针对数字金融大数据的交互服务分析方法及系统与流程

1.本公开涉及大数据技术领域，尤其涉及一种针对数字金融大数据的交互服务分析方法及系统。


背景技术：

2.金融科技和电子商务的整合推动数字金融在金融业务层面迅速落地，新的金融业态和产品不断出现。数字金融的应用较为广泛，诸如数字银行、数字支付、数字供应链金融、数字普惠金融、数字保险等都可看作是金融机构实现数字金融创新的应用典范。随着数字金融的不断发展，各类用户群体剧增，如何实现相关用户的兴趣分析和挖掘成为当下数字金融的其中一个关注点。然而在实际的用户兴趣处理过程中，相关技术难以保障分析结果的完整性和丰富性。


技术实现要素：

3.本公开的一个目的是提供一种针对数字金融大数据的交互服务分析方法及系统。
4.本公开的技术方案是通过如下至少部分实施例实现的。
5.第一方面，本公开实施例提供了一种针对数字金融大数据的交互服务分析方法，所述方法由数字金融服务系统实施，所述方法至少包括：确定达到服务兴趣挖掘条件的数字金融互动大数据；所述数字金融互动大数据涵盖独异型描述特征，所述数字金融互动大数据包含对所述待分析金融业务交互项目进行互动信息捕捉获得的活动日志或活动报告；依据所述数字金融互动大数据，对所述待分析金融业务交互项目进行全局关系网确定，获得所述待分析金融业务交互项目的全局兴趣特征关系网；依据所述独异型描述特征在所述数字金融互动大数据中的局部显著性分布，确定所述独异型描述特征在所述全局兴趣特征关系网匹配的兴趣特征空间下的目标全局分布表达；依据所述目标全局分布表达，为所述全局兴趣特征关系网配设与所述目标全局分布表达匹配的独异型描述特征。
6.应用于该实施例，依据生成待分析金融业务交互项目的全局兴趣特征关系网，然后依据独异型描述特征在数字金融互动大数据中的局部显著性分布，确定在局部数字金融活动信息中的独异型描述特征在全局兴趣特征关系网匹配的兴趣特征空间下的目标全局分布表达；基于目标全局分布表达，为全局兴趣特征关系网配设独异型描述特征，使得确定的待分析金融业务交互项目的全局兴趣特征关系网中涵盖有独异型描述特征，有助于基于涵盖有独异型描述特征的待分析金融业务交互项目的全局兴趣特征关系网，完整丰富地输出待分析金融业务交互项目内各待分析业务用户匹配的业务交互兴趣特征，有助于之后基于业务交互兴趣特征，对待分析金融业务交互项目内的待分析业务用户的用户挖掘和服务推送。
7.对于一些独立性的实施例，通过如下方式确定所述数字金融互动大数据涵盖的所述独异型描述特征：对所述数字金融互动大数据中的数字金融活动信息进行差异化解析操作，并依据所述差异化解析操作的输出，确定所述独异型描述特征。
8.如此一来，通过对数字金融互动大数据中的数字金融活动信息进行差异化解析操作，能够智能化且高效的确定独异型描述特征，进而能够提高业务交互兴趣挖掘效率。
9.对于一些独立性的实施例，通过如下方式确定所述数字金融互动大数据涵盖的所述独异型描述特征：收集描述特征挖掘线程上报的所述独异型描述特征；其中，所述独异型描述特征是所述描述特征挖掘线程基于对数字金融互动大数据中的数字金融活动信息的描述特征挖掘指令确定的。
10.对于一些独立性的实施例，所述依据所述独异型描述特征在所述数字金融互动大数据中的局部显著性分布，确定所述独异型描述特征在所述全局兴趣特征关系网匹配的兴趣特征空间下的目标全局分布表达，包括：在所述数字金融互动大数据包括的n组数字金融活动信息中，确定绑定了所述独异型描述特征的目标数字金融活动信息，n为正整数；确定所述独异型描述特征的局部显著性分布在所述目标数字金融活动信息匹配的目标金融活动交互事件；依据所述目标数字金融活动信息、以及互动信息捕捉线程捕捉所述目标数字金融活动信息时的注意力信息，对所述目标数字金融活动信息进行全局分布表达更新，获得所述目标金融活动交互事件在所述兴趣特征空间下的全局分布表达；依据所述目标金融活动交互事件在所述兴趣特征空间下的全局分布表达，确定所述独异型描述特征在所述全局兴趣特征关系网匹配的所述兴趣特征空间下的目标全局分布表达。
11.如此一来，通过独异型描述特征匹配的目标数字金融活动信息、以及互动信息捕捉线程捕捉目标数字金融活动信息时的注意力信息，能够准确且全面地确定局部数字金融活动信息上绑定独异型描述特征的目标金融活动交互事件，对应于待分析金融业务交互项目的全局特征空间下的目标全局分布表达，使得后期可以根据目标全局兴趣特征关系网，准确地为待分析金融业务交互项目的全局兴趣特征关系网配设独异型描述特征，进而能够提高后期确定涵盖有独异型描述特征的待分析金融业务交互项目的全局兴趣特征关系网的准确性及可靠性。
12.对于一些独立性的实施例，所述全局兴趣特征关系网中涵盖所述待分析金融业务交互项目中的各待分析业务用户各自匹配的阶段兴趣特征关系网；所述依据所述目标全局分布表达，为所述全局兴趣特征关系网配设与所述目标全局分布表达匹配的独异型描述特征，包括：依据所述目标全局分布表达以及所述全局兴趣特征关系网中各所述待分析业务用户各自匹配的所述阶段兴趣特征关系网在所述兴趣特征空间下的注意力信息，确定待配设所述独异型描述特征的待分析业务用户；生成所述待配设所述独异型描述特征的待分析业务用户与所述独异型描述特征之间的映射列表。
13.如此一来，能够根据目标全局分布表达以及待分析金融业务交互项目中各待分析业务用户各自匹配的阶段兴趣特征关系网的注意力信息，从待分析金融业务交互项目中包含的多个待分析业务用户中，准确地确定待配设独异型描述特征的待分析业务用户，能够便于为该待配设独异型描述特征的待分析业务用户配设独异型描述特征，从而提高了确定的涵盖有独异型描述特征的待分析金融业务交互项目的全局兴趣特征关系网的准确性及可靠性。
14.对于一些独立性的实施例，所述生成所述待配设所述独异型描述特征的待分析业务用户与所述独异型描述特征之间的映射列表，包括：依据所述目标全局分布表达，确定所述独异型描述特征在所述待配设所述独异型描述特征的待分析业务用户下的全局显著性
分布；生成所述全局显著性分布与所述独异型描述特征之间的映射列表。
15.如此一来，能够根据目标全局分布表达，准确地为待分析金融业务交互项目中待配设独异型描述特征的待分析业务用户匹配的阶段兴趣特征关系网配设匹配的独异型描述特征，从而提高了确定的涵盖有独异型描述特征的待分析金融业务交互项目的全局兴趣特征关系网的准确性及可靠性。
16.对于一些独立性的实施例，所述方法还包括：确定视觉会话任务；依据所述视觉会话任务以及所述独异型描述特征，确定兴趣特征细节；基于关系网调用请求处于有效状态，输出所述待分析金融业务交互项目的全局兴趣特征关系网以及所述兴趣特征细节。
17.如此一来，利用输出涵盖独异型描述特征的兴趣特征细节以及待分析金融业务交互项目的全局兴趣特征关系网，以获得更加完整丰富地待分析金融业务交互项目的项目架构信息、以及待分析金融业务交互项目内各待分析业务用户的注意力信息信息、以及各待分析业务用户的社交关系、以及待分析业务用户涵盖的独异型描述特征，有助于之后结合业务交互兴趣特征，对待分析金融业务交互项目中的待分析业务用户进行高质量的用户挖掘和服务推送。
18.对于一些独立性的实施例，所述关系网调用请求包括：配设有所述独异型描述特征的待分析业务用户处于有效状态；所述输出所述待分析金融业务交互项目的全局兴趣特征关系网以及所述兴趣特征细节，包括：输出所述待分析金融业务交互项目的全局兴趣特征关系网、以及处于有效状态的待分析业务用户匹配的兴趣特征细节。
19.对于一些独立性的实施例，所述关系网调用请求包括：与所述独异型描述特征生成映射列表的全局显著性分布在视觉会话任务进程中处于输出状态；所述输出所述待分析金融业务交互项目的全局兴趣特征关系网以及所述兴趣特征细节，包括：输出所述待分析金融业务交互项目的全局兴趣特征关系网、以及与所述全局显著性分布具有映射列表的兴趣特征细节。
20.对于一些独立性的实施例，所述独异型描述特征涵盖如下一种或一种以上：独异型用户兴趣、和/或潜在需求细节特征；其中，所述独异型用户兴趣涵盖如下一种或一种以上：描述特征维度、描述特征品类、描述特征格式；所述潜在需求细节特征涵盖如下一种或一种以上：对应待分析业务用户的金融服务需求细节、对应待分析业务用户的反馈投诉细节、以及对应待分析业务用户的金融服务优化细节。
21.对于一些独立性的实施例，所述全局兴趣特征关系网包括全局兴趣特征知识库；所述依据所述数字金融互动大数据，对所述待分析金融业务交互项目进行全局关系网确定，获得所述待分析金融业务交互项目的全局兴趣特征关系网，包括：依据所述数字金融互动大数据、以及互动信息捕捉线程捕捉所述数字金融互动大数据时的注意力信息，对所述待分析金融业务交互项目进行全局知识库确定，获得所述待分析金融业务交互项目的知识单元信息；所述知识单元信息包括：对应于所述待分析金融业务交互项目内多个待分析业务用户各自匹配的实体知识单元、以及每个所述实体知识单元各自匹配的相对分布词向量；对所述知识单元信息进行差异化解析操作，获得多个所述实体知识单元各自匹配的差异化标识；依据所述知识单元信息以及所述差异化标识，确定所述待分析金融业务交互项目的全局兴趣特征知识库；所述待分析金融业务交互项目的全局兴趣特征知识库中涵盖各待分析业务用户各自匹配的阶段兴趣特征知识库。
22.如此一来，依据数字金融互动大数据以及互动信息捕捉线程捕捉数字金融互动大数据时的注意力信息，对待分析金融业务交互项目进行全局知识库确定，并对获得的知识单元信息进行差异化解析，确定能够表达待分析金融业务交互项目内各待分析业务用户的实际项目架构信息、以及各待分析业务用户各自匹配的注意力信息信息的全局兴趣特征知识库，便于之后为待分析金融业务交互项目的全局兴趣特征关系网配设独异型描述特征贡献了相对全面且精准的参考依据。
23.对于一些独立性的实施例，所述全局兴趣特征关系网包括全局兴趣特征热力分布；所述依据所述数字金融互动大数据，对所述待分析金融业务交互项目进行全局关系网确定，获得所述待分析金融业务交互项目的全局兴趣特征关系网，包括：依据所述数字金融互动大数据、以及互动信息捕捉线程捕捉所述数字金融互动大数据时的注意力信息，对所述待分析金融业务交互项目进行全局热力分布确定，获得所述待分析金融业务交互项目的兴趣特征热力信息；所述兴趣特征热力信息包括：对应于所述待分析金融业务交互项目内多个待分析业务用户的显性维度的多个兴趣特征热力块、以及每个所述兴趣特征热力块各自匹配的相对分布词向量；对所述兴趣特征热力信息进行差异化解析操作，获得由所述兴趣特征热力块形成的多个兴趣热力集各自匹配的差异化标识；依据所述兴趣特征热力信息以及所述差异化标识，确定所述待分析金融业务交互项目的全局兴趣特征热力分布；所述待分析金融业务交互项目的全局兴趣特征热力分布中涵盖各待分析业务用户各自匹配的阶段兴趣特征热力分布。
24.如此，基于数字金融互动大数据、以及互动信息捕捉线程捕捉数字金融互动大数据时的注意力信息，对待分析金融业务交互项目进行全局热力分布确定，并对获得的兴趣特征热力信息进行差异化解析，确定能够表达待分析金融业务交互项目内各待分析业务用户的实际项目架构信息以及各待分析业务用户各自匹配的注意力信息信息的全局兴趣特征热力分布，便于之后为待分析金融业务交互项目的全局兴趣特征关系网配设独异型描述特征贡献了相对全面且精准的参考依据。
25.对于一些独立性的实施例，所述待分析业务用户涵盖如下一种或一种以上：对应于所述待分析金融业务交互项目的业务发起方、以及对应于所述待分析金融业务交互项目的业务应答方。
26.第二方面，一种数字金融服务系统，包括：用于存储可执行计算机程序的存储器，用于执行所述存储器中存储的可执行计算机程序时实现上述方法的处理器。
27.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在运行时执行上述方法。
附图说明
28.图1是示出可以实现本公开的实施例的数字金融服务系统的一种通信配置的示意图。
29.图2是示出可以实现本公开的实施例的针对数字金融大数据的交互服务分析方法的流程示意图。
30.图3是示出可以实现本公开的实施例的针对数字金融大数据的交互服务分析方法的应用环境的架构示意图。
具体实施方式
31.下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。为了使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开作进一步地详细描述，所描述的实施例不应视为对本公开的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本公开保护的范围。在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。除非另有定义，本文所使用的所有的技术和科学术语与属于本公开的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本公开实施例的目的，不是旨在限制本公开。
32.图1是示出可以实现本公开的实施例的数字金融服务系统100的一种通信配置的框图，数字金融服务系统100包括用于存储可执行计算机程序的存储器101，用于执行所述存储器101中存储的可执行计算机程序时实现本公开实施例中针对数字金融大数据的交互服务分析方法的处理器102。
33.图2是示出可以实现本公开的实施例的针对数字金融大数据的交互服务分析方法的流程示意图，针对数字金融大数据的交互服务分析方法可以通过图1所示的数字金融服务系统100实现，进一步可以包括以下相关步骤所描述的技术方案。
34.步骤101、确定达到服务兴趣挖掘条件的数字金融互动大数据。
35.对于本公开实施例而言，数字金融互动大数据涵盖有独异型描述特征（比如具有较为明显区别的标签特征或者标签信息），数字金融互动大数据可以包括借助互动信息捕捉线程对待分析金融业务交互项目进行互动信息捕捉获得的数字金融活动日志或数字金融活动信息，进一步的，数字金融活动日志可以包括存在多端交互的活动日志；互动信息捕捉线程可以是互动信息捕捉器（比如相关的功能模块或者轻量级系统）。可以理解，鉴于互动信息捕捉线程在对待分析金融业务交互项目（金融业务会话/金融业务进程/业务交互环境）进行捕捉时可以得到数字金融互动大数据或者若干组数字金融活动信息。此外，数字金融互动大数据还可以理解为数字金融服务系统与数字金融交互进行金融互动时所产生的一系列互动数据。比如：金融支付行为数据、业务对象验证数据等。而达到服务兴趣挖掘条件的数字金融互动大数据可以理解为待处理的数字金融互动大数据，该服务兴趣挖掘条件可以是“确定互动时段为t1~t2之间的数字金融互动大数据”，也可以是“确定互动用户包括用户c1和用户c2的数字金融互动大数据”。
36.在一些实施例中，用于进行业务交互兴趣捕捉、以及业务交互兴趣挖掘的待分析金融业务交互项目可以包括若干项目内容集，比如，在一个内容较为丰富的待分析金融业务交互项目中可以涵盖有若干业务细节清单。鉴于进行业务交互兴趣捕捉的项目内容集类似，由此，本公开实施例提供的针对数字金融大数据的交互服务分析方法可以对应的在待分析金融业务交互项目内携带的不同的若干项目内容集中实施。此外，在待分析金融业务交互项目中还可以涵盖不低于一个待分析业务用户，进一步的，待分析业务用户可以包括对应于待分析金融业务交互项目的业务发起方、以及对应于待分析金融业务交互项目的业务应答方、对应于待分析金融业务交互项目的业务鉴权方中的不低于一种，但不限于此。
37.在实际实施时，互动信息捕捉线程在对待分析金融业务交互项目进行互动信息捕
捉的形式不限。可以理解，在对待分析金融业务交互项目进行互动信息捕捉时，为了保障待分析金融业务交互项目对应的关系网的内容丰富度，可以引导互动信息捕捉线程在存在差异的注意力信息（不同的关注角度，比如关注用户行为习惯，又比如关注业务网络环境等）下进行互动信息捕捉，以确定出待分析金融业务交互项目匹配的数字金融互动大数据。
38.进一步的，鉴于互动信息捕捉线程进行互动信息捕捉获得的数字金融互动大数据可以供全局关系网确定，因而需定位互动信息捕捉线程在待分析金融业务交互项目中的注意力信息。基于此，例如还可以在借助互动信息捕捉线程对待分析金融业务交互项目进行互动信息捕捉之前，对互动信息捕捉线程进行线程参数核对以定位出互动信息捕捉线程在待分析金融业务交互项目中的注意力信息。这样，可以利用挑选互动信息捕捉线程的数字金融互动大数据捕捉规则进行数字金融互动大数据捕捉，并获得待分析金融业务交互项目匹配的数字金融互动大数据。
39.对于本公开实施例而言，也可以相应的确定数字金融互动大数据涵盖的独异型描述特征。进一步的，独异型描述特征可以包括：独异型用户兴趣和/或潜在需求细节特征，但不限于；独异型用户兴趣用于输出兴趣特征，比如：描述特征维度、描述特征品类、描述特征格式，但不限于；潜在需求细节特征用于记录待分析金融业务交互项目中的待分析业务用户在相关业务交互项目中蕴藏的隐型需求内容，比如：对应待分析业务用户的金融服务需求细节、对应待分析业务用户的反馈投诉细节、以及对应待分析业务用户的金融服务优化细节等。
40.在一种可独立实施的技术方案中，可以通过如下思路00a1-思路00a3中的其中一种思路确定数字金融互动大数据涵盖的独异型描述特征。
41.思路00a1，对数字金融互动大数据中的数字金融活动信息进行差异化解析操作，然后依据差异化解析操作的输出，确定独异型描述特征。
42.在一种可能的示例中，借助数字金融服务系统中配置的互动信息捕捉线程，对待分析金融业务交互项目进行互动信息捕捉时，在确定到待分析金融业务交互项目的数字金融互动大数据后，可以通过事先调试的大数据分析模型对数字金融互动大数据中数字金融活动信息进行差异化解析操作（比如差异化分割处理或者语义解析处理）；基于差异化解析操作的输出，确定独异型描述特征。进一步的，事先调试的大数据分析模型可以包括gcn、lstm，但不限于此。
43.在另一些可能的示例中，描述特征挖掘线程捕捉待分析金融业务交互项目的数字金融互动大数据之后，将待分析金融业务交互项目的数字金融互动大数据上传至数字金融服务系统，数字金融服务系统借助事先调试的大数据分析模型，对收集到的待分析金融业务交互项目的数字金融互动大数据中的数字金融活动信息进行差异化解析操作；基于差异化解析操作的输出，确定独异型描述特征。
44.思路00a2，在通过数字金融服务系统中配置的互动信息捕捉线程对待分析金融业务交互项目进行互动信息捕捉，并在视觉会话任务中输出后，还可以基于视觉会话任务对应的描述特征挖掘指令，确定独异型描述特征。
45.可以理解的是，在确定出借助互动信息捕捉线程捕捉到的数字金融互动大数据之后，可以对应的将捕捉获得的数字金融互动大数据在视觉会话任务中输出。
46.可以理解的是，在分析数字金融互动大数据时，还可以挑选一组或者若干组数字
金融活动信息进行显著性处理，比如，可以在分析数字金融互动大数据时确定出可信度相对较高的数字金融活动信息，或者尽量高质量地输出待分析业务用户的数字金融活动信息，并在确定的数字金融活动信息中通过对任意金融活动交互事件的激活进行业务交互兴趣挖掘。
47.思路00a3，收集描述特征挖掘线程上报的独异型描述特征；其中，该独异型描述特征是描述特征挖掘线程基于对数字金融互动大数据中的数字金融活动信息的描述特征挖掘指令确定的。
48.可以理解的是，在借助描述特征挖掘线程捕捉待分析金融业务交互项目的数字金融互动大数据后，可以对应的将捕捉获得的数字金融互动大数据在描述特征挖掘线程的视觉会话任务中输出。进一步地，可以在视觉会话任务中对视觉会话任务中对应的数字金融互动大数据进行分析；在分析数字金融互动大数据时，还可以挑选一组或者若干组数字金融活动信息进行非智能显著性处理（比如按照特定规则进行注释操作）。
49.可以理解，描述特征挖掘线程基于对数字金融互动大数据中的数字金融活动信息的描述特征挖掘指令之后，确定独异型描述特征；并将独异型描述特征上传至数字金融服务系统，以使得数字金融服务系统收集到对数字金融互动大数据中的数字金融活动信息进行显著性处理后获得的独异型描述特征。
50.基于步骤101所描述的技术方案，本公开实施例示出的针对数字金融大数据的交互服务分析方法还可以包括如下技术方案。
51.步骤102、依据所述数字金融互动大数据，对所述待分析金融业务交互项目进行全局关系网确定，获得所述待分析金融业务交互项目的全局兴趣特征关系网。
52.对于本公开实施例而言，全局兴趣特征关系网可以包括全局兴趣特征知识库以及全局兴趣特征热力分布中的至少一项。进一步地，全局兴趣特征关系网可以是针对一系列的兴趣特征进行汇总得到的具有整体表达功能的特征图/特征分布/知识图谱，全局兴趣特征关系网可以根据实际情况进行参数量调整以实现全局兴趣特征关系网的轻量级简化或者细节衍生，从而应对不同的兴趣特征分析需求。此外，全局兴趣特征关系网还可以通过热力图的形式记录，从而基于活跃度和流行度进行兴趣特征的汇总表达。
53.在一种可独立实施的技术方案中，可以通过如下思路00b1和思路00b2中的其中一种思路实现基于数字金融互动大数据，对待分析金融业务交互项目进行全局关系网确定，获得待分析金融业务交互项目的全局兴趣特征关系网。
54.思路00b1，在全局兴趣特征关系网包括全局兴趣特征知识库的前提下，可以结合数字金融互动大数据以及互动信息捕捉线程捕捉所述数字金融互动大数据时的注意力信息，对待分析金融业务交互项目进行全局知识库确定，获得待分析金融业务交互项目的知识单元信息；对知识单元信息进行差异化解析操作，获得多个实体知识单元（可以用于构成知识库或者关系网）各自匹配的差异化标识；基于知识单元信息、以及差异化标识（用于进行实体区分的语义关键词），确定待分析金融业务交互项目的全局兴趣特征知识库；待分析金融业务交互项目的全局兴趣特征知识库中涵盖各待分析业务用户各自匹配的阶段兴趣特征知识库。进一步地，知识单元信息可以包括属于待分析金融业务交互项目内多个待分析业务用户各自匹配的实体知识单元以及每个实体知识单元各自匹配的相对分布词向量（可以理解为相对位置信息或者相对分布标签）。
55.在一种可独立实施的技术方案中，可以通过如下思路00c1和思路00c2中的其中一种思路实现基于数字金融互动大数据对待分析金融业务交互项目进行全局知识库确定，获得待分析金融业务交互项目的知识单元信息。
56.思路00c1，假设互动信息捕捉线程为边缘侧轻量线程，可以确定到待分析金融业务交互项目匹配的数字金融互动大数据中每组数字金融活动信息中的各金融活动交互事件不存在特征识别度。在实际实施时，通过若干组对待分析金融业务交互项目的不同层面捕捉获得的数字金融活动信息，可以确定出待分析金融业务交互项目中每个交互阶段在待分析金融业务交互项目中的相对分布关系，从而可以确定出待分析金融业务交互项目匹配的实体知识单元，获得待分析金融业务交互项目的知识单元信息。
57.思路00c2，假设互动信息捕捉线程为系统侧线程，可以确定到的待分析金融业务交互项目匹配的数字金融互动大数据中每组数字金融活动信息中的各金融活动交互事件存在特征识别度，通过涵盖有的特征识别度的数字金融活动信息，便能够确定待分析金融业务交互项目中每个交互阶段在待分析金融业务交互项目的分布约束值（量化分布标签），确定待分析金融业务交互项目的知识单元信息。
58.可以理解，在确定待分析金融业务交互项目的知识单元信息之后，可以依据差异化解析的思路确定每个实体知识单元的差异化标识。举例而言，鉴于在知识单元信息上实施差异化解析时，相较于局部的差异化解析的难度系数更大，由此可以基于映射实体知识单元合成局部数字金融活动信息的思路，将差异化解析的操作简化为在局部数字金融活动信息上的差异化解析任务进行应对。在实际实施时，可先通过各实体知识单元分别在待分析金融业务交互项目中的相对分布词向量，将实体知识单元映射到衍生的局部数字金融活动信息中，然后通过事先完成调试的大数据分析模型进行差异化解析操作。
59.进一步的，在对衍生的局部数字金融活动信息进行差异化解析操作后，可以获得衍生的差异化解析数字金融活动信息；衍生的差异化解析数字金融活动信息中的每个衍生的金融活动交互事件都对应有不同属性下的建议指数（比如评价值），其中，不同属性下的建议指数反映该衍生的金融活动交互事件对应于对应属性的重要性指数，并可以相应的根据不同属性下的建议指数为该衍生的金融活动交互事件确定匹配的差异化标识。
60.如此可以根据衍生的金融活动交互事件与实体知识单元之间的关联指数，将在衍生的局部数字金融活动信息中确定的差异化标识映射至实体知识单元上，可以理解为完成对每个实体知识单元的差异化标识的确定。
61.可以理解，在确定每个实体知识单元的差异化标识之后，便能够根据每个实体知识单元在待分析金融业务交互项目中的相对分布词向量、以及每个实体知识单元匹配的差异化标识，确定待分析金融业务交互项目的全局兴趣特征知识库，该待分析金融业务交互项目的全局兴趣特征知识库中涵盖多个待分析业务用户各自匹配的阶段兴趣特征知识库。
62.可以理解的是，在确定每个实体知识单元各自匹配的差异化标识之后，可以将分布标签存在关联且差异化标识保持一致的实体知识单元，作为相同待分析业务用户匹配的实体知识单元。在确定指向相同待分析业务用户的实体知识单元后，可以基于各待分析业务用户各自匹配的实体知识单元，确定该待分析业务用户匹配的阶段兴趣特征知识库。在本公开实施例中，各待分析业务用户匹配的阶段兴趣特征知识库中可以涵盖有各实体知识单元各自匹配的差异化标识。
63.思路00b2，在全局兴趣特征关系网包括全局兴趣特征热力分布的前提下，可以基于数字金融互动大数据以及互动信息捕捉线程捕捉数字金融互动大数据时的注意力信息，对待分析金融业务交互项目进行全局热力分布确定，获得待分析金融业务交互项目的兴趣特征热力信息；对兴趣特征热力信息进行差异化解析操作，获得由兴趣特征热力块形成的多个兴趣热力集各自匹配的差异化标识；基于兴趣特征热力信息、以及差异化标识，确定待分析金融业务交互项目的全局兴趣特征热力分布；待分析金融业务交互项目的全局兴趣特征热力分布中涵盖各待分析业务用户各自匹配的阶段兴趣特征热力分布。
64.进一步的，兴趣特征热力信息包括：对应于待分析金融业务交互项目内多个待分析业务用户的显性维度的多个兴趣特征热力块、以及每个兴趣特征热力块各自匹配的相对分布词向量；可以理解，经由兴趣特征热力块形成的多个兴趣热力集中的任一兴趣热力集可以是经由不低于三个关联的兴趣特征热力块形成。
65.在一种可独立实施的技术方案中，在基于数字金融互动大数据，对待分析金融业务交互项目进行全局关系网确定，获得待分析金融业务交互项目的全局兴趣特征关系网时，可以通过如下思路00d1和思路00d2中的其中一种思路实现。
66.思路00d1，互动信息捕捉线程只应付互动信息捕捉的操作，并将捕捉获得的数字金融互动大数据、以及在捕捉数字金融互动大数据时互动信息捕捉线程的注意力信息上传到相关系统，以使相关系统生成待分析金融业务交互项目的全局兴趣特征关系网。
67.可以理解的是，相关系统（比如上述的数字金融服务系统）对数字金融互动大数据进行处理时，比如可以根据数字金融互动大数据以及互动信息捕捉线程在捕捉数字金融互动大数据时的注意力信息（可以理解为互动信息捕捉线程在待分析金融业务交互项目中的注意力信息），对待分析金融业务交互项目进行全局知识库确定，获得待分析金融业务交互项目的知识单元信息；利用长短期记忆神经网络以及生成对抗网络等中的至少一项，对知识单元信息进行差异化解析操作，获得多个实体知识单元各自匹配的差异化标识；基于知识单元信息以及差异化标识，确定待分析金融业务交互项目的全局兴趣特征知识库；还可以根据数字金融互动大数据、以及互动信息捕捉线程在捕捉数字金融互动大数据时的注意力信息，对待分析金融业务交互项目进行全局热力分布确定，获得待分析金融业务交互项目的兴趣特征热力信息；利用长短期记忆神经网络、以及生成对抗网络等中的至少一项，对兴趣特征热力信息进行差异化解析操作，获得由兴趣特征热力块形成的多个兴趣热力集各自匹配的差异化标识；基于兴趣特征热力信息、以及每个兴趣热力集对应差异化标识，确定待分析金融业务交互项目的全局兴趣特征热力分布。
68.在确定互动信息捕捉线程捕捉数字金融互动大数据时的注意力信息时，比如可以确定互动信息捕捉线程在捕捉数字金融互动大数据时的阶段性注意力关键词。
69.可以理解的是，在互动信息捕捉线程捕捉数字金融互动大数据时，可以在互动信息捕捉线程动态捕捉到数字金融互动大数据时，依次确定匹配待分析金融业务交互项目的全局兴趣特征知识库或全局兴趣特征热力分布。又比如，在互动信息捕捉线程终止对数字金融互动大数据的捕捉后，通过获得的全面的数字金融互动大数据确定待分析金融业务交互项目匹配的全局兴趣特征知识库或全局兴趣特征热力分布。
70.对于本公开另一示例而言，数字金融互动大数据可以包括存在多端交互的活动日志，在数字金融互动大数据包括存在多端交互的活动日志的前提下，还可以基于系统侧线
程对待分析金融业务交互项目进行互动信息捕捉获得的存在多端交互的活动日志，确定待分析金融业务交互项目的全局兴趣特征关系网。
71.在一种可独立实施的技术方案中，为本公开实施例提供的一种相关系统利用系统侧线程对待分析金融业务交互项目进行互动信息捕捉获得的存在多端交互的活动日志，确定全局兴趣特征热力分布可以通过如下内容实现。
72.步骤301、相关系统确定系统侧线程对应的两个存在多端交互的活动日志。
73.对于本公开实施例而言，两个存在多端交互的活动日志中分别包括多组数字金融活动信息。一般而言，两个存在多端交互的活动日志中分别包括的多组数字金融活动信息的数字签名信息（例如：时间戳）分别匹配。
74.步骤302、相关系统确定系统侧线程的线程节点在分别确定存在多端交互的活动日志时的阶段性注意力关键词。
75.步骤303、相关系统基于阶段性注意力关键词，确定对应的注意力信息。
76.对于以上步骤301-步骤303，能够准确定位不同的注意力信息。
77.可以理解的是，在对存在多端交互的活动日志中的数字金融活动信息进行处理时，还可以在存在多端交互的活动日志中的匹配的多组数字金融活动信息中确定核心业务活动信息，以在保障全局热力分布确定时能够提高资源利用率，保障处理时效性。
78.在一种可独立实施的技术方案中，从存在多端交互的活动日志中确定核心业务活动信息，可以通过如下思路00e1-思路00e4中的其中一种思路，但不限于此。
79.思路00e1，借助跳跃式筛选思路，从存在多端交互的活动日志中筛选n组数字金融活动信息作为核心业务活动信息。
80.思路00e2，通过设定周期筛选设定数目的数字金融活动信息的步长，从存在多端交互的活动日志中筛选n组数字金融活动信息作为核心业务活动信息。
81.可以理解，设定周期筛选设定数目的数字金融活动信息可以包括2组/s，但不限于此。
82.思路00e3，结合相关的人工智能技术和算法，对存在多端交互的活动日志中各组数字金融活动信息的描述信息进行分析，确定各组数字金融活动信息匹配的差异化标识，基于各组数字金融活动信息匹配的差异化标识，挖掘涵盖待分析业务用户的数字金融活动信息，作为核心业务活动信息。
83.思路00e4，基于对存在多端交互的活动日志中数字金融活动信息的挑选，确定存在多端交互的活动日志中的核心业务活动信息。
84.在实际实施时，可以将待分析金融业务交互项目的存在多端交互的活动日志进行输出，并在输出存在多端交互的活动日志时，基于对其中的局部活动日志的挑选处理，将挑选的该部分活动日志作为存在多端交互的活动日志中的核心业务活动信息。
85.步骤304、相关系统将确定获得的存在多端交互的活动日志中的核心业务活动信息、以及注意力信息作为后续关系网生成的参考。
86.可以理解，对于确定的存在多端交互的活动日志，在通过步骤301-步骤303确定存在多端交互的活动日志中的新的核心业务活动信息后，将当前获得的所有核心业务活动信息、以及新的核心业务活动信息匹配的注意力信息作为后续关系网生成的参考。
87.步骤305、相关系统利用上述参考进行兴趣热力分析，获得待分析金融业务交互项
目匹配的兴趣特征热力信息。
88.对于本公开实施例而言，获得的兴趣特征热力信息可以包括：待分析金融业务交互项目内多个待分析业务用户的显性维度的多个兴趣特征热力块、以及每个兴趣特征热力块各自匹配的相对分布词向量，但不限于。
89.步骤306、对待分析金融业务交互项目匹配的兴趣特征热力信息进行差异化解析操作，获得由多个兴趣热力集匹配的差异化标识。
90.对于本公开实施例而言，对于步骤306中对待分析金融业务交互项目内多个待分析业务用户的显性维度的多个兴趣特征热力块进行差异化解析，获得各兴趣特征热力块各自匹配的差异化标识的示例性描述可以参阅以上所描述的内容。
91.可以理解，在确定各兴趣特征热力块各自匹配的差异化标识后，可以基于各兴趣特征热力块各自匹配的相对分布词向量、以及各兴趣特征热力块各自匹配的差异化标识，确定分布标签存在关联且差异化标识相同的各兴趣特征热力块形成的兴趣热力集的差异化标识。
92.步骤307、基于兴趣特征热力信息以及差异化标识，确定待分析金融业务交互项目的全局兴趣特征热力分布。
93.可以理解的是，在确定该全局兴趣特征热力分布时，兴趣特征热力块可以随着获取存在多端交互的活动日志的过程不断优化。其中，优化次数可以根据实际情况确定。
94.对于以上步骤304-步骤307，在确定全局兴趣特征热力分布时，可以根据相关特征热力算法，测评核心业务活动信息匹配的特征热力值分布，并利用匹配的注意力信息将该特征热力值分布整理成全局兴趣特征热力分布，从而在对待分析金融业务交互项目捕捉完成后确定到待分析金融业务交互项目的全局兴趣特征热力分布。
95.在一些实施例中，对于已处理的核心业务活动信息，利用该核心业务活动信息匹配的互动信息捕捉线程的注意力信息、以及与其关联的新的核心业务活动信息匹配的互动信息捕捉线程的注意力信息，可以确定互动信息捕捉线程在对待分析金融业务交互项目进行捕捉时的注意力信息是否存在变化。假设注意力信息并没有变化，则继续对待分析金融业务交互项目进行实时全局热力分布确定，以获得全局兴趣特征热力分布；假设注意力信息存在变化，则根据注意力信息的变化对特征热力值分布进行针对性更新，以基于更新后的特征热力值分布，对待分析业务用户进行实时全局热力分布确定，从而获得准确的全局兴趣特征热力分布。
96.思路00d2，互动信息捕捉线程具有可以对数字金融互动大数据进行处理的性能，并在捕捉获得数字金融互动大数据后，便基于各自性能对数字金融互动大数据进行处理，以获得待分析金融业务交互项目匹配的全局兴趣特征关系网。
97.可以理解，互动信息捕捉线程基于数字金融互动大数据，确定待分析金融业务交互项目的全局兴趣特征关系网的实际方式，可以参阅以上思路00d1所记录的内容，本公开在此不作过多描述。
98.基于以上步骤102，本公开实施例示出的针对数字金融大数据的交互服务分析方法示例性的还可以包括如下内容。
99.步骤103、依据所述独异型描述特征在所述数字金融互动大数据中的局部显著性分布，确定所述独异型描述特征在所述全局兴趣特征关系网匹配的兴趣特征空间下的目标
全局分布表达。
100.对于本公开实施例而言，在获得待分析金融业务交互项目的全局兴趣特征关系网后，可以在数字金融互动大数据包括的n组数字金融活动信息中，确定绑定了独异型描述特征的目标数字金融活动信息，其中，n为正整数；确定独异型描述特征的局部显著性分布在目标数字金融活动信息匹配的目标金融活动交互事件；基于目标数字金融活动信息、以及互动信息捕捉线程捕捉目标数字金融活动信息时的注意力信息，对目标数字金融活动信息进行全局分布表达更新，获得目标金融活动交互事件在兴趣特征空间下的全局分布表达；基于目标金融活动交互事件在兴趣特征空间下的全局分布表达，确定独异型描述特征在全局兴趣特征关系网匹配的兴趣特征空间下的目标全局分布表达。
101.在一些示例中，基于以上步骤101所示的实施例可知，在进行业务交互兴趣挖掘时，一般在数字金融互动大数据中的一组或者多组数字金融活动信息上进行显著性处理，获得独异型描述特征。由此可以直接在数字金融互动大数据中确定绑定了独异型描述特征的目标数字金融活动信息。
102.此外，鉴于在进行显著性处理时，可以通过在视觉会话任务中对数字金融互动大数据中的数字金融活动信息中的其中一个金融活动交互事件的激活，以进行相应的业务交互兴趣挖掘。由此，在确定绑定了独异型描述特征的目标数字金融活动信息之后，还可以基于相关的描述特征挖掘指令，以确定独异型描述特征的局部显著性分布在目标数字金融活动信息中匹配的目标金融活动交互事件。可以理解的是，独异型描述特征在全局兴趣特征关系网匹配的兴趣特征空间下的目标全局分布表达，为独异型描述特征在待分析金融业务交互项目中的目标全局分布表达；该独异型描述特征在全局兴趣特征关系网匹配的兴趣特征空间下的目标全局分布表达可以根据目标金融活动交互事件在待分析金融业务交互项目中的全局分布表达确定。在另一种可能的前提下，假设目标金融活动交互事件为局部数字金融活动信息中的金融活动交互事件，可以通过确定该目标金融活动交互事件是否在待分析金融业务交互项目的全局兴趣特征关系网中具有匹配的实体知识单元，来确定目标金融活动交互事件在待分析金融业务交互项目中的全局分布表达。
103.示例性确定目标金融活动交互事件在待分析金融业务交互项目中的全局分布表达的思路可以基于实际需求确定，本公开实施例不作限。
104.可以理解的是，在确定目标金融活动交互事件在待分析金融业务交互项目中的全局分布表达之后，可以通过目标金融活动交互事件在待分析金融业务交互项目中的全局分布表达，确定独异型描述特征在待分析金融业务交互项目中的目标全局分布表达。
105.在一种可独立实施的技术方案中，可以通过如下思路00f1和思路00f2中的其中一种思路实现基于目标金融活动交互事件在待分析金融业务交互项目中的全局分布表达，确定独异型描述特征在待分析金融业务交互项目中的目标全局分布表达。
106.思路00f1，在目标金融活动交互事件包括一个的前提下，可以直接将目标金融活动交互事件在待分析金融业务交互项目中的全局分布表达，确定为独异型描述特征在待分析金融业务交互项目中的目标全局分布表达；可以理解将目标金融活动交互事件在兴趣特征空间下的全局分布表达，确定为独异型描述特征在全局兴趣特征关系网匹配的兴趣特征空间下的目标全局分布表达。
107.思路00f2，在目标金融活动交互事件包括多个的前提下，可以基于目标金融活动
交互事件在待分析金融业务交互项目中的全局分布表达，确定获得独异型描述特征在待分析金融业务交互项目中的目标全局分布表达。
108.可以理解的是，计算多个目标金融活动交互事件在待分析金融业务交互项目中的全局分布表达的去极化全局分布表达（经过均值处理的全局分布表达），将该去极化全局分布表达确定为独异型描述特征在待分析金融业务交互项目中的目标全局分布表达，将去极化全局分布表达确定为独异型描述特征在全局兴趣特征关系网匹配的兴趣特征空间下的目标全局分布表达。对于一种可能的实施例而言，还可以基于多个目标金融活动交互事件在待分析金融业务交互项目中的全局分布表达，对各目标金融活动交互事件在待分析金融业务交互项目中的全局分布表达进行全局处理（比如：加权求和），然后依据全局处理的结果，确定多个目标金融活动交互事件在待分析金融业务交互项目中的全局分布表达的去极化全局分布表达，将该去极化全局分布表达确定为独异型描述特征在待分析金融业务交互项目中的目标全局分布表达。
109.进一步的，基于目标金融活动交互事件在待分析金融业务交互项目中的全局分布表达，计算获得独异型描述特征在待分析金融业务交互项目中的目标全局分布表达的思路不限。
110.基于以上步骤103，本公开实施例提供的针对数字金融大数据的交互服务分析方法还可以包括如下内容。
111.步骤104、依据所述目标全局分布表达，为所述全局兴趣特征关系网配设与所述目标全局分布表达匹配的独异型描述特征。
112.对于本公开实施例而言，鉴于全局兴趣特征关系网中涵盖待分析金融业务交互项目中的各待分析业务用户各自匹配的阶段兴趣特征关系网，由此在基于以上步骤103确定独异型描述特征在全局兴趣特征关系网匹配的兴趣特征空间下的目标全局分布表达后，可以基于目标全局分布表达、以及全局兴趣特征关系网中各待分析业务用户各自匹配的阶段兴趣特征关系网在兴趣特征空间下的注意力信息，确定待配设独异型描述特征的待分析业务用户；生成待配设独异型描述特征的待分析业务用户、与独异型描述特征之间的映射列表。
113.可以理解的是，可以基于目标全局分布表达以及全局兴趣特征关系网中各待分析业务用户各自匹配的阶段兴趣特征关系网中各实体知识单元的相对分布词向量，从各待分析业务用户各自匹配的阶段兴趣特征关系网中多个实体知识单元中，确定与目标全局分布表达之间的比较结果小于或等于设定判定值的目标实体知识单元；将该目标实体知识单元所对应的待分析业务用户，确定为待配设独异型描述特征的待分析业务用户；可以理解，设定判定值可以根据实际情况进行设置，将处于目标全局分布表达的实体知识单元作为目标实体知识单元，将该目标实体知识单元所对应的待分析业务用户作为待配设独异型描述特征的待分析业务用户。
114.可以理解的是，在确定待配设独异型描述特征的待分析业务用户后，可以生成待配设独异型描述特征待分析业务用户匹配的阶段兴趣特征关系网或多模态特征分布图、和独异型描述特征之间的映射列表。其中，映射列表可以包括待配设独异型描述特征待分析业务用户匹配的阶段兴趣特征关系网或多模态特征分布图、与独异型描述特征之间的匹配情况，此外，还可以包括待配设独异型描述特征待分析业务用户匹配的阶段兴趣特征关系
网或多模态特征分布图、与独异型描述特征之间的互相关联情况。
115.可以理解的是，可以基于目标全局分布表达，确定独异型描述特征在待配设独异型描述特征的待分析业务用户下的全局显著性分布；生成全局显著性分布与独异型描述特征之间的映射列表。
116.进一步的，可以将目标全局分布表达，作为独异型描述特征在待配设独异型描述特征的待分析业务用户下的全局显著性分布；并在该全局显著性分布上配设独异型描述特征。
117.对于本公开另一示例而言，还可以相应的输出待分析金融业务交互项目的全局兴趣特征关系网以及独异型描述特征。在实际实施时，可以通过以下思路实现：确定视觉会话任务；基于视觉会话任务、以及独异型描述特征，确定兴趣特征细节；基于关系网调用请求处于有效状态，输出待分析金融业务交互项目的全局兴趣特征关系网、以及兴趣特征细节。
118.可以理解的是，在确定独异型用户兴趣后，可以确定对待分析金融业务交互项目的全局兴趣特征关系网以及独异型描述特征进行输出规则确定。
119.在一种可独立实施的技术方案中，可以通过如下思路00g1和思路00g2实现输出待分析金融业务交互项目的全局兴趣特征关系网、以及兴趣特征细节。
120.思路00g1，在关系网调用请求包括：配设有独异型描述特征的待分析业务用户处于有效状态的前提下，可以输出待分析金融业务交互项目的全局兴趣特征关系网、以及处于有效状态的待分析业务用户匹配的兴趣特征细节。
121.可以理解的是，基于在视觉会话任务中对待分析业务用户的选中，假设该待分析业务用户匹配有匹配的独异型描述特征，则可以在输出该待分析金融业务交互项目的全局兴趣特征关系网、以及该待分析业务用户匹配的阶段兴趣特征关系网的同时，输出匹配的兴趣特征细节。如此，能够针对性地分析兴趣特征细节（细节实例）。
122.思路00g2，在关系网调用请求包括：与独异型描述特征生成映射列表的全局显著性分布在视觉会话任务进程中处于输出状态的前提下，可以输出待分析金融业务交互项目的全局兴趣特征关系网以及与全局显著性分布具有映射列表的兴趣特征细节。
123.基于以上思路00g1和思路00g2中的不低于一个实施例，可以通过输出的兴趣特征细节，对业务交互兴趣挖掘进行质量检测，从而提高业务交互兴趣挖掘的精准性。
124.对于本公开实施例而言，依据生成待分析金融业务交互项目的全局兴趣特征关系网，然后依据独异型描述特征在数字金融互动大数据中的局部显著性分布，确定在局部数字金融活动信息中的独异型描述特征在全局兴趣特征关系网匹配的兴趣特征空间下的目标全局分布表达；基于目标全局分布表达，为全局兴趣特征关系网配设独异型描述特征，使得确定的待分析金融业务交互项目的全局兴趣特征关系网中涵盖有独异型描述特征，有助于基于涵盖有独异型描述特征的待分析金融业务交互项目的全局兴趣特征关系网，完整丰富地输出待分析金融业务交互项目内各待分析业务用户匹配的业务交互兴趣特征，有助于之后基于业务交互兴趣特征，对待分析金融业务交互项目内的待分析业务用户的用户挖掘和服务推送。
125.在一种可独立实施的技术方案中，在依据所述目标全局分布表达，为所述全局兴趣特征关系网配设与所述目标全局分布表达匹配的独异型描述特征之后，该方法还可以通过如下技术方案实现：响应于服务推送平台系统的用户挖掘请求，从配设了与所述目标全
局分布表达匹配的独异型描述特征之后的全局兴趣特征关系网中抽取目标兴趣特征关系网；基于所述目标兴趣特征关系网确定与所述用户挖掘请求对应的偏好口味描述；将所述偏好口味描述下发至所述服务推送平台系统以供所述服务推送平台系统通过所述偏好口味描述进行服务推送处理。
126.对于本公开实施例而言，可以结合用户挖掘请求中携带的用户画像标签从全局兴趣特征关系网确定局部的关系网，然后对局部的关系网进行重构以得到目标兴趣特征关系网，通过关系网重构，能够在一定程度上改善特征丢失的问题，这样结合目标兴趣特征关系网能够准确完整地得到偏好口味描述，该偏好口味描述能够反映用户对于推送产品/推送模式的兴趣倾向或者需求内容。基于此，能够为服务推送平台系统提供准确可靠的推送分析依据以实现服务推送处理。
127.在一种可独立实施的技术方案中，基于所述目标兴趣特征关系网确定与所述用户挖掘请求对应的偏好口味描述，可以通过如下技术方案实现：通过所述目标兴趣特征关系网确定待挖掘兴趣描述集，并对所述待挖掘兴趣描述集进行偏好预测，得到所述待挖掘兴趣描述集的偏好预测结果；经由所述偏好预测结果确定优化指示和偏好识别评价；经由所述偏好识别评价和已调用的用户需求挖掘子网的网络层关系确定所述已调用的用户需求挖掘子网的目标运行状态；经由所述偏好预测结果和所述优化指示，确定所述已调用的用户需求挖掘子网在匹配所述目标运行状态时的偏好口味描述，所述优化指示用于在偏好预测时优化偏好预测结果的特征识别度。
128.对于本公开实施例而言，目标运行状态可以是已调用的用户需求挖掘子网的最低噪声比状态，这样一来，能够保障得到的偏好口味描述的噪声最小化。
129.在一种可独立实施的技术方案中，在所述通过所述目标兴趣特征关系网确定待挖掘兴趣描述集，并对所述待挖掘兴趣描述集进行偏好预测，得到所述待挖掘兴趣描述集的偏好预测结果之前，所述方法还包括：确定已调用的循环神经网络，所述已调用的循环神经网络包括：已调用的偏好预测子网、已调用的识别评价预测子网和已调用的用户需求挖掘子网；所述对所述待挖掘兴趣描述集进行偏好预测，得到所述待挖掘兴趣描述集的偏好预测结果，包括：利用所述已调用的偏好预测子网，对所述待挖掘兴趣描述集进行偏好预测，得到偏好预测结果；所述经由所述偏好预测结果确定优化指示和偏好识别评价，包括：将所述偏好预测结果输入所述已调用的识别评价预测子网，得到所述优化指示和所述偏好识别评价。
130.在一种可独立实施的技术方案中，所述借助所述已调用的偏好预测子网，对所述待挖掘兴趣描述集进行偏好预测，得到偏好预测信息，包括：确定所述已调用的偏好预测子网的第一特征处理层对应的第一动态特征处理窗口、第二动态特征处理窗口和第三动态特征处理窗口，其中，所述第一动态特征处理窗口、所述第二动态特征处理窗口和所述第三动态特征处理窗口的规模各异；分别借助所述第一动态特征处理窗口、所述第二动态特征处理窗口和所述第三动态特征处理窗口对所述待挖掘兴趣描述集进行特征分析处理，得到第一特征分析信息、第二特征分析信息和第三特征分析信息；对所述第一特征分析信息、所述第二特征分析信息和所述第三特征分析信息进行整理处理，得到整理信息；通过所述已调用的偏好预测子网中的第二特征处理层对所述整理信息进行不少于一次的特征分析处理，获得所述待挖掘兴趣描述集的偏好预测信息。这样一来，能够完整准确地确定出偏好预测
信息。
131.图3是示出可以实现本公开的实施例的针对数字金融大数据的交互服务分析方法的应用环境的架构示意图，针对数字金融大数据的交互服务分析方法的应用环境中可以包括互相通信的数字金融服务系统100和数字金融用户端200。基于此，数字金融服务系统100和数字金融用户端200在运行时实现或者部分实现本公开实施例的针对数字金融大数据的交互服务分析方法。
132.以上已经结合附图描述了本公开的实施例，至少具有如下有益效果：依据生成待分析金融业务交互项目的全局兴趣特征关系网，然后依据独异型描述特征在数字金融互动大数据中的局部显著性分布，确定在局部数字金融活动信息中的独异型描述特征在全局兴趣特征关系网匹配的兴趣特征空间下的目标全局分布表达；基于目标全局分布表达，为全局兴趣特征关系网配设独异型描述特征，使得确定的待分析金融业务交互项目的全局兴趣特征关系网中涵盖有独异型描述特征，有助于基于涵盖有独异型描述特征的待分析金融业务交互项目的全局兴趣特征关系网，完整丰富地输出待分析金融业务交互项目内各待分析业务用户匹配的业务交互兴趣特征，有助于之后基于业务交互兴趣特征，对待分析金融业务交互项目内的待分析业务用户的用户挖掘和服务推送。
133.以上所述，仅为本公开的较佳实施例而已，并非用于限定本公开的保护范围。