基于大数据预测的信息推送更新方法及大数据预测系统与流程

1.本公开涉及大数据预测技术领域，具体而言，涉及一种基于大数据预测的信息推送更新方法及大数据预测系统。


背景技术：

2.随着社会信息化的迅速发展，无论是数据的变化速率，还是数据的新增种类都在不断更新，数据研究变得越来越复杂，这意味着大数据时代到来。数据挖掘将高性能计算、机器学习、人工智能、模式识别、统计学、数据可视化、数据库技术和专家系统等多个范畴的理论和技术融合在一起。大数据时代对数据挖掘而言，既是机遇也是挑战，分析大数据，建立适当的体系，不断地优化，提高决策的准确性，从而更利于掌握并顺应市场的多端变化。在大数据时代下，数据挖掘作为最常用的数据分析手段得到了各个领域的认可，目前主要研究数据挖掘中的分类、优化、识别、预测等技术在众多领域中的应用。
3.基于此，发明人研究发现，当前的数据挖掘方案，没有考虑到针对某些特定的重点推荐对象（如亟待推广测试的全新业务）的信息推送有效性。


技术实现要素：

4.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基于大数据预测的信息推送更新方法及大数据预测系统。
5.第一方面，本公开提供一种基于大数据预测的信息推送更新方法，应用于大数据预测系统，所述大数据预测系统与多个互联网服务终端通信连接，所述方法包括：基于所述互联网服务终端的互联网服务大数据对应的挖掘指标集合，从所述互联网服务大数据中获取与所述挖掘指标集合对应的包含多个已互动会话流程数据的已互动会话流程数据序列以及包含多个目标在线会话流程数据的目标在线会话流程数据序列；其中，各已互动会话流程数据与各目标在线会话流程数据具有相同的互动服务订阅信息，每一已互动会话流程数据和目标在线会话流程数据均采用多种会话模式的会话流程节点数据汇总而成，且每一已互动会话流程数据和目标在线会话流程数据包括的至少一个会话流程节点数据均配置了相应的会话活动事件信息；根据所述已互动会话流程数据序列中各个已互动会话流程数据各自对应的会话活动事件信息，分别从各个已互动会话流程数据中获取包含预设重点推荐对象的目标频繁项会话流程数据，获得目标频繁项会话流程数据序列；基于获得的目标频繁项会话流程数据序列，对所述目标在线会话流程数据序列中的至少一个目标在线会话流程数据进行针对所述预设重点推荐对象的推广意图匹配，获得包含所述预设重点推荐对象的至少一个目标在线会话流程数据；对包含所述预设重点推荐对象的至少一个目标在线会话流程数据进行大数据挖掘，获得所述预设重点推荐对象所对应的推荐效果画像；基于所述预设重点推荐对象所对应的推荐效果画像，对所述预设重点推荐对象的
信息推送策略进行更新。
6.第二方面，本公开实施例还提供一种基于大数据预测的信息推送更新系统，所述基于大数据预测的信息推送更新系统包括大数据预测系统以及与所述大数据预测系统通信连接的多个互联网服务终端；所述大数据预测系统，用于：基于所述互联网服务终端的互联网服务大数据对应的挖掘指标集合，从所述互联网服务大数据中获取与所述挖掘指标集合对应的包含多个已互动会话流程数据的已互动会话流程数据序列以及包含多个目标在线会话流程数据的目标在线会话流程数据序列；其中，各已互动会话流程数据与各目标在线会话流程数据具有相同的互动服务订阅信息，每一已互动会话流程数据和目标在线会话流程数据均采用多种会话模式的会话流程节点数据汇总而成，且每一已互动会话流程数据和目标在线会话流程数据包括的至少一个会话流程节点数据均配置了相应的会话活动事件信息；根据所述已互动会话流程数据序列中各个已互动会话流程数据各自对应的会话活动事件信息，分别从各个已互动会话流程数据中获取包含预设重点推荐对象的目标频繁项会话流程数据，获得目标频繁项会话流程数据序列；基于获得的目标频繁项会话流程数据序列，对所述目标在线会话流程数据序列中的至少一个目标在线会话流程数据进行针对所述预设重点推荐对象的推广意图匹配，获得包含所述预设重点推荐对象的至少一个目标在线会话流程数据；对包含所述预设重点推荐对象的至少一个目标在线会话流程数据进行大数据挖掘，获得所述预设重点推荐对象所对应的推荐效果画像；基于所述预设重点推荐对象所对应的推荐效果画像，对所述预设重点推荐对象的信息推送策略进行更新。
7.根据上述任意一个方面，本公开提供的实施方式中，基于互联网服务大数据对应的挖掘指标集合，获取与挖掘指标集合对应的包含多个已互动会话流程数据的已互动会话流程数据序列以及包含多个目标在线会话流程数据的目标在线会话流程数据序列，并且目标在线会话流程数据序列中的至少一个目标在线会话流程数据进行针对预设重点推荐对象的推广意图匹配，获得包含预设重点推荐对象的至少一个目标在线会话流程数据，由此进行大数据挖掘，获得预设重点推荐对象所对应的推荐效果画像，基于预设重点推荐对象所对应的推荐效果画像，对预设重点推荐对象的信息推送策略进行更新，进而提高预设重点推荐对象的信息推送有效性。
附图说明
8.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。
9.图1为本公开实施例提供的基于大数据预测的信息推送更新系统的应用场景示意图；图2为本公开实施例提供的基于大数据预测的信息推送更新方法的流程示意图；
图3为本公开实施例提供的基于大数据预测的信息推送更新装置的功能模块示意图；图4为本公开实施例提供的用于实现上述的基于大数据预测的信息推送更新方法的大数据预测系统的结构示意框图。
具体实施方式
10.下面结合说明书附图，对本公开实施例的方案进行详细说明。以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本公开具体实施例。
11.图1是本公开一种实施例提供的基于大数据预测的信息推送更新系统10的场景示意图。基于大数据预测的信息推送更新系统10可以包括大数据预测系统100以及与大数据预测系统100通信连接的互联网服务终端200。图1所示的基于大数据预测的信息推送更新系统10仅为一种可行的示例，在其它可行的实施例中，该基于大数据预测的信息推送更新系统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。
12.本实施例中，基于大数据预测的信息推送更新系统10中的大数据预测系统100和互联网服务终端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预测的信息推送更新方法，具体大数据预测系统100和互联网服务终端200的执行步骤部分可以参照以下方法实施例的详细描述。
13.为了解决前述背景技术中的技术问题，图2为本公开实施例提供的基于大数据预测的信息推送更新方法的流程示意图，本实施例提供的基于大数据预测的信息推送更新方法可以由图1中所示的大数据预测系统100执行，下面对该基于大数据预测的信息推送更新方法进行详细介绍。
14.步骤s110、基于互联网服务大数据对应的挖掘指标集合，从互联网服务大数据中获取与挖掘指标集合对应的包含多个已互动会话流程数据的已互动会话流程数据序列以及包含多个目标在线会话流程数据的目标在线会话流程数据序列。
15.本公开实施例中，已互动会话流程数据序列为由已互动会话流程数据组成的数据序列，且已互动会话流程数据序列为包含预设重点推荐对象的数据序列，目标在线会话流程数据序列为由目标在线会话流程数据组成的数据序列，且目标在线会话流程数据序列为待互动的数据序列，通过从已互动会话流程数据序列进行预设重点推荐对象的提取，并将提取的预设重点推荐对象按照业务需求互动到目标在线会话流程数据序列中。
16.其中，已互动会话流程数据序列和目标在线会话流程数据序列可以拥有类似或者相同的互动服务订阅信息，例如可以都可以为关联互动会话活动事件特征或者业务对象会话活动事件标签等等。
17.步骤s120、根据已互动会话流程数据序列中各个已互动会话流程数据各自对应的会话活动事件信息，分别从包含预设重点推荐对象的已互动会话流程数据中采集包含预设重点推荐对象的目标频繁项会话流程数据，获得目标频繁项会话流程数据序列。
18.本公开实施例中，在对已互动会话流程数据序列中的每个已互动会话流程数据进行会话活动事件激活之后，则各个已互动会话流程数据则会拥有对应的会话活动事件信
息，会话活动事件信息一般存储于会话活动事件的启用日志信息中，在具体实施时，可以整个已互动会话流程数据序列中多个已互动会话流程数据对应一个会话活动事件的启用日志信息，例如可以整个已互动会话流程数据序列对应一个会话活动事件的启用日志信息，即所有已互动会话流程数据的会话活动事件信息均存储于一个会话活动事件的启用日志信息中，那么在需要某个已互动会话流程数据的会话活动事件信息时，则可以从该会话活动事件的启用日志信息中查询得到。或者，也可以是一个已互动会话流程数据对应一个会话活动事件的启用日志信息，那么在需要某个已互动会话流程数据的会话活动事件信息时，则可以从查询得到该已互动会话流程数据的会话活动事件的启用日志信息，进而获取会话活动事件信息。会话活动事件信息可以包括设置会话活动事件的会话流程节点数据的特征以及在已互动会话流程数据中的会话日志信息。
19.本公开实施例中，可以根据已互动会话流程数据的会话活动事件信息，可以确定该已互动会话流程数据中是否包括预设重点推荐对象，进而在提取预设重点推荐对象时则可以从包含预设重点推荐对象的已互动会话流程数据中进行提取。针对于每个包含预设重点推荐对象的已互动会话流程数据，其提取预设重点推荐对象的过程是类似的，因而下面以已互动会话流程数据ste为例对该过程进行介绍，以已互动会话流程数据ste为例，从已互动会话流程数据ste中采集目标频繁项会话流程数据的的具体内容包括以下步骤。
20.步骤s1201、从已互动会话流程数据ste的会话活动事件的启用日志信息获取已互动会话流程数据ste的会话活动事件信息。
21.具体的，对于已互动会话流程数据ste而言，会话活动事件的启用日志信息中存储已互动会话流程数据ste所有的会话活动事件信息，进而可以根据已互动会话流程数据ste的会话活动事件的启用日志信息获取其相应的会话活动事件信息。
22.示例性的，从已互动会话流程数据ste中采集目标频繁项会话流程数据的方式如下：已互动会话流程数据ste为一个办公会话流程数据，对已互动会话流程数据ste中的业务对象会话活动事件标签进行了会话活动事件激活，以预设重点推荐对象为业务对象会话活动事件标签为例，会话活动事件信息具体可包括会话活动事件标注框内的会话流程节点数据特征信息以及会话日志信息，比如“wr”表征会话流程节点数据对应的业务对象会话活动事件标签。
23.步骤s1202、根据会话活动事件信息确定已互动会话流程数据ste是否包含预设重点推荐对象。
24.由于会话活动事件信息中指示了已互动会话流程数据ste已进行会话活动事件激活的会话流程节点数据特征，进而可以根据会话活动事件信息确定已互动会话流程数据ste是否包含预设重点推荐对象，当会话活动事件信息中指示已互动会话流程数据ste的会话流程节点数据特征未包含预设重点推荐对象时，则流程结束。
25.步骤s1203、若步骤s1202的确定结果为是，则根据会话活动事件信息指示的预设重点推荐对象的会话日志信息，在已互动会话流程数据ste中确定目标频繁项会话流程节点数据特征。
26.当会话活动事件信息中指示已互动会话流程数据ste的会话流程节点数据特征包含预设重点推荐对象时，则可以根据会话活动事件信息指示的预设重点推荐对象的会话日志信息，从已互动会话流程数据ste中确定目标频繁项会话流程节点数据特征。
27.步骤s1204、采集已互动会话流程数据ste中预设重点推荐对象对应的目标频繁项会话流程数据。
28.具体的，可以采用片段拆分的方式，即在确定目标频繁项会话流程节点数据特征之后，将已互动会话流程数据ste中其它频繁项拆分，只保留目标频繁项会话流程节点数据特征，从而得到目标频繁项会话流程数据。或者，由于会话流程数据在计算机设备中进行存储时是采用可迁移会话流程分布信息的形式进行存储的，那么可以根据会话日志信息与会话流程数据中可迁移会话流程信息的关联关系，从已互动会话流程数据ste中读取目标频繁项会话流程节点数据特征的数据，进而根据该数据生成相应的目标频繁项会话流程数据。
29.进一步地，根据已互动会话流程数据ste的会话活动事件信息则可以确定已互动会话流程数据ste中包括业务对象会话活动事件标签，因而可以从已互动会话流程数据ste中进行预设重点推荐对象的提取，那么可以根据会话日志信息确定业务对象会话活动事件标签在已互动会话流程数据ste中的业务行为特征信息，进而从已互动会话流程数据ste的可迁移会话流程分布信息中读取这些可迁移会话流程信息，生成包含业务对象会话活动事件标签的目标频繁项会话流程数据。
30.采用上述的方式针对已互动会话流程数据序列中每一已互动会话流程数据进行操作后，则可以得到每一已互动会话流程数据所对应的目标频繁项会话流程数据，从而由这些在线会话流程数据汇总而成目标频繁项会话流程数据序列。具体可以参考以下以预设重点推荐对象为业务对象会话活动事件标签为例的目标频繁项会话流程数据序列的描述内容，其中，目标频繁项会话流程数据序列是由从已互动会话流程数据中提取的多个预设重点推荐对象的目标频繁项会话流程数据组成的，目标频繁项会话流程数据序列则是提取的各个业务对象会话活动事件标签会话流程数据组成的。
31.步骤s130、基于获得的目标频繁项会话流程数据序列，对目标在线会话流程数据序列中的至少一个目标会话流程数据进行针对预设重点推荐对象的推广意图匹配，获得包含预设重点推荐对象的至少一个目标在线会话流程数据。
32.步骤s140、对包含所述预设重点推荐对象的至少一个目标在线会话流程数据进行大数据挖掘，获得所述预设重点推荐对象所对应的推荐效果画像。
33.例如，可以提取包含所述预设重点推荐对象的至少一个目标在线会话流程数据的意图倾向特征信息，基于预先训练的推荐效果画像分类模型对意图倾向特征信息进行分类，获得对应分类获得的推荐效果画像。
34.步骤s150、基于所述预设重点推荐对象所对应的推荐效果画像，对所述预设重点推荐对象的信息推送策略进行更新。
35.例如，可以获取与所述预设重点推荐对象所对应的推荐效果画像的预设更新规则集，并从所述预设更新规则集中获取与所述预设重点推荐对象匹配的目标更新规则集，并基于目标更新规则集对所述预设重点推荐对象的信息推送策略进行更新。
36.本公开实施例中，在获取目标频繁项会话流程数据集之后，则可以利用获得的目标频繁项会话流程数据集与目标在线会话流程数据序列进行推广意图匹配，从而获得优化后的至少一个目标在线会话流程数据，也就是包括预设重点推荐对象的至少一个目标在线会话流程数据。在实际应用中，优化后的至少一个目标在线会话流程数据与目标频繁项会
话流程数据序列中其它未经推广意图匹配的目标在线会话流程数据汇总而成一个新的在线会话流程数据序列，该在线会话流程数据序列为会话流程节点数据优化后的在线会话流程数据序列，可以作为训练数据序列用于实际的策略配置中。
37.基于以上内容，利用目标频繁项会话流程数据集与目标在线会话流程数据序列进行推广意图匹配，具体可以包括以下内容。
38.步骤s1301、从目标在线会话流程数据序列中确定至少一个目标在线会话流程数据。
39.本公开实施例中，可以根据目标在线会话流程数据序列的具体情况来选择需要进行推广意图匹配的至少一个目标在线会话流程数据。
40.具体的，当目标在线会话流程数据序列为完全不包含预设重点推荐对象的数据序列，例如可以将整个目标在线会话流程数据序列中的所有会话流程数据进行推广意图匹配，或者，可以按照一定的比例选择至少一个目标在线会话流程数据，例如可以设置对目标在线会话流程数据序列中的60%或者75%等比例的目标在线会话流程数据进行推广意图匹配。
41.具体的，当目标在线会话流程数据序列为局部包含预设重点推荐对象，但会话流程节点数据会话互动评估参数存在严重偏差的数据序列，例如可以将整个目标在线会话流程数据序列中的所有会话流程数据进行推广意图匹配，或者，可以筛选未包含预设重点推荐对象的至少一个目标在线会话流程数据。
42.在具体实施时，为了确保目标在线会话流程数据序列中各种会话流程节点数据的会话互动评估参数的全面性，因而可以根据目标在线会话流程数据序列中已进行会话活动事件激活的其它特征会话流程节点数据的会话互动评估参数来确定预设重点推荐对象的会话互动评估参数。具体的，目标在线会话流程数据序列中已进行会话活动事件激活的其它特征会话流程节点数据的会话互动评估参数可以通过会话活动事件信息获取，因而可以根据目标在线会话流程数据序列中各个目标在线会话流程数据的会话活动事件信息，确定目标在线会话流程数据序列中进行会话活动事件激活的预设重点推荐对象的会话互动评估参数以及其它特征会话流程节点数据的会话互动评估参数，进而根据预设重点推荐对象的会话互动评估参数以及其它特征会话流程节点数据的会话互动评估参数，确定目标在线会话流程数据序列需优化的预设重点推荐对象的会话互动评估参数。
43.进而，根据需优化的预设重点推荐对象的会话互动评估参数，确定需要选择的目标在线会话流程数据的会话互动评估参数，即从目标在线会话流程数据序列确定至少一个目标在线会话流程数据，使得确定出的至少一个目标在线会话流程数据中各个目标在线会话流程数据对应的预设重点推荐对象的会话互动评估参数的融合参数，与需优化的预设重点推荐对象的会话互动评估参数匹配。
44.在具体实施时，还可以将包含预设重点推荐对象会话互动评估参数较少的目标在线会话流程数据筛选作为至少一个目标在线会话流程数据。具体的，可以根据目标在线会话流程数据序列中各个目标在线会话流程数据的会话活动事件信息，分别确定各个目标在线会话流程数据各自对应的预设重点推荐对象的会话互动评估参数，进而，将预设重点推荐对象的会话互动评估参数匹配设定会话互动评估参数的目标在线会话流程数据确定为至少一个目标在线会话流程数据。
45.步骤s1302、针对每一个目标在线会话流程数据，从目标频繁项会话流程数据序列中筛选至少一个目标频繁项会话流程数据。
46.在选定至少一个目标在线会话流程数据之后，则可以为选定的至少一个目标在线会话流程数据中每一个目标在线会话流程数据从目标频繁项会话流程数据序列中筛选至少一个目标频繁项会话流程数据。
47.具体的，可以根据需优化的预设重点推荐对象的会话互动评估参数，为每一个目标在线会话流程数据筛选相应会话互动评估参数的目标频繁项会话流程数据，并且，上述至少一个目标在线会话流程数据中各个目标在线会话流程数据需优化的预设重点推荐对象的会话互动评估参数的融合参数与需优化的预设重点推荐对象的会话互动评估参数匹配。。
48.或者，还可以预先设定每个目标在线会话流程数据的会话互动评估参数，进而可以为每个目标在线会话流程数据筛选设定会话互动评估参数的目标频繁项会话流程数据。
49.需要说明的是，需要进行推广意图匹配的目标在线会话流程数据筛选与各个目标在线会话流程数据所对应的目标频繁项会话流程数据的筛选可以是同时进行的，即步骤s1301和步骤s1302可以是同时进行的，比如在确定需要添加的预设重点推荐对象的会话互动评估参数之后，可以同时选定至少一个目标在线会话流程数据的会话互动评估参数和每个目标在线会话流程数据所对应的目标频繁项会话流程数据的会话互动评估参数。
50.步骤s1303、将目标在线会话流程数据与相应的至少一个目标频繁项会话流程数据进行推广意图匹配，获得包含预设重点推荐对象的目标在线会话流程数据。
51.由于每一个目标在线会话流程数据以及每一目标频繁项会话流程数据的推广意图匹配过程类似，因此下面具体以一个目标在线会话流程数据的一个目标频繁项会话流程数据的推广意图匹配过程进行介绍，例如将目标频繁项会话流程数据src3互动至目标频繁项会话流程数据src2中。
52.具体的，将目标频繁项会话流程数据src3互动至目标频繁项会话流程数据src2中时，首先需要确定预设重点推荐对象在一个目标在线会话流程数据中的会话流程数据的业务行为特征。
53.通常而言，在会话流程数据中，各个会话流程节点数据都对应着各自可能激活的业务行为特征信息，例如在确定关联互动会话活动事件特征时，相关会话活动的会话活动状态一般是一定的，且业务对象会话活动事件标签的会话活动状态一般都比较稳定，因而一般激活在会话流程数据的较为稳定的互动环境，因此可以将目标在线会话流程数据中设定会话活动状态的业务行为特征信息作为目标频繁项会话流程数据对应的可进行业务需求互动的业务行为特征信息。由于目标在线会话流程数据是通过可迁移会话流程分布信息的方式存储的，因此可以将目标在线会话流程数据的可迁移会话流程分布信息中设定会话流程数据序列内的业务行为特征信息确定为会话流程数据的业务行为特征。
54.在一些示例中，当预设重点推荐对象为业务对象会话活动事件标签时，可以将目标在线会话流程数据中较为稳定的业务行为特征信息设置为会话流程数据的业务行为特征，例如可以将目标在线会话流程数据中一部分热门资源特征作为会话流程数据的业务行为特征。
55.在具体实施时，也可以通过训练用于识别（互动）各个特征的会话流程节点数据可
能存在激活状态的模型，进而通过模型来识别（互动）预设重点推荐对象在目标在线会话流程数据中发起数量大于预设数量的业务行为特征信息，并将发起数量大于预设数量的业务行为特征信息确定为会话流程数据的业务行为特征。
56.本公开实施例中，在确定会话流程数据的业务行为特征之后，则可以将目标频繁项会话流程数据按照业务需求互动至会话流程数据的业务行为特征中，其中，可以将目标频繁项会话流程数据按照业务需求互动至会话流程数据的业务行为特征的随机状态中，但需要考虑目标在线会话流程数据中已进行会话活动事件标记的会话流程节点数据频繁项。
57.本公开实施例中，针对至少一个目标在线会话流程数据进行推广意图匹配之后，则可以在这些目标在线会话流程数据中调整预设重点推荐对象，得到经推广意图匹配之后的至少一个目标在线会话流程数据。
58.步骤s160、根据目标在线会话流程数据对应的至少一个目标频繁项会话流程数据中各个目标频繁项会话流程数据各自对应的会话流程节点数据特征信息，以及各个目标频繁项会话流程数据各自在一个目标在线会话流程数据的会话日志信息，更新目标在线会话流程数据的会话活动事件的启用日志信息。
59.本公开实施例中，由于各个目标在线会话流程数据是要用于后续的策略配置的，因而需要为各个预设重点推荐对象调整会话活动事件信息，会话活动事件信息包括至少一个目标频繁项会话流程数据中各个目标频繁项会话流程数据各自对应的会话流程节点数据特征信息以及各个目标频繁项会话流程数据各自在一个目标在线会话流程数据的会话日志信息，进而可以分别在各个目标在线会话流程数据的会话活动事件的启用日志信息中更新各自对应的会话活动事件信息，以用于后续的策略配置。
60.进一步地，请参阅以下内容，是对上面所述的基于大数据预测的信息推送更新方法的应用进行介绍。例如，以下为一种基于大数据预测的信息推送更新方法的应用方法。
61.步骤s1001、获取现有的多个数据序列。
62.其中，现有的多个数据序列是指已进行会话流程节点数据会话活动事件的数据序列，这里主要是指在线会话流程数据序列，例如，已进行会话流程节点数据会话活动事件的数据序列可以包括如下：（1）只标记了业务对象会话活动事件标签的数据序列m1；（2）只标记了会话流程数据和互联网服务终端的数据序列m2；（3）标记了业务对象会话活动事件标签、会话流程数据和互联网服务终端的数据序列m3，但是业务对象会话活动事件标签的在线会话互动评估参数较少，数据序列存在严重类别偏差。
63.步骤s1002、提取数据序列中的预设重点推荐对象。
64.这里以预设重点推荐对象为业务对象会话活动事件标签为例，那么可以从数据序列m1的标签提取业务对象会话活动事件标签的会话流程节点数据频繁项，得到业务对象会话活动事件标签的会话流程节点数据集合。提取会话流程节点数据的过程可以参考上述所示实施例部分的描述，在此不再赘述。
65.步骤s1003、对会话流程节点数据缺乏的数据序列业务需求互动新会话流程节点数据。
66.步骤s1004、生成包含新会话流程节点数据的数据序列。
67.例如对于上述的数据序列m2，数据序列m2缺乏业务对象会话活动事件标签的会话流程节点数据，因而可以对数据序列m2进行会话流程节点数据业务需求互动，得到新增业务对象的会话活动事件标签的会话流程节点数据的数据序列m2
‑
0。
68.步骤s1005、对会话流程节点数据会话互动评估参数存在偏差的数据序列补充现有会话流程节点数据。
69.步骤s1006、生成在线会话互动评估参数更全面的数据序列。
70.例如对于上述的数据序列m3，数据序列m3中业务对象会话活动事件标签的在线会话互动评估参数较少，数据序列存在严重类别偏差，因而可以对数据序列m3进行会话流程节点数据业务需求互动，得到在线会话互动评估参数更全面的数据序列m3
‑
0。
71.步骤s1007、用新生成的数据序列训练模型。
72.具体的，可以利用新生成的数据序列对会话流程节点数据互动策略进行训练，得到训练后的会话流程节点数据互动策略。其中，会话流程节点数据互动策略可以采用任意结构的模型，并可采用任意的策略配置方法进行训练，本公开实施例对此不做限制。
73.本公开实施例中，一种可能的互动服务订阅信息为电商服务订阅信息，那么，已互动会话流程数据和目标在线会话流程数据所包括的汇总而成会话流程节点数据则为电商会话流程节点数据，电商会话流程节点数据可以包括会话流程数据、互联网服务终端中的一种或者多种的组合，当然，可以包括其它可能的电商会话流程节点数据。
74.在通过上述过程获得包含预设重点推荐对象的至少一个目标在线会话流程数据之后，则可以根据至少一个目标在线会话流程数据获得会话信息推送策略的在线会话流程推送集，并根据在线会话流程推送集对会话信息推送策略进行策略配置，得到已配置好的会话信息推送策略。进而，在在线会话流程过程中采集实时会话流程数据，并利用已配置好的会话信息推送策略对实时会话流程数据进行电商会话流程节点数据的识别（互动），以根据针对会话信息推送结果的反馈行为数据确定互联网服务终端的重点推荐评估指标。
75.例如，上述得到的数据序列m2
‑
0或者src3
‑
0则可以用于会话信息推送策略的训练，训练得到的会话信息推送策略可以用于实际的电商会话流程节点数据识别过程。
76.譬如在一些选择性的实施例中，上述根据针对会话信息推送结果的反馈行为数据确定所述互联网服务终端的重点推荐评估指标，具体包括以下子步骤s：子步骤s1、通过所述针对会话信息推送结果的反馈行为数据确定推送响应有效对象序列，其中，所述推送响应有效对象序列包括连续的x组推送响应有效对象，x为大于1的整数；子步骤s2、依据所述推送响应有效对象序列获取关键响应有效对象序列，其中，所述关键响应有效对象序列包括连续的x组关键响应有效对象；子步骤s3、利用所述推送响应有效对象序列，基于会话信息推送策略所包括的第一推荐评估模板获取有效推荐评估指标序列，其中，所述有效推荐评估指标序列包括x个有效推荐评估指标；子步骤s4、利用所述关键响应有效对象序列，基于所述会话信息推送策略所包括的第二推荐评估模板获取关键推荐评估指标序列，其中，所述关键推荐评估指标序列包括x个关键推荐评估指标；子步骤s5、利用所述有效推荐评估指标序列以及所述关键推荐评估指标序列，基
于所述会话信息推送策略所包括的重点推荐评估模板获取所述推送响应有效对象序列所对应的重点推荐评估信息；进一步地，利用所述有效推荐评估指标序列以及所述关键推荐评估指标序列，基于所述会话信息推送策略所包括的重点推荐评估模板获取所述推送响应有效对象序列所对应的重点推荐评估信息，具体可以包括通过以下两种实施例进行实施。
77.第一种实施例，利用所述有效推荐评估指标序列，基于所述会话信息推送策略所包括的第一拆分模板获取x个第一分区推荐指标，其中，每个第一分区推荐指标对应于一个有效推荐评估指标；利用所述关键推荐评估指标序列，基于所述会话信息推送策略所包括的第二拆分模板获取x个第二分区推荐指标，其中，每个第二分区推荐指标对应于一个关键推荐评估指标；对所述x个第一分区推荐指标以及所述x个第二分区推荐指标进行指标映射融合，得到x个目标融合推荐指标，其中，每个目标融合推荐指标包括一个第一分区推荐指标以及一个第二分区推荐指标；利用所述x个目标融合推荐指标，基于所述会话信息推送策略所包括的推荐应用业务场景单元获取全局分区推荐指标，其中，所述全局分区推荐指标为依据所述x个目标融合推荐指标以及x个应用业务场景id确定的，每个目标融合推荐指标对应于一个应用业务场景id；利用所述全局分区推荐指标，基于所述会话信息推送策略所包括的重点推荐评估模板获取所述推送响应有效对象序列所对应的重点推荐评估信息。
78.譬如，第二种实施例，利用所述有效推荐评估指标序列，基于所述会话信息推送策略所包括的第一离线互动场景单元获取x个第一分区推荐指标，其中，每个第一分区推荐指标对应于一个有效推荐评估指标；利用所述关键推荐评估指标序列，基于所述会话信息推送策略所包括的第二离线互动场景单元获取x个第二分区推荐指标，其中，每个第二分区推荐指标对应于一个关键推荐评估指标；对所述x个第一分区推荐指标以及所述x个第二分区推荐指标进行指标映射融合，得到x个目标融合推荐指标，其中，每个目标融合推荐指标包括一个第一分区推荐指标以及一个第二分区推荐指标；利用所述x个目标融合推荐指标，基于所述会话信息推送策略所包括的所述重点推荐评估模板获取所述推送响应有效对象序列所对应的重点推荐评估信息。
79.基于上述第二种实施例的基础上，利用所述有效推荐评估指标序列，基于所述会话信息推送策略所包括的第一离线互动场景单元获取x个第一分区推荐指标，具体包括：针对所述有效推荐评估指标序列中的每组有效推荐评估指标，基于所述第一离线互动场景单元所包括的热度数据拆分单元获取第一热度绑定片段数据，其中，所述第一离线互动场景单元属于所述会话信息推送策略；针对所述有效推荐评估指标序列中的每组有效推荐评估指标，基于所述第一离线互动场景单元所包括的拆分模板获取第一局部绑定片段数据；针对所述有效推荐评估指标序列中的每组有效推荐评估指标，利用所述第一热度绑定片段数据以及所述第一局部绑定片段数据，基于所述第一离线互动场景单元所包括的片段融合单元获取第一全局片段数据；针对所述有效推荐评估指标序列中的每组有效推荐评估指标，利用所述第一全局片段数据以及所述有效推荐评估指标，基于所述第一离线互动场景单元所包括的第一拆分模板获取第一分区推荐指标。
80.基于上述第二种实施例的基础上，利用所述关键推荐评估指标序列，基于所述会话信息推送策略所包括的第二离线互动场景单元获取x个第二分区推荐指标，包括：针对所述关键推荐评估指标序列中的每组关键推荐评估指标，基于所述第二离线互动场景单元所
包括的热度数据拆分单元获取第二热度绑定片段数据，其中，所述第二离线互动场景单元属于所述会话信息推送策略；针对所述关键推荐评估指标序列中的每组关键推荐评估指标，基于所述第二离线互动场景单元所包括的拆分模板获取第二局部绑定片段数据；针对所述关键推荐评估指标序列中的每组关键推荐评估指标，利用所述第二热度绑定片段数据以及所述第二局部绑定片段数据，基于所述第二离线互动场景单元所包括的片段融合单元获取第二全局片段数据；针对所述关键推荐评估指标序列中的每组关键推荐评估指标，利用所述第二全局片段数据以及所述关键推荐评估指标，基于所述第二离线互动场景单元所包括的第二拆分模板获取第二分区推荐指标。
81.基于上述第二种实施例的基础上，所述利用所述x个目标融合推荐指标，基于所述会话信息推送策略所包括的所述重点推荐评估模板获取所述推送响应有效对象序列所对应的重点推荐评估信息，包括：利用所述x个目标融合推荐指标，基于所述会话信息推送策略所包括的推荐应用业务场景单元获取全局分区推荐指标，其中，所述全局分区推荐指标为依据所述x个目标融合推荐指标以及x个应用业务场景id确定的，每个目标融合推荐指标对应于一个应用业务场景id；利用所述全局分区推荐指标，基于所述会话信息推送策略所包括的所述重点推荐评估模板获取所述推送响应有效对象序列所对应的重点推荐评估信息。进一步地，其中，所述利用所述x个目标融合推荐指标，基于所述会话信息推送策略所包括的推荐应用业务场景单元获取全局分区推荐指标，包括：利用所述x个目标融合推荐指标，基于所述推荐应用业务场景单元所包括的第一关联单元获取x个第一关联分区推荐指标，其中，所述推荐应用业务场景单元属于所述会话信息推送策略；利用所述x个第一关联分区推荐指标，基于所述推荐应用业务场景单元所包括的第二关联单元获取x个第二关联分区推荐指标；依据所述x个第二关联分区推荐指标确定x个应用业务场景id，其中，每个应用业务场景id对应于一个目标融合推荐指标；依据所述x个目标融合推荐指标以及x个应用业务场景id，确定所述全局分区推荐指标。
82.子步骤s6、依据所述重点推荐评估信息确定所述推送响应有效对象序列的重点推荐评估指标。
83.通过执行上述子步骤s1
‑
子步骤s6所描述的内容，能够达到如下有益技术效果：为了获取到关键响应有效对象序列，首先根据针对会话信息推送结果的反馈行为数据确定出推送响应有效对象序列，进而在推送响应有效对象序列中获取关键响应有效对象序列，这样能够确保获取到的关键响应有效对象序列的准确性，其次利用推送响应有效对象序列，基于会话信息推送策略所包括的第一推荐评估模板和第二推荐评估模板分别获取有效推荐评估指标序列以及关键推荐评估指标序列，进而基于会话信息推送策略所包括的重点推荐评估模板获取重点推荐评估信息，然后根据重点推荐评估信息确定推送响应有效对象序列的重点推荐评估指标。
84.这样一来，在准确得到关键响应有效对象序列的基础上，基于会话信息推送策略所包括识别单元及测评单元对推送响应有效对象序列进行逐一识别及测评，能够确保得到的重点推荐评估信息的完整性，进而能够准确地将重点推荐评估信息作为确定推送响应有效对象序列的重点推荐评估指标的可靠依据，从而确保得到的重点推荐评估指标的可用性。
85.综上所述，通过会话流程节点数据级的数据处理，生成新的数据序列，可以通过业
务需求互动现有会话活动事件数据序列的会话流程节点数据，在不需要手动重新进行会话活动事件标记的情况下得到包含更多会话流程节点数据类别的数据序列，以及通过控制各类业务需求互动会话流程节点数据的会话互动评估参数，能够改善数据序列在互动处理过程中存在偏差的问题，进而可以利用有限的数据序列，采用较为高效的方式生成包含更多类别会话流程节点数据的数据序列，也可以通过会话流程节点数据会话互动评估参数来改善现有数据序列中不同类别会话流程节点数据会话互动评估参数存在的不全面的技术问题。
86.如此设计，针对目标在线会话流程数据序列中部分丢失的会话流程节点数据或者存在偏差会话流程节点数据，则可以通过上述的过程在目标在线会话流程数据中有针对性的进行调整，从而对目标在线会话流程数据序列进行优化，使得目标在线会话流程数据序列中各会话流程节点数据之间的流程互动状态能够与实际的业务互动需求匹配，进而，在利用目标在线会话流程数据序列进行策略配置时，则配置得到的策略能够全面的学习得到各个会话流程节点数据的互动层面的特性，不会侧重于个别类别的会话流程节点数据的识别，从而确保配置得到的策略能够实现对会话流程节点数据的高效互动。
87.并且，基于互联网服务大数据对应的挖掘指标集合，获取与挖掘指标集合对应的包含多个已互动会话流程数据的已互动会话流程数据序列以及包含多个目标在线会话流程数据的目标在线会话流程数据序列，并且目标在线会话流程数据序列中的至少一个目标在线会话流程数据进行针对预设重点推荐对象的推广意图匹配，获得包含预设重点推荐对象的至少一个目标在线会话流程数据，由此进行大数据挖掘，获得预设重点推荐对象所对应的推荐效果画像，基于预设重点推荐对象所对应的推荐效果画像，对预设重点推荐对象的信息推送策略进行更新，进而提高预设重点推荐对象的信息推送有效性。
88.一种实施例中，针对步骤s110，可以通过以下步骤实现。
89.步骤a101，获取互联网服务终端的互联网服务大数据。
90.本实施例中，互联网服务大数据可以是指互联网服务终端的用户在使用互联网服务（如智慧医疗服务、智慧办公服务、智慧教育服务等）的过程中产生的操作行为大数据，如信息查看、转发、分享、订阅、下载等行为数据。
91.步骤a102，基于兴趣业务行为预测网络的网络提取节点，对该互联网服务大数据进行特征提取，获得该互联网服务大数据对应的操作行为特征分布。
92.本实施例中，兴趣业务行为预测网络可以是基于深度学习的神经网络，网络提取节点可以用于提取该互联网服务大数据的特征向量信息，进而获得该互联网服务大数据对应的操作行为特征分布，操作行为特征分布可以是指各个操作行为特征在以时序（时间类别维度）或者空序（业务类别维度）为基准特征指标下的特征分布信息。
93.步骤a103，基于该兴趣业务行为预测网络的兴趣预测节点，对所述操作行为特征分布进行兴趣预测，得到该互联网服务大数据中的各个关键互联网数据对应的目标兴趣业务行为。
94.本实施例中，目标兴趣业务行为可以用于表征该互联网服务大数据中的各个关键互联网数据可能表征用户对任意一种业务对象存在感兴趣倾向的业务行为。
95.步骤a104，基于该互联网服务大数据中的各个关键互联网数据对应的目标兴趣业务行为，以及各个该目标兴趣业务行为对应的兴趣预估指标，获取该互联网服务大数据中
的各个关键互联网数据对应的挖掘价值指标。
96.本实施例中，各个目标兴趣业务行为可以预先对应一种兴趣预估指标，该兴趣预估指标可以用于表征该目标兴趣业务行为的挖掘倾向参考度，例如该兴趣预估指标对应的指标值越大，那么表示该目标兴趣业务行为相关数据内容被挖掘的概率越大。
97.步骤a105，基于该互联网服务大数据中的各个关键互联网数据对应的挖掘价值指标，获取该互联网服务大数据对应的挖掘指标集合。
98.其中，该兴趣业务行为预测网络是以参考数据集中的参考互联网服务大数据为训练数据、以参考互联网服务大数据的各个关键互联网数据的参考兴趣业务行为为训练属性训练得到的人工智能学习网络；该各个该目标兴趣业务行为对应的兴趣预估指标是基于该兴趣业务行为预测网络对应的参考数据集中参考互联网服务大数据的各个关键互联网数据的挖掘指标集合确定的。
99.综上所述，本公开通过参考互联网服务大数据，以及该参考互联网服务大数据中的各个关键互联网数据的参考兴趣业务行为对兴趣业务行为预测网络进行训练，得到训练好的兴趣业务行为预测网络，通过该兴趣业务行为预测网络确定输入的互联网服务大数据的各个参考关键互联网服务数据的目标兴趣业务行为，以及各个目标兴趣业务行为对应的兴趣预估指标，确定该互联网服务大数据的挖掘指标集合。通过上述方案，通过兴趣业务行为预测网络对应的参考数据集中参考互联网服务大数据的各个关键互联网数据的挖掘指标集合确定兴趣预估指标，可以根据各个关键互联网数据的对应的挖掘指标集合确定该兴趣预估指标的挖掘参考区间，使得各个目标兴趣业务行为对应的兴趣预估指标更加匹配该目标兴趣业务行为对应的互联网服务大数据的真实兴趣倾向特点，降低了通过兴趣预估指标对各个关键互联网数据进行挖掘指标确定时产生的噪声误差，提高了对互联网服务大数据中挖掘指标集合估计的精度。
100.下面继续介绍本公开一示例性实施例的一种基于大数据预测的信息推送更新方法的流程，该基于大数据预测的信息推送更新方法的流程可以包括如下步骤。
101.步骤a301，获取参考互联网服务大数据，以及该参考互联网服务大数据中的各个关键互联网数据分别对应的参考兴趣业务行为。
102.一种实施例中，获取参考数据集；该参考数据集中包含参考互联网服务大数据，以及该参考互联网服务大数据对应的关键挖掘对象；该关键挖掘对象用于指示该参考互联网服务大数据中关键挖掘对象的挖掘数据特征；基于该参考互联网服务大数据对应的关键挖掘对象，获取该参考互联网服务大数据中的各个关键互联网数据的挖掘指标集合；基于该参考互联网服务大数据中的各个关键互联网数据的挖掘指标集合，获取该参考互联网服务大数据中的各个关键互联网数据的参考兴趣业务行为。
103.一种实施例中，该关键挖掘对象可以是基于该各个参考互联网服务大数据上的各个兴趣特征信息的兴趣业务节点生成的，即该关键挖掘对象根据各个参考互联网服务大数据上的各个兴趣特征信息的兴趣业务节点信息确定该参考互联网服务大数据上的挖掘指标位置以及挖掘指标信息。
104.一种实施例中，基于该参考互联网服务大数据对应的关键挖掘对象，获得参考互联网服务大数据对应的参考挖掘指标分布图；该参考挖掘指标分布图用于指示该参考互联网服务大数据中关键挖掘对象的所在的数据业务节点；基于该参考挖掘指标分布图，通过
高斯卷积核进行数据处理，获取该参考互联网服务大数据对应的参考挖掘指标的挖掘置信度；基于该参考挖掘指标的挖掘置信度，分别在该参考互联网服务大数据中的各个关键互联网数据进行挖掘指标确定，获得该参考互联网服务大数据的各个关键互联网数据的挖掘指标集合。
105.一种实施例中，当获取到该参考互联网服务大数据以及与该参考互联网服务大数据对应的关键挖掘对象时，可以根据该参考互联网服务大数据对应的关键挖掘对象，将该参考互联网服务大数据上与该关键挖掘对象对应的位置进行标注，获取该参考互联网服务大数据对应的参考挖掘指标分布图。例如，该参考挖掘指标分布图中，考虑图中的n个兴趣特征信息点 x1至xn。对于每个兴趣特征信息点xi，可以生成一张二维的分布图hi，该分布图只有兴趣特征信息点位置的分布值为1，其余位置均为0，然后将所有兴趣特征信息点对应的hi相加得到该参考互联网服务大数据对应所有兴趣特征信息点的分布图h（即参考挖掘指标分布图），该分布图的挖掘指标分布集合即为挖掘指标集合。
106.由于在对参考互联网服务大数据进行互联网服务大数据片段拆分时，该参考互联网服务大数据中的任意一个关键互联网数据包含了某个兴趣特征信息的兴趣特征信息点时，但该兴趣特征信息的所有互联网服务大数据部分并不完全位于该关键互联网数据中，但由于该兴趣特征信息的兴趣特征信息点位于该关键互联网数据内，因此该兴趣特征信息会被认为全部位于该关键互联网数据内，因此通过生成该参考互联网服务大数据对应的参考挖掘指标分布图来表示参考互联网服务大数据中的各个关键互联网数据的挖掘指标信息是不准确的。此时，可以通过一个归一化的高斯卷积核对分布图进行卷积得到该参考互联网服务大数据对应的参考挖掘指标的挖掘置信度，该参考挖掘指标的挖掘置信度是基于该参考互联网服务大数据中的各个兴趣特征信息点形成的高斯分布图，该参考挖掘指标的挖掘置信度中的各点的分布值大小用于指示该参考挖掘指标的挖掘置信度中的各点的挖掘指标密度，因此该参考挖掘指标的挖掘置信度可以用于指示该参考互联网服务大数据上各个标准化数据区点的挖掘指标密度，并且由于高斯核是归一化的，因此通过高斯卷积核进行数据处理后得到的该参考挖掘指标的挖掘置信度，挖掘指标确定后得到的值仍然是该参考互联网服务大数据中的挖掘指标集合，同理，对该参考互联网服务大数据中的各个关键互联网数据进行挖掘指标确定，可以获得该参考互联网服务大数据中的各个关键互联网数据对应的挖掘指标集合。
107.一种实施例中，获取该兴趣预测节点对应的兴趣业务行为维度；该兴趣业务行为维度包含至少两个兴趣业务子行为维度；基于该参考互联网服务大数据中的各个关键互联网数据的挖掘指标集合，通过该兴趣业务行为维度进行分类，获得该参考互联网服务大数据中的各个关键互联网数据对应的参考兴趣业务行为；该参考兴趣业务行为用于指示该参考互联网服务大数据中的各个关键互联网数据在该兴趣业务行为维度中对应的兴趣业务子行为维度。
108.一种实施例中，基于该参考数据集中的各个参考互联网服务大数据的各个关键互联网数据的挖掘指标集合的挖掘兴趣节点，获取挖掘兴趣节点序列；该挖掘兴趣节点序列用于指示该兴趣业务行为维度的挖掘兴趣节点区间；基于该兴趣业务行为维度的挖掘兴趣节点区间，确定该拆分挖掘兴趣节点区间；该拆分挖掘兴趣节点区间用于指示该兴趣业务行为维度的区间区分点；该区间区分点用于将该兴趣业务行为维度拆分为各个兴趣业务子
行为维度；基于该挖掘兴趣节点序列与该拆分挖掘兴趣节点区间，获取该兴趣预测节点对应的兴趣业务行为维度。
109.其中，该兴趣业务行为维度的挖掘兴趣节点区间，可以是根据该各个参考互联网服务大数据中的各个关键互联网数据的挖掘指标集合的挖掘兴趣节点确定的。由于该分类层对应的兴趣业务行为维度用于对该参考数据集中的各个参考互联网服务大数据的关键互联网数据的挖掘指标集合进行分类，因此该分类层对应的兴趣业务行为维度包括该参考数据集中的各个参考互联网服务大数据中的各个关键互联网数据的挖掘指标集合的挖掘兴趣节点。
110.一种实施例中，该各个参考互联网服务大数据中的各个关键互联网数据的挖掘指标集合的边缘挖掘指标，是该各个参考互联网服务大数据中的各个关键互联网数据的挖掘指标集合中不为空集的边缘挖掘指标。
111.一种实施例中，将该各个参考互联网服务大数据中的各个关键互联网数据的挖掘指标集合的挖掘兴趣节点获取为该挖掘兴趣节点序列。
112.其中，该各个参考互联网服务大数据中的各个关键互联网数据的挖掘指标集合的边缘挖掘指标获取为该挖掘兴趣节点序列中的第一区间点，该各个参考互联网服务大数据中的各个关键互联网数据的挖掘指标集合的极限挖掘指标获取为该挖掘兴趣节点序列中的第二区间点，该左第二区间点即为该分类层对应的兴趣业务行为维度的挖掘兴趣节点区间。
113.在保证该兴趣业务行为维度能够包括该参考数据集中的所有参考互联网服务大数据中的各个关键互联网数据的挖掘指标集合时，该兴趣业务行为维度越多，则分类越准确，因此可以直接将该参考数据集中的各个参考互联网服务大数据中的各个关键互联网数据的挖掘指标集合的挖掘兴趣节点确定为该分类层对应的兴趣业务行为维度的挖掘兴趣节点区间。
114.当确定了该挖掘兴趣节点序列后，即确定了该分类层对应的兴趣业务行为维度的挖掘兴趣节点区间后，可以根据该分类层对应的兴趣业务行为维度的挖掘兴趣节点区间，确定该分类层对应的兴趣业务行为维度的区间区分点。
115.一种实施例中，获取该分类层对应的分类数；基于该分类层对应的分类数，确定该分类层对应的兴趣业务行为维度的区间区分点。
116.其中，该分类层对应的分类数用于指示该分类层对于输入的参考互联网服务大数据进行分类后可能得到的类型的数量。
117.一种实施例中，基于该分类层对应的兴趣业务行为维度，通过该分类层对应的分类数，平均拆分该兴趣业务行为维度，获得该分类层对应的兴趣业务行为维度的挖掘兴趣节点区间。
118.步骤a302，基于兴趣业务行为预测网络的网络提取节点，对该参考互联网服务大数据进行特征提取，得到该参考互联网服务大数据对应的参考操作行为特征分布。
119.该兴趣业务行为预测网络中的网络提取节点用于对该参考数据集中的参考互联网服务大数据进行特征提取，获得该参考互联网服务大数据对应的互联网服务大数据特征，其中，通过网络提取节点进行特征提取得到的互联网服务大数据特征用于指示该参考互联网服务大数据中的挖掘指标信息，因此该参考互联网服务大数据对应的参考操作行为
特征分布可以用于指示该参考互联网服务大数据对应的挖掘指标集合以及挖掘指标密度。
120.一种实施例中，该参考操作行为特征分布的特征分布范围与该参考互联网服务大数据的特征分布范围相同。
121.即通过该兴趣业务行为预测网络对参考互联网服务大数据进行特征提取后得到的参考操作行为特征分布，与输入的参考互联网服务大数据的标准化数据区大小相同。
122.步骤a303，基于该参考操作行为特征分布，通过兴趣业务行为预测网络的兴趣预测节点进行兴趣预测，获得该参考互联网服务大数据中的各个关键互联网数据分别对应的预测结果。
123.一种实施例中，该预测结果用于指示该参考互联网服务大数据中的各个关键互联网数据与兴趣预测节点对应的预测置信度集。
124.一种实施例中，基于该参考操作行为特征分布，通过该兴趣业务行为预测网络中的兴趣预测节点进行兴趣预测，得到该参考互联网服务大数据中的各个关键互联网数据与该兴趣预测节点对应的预测置信度集；其中该预测置信度集用于指示该参考互联网服务大数据中的各个关键互联网数据属于该兴趣预测节点对应的各个类型的置信度；基于该参考互联网服务大数据中的各个关键互联网数据对应的预测置信度集，获取该参考互联网服务大数据中的各个关键互联网数据与兴趣预测节点对应的目标兴趣业务行为。
125.例如，通过该兴趣预测节点对该参考操作行为特征分布进行处理时，可以得到该参考操作行为特征分布中的各个关键互联网数据与该兴趣预测节点对应的预测置信度集，其中，该预测置信度集用于指示该参考互联网服务大数据的各个关键互联网数据属于该兴趣预测节点的各个类型的置信度（即该各个关键互联网数据分别属于兴趣业务行为维度的各个兴趣业务子行为维度的置信度）。
126.当获取该预测置信度集后，可以分别将各个关键互联网数据对应的该预测置信度集中置信度最大的确定为该参考互联网服务大数据中的各个关键互联网数据的兴趣业务行为。
127.步骤a304，基于该参考互联网服务大数据中的各个关键互联网数据分别对应的预测结果，以及该参考互联网服务大数据中的各个参考关键互联网服务数据分别对应的参考兴趣业务行为，对该兴趣业务行为预测网络进行训练。
128.一种实施例中，获取该参考互联网服务大数据中的各个关键互联网数据分别对应的目标兴趣业务行为；根据该参考互联网服务大数据中的各个关键互联网数据分别对应的目标兴趣业务行为，以及该参考互联网服务大数据中的各个关键互联网数据分别对应的参考兴趣业务行为，对该兴趣业务行为预测网络进行训练。
129.另一种实施例中，响应与该预测结果用于指示该参考互联网服务大数据中的各个关键互联网数据与该兴趣业务行为维度的各个兴趣业务子行为维度对应的置信度分布，基于该参考互联网服务大数据中的各个参考关键互联网服务数据分别对应的参考兴趣业务行为，以及该置信度分布，对该兴趣业务行为预测网络进行训练。
130.其中，可以是通过参考互联网服务大数据中的每个关键互联网数据对应的参考兴趣业务行为，以及该关键互联网数据对应的置信度分布，获取该关键互联网数据对应的损失函数值，并根据该损失函数值进行训练，也可以是获取到该参考互联网服务大数据中的多个关键互联网数据对应的参考兴趣业务行为，以及该多个关键互联网数据分别对应的置
信度分布，获得该多个关键互联网数据对应的损失函数，并根据该讴歌区域对应的损失函数进行训练。
131.步骤a305，获取互联网服务终端的互联网服务大数据。
132.步骤a306，基于兴趣业务行为预测网络的网络提取节点，对该互联网服务大数据进行特征提取，获得该互联网服务大数据对应的操作行为特征分布。
133.一种实施例中，该兴趣业务行为预测网络中的网络提取节点用于对该互联网服务大数据进行特征提取，获得该互联网服务大数据对应的互联网服务大数据特征，其中，通过网络提取节点进行特征提取得到的互联网服务大数据特征用于指示该互联网服务大数据中的挖掘指标信息，因此该互联网服务大数据对应的操作行为特征分布可以用于指示该互联网服务大数据对应的挖掘指标集合以及挖掘指标密度。
134.一种实施例中，该操作行为特征分布的特征分布范围与该互联网服务大数据的特征分布范围相同。
135.即通过该兴趣业务行为预测网络对该互联网服务大数据进行特征提取后得到的操作行为特征分布，与输入的互联网服务大数据的标准化数据区大小相同。
136.步骤a307，基于该操作行为特征分布，通过兴趣业务行为预测网络的兴趣预测节点进行兴趣预测，得到该互联网服务大数据各个关键互联网数据对应的目标兴趣业务行为。
137.一种实施例中，基于该操作行为特征分布，通过兴趣业务行为预测网络的兴趣预测节点进行兴趣预测，得到该互联网服务大数据各个关键互联网数据对应的预测结果，基于该互联网服务大数据各个关键互联网数据对应的预测结果，获取该互联网服务大数据中的各个关键互联网数据对应的预测结果。
138.一种实施例中，基于该操作行为特征分布，通过该兴趣业务行为预测网络中的兴趣预测节点进行兴趣预测，得到该互联网服务大数据中的各个关键互联网数据与该兴趣预测节点对应的预测置信度集；其中该预测置信度集用于指示该互联网服务大数据中的各个关键互联网数据属于该兴趣预测节点对应的各个类型的置信度；基于该互联网服务大数据中的各个关键互联网数据对应的预测置信度集，获取该互联网服务大数据中的各个关键互联网数据与兴趣预测节点对应的目标兴趣业务行为。
139.例如，通过该兴趣预测节点对该操作行为特征分布进行处理时，可以得到该操作行为特征分布中的各个关键互联网数据与该兴趣预测节点对应的预测置信度集，其中，该预测置信度集用于指示该互联网服务大数据的各个关键互联网数据属于该兴趣预测节点的各个类型的置信度（即该各个关键互联网数据分别属于兴趣业务行为维度的各个兴趣业务子行为维度的置信度）。
140.当获取该预测置信度集后，可以分别将各个关键互联网数据对应的该预测置信度集中置信度最大的确定为该互联网服务大数据中的各个关键互联网数据的兴趣业务行为。
141.步骤a308，基于该互联网服务大数据各个关键互联网数据对应的目标兴趣业务行为，以及各个该目标兴趣业务行为对应的兴趣预估指标，获取该互联网服务大数据各个关键互联网数据对应的挖掘价值指标。
142.各个该目标兴趣业务行为对应的兴趣预估指标是基于该兴趣业务行为预测网络对应的参考数据集中参考互联网服务大数据的各个关键互联网数据的挖掘指标集合确定
的。
143.其中，该目标兴趣业务行为对应的兴趣预估指标可以用于指示该目标兴趣业务行为对应的关键互联网数据的挖掘价值指标。即当该关键互联网数据与该目标兴趣业务行为对应时，可以认为该目标兴趣业务行为对应的兴趣预估指标即为该关键互联网数据对应的挖掘价值指标。
144.一种实施例中，获取类参考关键互联网数据；该类参考关键互联网数据是该参考数据集中的各个参考互联网服务大数据的关键互联网数据中，与类参考兴趣业务行为对应的关键互联网数据；该类参考兴趣业务行为是该各个参考兴趣业务行为中的任意一个；基于该类参考关键互联网数据中的各个关键互联网数据分别对应的挖掘指标集合，确定该类参考兴趣业务行为对应的兴趣预估指标。
145.一种实施例中，基于该类参考关键互联网数据中的各个关键互联网数据分别对应的挖掘指标集合的预设排序范围挖掘指标，确定该类参考兴趣业务行为对应的挖掘指标数据值。
146.在本公开实施例中，该各个参考兴趣业务行为对应的兴趣预估指标，可以是根据参考数据集中的各个参考互联网服务大数据的各个关键互联网数据中，与该参考兴趣业务行为对应的关键互联网数据对应的挖掘指标集合确定的。即该各个参考兴趣业务行为对应的兴趣预估指标，可以是该参考数据集中的各个参考互联网服务大数据的各个关键互联网数据中，与该参考兴趣业务行为对应的关键互联网数据对应的挖掘指标集合的预设排序范围挖掘指标确定的，此时，每一个该参考兴趣业务行为对应的关键互联网数据的真实挖掘指标，与该兴趣预估指标之间的深层预估误差之和较小，此时，通过该兴趣预估指标对真实互联网服务大数据进行预测时，产生的深层预估误差也应该较小。
147.步骤a309，基于该互联网服务大数据中的各个关键互联网数据对应的挖掘价值指标，获取该互联网服务大数据对应的挖掘指标集合。
148.一种实施例中，将该互联网服务大数据中的各个参考关键互联网服务数据对应的挖掘指标信息进行汇总，得到该互联网服务大数据对应的挖掘指标集合。
149.一种实施例中，将该互联网服务大数据中的各个参考关键互联网服务数据对应的挖掘指标信息中，满足指定条件的挖掘指标信息进行汇总，得到该互联网服务大数据对应的挖掘指标集合。
150.其中，该指定条件可以是该互联网服务大数据中的各个参考关键互联网服务数据对应的全部挖掘指标信息中除去极限挖掘指标与边缘挖掘指标的挖掘指标信息。
151.综上所述，通过参考互联网服务大数据，以及该参考互联网服务大数据中的各个关键互联网数据的参考兴趣业务行为对兴趣业务行为预测网络进行训练，得到训练好的兴趣业务行为预测网络，通过该兴趣业务行为预测网络确定输入的互联网服务大数据的各个参考关键互联网服务数据的目标兴趣业务行为，以及各个目标兴趣业务行为对应的兴趣预估指标，确定该互联网服务大数据的挖掘指标集合。通过上述方案，通过兴趣业务行为预测网络对应的参考数据集中参考互联网服务大数据的各个关键互联网数据的挖掘指标集合确定兴趣预估指标，可以根据各个关键互联网数据的对应的挖掘指标集合确定该兴趣预估指标的挖掘参考区间，使得各个目标兴趣业务行为对应的兴趣预估指标更加匹配该目标兴趣业务行为对应的互联网服务大数据的真实兴趣倾向特点，降低了通过兴趣预估指标对各
个关键互联网数据进行挖掘指标确定时产生的噪声误差，提高了对互联网服务大数据中挖掘指标集合估计的精度。
152.图3为本公开实施例提供的基于大数据预测的信息推送更新装置300的功能模块示意图，下面分别对该基于大数据预测的信息推送更新装置300的各个功能模块的功能进行详细阐述。
153.第一获取模块310，用于基于互联网服务终端的互联网服务大数据对应的挖掘指标集合，从互联网服务大数据中获取与挖掘指标集合对应的包含多个已互动会话流程数据的已互动会话流程数据序列以及包含多个目标在线会话流程数据的目标在线会话流程数据序列。其中，各已互动会话流程数据与各目标在线会话流程数据具有相同的互动服务订阅信息，每一已互动会话流程数据和目标在线会话流程数据均采用多种会话模式的会话流程节点数据汇总而成，且每一已互动会话流程数据和目标在线会话流程数据包括的至少一个会话流程节点数据均配置了相应的会话活动事件信息。
154.第二获取模块320，用于根据已互动会话流程数据序列中各个已互动会话流程数据各自对应的会话活动事件信息，分别从各个已互动会话流程数据中获取包含预设重点推荐对象的目标频繁项会话流程数据，获得目标频繁项会话流程数据序列。
155.匹配模块330，用于基于获得的目标频繁项会话流程数据序列，对目标在线会话流程数据序列中的至少一个目标在线会话流程数据进行针对预设重点推荐对象的推广意图匹配，获得包含预设重点推荐对象的至少一个目标在线会话流程数据。
156.挖掘模块310，用于对包含预设重点推荐对象的至少一个目标在线会话流程数据进行大数据挖掘，获得预设重点推荐对象所对应的推荐效果画像。
157.更新模块310，用于基于预设重点推荐对象所对应的推荐效果画像，对预设重点推荐对象的信息推送策略进行更新。
158.图4示出了本公开实施例提供的用于实现上述的基于大数据预测的信息推送更新方法的大数据预测系统100的硬件结构示意图，如图4所示，大数据预测系统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。
159.在具体实现过程中，至少一个处理器110执行机器可读存储介质120存储的计算机执行指令，使得处理器110可以执行如上方法实施例的基于大数据预测的信息推送更新方法，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，从而可以与前述的互联网服务终端200进行数据收发。
160.处理器110的具体实现过程可参见上述大数据预测系统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。
161.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执行指令，当处理器执行所述计算机执行指令时，实现如上基于大数据预测的信息推送更新方法。
162.最后，应当理解的是，本说明书中实施例仅用以说明本说明书实施例的原则。其它的变形也可能属于本说明书范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导匹配。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。