基于用户画像决策的大数据分析方法及云端AI业务系统与流程

基于用户画像决策的大数据分析方法及云端ai业务系统
技术领域
1.本技术涉及大数据技术领域，具体而言，涉及一种基于用户画像决策的大数据分析方法及云端ai业务系统。


背景技术：

2.随着互联网电子商务信息技术的发展，大数据在应用于电商行业中的过程中，通常是通过大数据分析目标用户消费群体提炼各种特征后进行用户画像分析，从而依据所分析出的用户画像进行电商信息的精准性推送。然而，相关技术中并没有进一步考虑到用户与其它关联用户之间的电商内容分享过程，导致电商信息推送准确性仍旧有待提高。


技术实现要素：

3.为了至少克服现有技术中的上述不足，本技术的目的在于提供一种基于用户画像决策的大数据分析方法及云端ai业务系统。
4.第一方面，本技术提供一种基于用户画像决策的大数据分析方法，应用于云端ai业务系统，所述方法包括：基于目标用户的用户行为活动数据，确定所述目标用户的目标用户画像；基于所述目标用户的目标用户画像和所述目标用户与其它关联用户之间的电商内容分享数据，确定所述目标用户的潜在兴趣点数据；基于所述目标用户的潜在兴趣点数据，对所述目标用户所关注的电商页面进行电商信息推送。
5.在第一方面的一种可能的设计思路中，所述基于所述目标用户的目标用户画像和所述目标用户与其它关联用户之间的电商内容分享数据，确定所述目标用户的潜在兴趣点数据的步骤，包括：从所述目标用户与其它关联用户之间的电商内容分享数据中获取与所述目标用户的目标用户画像相关联的目标电商内容分享数据，并获取所述目标电商内容分享数据中各电商内容分享事件的分享热力值；基于所述各电商内容分享事件的分享热力值从所述目标电商内容分享数据中确定热点电商内容分享事件簇；依据所述热点电商内容分享事件簇，确定所述目标电商内容分享数据中的兴趣电商内容分享事件及兴趣电商内容分享事件的兴趣趋势度；基于所述目标电商内容分享数据中除所述兴趣电商内容分享事件之外的电商内容分享事件及所述电商内容分享事件之间的分享关联信息，获得所述目标电商内容分享数据中的模糊电商内容分享事件簇；依据所述模糊电商内容分享事件簇和所述兴趣电商内容分享事件，确定所述模糊电商内容分享事件簇中各电商内容分享事件的兴趣趋势度，根据所述模糊电商内容分享事件簇中各电商内容分享事件的兴趣趋势度输出所述目标用户的潜在兴趣点数据；
其中，确定的所述兴趣趋势度用于生成与相应电商内容分享事件对应的潜在兴趣点数据。
6.在第一方面的一种可能的设计思路中，所述获取目标电商内容分享数据中各电商内容分享事件的分享热力值，包括：获取所述目标电商内容分享数据；确定所述目标电商内容分享数据中各电商内容分享事件的衔接电商内容分享事件的分享关注度；将衔接电商内容分享事件的分享关注度作为相应电商内容分享事件的分享热力值。
7.在第一方面的一种可能的设计思路中，所述基于所述各电商内容分享事件的分享热力值从所述目标电商内容分享数据中确定热点电商内容分享事件簇，包括：获取预设热力阈值，并从所述目标电商内容分享数据中剔除分享热力值不大于所述预设热力阈值的电商内容分享事件及所述电商内容分享事件对应的分享关联信息，基于所述目标电商内容分享数据中成员电商内容分享事件及所述成员电商内容分享事件之间的分享关联信息获得热点电商内容分享事件簇。
8.在第一方面的一种可能的设计思路中，所述依据所述热点电商内容分享事件簇，确定所述目标电商内容分享数据中的兴趣电商内容分享事件及兴趣电商内容分享事件的兴趣趋势度，包括：基于各电商内容分享事件在所述热点电商内容分享事件簇中衔接电商内容分享事件的分享关注度，获得各电商内容分享事件在所述热点电商内容分享事件簇中的分享热力值，将在所述热点电商内容分享事件簇中的分享热力值作为相应电商内容分享事件初始的当前兴趣趋势度；遍历执行对于所述热点电商内容分享事件簇中的每个电商内容分享事件，基于所述电商内容分享事件在所述热点电商内容分享事件簇中的衔接电商内容分享事件的当前兴趣趋势度，确定所述电商内容分享事件对应的兴趣热力值；当所述兴趣热力值不大于预设热力阈值时，从所述热点电商内容分享事件簇中剔除所述电商内容分享事件；当所述兴趣热力值大于所述预设热力阈值且小于所述电商内容分享事件的当前兴趣趋势度时，则基于所述电商内容分享事件的兴趣热力值更新所述电商内容分享事件的当前兴趣趋势度的步骤，直至当前遍历阶段中所述热点电商内容分享事件簇中各电商内容分享事件的当前兴趣趋势度均未被更新时结束遍历；将结束遍历时获得的热点电商内容分享事件簇中的电商内容分享事件作为所述兴趣电商内容分享事件，并将结束遍历时所述兴趣电商内容分享事件的当前兴趣趋势度作为所述兴趣电商内容分享事件对应的兴趣趋势度；其中，所述方法还包括：在当次遍历完成后，调存当前遍历阶段中当前兴趣趋势度被更新的电商内容分享事件；调存的电商内容分享事件用于指示在下次遍历启动时，将所述调存的电商内容分享事件在所述热点电商内容分享事件簇中的衔接电商内容分享事件，作为下次遍历过程中
需要重新确定兴趣热力值的目标电商内容分享事件；所述对于所述热点电商内容分享事件簇中的每个电商内容分享事件，基于所述电商内容分享事件在所述热点电商内容分享事件簇中的衔接电商内容分享事件的当前兴趣趋势度，确定所述电商内容分享事件对应的兴趣热力值，包括：对于所述热点电商内容分享事件簇中的目标电商内容分享事件，基于所述目标电商内容分享事件在所述热点电商内容分享事件簇中的衔接电商内容分享事件的当前兴趣趋势度，确定所述目标电商内容分享事件对应的兴趣热力值。
9.在第一方面的一种可能的设计思路中，所述基于所述目标电商内容分享数据中除所述兴趣电商内容分享事件之外的电商内容分享事件及所述电商内容分享事件之间的分享关联信息，获得所述目标电商内容分享数据中的模糊电商内容分享事件簇，包括： 从所述目标电商内容分享数据中剔除所述兴趣电商内容分享事件；基于剔除所述兴趣电商内容分享事件后成员电商内容分享事件及所述成员电商内容分享事件之间的分享关联信息，获得模糊电商内容分享事件簇。
10.在第一方面的一种可能的设计思路中，所述依据所述模糊电商内容分享事件簇和所述兴趣电商内容分享事件，确定所述模糊电商内容分享事件簇中各电商内容分享事件的兴趣趋势度，包括：基于所述模糊电商内容分享事件簇中各电商内容分享事件在历史的所述目标电商内容分享数据中衔接电商内容分享事件的分享关注度，重置所述模糊电商内容分享事件簇中各电商内容分享事件的当前兴趣趋势度；遍历执行对于所述模糊电商内容分享事件簇中的每个电商内容分享事件，基于所述电商内容分享事件在所述目标电商内容分享数据中的衔接电商内容分享事件的当前兴趣趋势度，确定所述电商内容分享事件对应的兴趣热力值；当所述兴趣热力值小于所述电商内容分享事件的当前兴趣趋势度时，则基于所述电商内容分享事件的兴趣热力值更新所述电商内容分享事件的当前兴趣趋势度的步骤，直至当前遍历阶段中所述模糊电商内容分享事件簇中各电商内容分享事件的当前兴趣趋势度均未被更新时结束遍历；将结束遍历时所述电商内容分享事件的当前兴趣趋势度作为所述电商内容分享事件对应的兴趣趋势度；其中，所述方法还包括：在当次遍历完成后，调存当前遍历阶段中当前兴趣趋势度被更新的电商内容分享事件；调存的电商内容分享事件用于指示在下次遍历启动时，将所述调存的电商内容分享事件在所述模糊电商内容分享事件簇中的衔接电商内容分享事件，作为下次遍历过程中需要重新确定兴趣热力值的目标电商内容分享事件；所述对于所述模糊电商内容分享事件簇中的每个电商内容分享事件，基于所述电商内容分享事件在所述目标电商内容分享数据中的衔接电商内容分享事件的当前兴趣趋势度，确定所述电商内容分享事件对应的兴趣热力值，包括：对于所述模糊电商内容分享事件簇中的目标电商内容分享事件，基于所述目标电商内容分享事件在所述目标电商内容分享数据中的衔接电商内容分享事件的当前兴趣趋
势度，确定所述目标电商内容分享事件对应的兴趣热力值。
11.在第一方面的一种可能的设计思路中，所述确定所述电商内容分享事件对应的兴趣热力值，包括：若所述电商内容分享事件满足衔接电商内容分享事件中存在w个衔接电商内容分享事件的当前兴趣趋势度大于或等于w，且不满足存在w 1个衔接电商内容分享事件的当前兴趣趋势度大于或等于w 1时，则确定所述电商内容分享事件对应的兴趣热力值为w，其中w为正整数；所述方法还包括：在当前遍历阶段开始时，重置电商内容分享事件的更新次数为零，所述电商内容分享事件的更新次数用于调存当前遍历阶段中当前兴趣趋势度被更新的电商内容分享事件的分享关注度；统计当前遍历阶段中当前兴趣趋势度被更新的电商内容分享事件的分享关注度；基于所述分享关注度优化所述电商内容分享事件的更新次数；在当前遍历阶段结束时，所述电商内容分享事件的更新次数为非零，则继续下一次遍历过程；在当前遍历阶段结束时，所述电商内容分享事件的更新次数为零，则结束遍历。
12.第二方面，本技术实施例还提供一种云端ai业务系统，所述云端ai业务系统包括处理器和机器可读存储介质，所述机器可读存储介质中存储有计算机程序，所述计算机程序依据该处理器加载并执行以实现以上第一方面的基于用户画像决策的大数据分析方法。
13.基于以上方面，基于目标用户的用户行为活动数据，确定目标用户的目标用户画像，基于目标用户的目标用户画像和目标用户与其它关联用户之间的电商内容分享数据，确定目标用户的潜在兴趣点数据，基于目标用户的潜在兴趣点数据，对目标用户所关注的电商页面进行电商信息推送。如此，在进行用户画像挖掘后，进一步考虑到目标用户与其它关联用户之间的电商内容分享过程进行潜在兴趣点挖掘，进而对目标用户所关注的电商页面进行电商信息推送，可以提高电商信息推送准确性。
附图说明
14.图1为本技术实施例提供的基于用户画像决策的大数据分析系统的架构示意图；图2为本技术实施例提供的基于用户画像决策的大数据分析方法的流程示意图；图3为本技术实施例提供的用于实现上述的基于用户画像决策的大数据分析方法的云端ai业务系统的结构示意框图。
具体实施方式
15.图1是本技术一种实施例提供的基于用户画像决策的大数据分析系统10的架构示意图。基于用户画像决策的大数据分析系统10可以包括云端ai业务系统100以及与云端ai业务系统100通信连接的云端业务应用系统200。图1所示的基于用户画像决策的大数据分析系统10仅为一种可行的示例，在其它可行的实施例中，该基于用户画像决策的大数据分析系统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构成部分。
16.本实施例中，基于用户画像决策的大数据分析系统10中的云端ai业务系统100和云端业务应用系统200可以依据配合执行以下方法实施例所描述的基于用户画像决策的大数据分析方法，具体云端ai业务系统100和云端业务应用系统200的执行步骤部分可以参照以下方法实施例的详细描述。
17.步骤s110，基于目标用户的用户行为活动数据，确定所述目标用户的目标用户画像。
18.步骤s120，基于所述目标用户的目标用户画像和所述目标用户与其它关联用户之间的电商内容分享数据，确定所述目标用户的潜在兴趣点数据。
19.本实施例中，电商内容分享数据可以用于表示所述目标用户与其它关联用户之间在进行电商内容分享过程中的业务轨迹数据。
20.步骤s130，基于所述目标用户的潜在兴趣点数据，对所述目标用户所关注的电商页面进行电商信息推送。
21.本实施例中，潜在兴趣点数据可以用于表示该目标用户存在兴趣偏向的潜在内容标签，由此可以获取与潜在内容标签相对应的电商信息，并加载到该目标用户所关注的电商页面的对应页面板块中。
22.基于以上步骤，本实施例基于目标用户的用户行为活动数据，确定目标用户的目标用户画像，基于目标用户的目标用户画像和目标用户与其它关联用户之间的电商内容分享数据，确定目标用户的潜在兴趣点数据，基于目标用户的潜在兴趣点数据，对目标用户所关注的电商页面进行电商信息推送。如此，在进行用户画像挖掘后，进一步考虑到目标用户与其它关联用户之间的电商内容分享过程进行潜在兴趣点挖掘，进而对目标用户所关注的电商页面进行电商信息推送，可以提高电商信息推送准确性。
23.一种可能的设计示例中，步骤s110可以通过以下示例性的步骤实现。
24.步骤s101，获取目标用户的用户行为活动数据。
25.一种可能的设计示例中，用户行为活动数据可以是用户在进行业务使用过程中产生的行为活动数据，例如针对某个业务板块的关注行为活动数据。
26.步骤s102，对用户行为活动数据进行特征数据提取，获得行为活动路径数据和行为活动联动数据。
27.一种可能的设计示例中，用户行为活动数据可被提取为“行为活动路径数据 行为活动联动数据”的数据结构，其中，上述行为活动路径数据表征用户行为活动数据指示的行为活动路径节点，行为活动联动数据表征用户行为活动数据中用于对行为活动路径节点进行联动响应的联动行为数据。
28.步骤s103，获取用户行为活动数据与参考用户画像标签特征之间的第一联系特征数据、行为活动路径数据与参考路径倾向特征之间的第二联系特征数据、行为活动联动数据与参考联动倾向特征之间的第三联系特征数据。
29.其中，上述参考用户画像标签特征为目标用户画像库中的初始化用户画像相关的标签特征，参考路径倾向特征和参考联动倾向特征为构成参考用户画像标签特征的特征成员。一种可能的设计示例中，目标用户画像库中的初始化用户画像相关的标签特征为目标用户画像对应的标准标签特征。
30.一种可能的设计示例中，目标用户画像决策网络中包括由目标特征挖掘网络构成
的特征挖掘层，用户行为活动数据、行为活动路径数据和行为活动联动数据通过特征挖掘层进行特征提取，分别得到对应的特征，通过上述特征确定联系特征数据。
31.例如，获取参考用户画像标签特征对应的第一特征片段簇、参考路径倾向特征对应的第二特征片段簇、参考联动倾向特征对应的第三特征片段簇；对用户行为活动数据、行为活动路径数据和行为活动联动数据分别依据关注特征模板进行特征挖掘，获得用户行为活动特征簇、行为活动路径特征簇和联动响应特征簇；依据用户行为活动特征簇和第二特征片段簇之间的特征联系向量，获得第一联系特征数据；依据行为活动路径特征簇和第二特征片段簇之间的特征联系向量，获得第二联系特征数据；依据联动响应特征簇和第三特征片段簇之间的特征联系向量，获得第三联系特征数据。
32.一种可能的设计示例中，用户行为活动数据通过症状特征挖掘器得到行为活动热度特征和行为活动传递特征，行为活动路径数据通过对象特征挖掘器得到路径热度特征和路径传递特征，行为活动联动数据通过联动响应特征挖掘器得到联动响应热度特征和联动响应传递特征。
33.例如，可以通过热度特征之间的联系向量，确定联系特征数据，还可以通过传递特征之间的联系向量，确定联系特征数据。例如，依据行为活动热度特征和画像标签热度特征之间的联系向量，确定第一单元联系特征数据；依据行为活动传递特征和画像标签传递特征之间的联系向量，确定第二单元联系特征数据；由第一单元联系特征数据和第二单元联系特征数据确定第一联系特征数据。依据路径热度特征和路径热度特征之间的联系向量，确定第一路径联系特征数据；依据路径传递特征和路径传递特征之间的联系向量，确定第二路径联系特征数据；由第一路径联系特征数据和第二路径联系特征数据确定第二联系特征数据。依据联动响应热度特征和联动响应热度特征之间的联系向量，确定第一联动响应联系特征数据；依据联动响应传递特征和联动响应传递特征之间的联系向量，确定第二联动响应联系特征数据；由第一联动响应联系特征数据和第二联动响应联系特征数据确定第三联系特征数据。
34.步骤s104，依据第一联系特征数据、第二联系特征数据和第三联系特征数据确定用户行为活动数据与参考用户画像标签特征之间的画像参考度量值。
35.一种可能的设计示例中，目标用户画像决策网络中还包括目标全局决策单元，目标全局决策单元用于确定用户行为活动数据与参考用户画像标签特征每个倾向性画像标签对应的支持度信息。例如，将第一联系特征数据、第二联系特征数据和第三联系特征数据加载到目标全局决策单元，确定画像参考度量值。
36.步骤s105，依据画像参考度量值，将用户行为活动数据加载到参考用户画像标签特征中的目标用户画像标签特征。
37.一种可能的设计示例中，可以将最大支持度对应的倾向性画像标签作为用户行为活动数据与参考用户画像标签特征的目标倾向性画像标签，根据参考用户画像标签特征的目标倾向性画像标签所对应的支持度对所有参考用户画像标签特征进行排序，取支持度最大的参考用户画像标签特征作为上述目标用户画像标签特征，而用户行为活动数据与目标用户画像标签特征之间的倾向性画像标签即上述目标倾向性画像标签。
38.基于以上步骤，基于用户画像决策的大数据分析方法及云端ai业务系统，通过用户行为活动数据和参考用户画像标签特征之间的第一联系特征数据、行为活动路径数据与
参考路径倾向特征之间的第二联系特征数据、行为活动联动数据与参考联动倾向特征之间的第三联系特征数据，共同确定用户行为活动数据与参考用户画像标签特征之间的画像参考度量值，以从参考用户画像标签特征中确定出目标用户画像标签特征，其中，行为活动路径数据和行为活动联动数据由用户行为活动数据提取的。即，在确定用户行为活动数据与参考用户画像标签特征之间的画像参考度量值时，考虑了用户行为活动数据之间的整体关系和提取数据之间的关系，提高了用户画像预测的准确性。
39.其中，以上实施例是通过目标用户画像决策网络实现的，目标用户画像决策网络由初始化用户画像决策网络进行网络权重优化更新获得，初始化用户画像决策网络包括全局决策单元、行为活动路径决策单元和联动响应决策单元，下面介绍初始化用户画像决策网络的网络训练步骤，具体包括：步骤s201，获取示例网络训练基础数据。
40.上述示例网络训练基础数据对应有训练依据数据，示例网络训练基础数据中包括示例用户行为活动数据、示例行为活动路径数据和示例行为活动联动数据，示例行为活动路径数据和示例行为活动联动数据构成示例用户行为活动数据。
41.一种可能的设计示例中，可以预先提取示例网络训练基础数据中的行为活动路径数据和行为活动联动数据，以将示例用户行为活动数据提取为示例行为活动路径数据和示例行为活动联动数据。
42.上述训练依据数据表征示例用户行为活动数据在初始化用户画像库中对应的标准用户画像标签特征，即同样加入训练的示例用户画像标签特征。一种可能的设计示例中，训练数据以数据对形式加载到初始化用户画像决策网络，例如，《示例用户行为活动数据，示例行为活动路径数据，示例行为活动联动数据；示例用户画像标签特征，示例行为活动路径特征；示例联动响应特征》。
43.步骤s202，获取示例用户行为活动数据与参考用户画像标签特征之间的第一示例联系特征数据、示例行为活动路径数据与参考路径倾向特征之间的第二示例联系特征数据、示例行为活动联动数据与参考联动倾向特征之间的第三示例联系特征数据。
44.其中，上述参考用户画像标签特征为目标用户画像库中的初始化用户画像相关的标签特征，对象特征和联动响应特征为构成参考用户画像标签特征的特征成员。
45.步骤s203，依据第一示例联系特征数据、第二示例联系特征数据和第三示例联系特征数据，确定用户画像决策数据。
46.例如，将第一示例联系特征数据、第二示例联系特征数据和第三示例联系特征数据加载到全局决策单元，获得用户画像决策标签特征；将第二示例联系特征数据加载到行为活动路径决策单元，获得行为活动路径决策特征；将第三示例联系特征数据加载到联动响应决策单元，获得联动响应决策特征，其中，用户画像决策标签特征、行为活动路径决策特征和联动响应决策特征构成用户画像决策数据。
47.步骤s204，依据用户画像决策数据与训练依据数据之间的数据对比信息，对用户画像决策网络进行网络权重优化更新，获得目标用户画像决策网络。
48.一种可能的设计示例中，依据用户画像决策标签特征与示例用户画像标签特征之间的数据对比信息，确定第一网络训练评估值；依据行为活动路径决策特征与示例行为活动路径特征之间的数据对比信息，确定第二网络训练评估值；依据联动响应决策特征与示
例联动响应特征之间的数据对比信息，确定第三网络训练评估值；依据第一网络训练评估值、第二网络训练评估值和第三网络训练评估值对初始化用户画像决策网络进行网络权重优化更新，获得目标用户画像决策网络。
49.基于以上步骤，通过将示例用户行为活动数据特征提取后的示例行为活动路径数据和示例行为活动联动数据与示例用户行为活动数据一起作为初始化用户画像决策网络的训练数据，分别得到对应的示例联系特征数据，通过示例用户行为活动数据与参考用户画像标签特征之间的第一示例联系特征数据、示例行为活动路径数据与参考路径倾向特征之间的第二示例联系特征数据、示例行为活动联动数据与参考联动倾向特征之间的第三示例联系特征数据来确定决策信息，最后依据决策信息和示例用户行为活动数据对应的训练依据数据之间的数据对比信息对用户画像决策网络进行网络权重优化更新，以得到目标用户画像决策网络。
50.一种可能的设计示例中，下面介绍确定第一联系特征数据、第二联系特征数据以及第三联系特征数据的具体步骤。
51.步骤s301，获取用户行为活动数据对应的行为活动热度特征和行为活动传递特征。
52.步骤s302，获取参考用户画像标签特征对应的画像标签热度特征和画像标签传递特征。
53.步骤s303，依据行为活动热度特征和画像标签热度特征之间的联系向量，确定第一单元联系特征数据。
54.步骤s304，依据行为活动传递特征和画像标签传递特征之间的联系向量，确定第二单元联系特征数据。
55.步骤s305，由第一单元联系特征数据和第二单元联系特征数据确定第一联系特征数据。
56.一种可能的设计示例中，第二联系特征数据由路径热度特征和路径热度特征确定的第一路径联系特征数据，以及路径传递特征和路径传递特征确定的第二路径联系特征数据共同确定，第三联系特征数据由联动响应热度特征和联动响应热度特征确定的第一联动响应联系特征数据，以及联动响应传递特征和联动响应传递特征确定的第二联动响应联系特征数据共同确定，其中，路径热度特征和路径热度特征之间的处理操作以及联动响应热度特征和联动响应热度特征之间的处理操作与步骤s303相同，路径传递特征和路径传递特征之间的处理操作以及联动响应传递特征和联动响应传递特征之间的处理操作与步骤s304相同，在此不进行赘述。
57.一种可能的设计示例中，步骤s120可以通过以下示例性的步骤实现。
58.步骤s301，从所述目标用户与其它关联用户之间的电商内容分享数据中获取与所述目标用户的目标用户画像相关联的目标电商内容分享数据，并获取所述目标电商内容分享数据中各电商内容分享事件的分享热力值。
59.此外，电商内容分享事件的分享热力值是指与该电商内容分享事件存在关联的衔接电商内容分享事件的分享关注度，衔接电商内容分享事件是指与该电商内容分享事件具有分享关联信息的电商内容分享事件。
60.步骤s302，基于各电商内容分享事件的分享热力值从目标电商内容分享数据中确
定热点电商内容分享事件簇。
61.一种示例性的设计思路中，主要是对目标电商内容分享数据中各电商内容分享事件的兴趣趋势度进行分析。兴趣趋势度（degree of variation）是用来判断电商内容分享事件在整个目标电商内容分享数据中的关注度的指标之一。一个内容分享数据的k组电商内容分享事件簇，是指从该内容分享数据中反复去除分享热力值不大于k的电商内容分享事件后，所候选的电商内容分享事件簇，换言之将内容分享数据l中分享热力值小于k的内容分享数据节点全部剔除，得到电商内容分享事件簇m；将内容分享数据m中分享热力值小于k的内容分享数据节点全部剔除，得到新电商内容分享事件簇mt，
…
，以此类推，直至成员电商内容分享事件簇中每个电商内容分享事件的分享热力值都大于k时终止，得到该内容分享数据l的k组电商内容分享事件簇。电商内容分享事件的兴趣趋势度，定义为该电商内容分享事件对应的最大组电商内容分享事件簇，即若一个电商内容分享事件存在于y组电商内容分享事件簇中，而在（y 1）组电商内容分享事件簇中被剔除，那么该电商内容分享事件的兴趣趋势度为y。
62.例如，2组电商内容分享事件簇就是先从内容分享数据中剔除所有分享热力值小于2的电商内容分享事件，然后再从剩下的内容分享数据中剔除分享热力值小于2的电商内容分享事件，依次类推，直到不能剔除为止，得到2组电商内容分享事件簇；3组就是先从内容分享数据中剔除所有分享热力值小于3的电商内容分享事件，然后再从剩下的内容分享数据中剔除分享热力值小于3的电商内容分享事件，依次类推，直到不能剔除为止，得到该内容分享数据的3组电商内容分享事件簇。若一个电商内容分享事件最多在5组电商内容分享事件簇而不在6组电商内容分享事件簇中，那么该电商内容分享事件的兴趣趋势度为5。
63.基于上面的分析可知，兴趣趋势度大于k的电商内容分享事件该电商内容分享事件的分享热力值必然大于k。因此，可以通过设置一个预设热力阈值，基于各电商内容分享事件的分享热力值和该预设热力阈值将原本的目标电商内容分享数据汇总为热点电商内容分享事件簇和模糊电商内容分享事件簇两部分，然后依次分析出其中各电商内容分享事件的兴趣趋势度。其中，热点电商内容分享事件簇中各电商内容分享事件的分享热力值必然是大于该预设热力阈值的，但目标电商内容分享数据中分享热力值大于该预设热力阈值的电商内容分享事件并不一定必然存在于该热点电商内容分享事件簇中。
64.一种示例性的设计思路中，基于各电商内容分享事件的分享热力值和预设热力阈值从目标电商内容分享数据中确定热点电商内容分享事件簇，包括：获取预设热力阈值；从目标电商内容分享数据中剔除分享热力值不大于预设热力阈值的电商内容分享事件及电商内容分享事件对应的分享关联信息，基于目标电商内容分享数据中成员电商内容分享事件及成员电商内容分享事件之间的分享关联信息获得热点电商内容分享事件簇。
65.一种示例性的设计思路中，基于预设热力阈值，从历史目标电商内容分享数据中过滤掉分享热力值小于该预设热力阈值及等于该预设热力阈值的电商内容分享事件，即得到热点电商内容分享事件簇，获得的该热点电商内容分享事件簇中所有电商内容分享事件的分享热力值都大于该预设热力阈值。
66.步骤s303，依据热点电商内容分享事件簇，确定目标电商内容分享数据中的兴趣电商内容分享事件及兴趣电商内容分享事件的兴趣趋势度。
67.其中，兴趣电商内容分享事件是从热点电商内容分享事件簇中分析出的兴趣趋势
度大于预设热力阈值的电商内容分享事件。云端ai业务系统从目标电商内容分享数据中确定热点电商内容分享事件簇后，先对热点电商内容分享事件簇进行分析，确定其中的兴趣电商内容分享事件及兴趣电商内容分享事件的兴趣趋势度。
68.一种示例性的设计思路中，由于模糊电商内容分享事件簇中各电商内容分享事件的分享热力值是小于预设热力阈值的，所以模糊电商内容分享事件簇中各电商内容分享事件不会对热点电商内容分享事件簇中各电商内容分享事件的兴趣趋势度产生影响，那么，云端ai业务系统可以直接关注热点电商内容分享事件簇，对热点电商内容分享事件簇进行分析，基于热点电商内容分享事件簇中各电商内容分享事件的分享热力值确定各电商内容分享事件的兴趣趋势度，将兴趣趋势度大于预设热力阈值的电商内容分享事件作为目标电商内容分享数据中的兴趣电商内容分享事件。
69.一种示例性的设计思路中，云端ai业务系统可以直接对热点电商内容分享事件簇进行数据挖掘，从热点电商内容分享事件簇中分析出兴趣趋势度大于预设热力阈值的兴趣电商内容分享事件。一种示例性的设计思路中，按照k=1，k=2，
…
，k处等于预设热力阈值，从该热点电商内容分享事件簇中反复去除分享热力值不大于k的电商内容分享事件，得到k组电商内容分享事件簇，从而确定热点电商内容分享事件簇中各电商内容分享事件所在最大兴趣趋势度的电商内容分享事件簇，从而确定各电商内容分享事件的兴趣趋势度，将其中兴趣趋势度大于预设热力阈值的电商内容分享事件作为兴趣电商内容分享事件。
70.一种示例性的设计思路中，云端ai业务系统可以在对热点电商内容分享事件簇进行遍历时，在当前遍历阶段中，利用电商内容分享事件前次遍历后各衔接电商内容分享事件的兴趣热力值更新相应电商内容分享事件的当前遍历阶段的兴趣趋势度。并且，由于一个电商内容分享事件不会影响兴趣趋势度大于该电商内容分享事件的其他电商内容分享事件的兴趣趋势度的确定，因此，在当次遍历优化各电商内容分享事件的兴趣趋势度后，云端ai业务系统还可以将优化后兴趣趋势度大于预设热力阈值的电商内容分享事件继续参与下次遍历，优化后兴趣趋势度不大于预设热力阈值的电商内容分享事件不再参与下次遍历，这样就可以分析出热点电商内容分享事件簇中兴趣趋势度大于预设热力阈值的电商内容分享事件。
71.一种示例性的设计思路中，电商内容分享事件的所有衔接电商内容分享事件的兴趣热力值，可以是w系数，一个电商内容分享事件的w系数如果是w，就说明这个电商内容分享事件至少有w个衔接电商内容分享事件，并且这w个衔接电商内容分享事件的分享热力值都不小于w。例如，若电商内容分享事件满足衔接电商内容分享事件中存在w个衔接电商内容分享事件的当前兴趣趋势度大于或等于w，且不满足存在w 1个衔接电商内容分享事件的当前兴趣趋势度大于或等于w 1时，则确定电商内容分享事件对应的兴趣热力值为w，其中w为正整数。
72.一种示例性的设计思路中，依据热点电商内容分享事件簇，确定目标电商内容分享数据中的兴趣电商内容分享事件及兴趣电商内容分享事件的兴趣趋势度，可以通过以下步骤实现。
73.步骤s401，基于各电商内容分享事件在热点电商内容分享事件簇中衔接电商内容分享事件的分享关注度，获得各电商内容分享事件在热点电商内容分享事件簇的分享热力值，将在热点电商内容分享事件簇中的分享热力值作为相应电商内容分享事件初始的当前
兴趣趋势度。
74.一种示例性的设计思路中，云端ai业务系统在对热点电商内容分享事件簇进行分析时，可以利用热点电商内容分享事件簇中各电商内容分享事件在该热点电商内容分享事件簇中的分享热力值来重置各电商内容分享事件的兴趣趋势度，作为最初的当前兴趣趋势度。
75.步骤s402，遍历执行对于热点电商内容分享事件簇中的每个电商内容分享事件，基于电商内容分享事件在热点电商内容分享事件簇中的衔接电商内容分享事件的当前兴趣趋势度，确定电商内容分享事件对应的兴趣热力值；当兴趣热力值不大于预设热力阈值时，从热点电商内容分享事件簇中剔除电商内容分享事件；当兴趣热力值大于预设热力阈值且小于电商内容分享事件的当前兴趣趋势度时，则基于电商内容分享事件的兴趣热力值更新电商内容分享事件的当前兴趣趋势度的步骤，直至当前遍历阶段中热点电商内容分享事件簇中各电商内容分享事件的当前兴趣趋势度均未被更新时结束遍历。
76.一种示例性的设计思路中，在每次遍历过程中，云端ai业务系统都需要对热点电商内容分享事件簇中的每个电商内容分享事件都需要进行处理。对热点电商内容分享事件簇中的每个电商内容分享事件，基于其衔接电商内容分享事件的当前兴趣趋势度，即上一轮遍历过程后所有衔接电商内容分享事件的兴趣趋势度，确定该电商内容分享事件对应的兴趣热力值，若电商内容分享事件的兴趣热力值不大于预设热力阈值，则该电商内容分享事件不会影响兴趣趋势度大于该电商内容分享事件的其他电商内容分享事件的兴趣趋势度的确定，则该电商内容分享事件无需参与后续的遍历过程，可以从热点电商内容分享事件簇中剔除该电商内容分享事件；若电商内容分享事件的兴趣热力值大于预设热力阈值且小于电商内容分享事件的当前兴趣趋势度，则利用该兴趣热力值更新该电商内容分享事件的当前兴趣趋势度，并且该电商内容分享事件还需要继续参与后续的遍历过程。
77.遍历终止条件，是当前遍历阶段中，热点电商内容分享事件簇中剩下的所有电商内容分享事件的当前兴趣趋势度均未发生变化。例如，基于电商内容分享事件的衔接电商内容分享事件在前次遍历的兴趣趋势度确定得到的兴趣热力值与该电商内容分享事件的当前兴趣趋势度一致时，则该电商内容分享事件的兴趣趋势度不会被更新，若热点电商内容分享事件簇中剩下的所有电商内容分享事件的当前兴趣趋势度在当前遍历阶段中均未被更新，则结束遍历。
78.值得说明的是，由于每次遍历过程中会剔除热点电商内容分享事件簇中兴趣热力值不大于预设热力阈值的电商内容分享事件，因此遍历过程中热点电商内容分享事件簇也是动态变化的，从而热点电商内容分享事件簇中每个电商内容分享事件的衔接电商内容分享事件也是不断变化的，所以在基于每个电商内容分享事件的衔接电商内容分享事件的当前兴趣趋势度确定其兴趣热力值时，应当基于该电商内容分享事件在当前的热点电商内容分享事件簇中的衔接电商内容分享事件的当前兴趣趋势度来确定，而非基于该电商内容分享事件在最初的热点电商内容分享事件簇中的衔接电商内容分享事件的当前兴趣趋势度来确定，可以进一步减少计算负荷。
79.一种示例性的设计思路中，当次遍历后若计算得到电商内容分享事件的兴趣热力值不大于预设热力阈值，则云端ai业务系统可以将该电商内容分享事件汇总为非兴趣内容分享事件，那么被汇总为非兴趣内容分享事件的电商内容分享事件将不再参与下次遍历过
程。
80.一种示例性的设计思路中，上述方法还包括：在当次遍历完成后，调存当前遍历阶段中当前兴趣趋势度被更新的电商内容分享事件；调存的电商内容分享事件用于指示在下次遍历启动时，将调存的电商内容分享事件在热点电商内容分享事件簇中的衔接电商内容分享事件，作为下次遍历过程中需要重新确定兴趣热力值的目标电商内容分享事件；对于热点电商内容分享事件簇中的每个电商内容分享事件，基于电商内容分享事件在热点电商内容分享事件簇中的衔接电商内容分享事件的当前兴趣趋势度，确定电商内容分享事件对应的兴趣热力值，包括：对于热点电商内容分享事件簇中的目标电商内容分享事件，基于目标电商内容分享事件在热点电商内容分享事件簇中的衔接电商内容分享事件的当前兴趣趋势度，确定目标电商内容分享事件对应的兴趣热力值。
81.一种示例性的设计思路中，通过调存当前遍历阶段中当前兴趣趋势度被更新的电商内容分享事件，就可以直接确定下次遍历过程中需要重新确定兴趣趋势度的电商内容分享事件。当某一个电商内容分享事件的兴趣趋势度被更新后，该电商内容分享事件将会影响其衔接电商内容分享事件的兴趣趋势度的确定，因此，当前遍历阶段结束后，调存这些兴趣趋势度被更新的电商内容分享事件，在下次遍历启动时，从热点电商内容分享事件簇中候选的电商内容分享事件中遍历出这些电商内容分享事件的衔接电商内容分享事件，作为下次遍历过程需要重新确定兴趣趋势度的电商内容分享事件，可以避免对热点电商内容分享事件簇中所有电商内容分享事件重新确定兴趣趋势度，提升分析效率。值得说明的是，这些当前兴趣趋势度被更新的电商内容分享事件的衔接电商内容分享事件不包括已经从热点电商内容分享事件簇中剔除的电商内容分享事件。
82.一种示例性的设计思路中，上述方法还包括：在当前遍历阶段开始时，重置电商内容分享事件的更新次数为零，电商内容分享事件的更新次数用于调存当前遍历阶段中当前兴趣趋势度被更新的电商内容分享事件的分享关注度；统计当前遍历阶段中当前兴趣趋势度被更新的电商内容分享事件的分享关注度；基于分享关注度优化电商内容分享事件的更新次数；在当前遍历阶段结束时，电商内容分享事件的更新次数为非零，则继续下一次遍历过程；在当前遍历阶段结束时，电商内容分享事件的更新次数为零，则结束遍历。
83.在一种示例性的设计思路中，在分析热点电商内容分享事件簇的过程中，可以利用一个标记，来调存当前遍历阶段中当前兴趣趋势度被更新的电商内容分享事件的分享关注度。云端ai业务系统可以设置一个用于调存每轮遍历过程中当前兴趣趋势度被更新的电商内容分享事件的分享关注度，在当前遍历阶段开始时，将这个标记置为0，对于参与当次遍历的电商内容分享事件，每当一个电商内容分享事件的兴趣趋势度被更新了，则该标记 1，那么，当次遍历完成后，若该标记不为0，说明当前遍历阶段中存在兴趣趋势度被更新的电商内容分享事件，则需要继续遍历，若该标记为0，说明当次遍历的整个过程中都不存在兴趣趋势度被更新的电商内容分享事件，整个遍历过程结束。
84.步骤s403，将结束遍历时获得的热点电商内容分享事件簇中的电商内容分享事件作为兴趣电商内容分享事件，并将结束遍历时兴趣电商内容分享事件的当前兴趣趋势度作为兴趣电商内容分享事件对应的兴趣趋势度。
85.由于遍历完成后热点电商内容分享事件簇中候选的电商内容分享事件的兴趣趋势度都是大于预设热力阈值的，因此可以将这些电商内容分享事件称为兴趣电商内容分享
事件。兴趣电商内容分享事件的兴趣趋势度即为该电商内容分享事件在整个历史的目标电商内容分享数据中的兴趣趋势度。
86.一种示例性的设计思路中中，确定热点电商内容分享事件簇中各电商内容分享事件的兴趣趋势度的过程如下：1）、基于热点电商内容分享事件簇中各电商内容分享事件在该热点电商内容分享事件簇中衔接电商内容分享事件的分享关注度，确定热点电商内容分享事件簇中各电商内容分享事件的分享热力值，用分享热力值来重置各电商内容分享事件的当前兴趣趋势度；2）、用零重置attention，attention表示每轮遍历中兴趣趋势度被更新的电商内容分享事件的分享关注度；3）、对热点电商内容分享事件簇中的每个电商内容分享事件，基于其衔接电商内容分享事件的当前兴趣趋势度确定兴趣热力值，该电商内容分享事件的衔接电商内容分享事件是该电商内容分享事件在热点电商内容分享事件簇中的且已过滤掉非兴趣状态的电商内容分享事件。当兴趣热力值小于等于预设热力阈值时，将该电商内容分享事件汇总结果为非兴趣状态；当兴趣热力值大于预设热力阈值且小于电商内容分享事件当前兴趣趋势度时，基于兴趣热力值更新该电商内容分享事件的当前兴趣趋势度，且attention 1；4）、当attention不为0时，重复第2）-3）步；否则结束遍历，此时热点电商内容分享事件簇中状态没有被汇总为非兴趣状态的电商内容分享事件的当前兴趣趋势度即为该电商内容分享事件在整个历史的目标电商内容分享数据中的兴趣趋势度，没有被汇总为非兴趣状态的电商内容分享事件为该目标电商内容分享数据中的兴趣电商内容分享事件。
87.在一种示例性的设计思路中，依据兴趣热力值对热点电商内容分享事件簇中各电商内容分享事件的兴趣趋势度进行确定，并对每次遍历确定得到的兴趣趋势度与预设热力阈值进行比较，只有当遍历确定的兴趣趋势度大于预设热力阈值时，该电商内容分享事件才继续进行遍历，反之则不再参与后续遍历，能够提升对热点电商内容分享事件簇的分析效率。
88.步骤s304，基于目标电商内容分享数据中除兴趣电商内容分享事件之外的电商内容分享事件及电商内容分享事件之间的分享关联信息，获得目标电商内容分享数据中的模糊电商内容分享事件簇。
89.一种示例性的设计思路中，云端ai业务系统确定了目标电商内容分享数据中的兴趣电商内容分享事件后，目标电商内容分享数据中除兴趣电商内容分享事件之外的成员电商内容分享事件的兴趣趋势度是不大于预设热力阈值的，将这些电商内容分享事件及其之间构成的分享关联信息称为模糊电商内容分享事件簇。
90.一种示例性的设计思路中，基于目标电商内容分享数据中除兴趣电商内容分享事件之外的电商内容分享事件及电商内容分享事件之间的分享关联信息，获得目标电商内容分享数据中的模糊电商内容分享事件簇，包括：从目标电商内容分享数据中剔除兴趣电商内容分享事件；基于剔除兴趣电商内容分享事件后成员电商内容分享事件及成员电商内容分享事件之间的分享关联信息，获得模糊电商内容分享事件簇。
91.步骤s305，依据模糊电商内容分享事件簇和兴趣电商内容分享事件，确定模糊电商内容分享事件簇中各电商内容分享事件的兴趣趋势度。
92.模糊电商内容分享事件簇中各电商内容分享事件对应的兴趣趋势度的确定同样
遵循上述兴趣热力值遍历的方法，但由于兴趣电商内容分享事件会对模糊电商内容分享事件簇中各电商内容分享事件的兴趣趋势度的确定产生影响，所以在遍历过程中还需要考虑兴趣电商内容分享事件对模糊电商内容分享事件簇中电商内容分享事件的兴趣趋势度的变化值大小。云端ai业务系统在获得目标电商内容分享数据中的模糊电商内容分享事件簇和兴趣电商内容分享事件后，可以依据该模糊电商内容分享事件簇和兴趣电商内容分享事件确定该模糊电商内容分享事件簇中各电商内容分享事件的兴趣趋势度。
93.一种示例性的设计思路中，云端ai业务系统可以对模糊电商内容分享事件簇进行数据挖掘，从模糊电商内容分享事件簇中分析出各电商内容分享事件的兴趣趋势度。一种示例性的设计思路中，按照k=1，k=2，
…
，k处等于预设热力阈值，从该模糊电商内容分享事件簇中反复去除分享热力值不大于k的电商内容分享事件，得到k组电商内容分享事件簇，从而确定模糊电商内容分享事件簇中各电商内容分享事件所在最大兴趣趋势度的电商内容分享事件簇，从而确定各电商内容分享事件的兴趣趋势度。
94.一种示例性的设计思路中，云端ai业务系统还可以在对模糊电商内容分享事件簇进行遍历时，在当前遍历阶段中，利用电商内容分享事件前次遍历后，该电商内容分享事件在目标电商内容分享数据中各衔接电商内容分享事件的兴趣热力值更新相应电商内容分享事件的当前遍历阶段的兴趣趋势度。
95.一种示例性的设计思路中，电商内容分享事件的所有衔接电商内容分享事件的兴趣热力值，可以是w系数，一个电商内容分享事件的w系数如果是w，就说明这个电商内容分享事件至少有w个衔接电商内容分享事件，并且这w个衔接电商内容分享事件的分享热力值都不小于w。例如，若电商内容分享事件满足衔接电商内容分享事件中存在w个衔接电商内容分享事件的当前兴趣趋势度大于或等于w，且不满足存在w 1个衔接电商内容分享事件的当前兴趣趋势度大于或等于w 1时，则确定电商内容分享事件对应的兴趣热力值为w，其中w为正整数。
96.一种示例性的设计思路中，依据模糊电商内容分享事件簇和兴趣电商内容分享事件，确定模糊电商内容分享事件簇中各电商内容分享事件的兴趣趋势度，可以通过以下步骤实现。
97.步骤s501，基于模糊电商内容分享事件簇中各电商内容分享事件在历史的目标电商内容分享数据中衔接电商内容分享事件的分享关注度，重置模糊电商内容分享事件簇中各电商内容分享事件的当前兴趣趋势度。
98.一种示例性的设计思路中，云端ai业务系统在对模糊电商内容分享事件簇进行分析时，可以利用模糊电商内容分享事件簇中各电商内容分享事件在历史的目标电商内容分享数据中的分享热力值来重置各电商内容分享事件的兴趣趋势度，作为最初的当前兴趣趋势度。
99.例如，在确定模糊电商内容分享事件簇中各电商内容分享事件的兴趣趋势度时，每次遍历过程中，不仅要考虑模糊电商内容分享事件簇中的电商内容分享事件对其的影响，还需要考虑兴趣电商内容分享事件对其的影响，所以需要考虑兴趣电商内容分享事件对其分享热力值的变化值大小，换言之将电商内容分享事件在模糊电商内容分享事件簇中的分享热力值与该电商内容分享事件与兴趣电商内容分享事件相连的分享关注度之和来重置该电商内容分享事件的当前兴趣趋势度，实际上换言之该电商内容分享事件在历史的
目标电商内容分享数据中的分享热力值。
100.一种示例性的设计思路中，基于前述方案，兴趣电商内容分享事件的兴趣趋势度已经确定，兴趣电商内容分享事件的兴趣趋势度都是大于预设热力阈值的，而模糊电商内容分享事件簇中各电商内容分享事件的兴趣趋势度都是不大于预设热力阈值的，所以，在确定模糊电商内容分享事件簇中各电商内容分享事件的兴趣趋势度时，若需要用到兴趣电商内容分享事件的兴趣趋势度，可以将兴趣电商内容分享事件的兴趣趋势度均设置为预设热力阈值，也可以设置为任意大于预设热力阈值的值，还可以直接使用按前述步骤所确定的兴趣电商内容分享事件的兴趣趋势度，上述不同方式的设置不会影响对模糊电商内容分享事件簇中各电商内容分享事件的兴趣趋势度的确定结果。
101.步骤s502，遍历执行对于模糊电商内容分享事件簇中的每个电商内容分享事件，基于电商内容分享事件在目标电商内容分享数据中的衔接电商内容分享事件的当前兴趣趋势度，确定电商内容分享事件对应的兴趣热力值；当兴趣热力值小于电商内容分享事件的当前兴趣趋势度时，则基于电商内容分享事件的兴趣热力值更新电商内容分享事件的当前兴趣趋势度的步骤，直至当前遍历阶段中模糊电商内容分享事件簇中各电商内容分享事件的当前兴趣趋势度均未被更新时结束遍历。
102.一种示例性的设计思路中，在每次遍历过程中，云端ai业务系统都需要对模糊电商内容分享事件簇中的每个电商内容分享事件都需要进行处理。对模糊电商内容分享事件簇中的每个电商内容分享事件，基于其在目标电商内容分享数据中的衔接电商内容分享事件的当前兴趣趋势度，即上一轮遍历过程后所有衔接电商内容分享事件的兴趣趋势度，确定该电商内容分享事件对应的兴趣热力值。值得说明的是，若衔接电商内容分享事件包括兴趣电商内容分享事件，兴趣电商内容分享事件的兴趣趋势度在前述步骤已经确定，所以在模糊电商内容分享事件簇的遍历过程中，兴趣电商内容分享事件的兴趣趋势度都不用参与更新。若电商内容分享事件的兴趣热力值小于电商内容分享事件的当前兴趣趋势度，则利用该兴趣热力值更新该电商内容分享事件的当前兴趣趋势度。
103.遍历终止条件，是当前遍历阶段中，模糊电商内容分享事件簇中所有电商内容分享事件的当前兴趣趋势度均未发生变化。例如，基于电商内容分享事件的衔接电商内容分享事件在前次遍历的兴趣趋势度确定得到的兴趣热力值与该电商内容分享事件当前兴趣趋势度一致时，则该电商内容分享事件的兴趣趋势度不会被更新，若模糊电商内容分享事件簇中所有电商内容分享事件的当前兴趣趋势度在当前遍历阶段中均未被更新，则结束遍历。
104.一种示例性的设计思路中，上述方法还包括：在当次遍历完成后，调存当前遍历阶段中当前兴趣趋势度被更新的电商内容分享事件；调存的电商内容分享事件用于指示在下次遍历启动时，将调存的电商内容分享事件在模糊电商内容分享事件簇中的衔接电商内容分享事件，作为下次遍历过程中需要重新确定兴趣热力值的目标电商内容分享事件；对于模糊电商内容分享事件簇中的每个电商内容分享事件，基于电商内容分享事件在目标电商内容分享数据中的衔接电商内容分享事件的当前兴趣趋势度，确定电商内容分享事件对应的兴趣热力值，包括：对于模糊电商内容分享事件簇中的目标电商内容分享事件，基于目标电商内容分享事件在目标电商内容分享数据中的衔接电商内容分享事件的当前兴趣趋势度，确定目标电商内容分享事件对应的兴趣热力值。
105.一种示例性的设计思路中，通过调存当前遍历阶段中当前兴趣趋势度被更新的电商内容分享事件，就可以直接确定下次遍历过程中需要重新确定兴趣趋势度的电商内容分享事件。当某一个电商内容分享事件的兴趣趋势度被更新后，该电商内容分享事件将会影响其衔接电商内容分享事件的兴趣趋势度的确定，因此，当前遍历阶段结束后，调存这些兴趣趋势度被更新的电商内容分享事件，在下次遍历启动时，从模糊电商内容分享事件簇中遍历出这些电商内容分享事件的衔接电商内容分享事件，作为下次遍历过程需要重新确定兴趣趋势度的电商内容分享事件，可以避免对模糊电商内容分享事件簇中所有电商内容分享事件重新确定兴趣趋势度，提升分析效率。值得说明的是，确定当前兴趣趋势度被更新的电商内容分享事件的衔接电商内容分享事件后，衔接电商内容分享事件中若包括兴趣电商内容分享事件，则兴趣电商内容分享事件不需要重新确定兴趣趋势度。
106.一种示例性的设计思路中，上述方法还包括：在当前遍历阶段开始时，重置电商内容分享事件的更新次数为零，电商内容分享事件的更新次数用于调存当前遍历阶段中当前兴趣趋势度被更新的电商内容分享事件的分享关注度；统计当前遍历阶段中当前兴趣趋势度被更新的电商内容分享事件的分享关注度；基于分享关注度优化电商内容分享事件的更新次数；在当前遍历阶段结束时，电商内容分享事件的更新次数为非零，则继续下一次遍历过程；在当前遍历阶段结束时，电商内容分享事件的更新次数为零，则结束遍历。
107.在一种示例性的设计思路中，在分析模糊电商内容分享事件簇的过程中，可以利用一个标记，来调存当前遍历阶段中当前兴趣趋势度被更新的电商内容分享事件的分享关注度。云端ai业务系统可以设置一个用于调存每轮遍历过程中当前兴趣趋势度被更新的电商内容分享事件的分享关注度，在当前遍历阶段开始时，将这个标记置为0，对于参与当次遍历的电商内容分享事件，每当一个电商内容分享事件的兴趣趋势度被更新了，则该标记 1，那么，当次遍历完成后，若该标记不为0，说明当前遍历阶段中存在兴趣趋势度被更新的电商内容分享事件，则需要继续遍历，若该标记为0，说明当次遍历的整个过程中都不存在兴趣趋势度被更新的电商内容分享事件，整个遍历过程结束。
108.步骤s503，将结束遍历时电商内容分享事件的当前兴趣趋势度作为电商内容分享事件对应的兴趣趋势度。
109.遍历完成后，模糊电商内容分享事件簇中各电商内容分享事件的兴趣趋势度即为该电商内容分享事件在整个历史的目标电商内容分享数据中的兴趣趋势度。
110.一种示例性的设计思路中中，确定模糊电商内容分享事件簇中各电商内容分享事件的兴趣趋势度的过程如下：a1、确定模糊电商内容分享事件簇中各电商内容分享事件的分享热力值；a2、对模糊电商内容分享事件簇中的各电商内容分享事件，统计其与兴趣电商内容分享事件相连的个数q，用q值与其分享热力值之和重置该电商内容分享事件的当前兴趣趋势度；a3、用零重置attention，attention表示每轮遍历中兴趣趋势度被更新的电商内容分享事件的分享关注度；a4、对模糊电商内容分享事件簇中的每个电商内容分享事件，基于其衔接电商内容分享事件的当前兴趣趋势度确定兴趣热力值。这里的关联集合指的是电商内容分享事件在历史的目标电商内容分享数据的衔接电商内容分享事件，例如，衔接电商内容分享事件
不仅包括模糊电商内容分享事件簇中的电商内容分享事件，也可能包括兴趣电商内容分享事件。当兴趣热力值小于电商内容分享事件的当前兴趣趋势度时，基于兴趣热力值更新该电商内容分享事件的当前兴趣趋势度，且attention 1。
111.a5、当attention不为0时，重复第a3-a4；否则结束遍历，此时模糊电商内容分享事件簇中各电商内容分享事件的兴趣趋势度即为各电商内容分享事件在整个历史的目标电商内容分享数据中的兴趣趋势度。
112.由于模糊电商内容分享事件簇中的各电商内容分享事件不会对热点电商内容分享事件簇中的电商内容分享事件产生影响，因此针对热点电商内容分享事件簇，直接确定其中的兴趣电商内容分享事件及兴趣电商内容分享事件对应的兴趣趋势度，接着将目标电商内容分享数据中除该兴趣电商内容分享事件及兴趣电商内容分享事件之间的分享关联信息外候选的部分构成模糊电商内容分享事件簇，考虑到热点电商内容分享事件簇中的兴趣电商内容分享事件会对其中的电商内容分享事件产生影响，因此针对该模糊电商内容分享事件簇，需要基于模糊电商内容分享事件簇本身及热点电商内容分享事件簇中的兴趣电商内容分享事件来确定该模糊电商内容分享事件簇中各电商内容分享事件的兴趣趋势度。分析出目标电商内容分享数据中各电商内容分享事件的兴趣趋势度之后，兴趣趋势度可作为相应电商内容分享事件的特征生成相应的潜在兴趣点数据用于其他的业务处理分析。
113.一种示例性的设计思路中中，上述针对云计算环境的信息安全处理方法可以包括以下步骤。
114.步骤s601，获取目标电商内容分享数据。
115.步骤s602，确定目标电商内容分享数据中各电商内容分享事件的衔接电商内容分享事件的分享关注度。
116.步骤s603，将衔接电商内容分享事件的分享关注度作为相应电商内容分享事件的分享热力值。
117.步骤s604，获取预设热力阈值。
118.步骤s605，从目标电商内容分享数据中剔除分享热力值不大于预设热力阈值的电商内容分享事件及电商内容分享事件对应的分享关联信息，基于目标电商内容分享数据中成员电商内容分享事件及成员电商内容分享事件之间的分享关联信息获得热点电商内容分享事件簇。
119.步骤s606，基于各电商内容分享事件在热点电商内容分享事件簇中衔接电商内容分享事件的分享关注度，获得各电商内容分享事件在热点电商内容分享事件簇的分享热力值，将在热点电商内容分享事件簇中的分享热力值作为相应电商内容分享事件初始的当前兴趣趋势度。
120.步骤s607，遍历执行对于热点电商内容分享事件簇中的每个电商内容分享事件，基于电商内容分享事件在热点电商内容分享事件簇中的衔接电商内容分享事件的当前兴趣趋势度，确定电商内容分享事件对应的兴趣热力值；当兴趣热力值不大于预设热力阈值时，从热点电商内容分享事件簇中剔除电商内容分享事件；当兴趣热力值大于预设热力阈值且小于电商内容分享事件的当前兴趣趋势度时，则基于电商内容分享事件的兴趣热力值更新电商内容分享事件的当前兴趣趋势度的步骤，直至当前遍历阶段中热点电商内容分享事件簇中各电商内容分享事件的当前兴趣趋势度均未被更新时结束遍历。
121.步骤s608，将结束遍历时获得的热点电商内容分享事件簇中的电商内容分享事件作为兴趣电商内容分享事件，并将结束遍历时兴趣电商内容分享事件的当前兴趣趋势度作为兴趣电商内容分享事件对应的兴趣趋势度。
122.步骤s609，从目标电商内容分享数据中剔除兴趣电商内容分享事件。
123.步骤s610，基于剔除兴趣电商内容分享事件后成员电商内容分享事件及成员电商内容分享事件之间的分享关联信息，获得模糊电商内容分享事件簇。
124.步骤s611，基于模糊电商内容分享事件簇中各电商内容分享事件在历史的目标电商内容分享数据中衔接电商内容分享事件的分享关注度，重置模糊电商内容分享事件簇中各电商内容分享事件的当前兴趣趋势度。
125.步骤s612，遍历执行对于模糊电商内容分享事件簇中的每个电商内容分享事件，基于电商内容分享事件在目标电商内容分享数据中的衔接电商内容分享事件的当前兴趣趋势度，确定电商内容分享事件对应的兴趣热力值；当兴趣热力值小于电商内容分享事件的当前兴趣趋势度时，则基于电商内容分享事件的兴趣热力值更新电商内容分享事件的当前兴趣趋势度的步骤，直至当前遍历阶段中模糊电商内容分享事件簇中各电商内容分享事件的当前兴趣趋势度均未被更新时结束遍历。
126.步骤s613，将结束遍历时电商内容分享事件的当前兴趣趋势度作为电商内容分享事件对应的兴趣趋势度。
127.步骤s614，基于各电商内容分享事件的兴趣趋势度生成与电商内容分享事件对应的潜在兴趣点数据。
128.步骤s615，基于电商内容分享事件的潜在兴趣点数据对电商内容分享事件进行输出。
129.一种示例性的设计思路中，可以基于兴趣趋势度生成与电商内容分享事件对应的潜在兴趣点数据，潜在兴趣点数据用于对电商内容分享事件进行潜在兴趣输出。
130.一种可依据独立构思的实施例中，参见图3所示，该云端ai业务系统100可以包括：处理器101和机器可读存储介质102。其中，所述机器可读存储介质102用于存储支持该云端ai业务系统100执行上述前述任意一种实施例中提供的基于用户画像决策的大数据分析方法的程序，所述处理器101被配置为用于执行所述机器可读存储介质102中存储的程序。
131.所述程序包括一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器101执行时能够实现前述任意一种实施例中的全部或部分步骤。
132.其中，所述云端ai业务系统100的架构中还可以包括通信单元103，用于该云端ai业务系统100与其它设备或系统通信（例如云端业务应用系统200）。
133.另外，本技术实施例提供了一种计算机存储介质，用于储存上述云端ai业务系统100所用的计算机软件指令，其包含用于执行上述前述任意一种方法实施例中基于用户画像决策的大数据分析方法所涉及的程序。
134.最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，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技术各实施例技术方案的精神和范围。