行频繁问答项目分析，得到与所述社区育儿会话组匹配的多个参考频繁问答项目。

本实施中，在社区育儿会话组的在线育儿互动过程中，确定与社区育儿会话组匹配的多个参考频繁问答项目时，可基于至少一个育儿会话行为数据中的每组育儿会话行为数据进行频繁问答项目分析，确定每组育儿会话行为数据中与社区育儿会话组匹配的多个参考频繁问答项目的参考频繁问答项目的频繁项描述数据。然后，基于参考频繁问答项目的频繁项描述数据，确定与社区育儿会话组匹配的多个参考频繁问答项目。

譬如，在每一组育儿会话行为数据中，确定与社区育儿会话组匹配的一个频繁问答项目的频繁问答内容，基于该频繁问答内容，可确定与社区育儿会话组的第一匹配标签向量匹配的一个参考频繁问答项目。以及在每一组育儿会话行为数据中，确定与社区育儿会话组的第二匹配标签向量匹配的一个频繁问答项目的频繁问答内容，基于该频繁问答内容，可确定与社区育儿会话组匹配的一个参考频繁问答项目。

又例如，一种可能的设计思路中，通过如下方式确定多个参考频繁问答项目的参考频繁问答项目的频繁项描述数据。

将获取的至少一个育儿会话行为数据分别录入频繁项挖掘模型，基于频繁项挖掘模型将至少一个育儿会话行为数据分别进行频繁项参数分析，分析至少一个育儿会话行为数据中包含的与社区育儿会话组匹配的多个参考频繁问答项目。

例如，通过所述频繁项挖掘模型所包括的多个不同的频繁项参数分析层（如四个频繁项参数分析层）进行频繁项参数分析，进而得到的与社区育儿会话组匹配的多个参考频繁问答项目中可包括与社区育儿会话组匹配的第一频繁问答项目TRE1、第二频繁问答项目TRE2、第三频繁问答项目TRE3、第四频繁问答项目TRE4等。上述的第一频繁问答项目TRE1、第二频繁问答项目TRE2、第三频繁问答项目TRE3、第四频繁问答项目TRE4可分别于所述四个频繁项参数分析层一一对应。不同的频繁项参数分析单元可以基于不同的维度进行频繁项参数分析得到不同维度下分别对应的频繁问答项目。

另一种设计思路中，可以通过描述分量提取，对多个参考频繁问答项目进行描述分量提取，得到描述分量提取后的育儿会话行为数据。

以描述分量提取后包含与社区育儿会话组匹配的多个参考频繁问答项目为例，可以得到多个参考频繁问答项目在育儿测试热点投放场景下对应的多个频繁问答项目的描述分量集。然后，将得到的多个参考频繁问答项目对应的多个频繁问答项目的描述分量集，作为相应的育儿会话行为数据中的多个参考频繁问答项目对应的参考频繁问答项目的频繁项描述数据。如此，一组育儿会话行为数据可以对应多个参考频繁问答项目，每个参考频繁问答项目对应一个频繁问答项目的描述分量集。所述育儿测试热点投放场景，可以是指预设的用于描述当前准备投放的育儿热点的应用场景。

一种可能的设计思路中，在获取的育儿会话行为数据中，确定了与社区育儿会话组匹配的多个参考频繁问答项目后，针对确定的多个参考频繁问答项目，可分别确定社区育儿会话组与多个参考频繁问答项目中的每个参考频繁问答项目之间的兴趣参数，进一步确定多个参考频繁问答项目对应的兴趣参数簇。

譬如，确定社区育儿会话组与上述的第一参考频繁问答项目TRE1之间的兴趣参数簇，确定社区育儿会话组与上述的第二参考频繁问答项目TRE2之间的兴趣参数簇、确定社区育儿会话组与上述的第三参考频繁问答项目TRE3之间的兴趣参数簇，确定社区育儿会话组与上述的第四参考频繁问答项目TRE4之间的兴趣参数簇，具体不进行限定。

详细地，在步骤S130中，针对多个所述参考频繁问答项目中的每个参考频繁问答项目，基于所述社区育儿会话组在所述至少一个育儿会话行为数据中的会话协同数据，以及所述参考频繁问答项目在所述至少一个育儿会话行为数据中的频繁项描述数据，确定所述社区育儿会话组和所述参考频繁问答项目在所述至少一个育儿会话行为数据中的兴趣参数，得到所述参考频繁问答项目对应的兴趣参数簇。

一种可能的设计思路中，基于获取的至少一个育儿会话行为数据中的每组育儿会话行为数据，可以在该组育儿会话行为数据中，确定与社区育儿会话组的匹配的多个参考频繁问答项目，及每个参考频繁问答项目对应的参考频繁问答项目的频繁项描述数据，以及社区育儿会话组的会话协同数据。然后，基于参考频繁问答项目的频繁项描述数据以及社区育儿会话组的会话协同数据，确定社区育儿会话组与参考频繁问答项目之间的兴趣参数。

由此，可以分别确定获取的至少一个育儿会话行为数据中参考频繁问答项目与社区育儿会话组之间的兴趣参数。例如，每组育儿会话行为数据中均需要确定与社区育儿会话组的第一参考频繁问答项目TRE1与社区育儿会话组之间的兴趣参数，与社区育儿会话组匹配的第二参考频繁问答项目TRE2与社区育儿会话组之间的兴趣参数、与社区育儿会话组匹配的第三参考频繁问答项目TRE3与社区育儿会话组之间的兴趣参数、与社区育儿会话组匹配的第四参考频繁问答项目TRE4与社区育儿会话组之间的兴趣参数等等情况中的其中至少一种或多种的组合。

示例性地，将与社区育儿会话组的第一参考频繁问答项目TRE1与社区育儿会话组之间的兴趣参数，与社区育儿会话组匹配的第二参考频繁问答项目TRE2与社区育儿会话组之间的兴趣参数、与社区育儿会话组匹配的第三参考频繁问答项目TRE3与社区育儿会话组之间的兴趣参数、以及与社区育儿会话组匹配的第四参考频繁问答项目TRE4与社区育儿会话组之间的兴趣参数之后，可以按照育儿会话行为数据的产生时间进行排序，得到兴趣参数簇。

其中，兴趣参数簇中第一个兴趣参数可以为获取到的第一组育儿会话行为数据对应的兴趣参数、第二个兴趣参数可以为获取到的第二组育儿会话行为数据对应的兴趣参数、以此类推。

下面以至少一个育儿会话行为数据中的每个会话行为数据，确定一个参考频繁问答项目与社区育儿会话组之间的兴趣参数为例，对兴趣参数的获取方式进行说明。譬如，针对一组育儿会话行为数据，确定与社区育儿会话组匹配的参考频繁问答项目1与社区育儿会话组之间的兴趣参数。

一种可能的设计思路中，在针对至少一个育儿会话行为数据中的每组育儿会话行为数据，确定社区育儿会话组与参考频繁问答项目之间的兴趣参数时，可以在当前遍历的育儿会话行为数据中，基于频繁问答特征直接确定，还可以在当前遍历的育儿会话行为数据中，根据参考频繁问答项目对应的描述分量集对频繁问答内容进行项目内容分析，确定用于指示参考频繁问答项目的频繁问答内容，根据频繁问答内容确定兴趣参数，即基于频繁问答特征而得到。

在一种实现方式中，例如基于频繁问答特征确定兴趣参数，可以包括以下步骤a-c所描述的内容。

步骤a，在当前遍历的育儿会话行为数据中，基于参考频繁问答项目的频繁问答内容对应的描述分量集，确定一个频繁问答特征作为候选问答特征。所述的当前遍历的育儿会话行为数据可以是指当前进行处理的一组育儿会话行为数据，处理完一组之后再进行另一组的处理，那么另一组则变成当前遍历的育儿会话行为数据。其中，得到频繁问答项目的描述分量集的方式在步骤S120中进行了介绍，此处不赘述。

一种可能的设计思路中，基于参考频繁问答项目的频繁问答内容对应的描述分量集，可以按照设定的方式（例如随机或依次遍历的方式）确定一个频繁问答特征作为候选问答特征。候选问答特征可以为，频繁问答项目的描述分量集中的任意一个用于指示当前遍历的育儿会话行为数据中参考频繁问答项目相关属性的频繁问答特征。

步骤b，基于所述候选问答特征，在所述当前遍历的育儿会话行为数据中，确定与所述社区育儿会话组的最新会话组画像标签匹配的候选育儿会话行为数据，并将所述候选育儿会话行为数据与所述最新会话组画像标签的交集会话行为特征作为画像匹配行为特征，所述最新会话组画像标签是基于所述当前遍历的育儿会话行为数据中的社区育儿会话组在当前会话产品阶段之前的预设产品阶段内的会话协同数据而得到，且在所述当前遍历的育儿会话行为数据中指示所述社区育儿会话组的当前会话画像标签。本实施例中，可以将候选育儿会话行为数据与最新会话组画像标签的数据交集的特征向量作为交集会话行为特征。

其中，最新会话组画像标签可以是基于当前遍历的育儿会话行为数据中的社区育儿会话组的会话协同数据而得到，且用于在当前遍历的育儿会话行为数据中，指示社区育儿会话组的当前会话画像标签。

例如，通过历史兴趣评估模型获取的社区育儿会话组的当前遍历的育儿会话行为数据，社区育儿会话组的会话操作与获取的当前遍历的育儿会话行为数据的数据内容相对应，因此指示社区育儿会话组在当前遍历的育儿会话行为数据中的会话画像标签和属性信息的最新会话组画像标签与频繁问答项目画像关联。候选育儿会话行为数据为与候选问答特征以及最新会话组画像标签具有画像关联关系的会话行为数据。因此基于候选育儿会话行为数据与最新会话组画像标签的关联数据，可以确定画像匹配行为特征。

步骤c，基于所述候选问答特征和所述画像匹配行为特征，确定所述社区育儿会话组和所述参考频繁问答项目在所述当前遍历的育儿会话行为数据中的兴趣参数，并基于针对所述至少一个育儿会话行为数据对应的兴趣参数，得到所述参考频繁问答项目对应的兴趣参数簇。

其中，本实施例中，确定社区育儿会话组和一个参考频繁问答项目在当前遍历的育儿会话行为数据中的兴趣参数即可确定社区育儿会话组和一个参考频繁问答项目之间的兴趣参数。基于此，需要将候选问答特征和画像匹配行为特征映射到育儿会话组的画像维度下，基于映射后的特征向量确定兴趣参数。或者，也可以先基于候选问答特征和画像匹配行为特征确定一个相对兴趣参数，在将候选问答特征和画像匹配行为特征下确定的相对兴趣参数映射到社区育儿会话特征下的实际兴趣参数。

在一种可能的实施方式中，步骤c中，基于所述候选问答特征和所述画像匹配行为特征，确定所述社区育儿会话组和所述参考频繁问答项目在所述当前遍历的育儿会话行为数据中的兴趣参数，可以通过以下两种方式实现。

第一、确定所述候选问答特征和所述画像匹配行为特征之间的特征兴趣概率变化趋势，并将所述的特征兴趣概率变化趋势按照预设的特征规则化模板进行特征规则化处理，以及将特征规则化处理后得到的特征规则化数据作为所述社区育儿会话组和所述参考频繁问答项目的兴趣参数。其中，所述预设特征规则化模板是基于历史兴趣评估模型的模型权重数据确定的。例如，本实施例中，所述特征规则化模板可以是可以按照特征兴趣概率变化趋势值进行规则化转换，将规则化数据作为兴趣参数。例如，所述历史兴趣评估模型的模型权重数据可以包括具体的特征规则化模板对应的模板标识以及相应的配置数据。

第二、基于所述历史兴趣评估模型的模型权重数据，将所述候选问答特征和所述画像匹配行为特征，分别映射为育儿会话组的画像维度下相应的参考频繁问答特征和目标画像匹配行为特征，并基于所述参考频繁问答特征和所述目标画像匹配行为特征，确定所述社区育儿会话组和所述参考频繁问答项目的兴趣参数。

需要说明的是，一种可能的设计思路中，也可以将候选问答特征和画像匹配行为特征之间的特征兴趣概率变化趋势作为社区育儿会话组与一个参考频繁问答项目之间的兴趣参数。

另一种设计思路中，基于频繁问答特征确定兴趣参数簇的另一种方式可以包括以下的步骤e-g。

步骤e，依次遍历所述至少一个育儿会话行为数据中的每个会话行为数据，在当前遍历的育儿会话行为数据中，基于历史兴趣评估模型的模型权重数据，将所述参考频繁问答项目的频繁问答内容对应的描述分量集中的多个频繁问答特征，映射到育儿会话组的画像维度下，得到相应的参考频繁问答特征集，以及将所述社区育儿会话组的会话协同数据映射到所述育儿会话组的画像维度下，得到相应的会话画像协同特征。

其中，历史兴趣评估模型为产生至少一个育儿会话行为数据的数据采集模块。

步骤f，基于所述参考频繁问答特征集对所述参考频繁问答项目进行项目内容分析，确定所述育儿会话组的画像维度下，用于指示所述当前遍历的育儿会话行为数据中的所述参考频繁问答项目的频繁问答内容。所述育儿会话组的画像维度是指通过频繁项描述数据对育儿会话组有关的特征进行表述或描述的维度。

步骤g，基于所述频繁问答内容以及所述会话画像协同特征，确定所述社区育儿会话组和所述参考频繁问答项目的兴趣参数，并基于针对所述至少一个育儿会话行为数据对应的兴趣参数，得到所述参考频繁问答项目对应的兴趣参数簇。

一种可能的设计思路中，育儿会话组的画像维度可以是社区育儿会话组的画像标签的属性分布，兴趣参数的实际含义可以表示社区育儿会话组与参考频繁问答项目之间的业务跳转兴趣概率变化趋势。因此，根据上述项目内容分析确定的频繁问答内容，以及会话画像协同特征可以确定社区育儿会话组和参考频繁问答项目的兴趣参数，或者也可以理解为确定社区育儿会话组和参考频繁问答项目之间的关注度。

步骤S140，根据多个所述参考频繁问答项目对应的兴趣参数簇，确定所述社区育儿会话组的兴趣知识点数据。

一种可能的设计思路中，社区育儿会话组的兴趣知识点数据可以为具有或不具有针对参考频繁问答项目的业务操作兴趣，或者也可以是量化的用于表示对相应的参考频繁问答项目的兴趣度指标，具体不进行限定。

示例性地，在第一种可能的方式中，可以根据多个目标兴趣参数簇中多个连续兴趣参数，确定的社区育儿会话组与参考频繁问答项目之间的兴趣知识点数据。

一种可能的设计思路中，可以根据兴趣参数簇确定社区育儿会话组的兴趣知识点数据。因此，在多个兴趣参数簇中，可以确定一个兴趣参数簇作目标兴趣参数簇，或者，将所有兴趣参数簇均作为目标兴趣参数簇然后进行依次遍历。

以确定的多个目标兴趣参数簇中的任意目标兴趣参数簇为例，对社区育儿会话组的兴趣知识点数据进行说明。譬如，从多个兴趣参数簇中确定一个兴趣参数簇作为目标兴趣参数簇，此时，若基于目标兴趣参数簇中的多个连续兴趣参数的兴趣概率，确定社区育儿会话组与目标兴趣参数簇对应的参考频繁问答项目1之间的兴趣参数逐渐减小，则确定社区育儿会话组不具有对参考频繁问答项目1的业务操作兴趣，反之亦然。从上述内容可知，本公开在根据兴趣参数簇确定社区育儿会话组的兴趣知识点数据时，还与建立的育儿会话组的画像维度相关，针对下述情况同样适用。

在另一种可能的实施时方式中，可以根据社区育儿会话组的兴趣注意力对象确定社区育儿会话组对参考频繁问答项目的兴趣知识点数据。

示例性地，首先可基于社区育儿会话组的兴趣注意力对象，确定社区育儿会话组针对参考频繁问答项目的实施兴趣知识点信息；其中，社区育儿会话组的兴趣注意力对象与社区育儿会话组的兴趣溯源业务节点相关。

因此，一种可能的设计思路中，在基于社区育儿会话组的兴趣溯源业务节点，定社区育儿会话组针对参考频繁问答项目的实施兴趣知识点信息时，需要确定社区育儿会话组的兴趣溯源业务节点簇，兴趣溯源业务节点簇中包含有多个兴趣溯源业务节点。

一种可能的设计思路中，基于多个兴趣参数簇，例如分别确定多个相应的兴趣溯源业务节点簇，即不同的兴趣参数簇对应不同的兴趣溯源业务节点簇。

具体的，将多个兴趣参数簇中的每个兴趣参数簇分别进行兴趣标签绑定，即可分别得到每个兴趣参数簇对应的兴趣溯源业务节点簇。其中，每个兴趣溯源业务节点簇包含的每个兴趣溯源业务节点，可以指示社区育儿会话组的会话画像标签及兴趣操作对象。

一种可能的设计思路中，可以根据兴趣溯源业务节点簇和兴趣溯源业务节点簇中的任一兴趣溯源业务节点簇确定社区育儿会话组的兴趣知识点数据，也可以根据两个兴趣溯源业务节点簇共同确定社区育儿会话组的兴趣知识点数据。

因此，在多个兴趣溯源业务节点簇中，可以确定任意兴趣溯源业务节点簇作目标兴趣溯源业务节点簇，或者，将所有兴趣溯源业务节点簇均作为目标兴趣溯源业务节点簇以在后续步骤进行遍历处理。

以确定的多个目标兴趣溯源业务节点簇中的任意目标兴趣溯源业务节点簇为例，对社区育儿会话组的兴趣知识点数据进行说明。譬如，从兴趣溯源业务节点簇中确定某个兴趣溯源业务节点簇作为目标兴趣溯源业务节点簇。此时，若基于目标兴趣溯源业务节点簇中的任一兴趣溯源业务节点，确定社区育儿会话组的会话画像标签，基于社区育儿会话组的会话画像标签确定社区育儿会话组具有或不具有目标兴趣溯源业务节点簇对应的参考频繁问答项目1的业务操作兴趣，可能的方式包括以下步骤。

首先，可针对多个所述目标兴趣溯源业务节点簇中的任意目标兴趣溯源业务节点簇，当所述任意目标兴趣溯源业务节点簇中的目标数量个兴趣溯源业务节点，指示所述社区育儿会话组的兴趣注意力对象不一致，且所述目标数量个兴趣溯源业务节点中的任意兴趣溯源业务节点的业务操作持续时间小于第一预设持续时间，则确定所述社区育儿会话组不具有与所述兴趣注意力对象匹配的一个匹配的参考频繁问答项目的业务操作兴趣；

或者，针对多个所述目标兴趣溯源业务节点簇中的任意目标兴趣溯源业务节点簇，当所述任意目标兴趣溯源业务节点簇中包含的目标数量个兴趣溯源业务节点，指示所述社区育儿会话组的兴趣注意力对象一致，且所述目标数量个兴趣溯源业务节点的业务操作持续时间大于第二预设持续时间时，则确定所述社区育儿会话组具有与所述兴趣注意力对象匹配的一个匹配的参考频繁问答项目的业务操作兴趣。

本实施例中，所述基于多个所述参考频繁问答项目对应的兴趣参数簇，确定多个所述参考频繁问答项目对应的兴趣溯源业务节点簇之前，可基于加权参数，对多个所述参考频繁问答项目对应的兴趣参数簇进行权重融合，其中，所述加权参数是基于与所述社区育儿会话组匹配的多个参考频繁问答项目中，位于所述社区育儿会话组前后各育儿会话组分别匹配的参考频繁问答项目各自对应的兴趣参数簇，以及所述社区育儿会话组的当前电商业务的业务优先级确定的。

步骤S150，根据所述兴趣知识点数据，从预先订阅的育儿知识点数据源中获取与所述兴趣知识点数据匹配的相关育儿知识点的应用页面推送数据，向所述社区育儿会话组进行页面推荐。

本实施例中，得到所述兴趣知识点数据后，即可根据该兴趣知识点数据针对所述社区育儿会话组进行页面推荐。

例如，步骤S150可以通过以下示例性的子步骤实现。

子步骤S151，从预先订阅的育儿知识点数据源中获取与所述兴趣知识点数据匹配的目标参考应用页面推送数据、所述目标参考应用页面推送数据对应的过往内容反馈数据以及所述目标参考应用页面推送数据对应的待上线页面功能数据，所述待上线页面功能数据基于所述兴趣知识点数据在所述目标参考应用页面推送数据中的相关上线业务的推送状态数据确定；

子步骤S152，调用预设AI模型，基于所述过往内容反馈数据和所述待上线页面功能数据，获取所述目标参考应用页面推送数据对应的页面推荐行为的优先级概率分布，所述页面推荐行为的优先级概率分布用于表达所述目标参考应用页面推送数据中的各个页面推荐行为的页面推荐标签，任一页面推荐行为的页面推荐标签用于表达所述任一页面推荐行为匹配于当前参考应用页面的每个页面板块的概率分布；

子步骤S153，基于所述页面推荐行为的优先级概率分布，在所述目标参考应用页面推送数据中对所述兴趣知识点数据进行页面板块数据的引用，得到所述兴趣知识点数据在所述目标参考应用页面推送数据中的引用页面板块数据；

子步骤S154，基于所述兴趣知识点数据在所述目标参考应用页面推送数据中的引用页面板块数据向所述社区育儿会话组进行页面推荐

譬如，子步骤S152可以通过以下示例性的实施方式实现。

（1）调用预设AI模型，基于所述过往内容反馈数据和所述待上线页面功能数据的正向反馈数据，依次执行第一目标数量轮次反馈倾向属性挖掘，得到所述目标参考应用页面推送数据对应的第一反馈倾向属性特征；

（2）基于所述第一反馈倾向属性特征对应的目标倾向属性影响权重，依次执行所述第一目标数量轮次权重计算，得到所述目标参考应用页面推送数据对应的第二反馈倾向属性特征；

（3）对所述第二反馈倾向属性特征进行目标权重融合，得到所述目标参考应用页面推送数据对应的页面推荐行为的优先级概率分布；

例如，所述第一目标数量轮次为三次，任一次反馈倾向属性挖掘包括一次权重融合和一次噪声优化。在（1）中，可以对所述过往内容反馈数据和所述待上线页面功能数据的正向反馈数据进行第一权重融合，得到所述目标参考应用页面推送数据对应的第一倾向属性影响权重，对所述第一倾向属性影响权重进行第一噪声优化，得到所述目标参考应用页面推送数据对应的第一噪声优化特征，对所述第一噪声优化特征进行第二权重融合，得到所述目标参考应用页面推送数据对应的第二倾向属性影响权重，对所述第二倾向属性影响权重进行第二噪声优化，得到所述目标参考应用页面推送数据对应的第二噪声优化特征，对所述第二噪声优化特征进行第三权重融合，得到所述目标参考应用页面推送数据对应的第三倾向属性影响权重，对所述第三倾向属性影响权重进行第三噪声优化，得到所述目标参考应用页面推送数据对应的第一反馈倾向属性特征；

其中，任一次权重计算包括一次逆向权重融合和一次权重融合，在（2）中，可以对所述第一反馈倾向属性特征对应的目标倾向属性影响权重进行第一逆向权重融合，得到所述目标参考应用页面推送数据对应的第一融合反馈倾向属性特征，对所述第一融合反馈倾向属性特征和所述第三倾向属性影响权重的第三融合反馈倾向属性特征进行第四权重融合，得到所述目标参考应用页面推送数据对应的第四倾向属性影响权重，对所述第四倾向属性影响权重进行第二逆向权重融合，得到所述目标参考应用页面推送数据对应的第二融合反馈倾向属性特征，对所述第二融合反馈倾向属性特征和所述第二倾向属性影响权重的第三融合反馈倾向属性特征进行第五权重融合，得到所述目标参考应用页面推送数据对应的第五倾向属性影响权重，对所述第五倾向属性影响权重进行第三逆向权重融合，得到所述目标参考应用页面推送数据对应的第三融合反馈倾向属性特征，对所述第三融合反馈倾向属性特征和所述第一倾向属性影响权重的第三融合反馈倾向属性特征进行第六权重融合，得到所述目标参考应用页面推送数据对应的第二反馈倾向属性特征。

基于以上的描述，下面对本实施例提供的一个完整性的实施流程示例性描述如下。

首先，在社区育儿会话组的在线育儿互动过程中，智能育儿云平台100通过业务采集模块获取上线育儿知识社交应用下，产生的至少一个社区育儿会话组在业务使用过程中产生的育儿会话行为数据；

接着，智能育儿云平台100基于频繁项挖掘模型，对至少一个育儿会话行为数据中进行频繁问答项目分析，得到与社区育儿会话组匹配的多个参考频繁问答项目，并分析多个参考频繁问答项目中每个参考频繁问答项目各自对应的描述分量集。

再接着，智能育儿云平台100将多个参考频繁问答项目对应的描述分量集中的各个频繁问答特征，映射到育儿会话组的画像维度下，确定多个参考频繁问答项目对应的参考频繁问答特征集。

再接着，智能育儿云平台100基于预设的频繁问答内容表现形式和多个参考频繁问答项目对应的参考频繁问答特征集，分别获取用于指示一组育儿会话行为数据对应的多个参考频繁问答项目的频繁问答内容。

再接着，智能育儿云平台100基于多个参考频繁问答项目的频繁问答内容和社区育儿会话组在育儿会话组的画像维度下，分别确定社区育儿会话组与多个参考频繁问答项目的之间的兴趣参数，并基于至少一个育儿会话行为数据对应的社区育儿会话组与多个参考频繁问答项目的之间的兴趣参数，分别确定多个参考频繁问答项目对应的兴趣参数簇。

最后，智能育儿云平台100基于得到的多个参考频繁问答项目对应的兴趣参数簇，确定社区育儿会话组的兴趣知识点数据，并根据所述兴趣知识点数据，从预先订阅的育儿知识点数据源中获取与所述兴趣知识点数据匹配的相关育儿知识点的应用页面推送数据，向所述社区育儿会话组进行页面推荐。

图3示出了本公开实施例提供的用于实现上述的智能育儿知识点信息推送方法的智能育儿云平台100的硬件结构意图，如图3所示，智能育儿云平台100可包括处理器110、机器可读存储介质120、总线130以及通信单元140。

在具体实现过程中，多个处理器110执行机器可读存储介质120存储的计算机可执行指令，使得处理器110可以执行如上方法实施例的智能育儿知识点信息推送方法，处理器110、机器可读存储介质120以及通信单元140通过总线130连接，处理器110可以用于控制通信单元140的收发动作，从而可以与前述的智能育儿服务终端200进行数据收发。

机器可读存储介质120可以储存数据和/或指令。在一些实施例中，机器可读存储介质120可以储存智能育儿云平台100用来执行或使用来完成本公开中描述的示例性方法的数据及/或指令。在一些实施例中，机器可读存储介质120可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取内存(RAM)。示例性RAM可包括动态随机存取存储器(DRAM)、双倍数据速率同步动态随机存取存储器(DDR SDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(PEROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。在一些实施例中，机器可读存储介质120可以在智能育儿云平台100上实现。仅作为示例，智能育儿云平台100可以包括私有云、公共云、混合云、社区云、分布云、内部云，多层云等，或其任意组合。

处理器110的具体实现过程可参见上述智能育儿云平台100执行的各个方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。

此外，本公开实施例还提供一种可读存储介质，所述可读存储介质中预设有计算机可执行指令，当处理器执行所述计算机可执行指令时，实现如上智能育儿知识点信息推送方法。

应当理解的是，以上描述仅出于说明的目的，并不旨在限制本公开的范围。对于本领域的普通技术人员来说，可以根据本公开的描述，做出多种修改和变化。然而，这些修改和变化不会背离本公开的范围。

上文已对基本概念做了描述，显然，对于阅读此申请后的本领域的普通技术人员来说，上述发明公开仅作为示例，并不构成对本公开的限制。虽然此处并没有明确说明，本领域技术人员可能会对本公开进行各种修改、改进和修正。该类修改、改进和修正在本公开中被建议，所以该类修改、改进、修正仍属于本公开示范实施例的精神和范围。

同时，本公开使用了特定词语来描述本公开的实施例。例如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本公开至少一个实施例相关的某一特征、结构或特性。因此，应当强调并注意的是，本说明书中在不同位置两次或以上提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定系指同一实施例。此外，本公开的一个或以上实施例中的某些特征、结构或特性可以进行适当的组合。

此外，本领域的普通技术人员可以理解，本公开的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的过程、机器、产品或物质的组合，或对其任何新的和有用的改良。相应地，本公开的各个方面可以完全由硬件执行、可以完全由软件(包括韧体、常驻软件、微代码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“单元”、“模块”或“系统”。此外，本公开公开的各方面可以采取体现在一个或以上计算机可读介质中的计算机程序产品的形式，其中计算机可读程序代码包含在其中。

计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。此类传播信号可以有多种形式，包括电磁形式、光形式等或任何合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质等或其任意组合。

本公开各部分操作所需的计算机程序编码可以用任意一种或以上程序语言编写，包括面向主体编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。

此外，除非权利要求中明确说明，本公开所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本公开流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本公开实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本公开披露的表述，从而帮助对一个或以上发明实施例的理解，前文对本公开实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。同理，应当注意的是，为了简化本公开披露的表述，从而帮助对一个或以上发明实施例的理解，前文对本公开实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。