基于电子商务大数据的信息推送方法及电子商务系统与流程

1.本公开涉及电子商务大数据挖掘技术领域，示例性地，涉及一种基于电子商务大数据的信息推送方法及电子商务系统。


背景技术：

2.如今的用户被数据包围。用户在线和离线所做的一切都会生成数据。原始数据面临的问题在于其庞大的数量，电子商务服务提供商很难使用它作出明智的决定。数据通常从许多互联网门户来源收集，这些信息提供了零售商和电子商务服务提供商可以利用的有用见解。例如，大数据在开发消费者的个人资料是必不可少的。电子商务企业可以根据用户的网上购买的行为数据，查看哪些产品最受欢迎，当电子商务企业经历需求高峰时，可以利用这些数据来制定营销策略。例如，网站分析数据可能会显示用户正在访问其网站，寻找用户尚未购买的特定产品。
3.电子商务服务提供商现在可以使用从大数据收集的信息来进行大数据挖掘，进而进行热点追踪和热点推送，从而简化业务更新和推送运营。大数据在过去的技术发展过程中已经改变了电子商务的面貌。基于此，如何有效提高热点追踪过程中的用户画像匹配准确性，以便于提高热点信息推送的指向性，是亟待解决的技术问题。


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电子商务大数据的信息推送方法及电子商务系统。
5.第一方面，本公开提供一种基于电子商务大数据的信息推送方法，应用于电子商务系统，所述电子商务系统与多个电子商务终端通信连接，所述方法包括：获取基于电子商务用户的电子商务大数据获得的目标推送特征所包括的每个目标推送标签；确定所述目标推送标签对应所述电子商务用户的用户画像的画像分流标签描述；通过热点话题追踪模型对所述画像分流标签描述进行热点话题关键词的对象追踪，得到热点话题关键词对象序列；查找所述热点话题关键词对象序列的热点信息，得到至少一个热点信息查找结果；从所述至少一个热点信息查找结果中确定待推送的热点信息。
6.第二方面，本公开实施例还提供一种基于电子商务大数据的信息推送系统，所述基于电子商务大数据的信息推送系统包括电子商务系统以及与所述电子商务系统通信连接的多个电子商务终端；所述电子商务系统，用于：获取基于电子商务用户的电子商务大数据获得的目标推送特征所包括的每个目标推送标签；
确定所述目标推送标签对应所述电子商务用户的用户画像的画像分流标签描述；通过热点话题追踪模型对所述画像分流标签描述进行热点话题关键词的对象追踪，得到热点话题关键词对象序列；查找所述热点话题关键词对象序列的热点信息，得到至少一个热点信息查找结果；从所述至少一个热点信息查找结果中确定待推送的热点信息。
7.根据上述任意一个方面，本公开提供的示例中，通过确定目标推送特征所包括的每个目标推送标签对应电子商务用户的用户画像的画像分流标签描述，通过热点话题追踪模型对画像分流标签描述进行热点话题关键词的对象追踪，得到热点话题关键词对象序列，查找热点话题关键词对象序列的热点信息，得到至少一个热点信息查找结果，从至少一个热点信息查找结果中确定待推送的热点信息，可以对目标推送特征所包括的每个目标推送标签进行与该电子商务用户的用户画像的热点追踪匹配，从而提高热点追踪过程中的用户画像匹配准确性，进而提高热点信息推送的指向性。
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电子商务大数据的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基于电子商务大数据的信息推送方法的流程示意图；图3为本公开实施例提供的基于电子商务大数据的信息推送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电子商务大数据的信息推送方法的电子商务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。
11.图1是本公开一种实施例提供的基于电子商务大数据的信息推送系统10的应用场景示意图。基于电子商务大数据的信息推送系统10可以包括电子商务系统100以及与电子商务系统100通信连接的电子商务终端200。图1所示的基于电子商务大数据的信息推送系统10仅为一种可行的示例，在其它可行的实施例中，该基于电子商务大数据的信息推送系统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。
12.一种实施例中，基于电子商务大数据的信息推送系统10中的电子商务系统100和电子商务终端200可以通过配合执行以下方法实施例所描述的基于电子商务大数据的信息推送方法，具体电子商务系统100和电子商务终端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，本实施例提供的基于电子商务大数据的信息推送方法可以由图1中所示的电子商务系统100执行，下面对该基于电子商务大数据的信息推送方法进行详细介绍。
14.步骤s110，获取基于电子商务用户的电子商务大数据获得的目标推送特征所包括的每个目标推送标签。
15.例如，目标推送特征可以包括一个或者多个目标推送标签，目标推送标签可以但不限于是推送内容类别，如针对电商购物下的数码产品类型a下的某些特定数码产品的标签等。
16.步骤s120，确定所述目标推送标签对应所述电子商务用户的用户画像的画像分流标签描述。
17.其中，在确定目标推送标签后，可以进一步考虑所述电子商务用户的用户画像的特征，进而获取所述目标推送标签匹配所述电子商务用户的用户画像的特征的画像分流标签描述。
18.步骤s130，通过热点话题追踪模型对所述画像分流标签描述进行热点话题关键词的对象追踪，得到热点话题关键词对象序列。
19.其中，热点话题追踪模型为预先训练好的，其可以对热点话题进行追踪。
20.基于此，前述步骤s130在通过热点话题追踪模型对所述画像分流标签描述进行热点话题关键词的对象追踪得到热点话题关键词对象序列时可以包括以下步骤：(1)将所述画像分流标签描述输入热点话题追踪模型，得到所述热点话题追踪模型输出的热点话题特征集，所述热点话题特征集中的热点话题特征与所述画像分流标签描述中的描述向量一一对应。
21.(2)确定所述热点话题特征集中的目标热点话题特征，所述目标热点话题特征包括表征热点话题关键词的调用行为的热点话题特征、表征热点话题关键词的输出行为的热点话题特征和表征热点话题关键词的互动行为的热点话题特征。
22.(3)根据所述目标热点话题特征从所述画像分流标签描述中抽取至少一个热点话题关键词，得到所述热点话题关键词对象序列本公开实施例通过上述热点话题追踪模型对输入画像分流标签描述中热点话题关键词的追踪，可以得到目标推送特征所包括的每个目标推送标签对应的一个或者多个热点话题关键词，也即对目标推送特征所包括的每个目标推送标签进行与该电子商务用户的用户画像的热点追踪匹配，从而提高热点追踪过程中的用户画像匹配准确性。
23.s140，查找所述热点话题关键词对象序列的热点信息，得到至少一个热点信息查找结果。
24.s150，从所述至少一个热点信息查找结果中确定待推送的热点信息。
25.例如，可以将至少一个热点信息查找结果均作为待推送的热点信息。
26.基于以上步骤，通过确定目标推送特征所包括的每个目标推送标签对应电子商务用户的用户画像的画像分流标签描述，通过热点话题追踪模型对画像分流标签描述进行热点话题关键词的对象追踪，得到热点话题关键词对象序列，查找热点话题关键词对象序列的热点信息，得到至少一个热点信息查找结果，从至少一个热点信息查找结果中确定待推送的热点信息，可以对目标推送特征所包括的每个目标推送标签进行与该电子商务用户的
用户画像的热点追踪匹配，从而提高热点追踪过程中的用户画像匹配准确性，进而提高热点信息推送的指向性。
27.前述步骤s120在确定目标推送标签对应的画像分流标签描述时可以包括以下步骤：步骤s121，对所述目标推送标签对应所述电子商务用户的用户画像的细化标签解析，得到第一画像分流标签描述。
28.步骤s122，确定目标历史推送标签对应的目标历史画像分流标签描述。
29.目标历史推送标签是在当前产生的一个推送标签之前产生的推送标签，该目标历史推送标签的数量可以根据实际需要进行设定。目标历史画像分流标签描述可以参照前述示例获得。例如，可以通过以下方式来确定目标历史推送标签对应的目标历史画像分流标签描述：(1)获取历史推送正向反馈参数。例如，电子商务系统可以分析历史推送过程中，具有正向反馈（也即积极反馈，如订阅、分享等行为的反馈）的数据信息。
30.(2)根据所述历史推送正向反馈参数，确定所述目标历史推送标签的目标推送配置属性。
31.例如，可以对历史推送正向反馈参数进行推送配置属性的配置，如历史推送正向反馈参数中的正向反馈行为的业务类别属性为aq，则目标历史推送标签的目标推送配置属性为aq。
32.(3)将距离当前推送节点预设时序范围内的所述目标推送配置属性对应的历史推送标签作为所述目标历史推送标签。
33.(4)获取所述目标历史推送标签对应的目标历史画像分流标签描述。
34.步骤s123，融合所述第一画像分流标签描述和所述目标历史画像分流标签描述，得到融合画像分流标签描述。
35.例如，可以按照目标历史推送标签的顺序依次将目标历史画像分流标签描述和第一画像分流标签描述进行融合，得到融合画像分流标签描述。
36.步骤s124，根据所述融合画像分流标签描述，确定所述目标推送标签对应的画像分流标签描述。
37.例如，可以直接将融合画像分流标签描述作为目标推送标签对应的画像分流标签描述，进而通过后续步骤进行热点话题关键词的抽取、热点话题关键词的热点信息识别和目标热点信息查找结果的确定，提高了热点查找过程中的匹配度。
38.考虑到融合画像分流标签描述可能会对应到多个热点信息查找结果，可以将融合画像分流标签描述和所述第一画像分流标签描述作为所述目标推送标签对应的画像分流标签描述，例如热点话题关键词的对象追踪对象包括融合画像分流标签描述a b和第一画像分流标签描述a。那么，后续得到的至少一个热点信息查找结果包括融合画像分流标签描述对应的第一热点信息查找结果和第一画像分流标签描述对应的第二热点信息查找结果，相应的，在从所述至少一个热点信息查找结果中确定待推送的热点信息时可以包括以下步骤：步骤s151，获取目标历史热点信息查找结果。
39.其中，目标历史热点信息查找结果是当前热点信息查找结果的前预设个热点信息
查找结果，例如目标历史热点信息查找结果可以是前一热点信息查找结果。
40.步骤s152，判断所述第一热点信息查找结果是否与所述目标历史热点信息查找结果存在业务对应。
41.例如，若第一热点信息查找结果与目标历史热点信息查找结果存在业务对应，则认为二者存在业务对应，可以执行步骤步骤s153至步骤步骤s154；反之，若二者不存在业务对应，则可以执行步骤步骤s155。
42.步骤s153，判断所述第一热点信息查找结果是否与所述第二热点信息查找结果存在业务对应。
43.例如，若第一热点信息查找结果包括第二热点信息查找结果，则认为二者存在业务对应，可以执行步骤步骤s154；反之，若第一热点信息查找结果不包括第二热点信息查找结果，则认为二者不存在业务对应，此时只能将第二热点信息查找结果作为目标热点信息查找结果。
44.步骤s154，将所述第一热点信息查找结果确定为待推送的热点信息。
45.步骤s155，将所述第一热点信息查找结果确定为待推送的热点信息。
46.在以上描述的基础上，接下来针对步骤s110的实现方式进行详细描述。
47.步骤a110，获取第一电子商务会话服务的电子商务会话大数据以及第一电子商务会话服务上的会话趋势大数据，其中，第一电子商务会话服务与第一会话兴趣预测模型具有大数据挖掘绑定关系，第一电子商务会话服务为电子商务应用中的电子商务会话服务，第一电子商务会话服务的电子商务会话大数据用于表示第一电子商务会话服务包括的第一簇会话服务节点和第一簇会话服务节点中的第一会话服务节点之间的会话业务关系。
48.步骤a120，将第一电子商务会话服务的电子商务会话大数据以及第一电子商务会话服务上的会话趋势大数据输入到第一会话兴趣预测模型，得到第一会话兴趣预测模型输出的第一会话兴趣信息。
49.步骤a130，根据第一会话兴趣信息，确定从电子商务应用中的第一应用导向业务跳转到第一应用推荐业务的会话兴趣预测信息，其中，从第一应用导向业务跳转到第一应用推荐业务的业务路径覆盖于第一电子商务会话服务。
50.一种实施例中，假设电子商务应用a可以包括但不限于由一个或多个电子商务会话服务组成，例如可以包括但不限于第一电子商务会话服务a1以及其它电子商务会话服务a2组成，将电子商务应用a中的会话服务节点划分至多个电子商务会话服务中，以得到上述第一电子商务会话服务，上述电子商务会话服务的划分方式可以包括但不限于根据预设的会话业务板块信息进行划分。
51.在上述第一电子商务会话服务a1中还可以包括但不限于会话服务节点a11，第一电子商务会话服务a1中包括一个或多个会话服务节点a11，组成第一簇会话服务节点。
52.例如，假设第一电子商务会话服务a1中包括的一簇会话服务节点，具体包括会话服务节点a01、会话服务节点a02以及会话服务节点a03，获取一簇会话服务节点中各个会话服务节点之间的关系，例如，上述会话服务节点a01与会话服务节点a02在同一个会话服务节点a04上产生会话业务关系，会话服务节点a02与会话服务节点a03通过会话来源a05产生会话业务关系，生成第一电子商务会话服务对应的电子商务会话大数据a06，其中，电子商务会话大数据a06中的一个预测单元表示一个会话服务节点，一个预测单元关联属性表示
所连接的会话服务节点的会话趋势大数据中对应的关联属性。
53.一种实施例中，上述第一电子商务会话服务上的会话趋势大数据可以包括但不限于第一电子商务会话服务的会话商品热度信息、第一电子商务会话服务的会话商品订单信息、第一电子商务会话服务的会话商品分享信息、第一电子商务会话服务的会话服务节点的会话调度信息等其它信息。
54.一种实施例中，上述第一电子商务会话服务与第一会话兴趣预测模型具有对应的关系可以包括但不限于为上述电子商务应用中每个电子商务会话服务分别配置上述会话兴趣预测模型，或者，为上述电子商务应用中预设的部分电子商务会话服务配置上述会话兴趣预测模型，每一个电子商务会话服务对应一个会话兴趣预测模型。
55.一种实施例中，上述预设的会话业务板块信息可以包括但不限于从数据库中获取到的会话业务板块信息。
56.一种实施例中，上述第一簇会话服务节点中的会话服务节点之间的会话业务关系可以包括但不限于在同一个会话服务节点上存在会话业务关联的会话服务节点，共享调度同一个会话业务对象的会话服务节点等。
57.一种实施例中，上述会话兴趣预测模型可以包括但不限于根据参考电子商务会话服务和参考会话趋势大数据以及实际会话兴趣信息对初始会话兴趣预测模型进行训练，所得到的会话兴趣预测模型，上述会话兴趣预测模型可以包括但不限于图卷积神经网络。
58.一种实施例中，上述第一会话兴趣信息可以包括但不限于第一电子商务会话服务中每个会话服务节点的会话兴趣预测信息，还可以包括但不限于第一电子商务会话服务中任意一个会话服务节点至任意其它一个会话服务节点的会话兴趣预测信息，还可以包括但不限于不同电子商务会话服务之间的会话兴趣预测信息。
59.一种实施例中，上述第一应用导向业务和上述第一应用推荐业务是指电子商务应用中进行推广或者业务收集以便于后续关键业务资源的更新，可以由相关人员进行灵活配置或者设定。值得说明的是，应用导向业务可以是指用于起业务引导作用的业务（例如一个电商对象展示页面），应用推荐业务可以是指用于其业务推荐作用的业务（例如一个电商对象展示页面中的某个可供选择的推荐对象）。
60.通过本实施例，采用获取第一电子商务会话服务的电子商务会话大数据以及第一电子商务会话服务上的会话趋势大数据，将第一电子商务会话服务的电子商务会话大数据以及第一电子商务会话服务上的会话趋势大数据输入到第一会话兴趣预测模型，得到第一会话兴趣预测模型输出的第一会话兴趣信息，根据第一会话兴趣信息，确定从电子商务应用中的第一应用导向业务跳转到第一应用推荐业务的会话兴趣预测信息的方式，通过从电子商务应用中获取第一电子商务会话服务的电子商务会话大数据以及第一电子商务会话服务的会话趋势大数据，以输入会话兴趣预测模型，进而确定会话兴趣预测信息，提高了会话兴趣预测信息的准确率。
61.一种可独立实施的实施例中，对于步骤a120，本公开实施例提供一种基于电子商务大数据的信息推送方法，包括以下步骤。
62.步骤a210，根据获取的所述第一电子商务会话服务的电子商务会话大数据以及所述第一电子商务会话服务上的会话趋势大数据，确定所述电子商务会话大数据中包括的第一预测单元的会话偏向特征、以及所述电子商务会话大数据中包括的第一预测单元关联属
性的会话偏向特征，其中，所述第一预测单元与第一会话服务节点具有一一大数据挖掘绑定关系，所述第一预测单元表示所述第一簇会话服务节点中对应的一个会话服务节点，所述第一预测单元关联属性连接两个所述第一预测单元，表示两个所述第一预测单元对应的两个第一会话服务节点存在属性关联，所述第一会话服务节点为所述第一簇会话服务节点中的会话服务节点，用于表示所述第一电子商务会话服务中的部分电子商务会话服务；步骤a220，根据所述第一预测单元的会话偏向特征和所述第一预测单元关联属性的会话偏向特征，确定所述第一预测单元的预测属性状态；步骤a230，根据所述第一预测单元的预测属性状态，确定所述第一会话兴趣信息。
63.一种实施例中，上述第一预测单元的会话偏向特征可以包括但不限于该节点的会话趋势大数据，上述第一预测单元关联属性的会话偏向特征用于表示多个第一预测单元之间的会话偏向业务关系。
64.一种实施例中，上述第一预测单元的预测属性状态由上述会话兴趣预测模型得到，第一预测单元的预测属性状态包括来自第一预测单元的级联预测单元的信息，还可以包括但不限于不同预测时序的级联预测单元的信息。
65.一种实施例中，可以包括但不限于通过上述会话兴趣预测模型采用迭代式更新上述第一组预测单元的预测属性状态来实现。
66.通过本实施例，采用根据获取的第一电子商务会话服务的电子商务会话大数据以及第一电子商务会话服务上的会话趋势大数据，确定电子商务会话大数据中包括的第一预测单元的会话偏向特征、以及电子商务会话大数据中包括的第一预测单元关联属性的会话偏向特征，其中，第一预测单元与第一会话服务节点具有一一大数据挖掘绑定关系，第一预测单元表示第一簇会话服务节点中对应的一个会话服务节点，第一预测单元关联属性连接两个第一预测单元，表示两个第一预测单元对应的两个第一会话服务节点存在属性关联，第一会话服务节点为第一簇会话服务节点中的会话服务节点，用于表示第一电子商务会话服务中的部分电子商务会话服务，根据第一预测单元的会话偏向特征和第一预测单元关联属性的会话偏向特征，确定第一预测单元的预测属性状态，根据第一预测单元的预测属性状态，确定第一会话兴趣信息的方式，在确定第一会话兴趣信息的过程中，融合了第一组预测单元以及第一组预测单元的级联预测单元的会话偏向特征，通过级联预测单元相互传递信息，以增加局部偏差，进而，更有效地使得会话兴趣预测模型能够利用电子商务应用的应用业务连通信息，提高预测能力，优化确定会话服务节点的会话兴趣信息的准确率，提高确定会话服务节点的会话兴趣信息的准确率。
67.一种可独立实施的实施例中，所述根据所述第一预测单元的会话偏向特征和所述第一预测单元关联属性的会话偏向特征，确定所述第一预测单元的预测属性状态，包括：根据当前预测单元的会话偏向特征、与所述当前预测单元相邻的预测单元属性的会话偏向特征、所述当前预测单元的级联预测单元的会话偏向特征、所述当前预测单元的所述级联预测单元在当前预测时序上的预测属性状态，确定所述当前预测单元在下一预测时序上的预测属性状态，其中，所述第一预测单元包括所述当前预测单元和所述当前预测单元的所述级联预测单元。
68.一种实施例中，以当前预测单元为预测单元v，当前预测时序为t预测时序，下一预测时序为t 1预测时序为例，上述根据预测单元v的会话偏向特征、与预测单元v相邻的预测
单元属性的会话偏向特征、预测单元v的级联预测单元的会话偏向特征、预测单元v的级联预测单元在第t预测时序上的预测属性状态，确定预测单元v在t 1预测时序上的预测属性状态可以包括但不限于如下内容：假设预测单元5为预测单元v，其预测属性状态的更新函数包括但不限于如下公式：w5＝f(e5，e(3，5)，e(5，6)，w3，w6，e3，e6)上述公式中，e5表示预测单元5的会话偏向特征、e(3，5)表示预测单元5和其级联预测单元3的预测单元属性的会话偏向特征，e(5，6)表示预测单元5和其级联预测单元6的预测单元属性的会话偏向特征，e3，e6分别表示级联预测单元3和级联预测单元6的会话偏向特征，w3和w6分别表示预测单元5的级联预测单元3在第t预测时序上的预测属性状态以及级联预测单元6在t预测时序上的预测属性状态。
69.需要说明的是，利用当前预测时序级联预测单元的预测属性状态作为部分输入来生成下一预测时序预测单元v的预测属性状态，直到每个预测单元的预测属性状态变化幅度很小，整个训练过程中的特征流动趋于平稳，至此，每个预测单元都获取到其级联预测单元的信息。
70.通过本实施例，采用根据当前预测单元的会话偏向特征、与当前预测单元相邻的预测单元属性的会话偏向特征、当前预测单元的级联预测单元的会话偏向特征、当前预测单元的级联预测单元在当前预测时序上的预测属性状态，确定当前预测单元在下一预测时序上的预测属性状态的方式，以将预测单元v的级联预测单元的会话偏向特征以及级联预测单元的上一预测时序的预测属性状态输入会话兴趣预测模型中，有效利用会话兴趣预测模型中每个预测单元的预测属性状态，以将每个预测单元的级联预测单元对该预测单元的影响作为输入，使得输出的第一会话兴趣信息更加准确，提高确定会话服务节点的会话兴趣信息的准确性。
71.一种可独立实施的实施例中，所述根据所述第一会话兴趣信息，确定从所述电子商务应用中的第一应用导向业务跳转到第一应用推荐业务的会话兴趣预测信息，包括：在所述第一应用导向业务为所述第一电子商务会话服务的应用导向业务，所述第一应用推荐业务为所述第一电子商务会话服务的应用推荐业务情况下，将从所述第一电子商务会话服务的应用导向业务跳转到所述第一电子商务会话服务的应用推荐业务的会话兴趣预测信息确定为所述第一会话兴趣信息；和/或在所述第一应用导向业务为所述第一会话服务节点的应用导向业务，所述第一应用推荐业务为所述第一会话服务节点的应用推荐业务时，将从所述第一会话服务节点的应用导向业务跳转到所述第一会话服务节点的应用推荐业务的会话兴趣预测信息确定为所述第一会话服务节点的会话兴趣信息；和/或在所述第一应用导向业务为所述多个会话服务节点的应用导向业务，所述第一应用推荐业务为所述多个会话服务节点的应用推荐业务时，将从所述多个会话服务节点的应用导向业务跳转到所述多个会话服务节点的应用推荐业务的会话兴趣预测信息确定为所述多个会话服务节点的会话兴趣信息集。
72.一种实施例中，上述第一会话兴趣信息包括多个单元会话兴趣信息、多个单元会话兴趣信息与第一簇会话服务节点中的多个会话服务节点对应、且多个会话服务节点为连
续的会话服务节点可以包括但不限于如下所示，将从多个会话服务节点的应用导向业务跳转到多个会话服务节点的应用推荐业务的会话兴趣预测信息确定为等于多个会话服务节点的会话兴趣信息集，再根据不同的实际需要，通过融合的形式确定上述会话服务节点的会话兴趣信息，例如，在需要确定的会话服务节点的会话兴趣信息为第一应用导向业务至第一应用推荐业务时，获取第一应用导向业务至第一应用推荐业务所包括的会话服务节点，并确定所包括的每个会话服务节点所对应的第一会话兴趣信息，最后，将上述会话服务节点的会话兴趣信息确定为上述每个会话服务节点所对应的第一会话兴趣信息集。
73.一种可独立实施的实施例中，本公开实施例还提供一种基于电子商务大数据的信息推送方法，可以包括以下步骤。
74.步骤a310，根据参考电子商务会话服务的参考电子商务会话大数据、所述参考电子商务会话服务上的参考会话趋势大数据、以及所述参考电子商务会话服务的实际会话兴趣信息，对第一预设会话兴趣预测模型进行训练，得到所述第一会话兴趣预测模型，其中，所述第一预设会话兴趣预测模型输出的参考会话兴趣信息与所述实际会话兴趣信息之间的模型评估指标满足模型收敛条件时，确定所述第一预设会话兴趣预测模型训练完成，将训完成的所述第一预设会话兴趣预测模型确定为所述第一会话兴趣预测模型。
75.一种实施例中，上述参考电子商务会话大数据与上述第一电子商务会话服务的划分方式相同，也即，将上述预设的会话业务板块信息中的电子商务应用中的电子商务会话服务采用会话趋势大数据，构建多个参考超细分电子商务会话服务组成上述参考电子商务会话服务，上述参考电子商务会话服务由多个相邻参考超细分电子商务会话服务组成。
76.一种实施例中，上述参考会话趋势大数据以及第一电子商务会话服务的实际会话兴趣信息可以从数据库中获取，或者，由人工进行标注，以实现对第一预设会话兴趣预测模型进行训练，得到上述第一会话兴趣预测模型。
77.一种实施例中，第一预设会话兴趣预测模型输出的参考会话兴趣信息与实际会话兴趣信息之间的模型评估指标满足模型收敛条件，可以包括但不限于参考会话兴趣信息与实际会话兴趣信息之间的差值小于等于预定阈值，或者，参考会话兴趣信息与实际会话兴趣信息之间比值小于等于预定阈值，则认为上述模型评估指标收敛，也即，上述将第一预设会话兴趣预测模型确定为第一会话兴趣预测模型。
78.一种实施例中，可以包括但不限于利用多个模型评估指标的线性分簇(具体应用过程中可以通过适当加权)，以提高会话兴趣预测模型的泛化能力。
79.通过本实施例，采用根据参考电子商务会话服务的参考电子商务会话大数据、参考电子商务会话服务上的参考会话趋势大数据、以及参考电子商务会话服务的实际会话兴趣信息，对第一预设会话兴趣预测模型进行训练，得到第一会话兴趣预测模型，其中，第一预设会话兴趣预测模型输出的参考会话兴趣信息与实际会话兴趣信息之间的模型评估指标满足模型收敛条件时，结束对第一预设会话兴趣预测模型进行的训练，将结束训练时的第一预设会话兴趣预测模型确定为第一会话兴趣预测模型，以得到会话兴趣预测模型，进而确定会话兴趣预测信息，提高了会话兴趣预测信息的准确率。
80.一种可独立实施的实施例中，所述方法还包括：将所述第一会话兴趣信息与所述第一电子商务会话服务的实际会话兴趣信息进行比较，以更新所述第一会话兴趣预测模型，其中，所述第一会话兴趣信息与所述实际会话兴趣信息之间的模型评估指标满足模型
收敛条件时，更新所述第一会话兴趣预测模型。
81.一种实施例中，还可以包括但不限于将第一会话兴趣信息与实际会话兴趣信息进行比较，以更新上述第一会话兴趣预测模型中的部分预定参数，进而，实现更新上述第一会话兴趣预测模型。
82.一种可独立实施的实施例中，所述方法还包括：获取第二电子商务会话服务的电子商务会话大数据以及所述第二电子商务会话服务上的会话趋势大数据，其中，所述第二电子商务会话服务与第二会话兴趣预测模型具有大数据挖掘绑定关系，所述第二电子商务会话服务的电子商务会话大数据用于表示所述第二电子商务会话服务包括的第二簇会话服务节点和所述第二簇会话服务节点中的会话服务节点之间的会话业务关系；将所述第二电子商务会话服务的电子商务会话大数据以及所述第二电子商务会话服务上的会话趋势大数据输入到所述第二会话兴趣预测模型，共得到所述第二会话兴趣预测模型输出的第二会话兴趣信息；所述根据所述第一会话兴趣信息，确定从所述电子商务应用中的第一应用导向业务跳转到第一应用推荐业务的会话兴趣预测信息，包括：根据所述第一会话兴趣信息和所述第二会话兴趣信息，确定从所述电子商务应用中的第一应用导向业务跳转到第一应用推荐业务的会话兴趣预测信息，其中，从所述第一应用导向业务跳转到所述第一应用推荐业务的业务路径覆盖于所述第一电子商务会话服务和所述第二电子商务会话服务。
83.一种实施例中，上述第二电子商务会话服务可以包括但不限于与上述第一电子商务会话服务类似的上述一组电子商务会话服务中每个电子商务会话服务，可以包括但不限于实际业务场景需要进行人工划分，也可以根据包括但不限于采用会话趋势大数据，构建多个超细分电子商务会话服务作为上述一组电子商务会话服务，其中，上述一组电子商务会话服务由多个相邻超细分电子商务会话服务(除第一电子商务会话服务之外的电子商务会话服务)组成。
84.一种实施例中，针对每个电子商务会话服务的电子商务会话大数据，假设r1、r2、r3、r4、r5为一组电子商务会话服务中某一个电子商务会话服务中的预测单元，也即，上述预测单元为该电子商务会话服务中的会话服务节点，而上述一个电子商务会话服务中的不同预测单元之间的会话业务关系以及互相施加的影响通过预测单元之间的预测单元属性来表示，例如，预测单元r1只与预测单元r5存在会话业务关系，则预测单元r1和预测单元r5相互影响，而预测单元r5除了与预测单元r1存在会话业务关系之外，还与预测单元r2、预测单元r3、预测单元r4分别存在会话业务关系，因此，上述预测单元r5会与预测单元r1、预测单元r2、预测单元r3、预测单元r4相互影响。
85.一种实施例中，假设上述一组电子商务会话服务中每个电子商务会话服务中，一组电子商务会话服务中可以包括但不限于电子商务会话服务1、电子商务会话服务2、
…
、电子商务会话服务r
‑
1、电子商务会话服务r，每个电子商务会话服务对应配置上述一组会话兴趣预测模型中对应的会话兴趣预测模型，以分别将上述电子商务会话服务1、电子商务会话服务2、
…
、电子商务会话服务r
‑
1、电子商务会话服务r的电子商务会话大数据以及会话趋势大数据输入各自对应的会话兴趣预测模型，得到上述一组会话兴趣预测信息。
86.又例如，假设上述一组会话兴趣预测模型可以包括但不限于g1、g2、
…
gn，将上述
电子商务会话服务1、电子商务会话服务2、
…
、电子商务会话服务r的电子商务会话大数据以及会话趋势大数据分别输入对应的g1、g2、
…
gn，以得到对应的上述一组会话兴趣预测模型输出的一组会话兴趣预测信息t1、t2、
…
、tr。
87.通过本实施例，采用获取第二电子商务会话服务的电子商务会话大数据以及所述第二电子商务会话服务上的会话趋势大数据，其中，所述第二电子商务会话服务与第二会话兴趣预测模型具有大数据挖掘绑定关系，所述第二电子商务会话服务的电子商务会话大数据用于表示所述第二电子商务会话服务包括的第二簇会话服务节点和所述第二簇会话服务节点中的会话服务节点之间的会话业务关系，将所述第二电子商务会话服务的电子商务会话大数据以及所述第二电子商务会话服务上的会话趋势大数据输入到所述第二会话兴趣预测模型，共得到所述第二会话兴趣预测模型输出的第二会话兴趣信息，所述根据所述第一会话兴趣信息，确定从所述电子商务应用中的第一应用导向业务跳转到第一应用推荐业务的会话兴趣预测信息，包括：根据所述第一会话兴趣信息和所述第二会话兴趣信息，确定从所述电子商务应用中的第一应用导向业务跳转到第一应用推荐业务的会话兴趣预测信息，其中，从所述第一应用导向业务跳转到所述第一应用推荐业务的业务路径覆盖于所述第一电子商务会话服务和所述第二电子商务会话服务的方式，以实现基于一组会话兴趣预测信息确定第一应用导向业务跳转到第一应用推荐业务的会话兴趣预测信息，提高确定会话兴趣预测信息的准确率。
88.一种可独立实施的实施例中，所述将所述第二电子商务会话服务的电子商务会话大数据以及所述第二电子商务会话服务上的会话趋势大数据输入到所述第二会话兴趣预测模型，共得到所述第二会话兴趣预测模型输出的第二会话兴趣信息，包括：根据获取的所述第二电子商务会话服务的电子商务会话大数据以及所述第二电子商务会话服务上的会话趋势大数据，确定所述第二电子商务会话服务的所述电子商务会话大数据中包括的第二预测单元的会话偏向特征、以及所述第二电子商务会话服务的所述电子商务会话大数据中包括的第二边的会话偏向特征，其中，所述第二预测单元与所述第二电子商务会话服务中的第二会话服务节点具有一一对应的关系，所述第二预测单元表示所述第二簇会话服务节点中对应的一个会话服务节点，所述第二边连接两个所述第二预测单元，表示所述第二预测单元对应的两个第二会话服务节点存在属性关联，所述第二会话服务节点为所述第二簇会话服务节点中的会话服务节点，用于表示所述第二电子商务会话服务中的部分电子商务会话服务；根据所述第二预测单元的会话偏向特征和所述第二边的会话偏向特征，确定所述第二预测单元的预测属性状态；根据所述第二预测单元的预测属性状态，确定所述第二会话兴趣信息。
89.一种实施例中，上述第二预测单元的会话偏向特征可以包括但不限于该预测单元的会话趋势大数据等，上述第二边的会话偏向特征用于表示第二预测单元中预测单元之间的会话偏向业务关系，以及各个预测单元之间互相施加的影响因素等。
90.一种实施例中，上述每个预测单元的预测属性状态由上述会话兴趣预测模型得到，每个预测单元的预测属性状态包括来自每个预测单元的级联预测单元的信息，还可以包括但不限于不同预测时序的级联预测单元的信息。
91.一种实施例中，可以包括但不限于基于上述会话兴趣预测模型采用迭代式更新上
述第二预测单元的预测属性状态。
92.一种可独立实施的实施例中，所述根据所述第二预测单元的会话偏向特征和所述第二边的会话偏向特征，确定所述第二预测单元中的每个预测单元的预测属性状态，包括：根据当前预测单元的会话偏向特征、与所述当前预测单元相邻的预测单元属性的会话偏向特征、所述当前预测单元的级联预测单元的会话偏向特征、所述当前预测单元的所述级联预测单元在当前预测时序上的预测属性状态，确定所述当前预测单元在下一预测时序上的预测属性状态，其中，所述第一预测单元包括所述当前预测单元和所述当前预测单元的所述级联预测单元。
93.一种实施例中，以上述当前预测单元为预测单元u，预测单元u包括但不限为预测单元x3，级联预测单元包括预测单元x1、x2、x4为例，其中，x1、x2、x4均为x3的相邻预测单元，可以将不同级联预测单元不同预测时序对该预测单元的影响，以得到该预测单元经过上述会话兴趣预测模型后的输出结果。
94.例如，可以包括但不限于采用如下函数得到上述输出结果：ov＝g(hv，xv)其中，g为局部输出函数(local output function)，g也可以由一个神经网络来表达，采用不同预测时序之间的联系表示级联预测单元影响该预测单元的能力，例如，在t1预测时序，预测单元x3的状态接受来自预测单元x1、预测单元x2、预测单元x4的上一预测时序的预测属性状态，因为预测单元x1、预测单元x2、预测单元x4均与预测单元x3相邻，直到tn预测时序，各个预测单元预测属性状态收敛，每个预测单元增加神经网络g，以得到对应预测单元的输出o1、o2、o3、o4(对应于前述的第一会话兴趣信息或一组会话兴趣预测信息中的一个会话兴趣预测信息)。
95.通过本实施例，采用根据当前预测单元的会话偏向特征、与所述当前预测单元相邻的预测单元属性的会话偏向特征、所述当前预测单元的级联预测单元的会话偏向特征、所述当前预测单元的所述级联预测单元在当前预测时序上的预测属性状态，确定所述当前预测单元在下一预测时序上的预测属性状态，其中，所述第一预测单元包括所述当前预测单元和所述当前预测单元的所述级联预测单元的方式，以将预测单元u的级联预测单元的会话偏向特征以及级联预测单元的上一预测时序的预测属性状态输入会话兴趣预测模型中，有效利用会话兴趣预测模型中每个预测单元的预测属性状态，将每个预测单元的级联预测单元对该预测单元的影响也作为输入，使得输出的一组会话兴趣预测信息更加准确，提高确定会话服务节点的会话兴趣信息的准确性。
96.一种可独立实施的实施例中，所述根据所述一组会话兴趣预测信息，确定从所述电子商务应用中的第一应用导向业务跳转到第一应用推荐业务的会话兴趣预测信息，包括：在所述第一应用导向业务包括所述第二电子商务会话服务的应用导向业务，所述第一应用推荐业务包括所述第二电子商务会话服务的应用推荐业务时，将从所述一组电子商务会话服务中的第二电子商务会话服务的应用导向业务跳转到所述第二电子商务会话服务的应用推荐业务的会话兴趣预测信息确定为等于所述一组会话兴趣预测信息中对应的一个会话兴趣预测信息；和/或在所述第一应用导向业务为所述一组电子商务会话服务中或者所述一组电子商
务会话服务以及所述第一电子商务会话服务中的部分连续电子商务会话服务的应用导向业务，所述第一应用推荐业务为所述部分连续电子商务会话服务的应用推荐业务时，将从所述电子商务应用中的所述第一应用导向业务跳转到所述第一应用推荐业务的会话兴趣预测信息确定为所述一组会话兴趣预测信息中对应的部分会话兴趣预测信息的集合，其中，所述部分连续电子商务会话服务与所述部分会话兴趣预测信息具有一一对应的关系，所述部分会话兴趣预测信息中的每个会话兴趣预测信息为所述部分连续电子商务会话服务中对应的一个电子商务会话服务的会话兴趣预测信息；和/或在所述第一应用导向业务为所述一组电子商务会话服务的应用导向业务，所述第一应用推荐业务为所述一组电子商务会话服务的应用推荐业务，所述一组电子商务会话服务为所述电子商务应用中连续的电子商务会话服务时，将从所述电子商务应用中的所述第一应用导向业务跳转到所述第一应用推荐业务的会话兴趣预测信息确定为所述一组会话兴趣预测信息的集合。
97.一种实施例中，上述将从第二电子商务会话服务的第一应用导向业务跳转到第二电子商务会话服务的第一应用推荐业务的会话兴趣预测信息确定为等于一组会话兴趣预测信息中对应的一个会话兴趣预测信息可以包括但不限于按照不同的电子商务会话服务分别确定不同电子商务会话服务对应的会话兴趣预测信息，在后续处理过程中，根据第一应用导向业务和第一应用推荐业务的不同，通过融合不同电子商务会话服务的会话兴趣预测信息，以得到对应的从电子商务应用中的第一应用导向业务跳转到第一应用推荐业务的会话兴趣预测信息。
98.一种实施例中，上述将从电子商务应用中的第一应用导向业务跳转到第一应用推荐业务的会话兴趣预测信息确定为一组会话兴趣预测信息中对应的部分会话兴趣预测信息的集合可以包括但不限于获取不同会话服务节点的会话兴趣预测信息，并获取第一应用导向业务至第一应用推荐业务所包含的多个会话服务节点，以得到第一应用导向业务至第一应用推荐业务的会话服务节点的会话兴趣信息。
99.一种实施例中，上述将从电子商务应用中的第一应用导向业务跳转到第一应用推荐业务的会话兴趣预测信息确定为一组会话兴趣预测信息中对应的部分会话兴趣预测信息的集合可以包括但不限于获取不同会话服务节点的会话兴趣预测信息，并获取第一应用导向业务至第一应用推荐业务所包含的多个会话服务节点，以得到第一应用导向业务至第一应用推荐业务的会话服务节点的会话兴趣信息。
100.一种可独立实施的实施例中，所述根据所述一组会话兴趣预测信息，确定从所述电子商务应用中的第一应用导向业务跳转到第一应用推荐业务的会话兴趣预测信息，包括：在所述第一应用导向业务为所述一组电子商务会话服务中或者所述一组电子商务会话服务以及所述第一电子商务会话服务中的部分连续会话服务节点的应用导向业务，所述第一应用推荐业务为所述部分连续会话服务节点中的应用推荐业务时，将从所述电子商务应用中的所述第一应用导向业务跳转到所述第一应用推荐业务的会话兴趣预测信息确定为所述一组会话兴趣预测信息中的部分会话兴趣预测信息的集合，其中，所述部分连续会话服务节点与所述一组会话兴趣预测信息中的部分单元会话兴趣信息具有一一对应的关系，所述部分单元会话兴趣信息中的每个单元会话兴趣信息为所述部分连续会话服务
节点中对应的一个会话服务节点的会话兴趣预测信息。
101.一种可独立实施的实施例中，本公开实施例还提供一种基于电子商务大数据的信息推送方法，包括以下步骤。
102.步骤a410， 根据从所述电子商务应用中的多个应用导向业务跳转到多个应用推荐业务的会话兴趣预测信息，确定所述电子商务应用针对所述电子商务用户的推送意图分布信息。
103.本实施例中，所述电子商务系统可以基于所述电子商务应用为各会话兴趣点对应的电子商务用户提供电子商务服务，所述电子商务应用例如可以是提供电子商务直播服务、电子商务商品上架服务、电子商务商品推送服务等，在此不作特殊限定。所述推送意图分布信息包括电子商务应用的会话兴趣点的会话兴趣点对象、电子商务应用的应用业务的业务对象、会话兴趣点对象之间的兴趣点联动信息、以及会话兴趣点对象与业务对象之间的信息推送更新关系，所述兴趣点联动信息表示电子商务应用的会话兴趣点之间的联动调度信息，所述信息推送更新关系表示电子商务应用的会话兴趣点对电子商务应用的应用业务的历史推送关系信息。所述兴趣点联动信息包括会话兴趣点对象之间的关系数据信息，例如交互关系信息、跳转关系信息等，所述兴趣点联动信息可以通过会话兴趣点对象之间的有向边连线进行表示。会话兴趣点对象可以是推送意图分布信息中的会话兴趣点节点。业务对象可以是指推送意图分布信息中的各单元对象，每个单元对象可以表示一个应用业务或者一个应用业务的代号，会话兴趣点对象与业务对象之间的信息推送更新关系可以表示对应的会话兴趣点对相应的业务对象（单元对象/应用业务）的兴趣引用数据，例如兴趣商品类别、兴趣商品资讯等等。会话兴趣点对象与业务对象之间的信息推送更新关系也可以通过有向边连线的方式进行表示。
104.所述推送意图分布信息可以通过有向图的形式进行表示，比如f＝(a、b，c)，其中f表示一推送意图分布信息的有向图，a是实体集合，b是属性集合，c是实体之间有向边连线的连线序列。本公开实施例中，可以根据电子商务系统本地获得数据信息（如所述电子商务应用中的多个应用导向业务跳转到多个应用推荐业务的会话兴趣预测信息）生成所述推送意图分布信息，也可以直接从其它服务器获取已生成的电子商务应用的推送意图分布信息，在此不作特殊限定。
105.步骤a420，根据所述推送意图分布信息，对电子商务应用中的各应用业务的应用业务数据源进行推送特征引用得到各所述会话兴趣点针对所述电子商务应用的各应用业务的目标推送特征。
106.步骤a430，基于所述目标推送特征对所述电子商务用户进行信息推送。
107.针对上述步骤a410，一种可独立实施的实施例中，可以首先对获取的参考推送意图分布信息进行训练，然后根据训练后的推送意图分布信息得到所述推送意图分布信息，示例性的实施方式包括以下（1）
‑
（7）所描述的内容。
108.（1）获取参考推送意图分布信息，所述参考推送意图分布信息包括参考电子商务应用的会话兴趣点的参考会话兴趣点对象、参考电子商务应用的应用业务的参考业务对象、参考会话兴趣点对象之间的参考兴趣点联动信息、以及参考会话兴趣点对象与参考业务对象之间的参考信息推送更新关系，所述参考兴趣点联动信息表示参考电子商务应用的会话兴趣点之间的联动调度信息，所述参考信息推送更新关系表示参考电子商务应用的会
话兴趣点对参考电子商务应用的应用业务的历史推送关系信息。电子商务应用的会话兴趣点之间的联动调度信息例如可以是，但不限于，交互关系信息、跳转关系信息等等。
109.（2）获取每个参考电子商务应用的会话兴趣点的历史有效推送特征集。
110.（3）通过所述特征描述模型将每个参考会话兴趣点对象表示为参考兴趣点分布特征，以及将每个业务对象表示为参考业务对象特征。
111.（4）通过所述人工智能学习网络将每个参考电子商务应用的会话兴趣点的参考历史有效推送特征集表示为参考主题分布特征。例如，可以首先获取所述历史有效推送特征集中每个历史有效推送特征对应的目标业务对象的业务对象特征；然后，通过所述特征提取网络层将每个目标业务对象的业务对象特征表示为目标主题分布特征；接着，获取每个目标业务对象的预设类别属性集，并根据所述预设类别属性集利用业务分类网络层生成对应的第二业务分类参数；最后，根据每个目标业务对象所对应的第二业务分类参数，将所述历史有效推送特征集对应的多个目标业务对象的目标主题分布特征分簇为所述主题分布特征。
112.（5）根据每个参考会话兴趣点对象的参考兴趣点分布特征以及每个参考业务对象的参考业务对象特征，获取所述特征描述模型的第一模型收敛指标以及第一模型收敛指标对应的第一权重。
113.（6）根据每个参考历史有效推送特征集的参考主题分布特征和每个参考业务对象的参考业务对象特征，获取所述人工智能学习网络的第二模型收敛指标以及所述第二模型收敛指标对应的第二权重。
114.（7）根据所述第一权重和所述第二权重对所述第一模型收敛指标以及所述第二模型收敛指标进行权重计算得到加权模型收敛指标，并根据所述加权模型收敛指标确定训练收敛进度，并根据所述训练收敛进度对所述特征描述模型和所述人工智能学习网络进行迭代训练，得到训练后的推送意图分布信息。
115.基于上述内容，根据训练后的推送意图分布信息获得所述电子商务应用的推送意图分布信息可以通过以下方式实现。
116.首先，获取所述电子商务应用中每个电子商务应用的会话兴趣点的联动调度信息，得到联动调度信息序列。
117.然后，获取每个电子商务应用的会话兴趣点对所述电子商务应用中的应用业务的历史有效推送特征，得到历史有效推送特征集。本实施例中，在获取电子商务应用的推送意图分布信息时，可以获取电子商务应用中每个电子商务应用的会话兴趣点的联动调度信息，得到联动调度信息序列。此外，还进一步获取每个电子商务应用的会话兴趣点对电子商务应用中应用业务的历史有效推送特征，得到历史有效推送特征集，例如，历史有效推送特征集可以表示为set＝{(opj，tj)|p∈p}，其中，ouj表示电子商务应用的会话兴趣点p执行的历史有效推送特征，tj表示该历史有效推送特征的执行时刻，p表示电子商务应用中的所有会话兴趣点。
118.最后，将所述联动调度信息序列和所述历史有效推送特征集输入所述训练后的推送意图分布信息生成所述电子商务系统针对电子商务应用的所述推送意图分布信息。
119.其中包括四个会话兴趣点对象（实际上远大于四个，此处 仅为方便举例），分别包括电子商务应用的会话兴趣点a的会话兴趣点对象a，会话兴趣点b的会话兴趣点对象b，会
话兴趣点c的会话兴趣点对象c以及会话兴趣点d的会话兴趣点对象d。进一步，假设还包括四个应用业务对象，分别为对应电子商务应用的应用业务a的业务对象a，应用业务b的业务对象b，应用业务c的业务对象c以及应用业务d的业务对象d。其中，会话兴趣点对象之间的兴趣点联动信息表示了对应电子商务应用的会话兴趣点之间的联动调度信息，比如会话兴趣点对象a与会话兴趣点对象b之间的兴趣点联动信息表示会话兴趣点a和会话兴趣点b的联动调度信息为“根据业务商品a进行直接跳转”。会话兴趣点对象与业务对象之间的信息推送更新关系表示了对应的会话兴趣点对应用业务的历史推送关系信息，比如会话兴趣点对象a与业务对象a之间的信息推送更新关系表示会话兴趣点a和应用业务a的历史推送关系信息为“连续两天进行直接跳转”。根据上述的相关信息，即可通过有向连线边的方式将各个游走对象（包括会话兴趣点对象和业务对象）之间连接起来形成相应的推送意图分布信息。
120.进一步地，在上述步骤a420中，所述根据所述推送意图分布信息，对电子商务应用中的各应用业务的应用业务数据源进行推送特征引用得到各所述会话兴趣点针对所述电子商务应用的各应用业务的目标推送特征，示例性的实施方式包括以下子步骤a421
‑
s225所描述的内容。
121.子步骤a421，通过特征描述模型将所述电子商务应用的会话兴趣点的会话兴趣点对象表示为兴趣点分布特征，以及将每个业务对象表示为业务对象特征。
122.本实施例中，所述电子商务系统中可以预设有训练好的特征描述模型，该特征描述模型被配置为对会话兴趣点对象、应用业务对象进行推送意图分布信息的特征学习，将会话兴趣点对象、应用业务特征转换为相应的主题特征。类似于深度神经网络的特征学习，旨在使得学习出来的特征能尽可能保留推送意图分布信息中的特征信息。相应的，通过预先训练好的特征描述模型对电子商务应用的会话兴趣点在推送意图分布信息中的会话兴趣点对象进行推送意图分布信息特征学习，将其表示为一个游走对象特征，记为兴趣点分布特征。此外，还可以通过特征描述模型对电子商务应用的每个应用业务在推送意图分布信息中的业务对象进行推送意图分布信息特征学习，将其也表示为一个游走对象特征，记为业务对象特征。
123.进一步地，在上述内容中，在获得所述兴趣点分布特征之前，可以首先获取预先确定的用于在所述推送意图分布信息中进行对象游走的游走策略集，所述游走策略集包括多个不同的游走策略；然后，根据所述游走策略集在所述推送意图分布信息中对所述会话兴趣点对象进行对象游走，得到多个游走对象序列。所述游走策略可以包括针对推送意图分布信息中的各分布单元进行随机游走的多条参考游走轨迹，如，按照一定的顺序依次按照每条游走随机游走推送意图分布信息中的各分布单元得到各分布单元对应的分布单元数据，然后输入对应的特征描述模型即可得到对应的兴趣点分布特征。
124.上述内容中，游走策略可以用于约束在推送意图分布信息中进行游走时，每个游走步骤选择的数据对象类型。比如，会话兴趣点对象
‑
业务对象
‑
会话兴趣点对象就是一条参考游走轨迹。不同的游走策略指向了不同的内容，比如“会话兴趣点对象
‑
会话兴趣点对象”表示存在对象关联关系的电子商务应用的会话兴趣点，“会话兴趣点对象
‑
业务对象
‑
会话兴趣点对象”表示操作过同一应用业务的会话兴趣点等。本实施例中，预先进行游走策略的设置，比如，本公开实施例中预先配置多个不同的游走策略，由这些游走策略构成游走策
略集，此处对设置的游走策略不做具体限制，具体可根据实际需要进行。
125.基于此，所述通过特征描述模型将电子商务应用的会话兴趣点的会话兴趣点对象表示为兴趣点分布特征的方法可以包括以下a
‑
d所描述的内容。
126.a、针对每个游走对象序列，提取其中每个游走对象的业务特征信息，并通过所述特征描述模型将提取的业务特征信息转换到同一特征空间，以及将每个游走对象序列中所有特征转换后的业务特征信息进行整理得到整理业务特征信息。
127.根据以上内容，可以理解的是，游走对象序列可以包括任意目标会话兴趣点对象和其它会话兴趣点对象，也可以包括任意目标会话兴趣点对象和其它会话兴趣点对象以及业务对象，还可以包括目标会话兴趣点对象和多个业务对象等，其中每个游走对象序列均包括了该会话兴趣点对象在推送意图分布信息中的特征信息。相应的，将具有会话兴趣点对象在推送意图分布信息中的特征映射信息的多个游走对象序列输入到特征描述模型进行特征学习，即可得到携带了会话兴趣点对象的特征信息的兴趣点分布特征。
128.b、通过所述特征描述模型将对应同一游走策略的多个游走对象序列的整理业务特征信息进行分簇得到第一分簇业务特征信息。例如，可以针对对应同一游走策略的每个游走对象序列，根据其中相邻游走对象之间兴趣点联动信息的预设的联动等级，利用业务分类网络层生成对应的第一业务分类参数；然后，根据对应同一游走策略的每个游走对象序列的第一业务分类参数，通过所述特征描述模型将对应同一游走策略的多个游走对象序列的整理业务特征信息进行分簇得到所述第一分簇业务特征信息。
129.所述联动等级可以是根据各相邻游走对象间的兴趣点联动信息（有向边连线）的重要性程度而预设的参数，也可以称之为权重参数。所述联动等级具体可以是根据电子商务应用的会话兴趣点之间的联动调度信息，为对应的会话兴趣点对象之间的兴趣点联动信息而预设的联动等级；同时，也可以根据会话兴趣点对象对业务对象的历史有效推送特征，为会话兴趣点对象与业务对象之间的信息推送更新关系预设联动等级。所述联动调度信息可以包括会话兴趣点的账户交互信息、账户之间的跳转关系信息等，在此不作特殊限定。所述业务分类网络层可以是基于注意力机制的运算函数。所述第一业务分类参数则相应为基于注意力机制而设置的参数。
130.c、通过所述特征描述模型将多个不同游走策略对应的多个第一分簇业务特征信息分簇为第二分簇业务特征信息。
[0131] d、通过所述特征描述模型将所述第二分簇业务特征信息进行特征映射得到所述兴趣点分布特征。例如，可以是通过设定的线性变换函数进行特征映射，得到所述兴趣点分布特征。
[0132]
本实施例中，例如，特征描述模型可以包括转换层、第一整理层、第二整理层以及输出层，在将多个游走对象序列输入特征描述模型进行特征学习，得到会话兴趣点对象的兴趣点分布特征时，首先可针对每个游走对象序列，提取其中每个游走对象(会话兴趣点对象或业务对象)的业务特征信息，并经由转换层将不同类型实体的业务特征信息转换到同一特征空间，比如，可以采用线性变换层将不同类型实体的业务特征信息转换到同一特征空间。
[0133]
在完成业务特征信息的转换后，进一步将每个游走对象序列中所有转换后的业务特征信息输入所述第一整理层进行整理得到整理业务特征信息。比如，可以采用线性编码
器进行整理。
[0134]
在将每个游走对象序列中的所有特征转换后的业务特征信息进行整理得到整理业务特征信息之后，可进一步经由第一整理层将对应同一游走策略的多个游走对象序列的整理业务特征信息进行分簇得到第一分簇业务特征信息。在将对应同一游走策略的多个游走对象序列的整理业务特征信息进行分簇得到第一分簇业务特征信息之后，可进一步经由第二整理层利用将多个不同游走策略对应的多个第一分簇业务特征整理形成第二分簇业务特征信息。最后，经由输出层将第二分簇业务特征信息进行特征映射得到兴趣点分布特征。
[0135]
一种可独立实施的实施例中，例如，在将电子商务应用的会话兴趣点的会话兴趣点对象表示为兴趣点分布特征之前，还可以获取所述推送意图分布信息中会话兴趣点对象和业务对象的对象数量；然后，根据所述对象数量确定所述主题分布特征、所述兴趣点分布特征以及所述业务对象特征的特征维度，所述特征维度不大于所述对象数量；最后再通过特征描述模型将电子商务应用的会话兴趣点的会话兴趣点对象表示为所述特征维度的兴趣点分布特征。
[0136]
子步骤a422，获取所述电子商务应用的各会话兴趣点的历史有效推送特征集，并通过人工智能学习网络将所述历史有效推送特征集表示为主题分布特征。
[0137]
子步骤a423，根据所述历史有效推送特征集的主题分布特征、所述会话兴趣点对象的兴趣点分布特征、和每个业务对象的业务对象特征，按照预先确定的第一推送特征引用策略对所述电子商务应用的各会话兴趣点针对电子商务应用的每个应用业务的应用业务数据源进行推送特征引用得到第一推送特征。例如，获得第一推送特征的实现方式可以是：针对任意目标会话兴趣点，从所述兴趣点分布特征中获取与该目标会话兴趣点的目标兴趣点分布特征存在主题相关向量的相关兴趣特征，从所述主题分布特征中提取与所述相关兴趣特征匹配的分布特征，并获取所述分布特征与每个业务对象的业务对象特征的融合特征信息，基于所述融合特征信息对所述电子商务应用的每个应用业务的应用业务数据源进行推送特征引用，获得所述第一推送特征。
[0138]
子步骤a424，根据所述历史有效推送特征集的主题分布特征和每个业务对象的业务对象特征，按照预先确定的第二推送特征引用策略对各会话兴趣点针对每个应用业务的应用业务数据源进行推送特征引用得到第二推送特征。例如，获得第二推送特征的实现方式可以是：针对与任意目标会话兴趣点具有信息推送更新关系的目标业务对象特征，从所述主题分布特征中提取与所述目标业务对象特征匹配的所有主题特征，基于所述所有主题特征对所述电子商务应用的每个应用业务的应用业务数据源进行推送特征引用，获得所述目标会话兴趣点对应的第二推送特征。
[0139]
子步骤a425，根据所述第一推送特征和所述第二推送特征，得到所述会话兴趣点针对所述电子商务应用的各应用业务的目标推送特征。本实施例中，可以将第一推送特征与第二推送特征中的各推送特征元素按照热度优先级进行排列，然后得到最终的目标推送特征，或者直接将第一推送特征和第二推送特征进行融合得到最终的目标推送特征，对此不具体限定。
[0140]
图3为本公开实施例提供的基于电子商务大数据的信息推送装置300的功能模块示意图，下面分别对该基于电子商务大数据的信息推送装置300的各个功能模块的功能进
行详细阐述。
[0141]
获取模块310，用于获取基于电子商务用户的电子商务大数据获得的目标推送特征所包括的每个目标推送标签。
[0142]
第一确定模块320，用于确定目标推送标签对应电子商务用户的用户画像的画像分流标签描述。
[0143]
追踪模块330，用于通过热点话题追踪模型对画像分流标签描述进行热点话题关键词的对象追踪，得到热点话题关键词对象序列。
[0144]
查找模块340，用于查找热点话题关键词对象序列的热点信息，得到至少一个热点信息查找结果。
[0145]
第二确定模块350，用于从至少一个热点信息查找结果中确定待推送的热点信息。
[0146]
图4示出了本公开实施例提供的用于实现上述的基于电子商务大数据的信息推送方法的电子商务系统100的硬件结构意图，如图4所示，电子商务系统100可包括处理器110、机器可读存储介质120、总线130以及收发器140。
[0147]
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存储的计算机可执行指令，使得处理器110可以执行如上方法实施例的基于电子商务大数据的信息推送方法，处理器110、机器可读存储介质120以及收发器140通过总线130连接，处理器110可以用于控制收发器140的收发动作，从而可以与前述的电子商务终端200进行数据收发。
[0148]
处理器110的具体实现过程可参见上述电子商务系统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。
[0149]
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，实现如上基于电子商务大数据的信息推送方法。
[0150]
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。