基于区块链金融的用户画像处理方法及系统与流程

1.本公开涉及区块链金融技术领域，尤其涉及一种基于区块链金融的用户画像处理方法及系统。


背景技术：

2.数字化经济时代下的产品已经不再局限于实物产品，更多的涉及数字化产品和服务，进一步地，全球经济也出现了全球化、虚拟化、社群化、共享经济的新经济特征。在此基础上，区块链金融不仅仅涉及虚拟货币和分布式账本技术，更多的侧重于金融业务交互模式的升级。随着业务规模和类别的激增，区块链金融所面临的挑战也不断扩大。比如，针对区块链金融的传统用户分析技术通常难以满足当下的需求，示例性的，就用户画像分析层面而言，传统技术在画像挖掘效率和准确性方面还需要进行改进。


技术实现要素：

3.本公开的一个目的是提供一种基于区块链金融的用户画像处理方法及系统。
4.本公开的技术方案是通过如下至少部分实施例实现的。
5.一种基于区块链金融的用户画像处理方法，所述方法通过区块链金融服务系统实现，所述方法至少包括：获得用于反映多个区块链金融业务用户在多组服务会话大数据的第一会话活动描述短语，并获得用于反映多个区块链金融业务用户相对于目标偏好画像标签的第二会话活动描述短语；基于第一会话活动描述短语和第二会话活动描述短语进行联动分析处理，获得各服务会话大数据中各区块链金融业务用户的全局活动描述短语分布；其中，联动分析处理的种类与多个区块链金融业务用户的数目k1存在关联；基于全局活动描述短语分布进行偏好画像挖掘，获得多个区块链金融业务用户相对于目标偏好画像标签的偏好画像知识库；其中，偏好画像知识库包括多组服务会话大数据，且服务会话大数据携带各区块链金融业务用户的偏好画像细节字段。
6.应用于该实施例，获得用于反映多个区块链金融业务用户在多组服务会话大数据的第一会话活动描述短语，并获得用于反映多个区块链金融业务用户相对于目标偏好画像标签的第二会话活动描述短语，进一步地，基于第一会话活动描述短语和第二会话活动描述短语进行联动分析处理，获得各服务会话大数据中各区块链金融业务用户的全局活动描述短语分布，且联动分析处理的种类与多个区块链金融业务用户的数目k1存在关联，再基于全局活动描述短语分布进行偏好画像挖掘，便能够获得多个区块链金融业务用户相对于目标偏好画像标签的偏好画像知识库，且偏好画像知识库包括多组服务会话大数据，服务会话大数据包含各区块链金融业务用户的偏好画像细节字段，不仅能够高效精准地得到偏好画像，还能够通过根据多个区块链金融业务用户的数目k1来准确地进行联动分析处理，可以平衡1个区块链金融业务用户和多个区块链金融业务用户这两类情况。基于此，能够在提升偏好画像挖掘时效性和精度的基础上，提高针对不同数量的区块链金融业务用户的画像分析的灵活性。
7.在一些独立性实施例中，在多个区块链金融业务用户的数目k1为1的基础上，联动分析处理包括生成各服务会话大数据之间的阶段传递网；和/或，在多个区块链金融业务用户的数目k1为x的基础上，联动分析处理包括生成各服务会话大数据中多个区块链金融业务用户之间的活动传递网和生成各服务会话大数据之间的阶段传递网。
8.应用于该实施例，在多个区块链金融业务用户的数目k1为1的基础上，联动分析处理包括生成各服务会话大数据之间的阶段传递网，因而可以通过构造阶段传递网提升服务会话大数据之间的业务阶段不间断性，有助于保障偏好画像知识库的真实性，而在多个区块链金融业务用户的数目k1为x的基础上，联动分析处理包括生成各服务会话大数据中多个区块链金融业务用户之间的活动传递网和生成各服务会话大数据之间的阶段传递网，因而可以通过构造活动传递网保障区块链金融业务用户之间的互动分析质量，以及能够通过构造阶段传递网保障服务会话大数据之间的业务阶段不间断性，有助于保障偏好画像知识库的真实性。
9.在一些独立性实施例中，在联动分析处理包括构造阶段传递网的基础上，基于第一会话活动描述短语和第二会话活动描述短语进行联动分析处理，获得各服务会话大数据中各区块链金融业务用户的全局活动描述短语分布，包括：筛选区块链金融业务用户视为目标区块链金融业务用户，并将目标区块链金融业务用户对应的第一会话活动描述短语和第二会话活动描述短语，视为目标区块链金融业务用户在不同业务阶段的阶段会话活动描述短语；依次筛选各个业务阶段视为第一当前业务阶段，并筛选第一当前业务阶段的阶段会话活动描述短语视为第一当前业务阶段活动特征；利用各个第一业务阶段活动特征模板分别与第一当前业务阶段活动特征的ppmcc，获得第一当前业务阶段活动特征对应的全局活动描述短语分布；其中，第一业务阶段活动特征模板包括目标区块链金融业务用户在各业务阶段的阶段会话活动描述短语。
10.在一些独立性实施例中，在联动分析处理包括构造活动传递网的基础上，基于第一会话活动描述短语和第二会话活动描述短语进行联动分析处理，获得各服务会话大数据中各区块链金融业务用户的全局活动描述短语分布，包括：筛选区块链金融业务用户视为目标区块链金融业务用户，并将目标区块链金融业务用户对应的第一会话活动描述短语和第二会话活动描述短语，视为目标区块链金融业务用户在不同业务阶段的阶段会话活动描述短语；依次筛选各个业务阶段视为第二当前业务阶段，并筛选第二当前业务阶段的阶段会话活动描述短语视为第二当前业务阶段活动特征；利用各个第二业务阶段活动特征模板分别与第二当前业务阶段活动特征的ppmcc，获得第二当前业务阶段活动特征对应的全局活动描述短语分布；其中，第二业务阶段活动特征模板包含各区块链金融业务用户分别在第二当前业务阶段的阶段会话活动描述短语。
11.应用于该实施例，筛选区块链金融业务用户视为目标区块链金融业务用户，并将目标区块链金融业务用户对应的第一会话活动描述短语和第二会话活动描述短语，视为目标区块链金融业务用户在不同业务阶段的阶段会话活动描述短语，基于此将不同业务阶段的阶段会话活动描述短语，分别视为当前业务阶段活动特征，再基于各业务阶段活动特征模板分别与当前业务阶段活动特征的ppmcc，获得当前业务阶段活动特征对应的全局活动描述短语分布，且在构造阶段传递网的基础上，业务阶段活动特征模板包括目标区块链金融业务用户在各业务阶段的阶段会话活动描述短语，在构造活动传递网的基础上，业务阶
段活动特征模板包含各区块链金融业务用户分别在示例性业务阶段的阶段会话活动描述短语，而示例性业务阶段为当前业务阶段活动特征对应的业务阶段，因而可以通过类似的构造思路来构造阶段传递网和活动传递网，从而可以保障针对不同数量的区块链金融业务用户的偏好挖掘的灵活性和智能化程度。
12.在一些独立性实施例中，在联动分析处理包括构造活动传递网和阶段传递网的基础上，基于第一会话活动描述短语和第二会话活动描述短语进行联动分析处理，获得各服务会话大数据中各区块链金融业务用户的全局活动描述短语分布，包括：基于第一会话活动描述短语和第二会话活动描述短语构造第一传递描述，获得第一传递描述的会话活动描述短语out feature，基于会话活动描述短语out feature构造第二传递描述，获得全局活动描述短语分布；其中，第一传递描述为活动传递网，第二传递描述为阶段传递网，又比如，第一传递描述为阶段传递网，第二传递描述为活动传递网。
13.应用于该实施例，在联动分析处理包括构造活动传递网和阶段传递网的基础上，将在先构造的活动传递网的会话活动描述短语out feature为在后构造的阶段传递网的会话活动描述短语原料，故在多个区块链金融业务用户的情况下，通过先后构造活动传递网和阶段传递网，使得各全局活动描述短语分布分别匹配到活动传递网和阶段传递网，有助于保障活动传递网和阶段传递网的整理质量。
14.在一些独立性实施例中，偏好画像知识库由偏好画像处理网络获得，偏好画像处理网络包括联动分析处理层，且联动分析处理层包括业务阶段分析层和活动影响分析层，业务阶段分析层用于构造阶段传递网，活动影响分析层用于构造活动传递网。
15.应用于该实施例，偏好画像知识库由偏好画像处理网络获得，作处理网络包括联动分析处理层，且联动分析处理层包括业务阶段分析层和活动影响分析层，业务阶段分析层用于构造阶段传递网，活动影响分析层用于构造活动传递网，因而可以通过ai算法完成偏好画像挖掘，有助于保障偏好画像挖掘时效性和精度。
16.在一些独立性实施例中，第一会话活动描述短语基于迭代分析任务的挖掘所得。
17.应用于该实施例，基于迭代分析任务挖掘所得第一会话活动描述短语，能够显著减少第一会话活动描述短语的获取难度，而且还能够提升在标签充足的偏好画像数据下的描述短语获取精度和真实性。
18.在一些独立性实施例中，获得用于反映多个区块链金融业务用户在多组服务会话大数据的第一会话活动描述短语，包括：在若干迭代分析任务中，分别基于数目k2进行挖掘，获得用于反映k2个服务会话大数据的第一基础描述短语；其中，第一基础描述短语的规模约束值与迭代分析任务的数量相同，各迭代分析任务的任务配置互不一致；基于数目k1和第一基础描述短语，获得k3个第一会话活动描述短语；其中，数目k3为数目k1和数目k2的设定运算结果。
19.应用于该实施例，在多轮迭代分析任务中，分别基于数目k2进行挖掘，获得用于反映k2个服务会话大数据的第一基础描述短语，且第一基础描述短语的规模约束值与迭代分析任务的数量相同，各迭代分析任务的任务配置互不一致，然后再基于数目k1和第一基础描述短语，获得k3个第一会话活动描述短语，且数目k3为数目k1和数目k2的设定运算结果，由于各迭代分析任务的任务配置互不一致，且每轮迭代分析任务的执行皆可以获得各个服务会话大数据的显著特征，因而可以保障各个第一会话活动描述短语的精度和可信度。
20.在一些独立性实施例中，第二会话活动描述短语基于目标偏好画像标签识别获得。
21.应用于该实施例，基于对目标偏好画像标签进行识别获得第二会话活动描述短语，这样可以只对特征向量进行识别等操作便能够获得第二会话活动描述短语，能够显著减少偏好画像挖掘的难度。
22.在一些独立性实施例中，获得用于反映多个区块链金融业务用户相对于目标偏好画像标签的第二会话活动描述短语，包括：对目标偏好画像标签进行描述变换，获得第二基础描述短语；基于数目k1和第二基础描述短语，获得数目k1个第二会话活动描述短语。
23.应用于该实施例，对目标偏好画像标签进行描述变换，获得第二基础描述短语，并基于数目k1和第二基础描述短语，获得数目k1个第二会话活动描述短语，通过对结构化数据进行描述变换并结合数目k1进行处理，便能够获得数目k1个第二会话活动描述短语，能够显著减少获得第二会话活动描述短语的难度。
24.在一些独立性实施例中，第一会话活动描述短语和第二会话活动描述短语皆携带了分布特征；其中，在多个区块链金融业务用户为1个区块链金融业务用户的基础上，分布特征包括业务阶段分布特征，在多个区块链金融业务用户为x个区块链金融业务用户的基础上，分布特征包括区块链金融业务用户分布特征和业务阶段分布特征。
25.应用于该实施例，第一会话活动描述短语和第二会话活动描述短语均携带分布特征，在多个区块链金融业务用户为1个区块链金融业务用户的基础上，分布特征包括业务阶段分布特征，在多个区块链金融业务用户为x个区块链金融业务用户的基础上，分布特征包括区块链金融业务用户分布特征和业务阶段分布特征，因而可以在1个区块链金融业务用户和多个区块链金融业务用户这两类情况下，采用不同的分布特征规则来区别不同会话活动描述短语，使得会话活动描述短语的分布特征互不一致，有助于保障会话活动描述短语的准确性。
26.在一些独立性实施例中，偏好画像知识库由偏好画像处理网络获得，且分布特征在偏好画像处理网络的调试步骤中，与偏好画像处理网络的变量数据并行优化，直到偏好画像处理网络的调试趋于稳定。
27.应用于该实施例，偏好画像知识库由偏好画像处理网络获得，且分布特征在偏好画像处理网络的调试步骤中，与偏好画像处理网络的变量数据并行优化，直到偏好画像处理网络的调试趋于稳定，由于分布特征随ai算法并行调试，因而可以提升分布特征的细节输出质量，有助于保障偏好画像知识库的精度和丰富程度。
28.在一些独立性实施例中，服务会话大数据中区块链金融业务用户的偏好画像细节字段包括：在服务会话大数据中，区块链金融业务用户的服务偏好项目的第一相对分布和区块链金融业务用户的会话状态，且会话状态包括区块链金融业务用户的多个业务活动环节的第二相对分布。
29.应用于该实施例，服务会话大数据中区块链金融业务用户的偏好画像细节字段包括：在服务会话大数据中区块链金融业务用户的服务偏好项目的第一相对分布和区块链金融业务用户的会话状态信息，且会话状态信息包括区块链金融业务用户的多个业务活动环节的第二相对分布，因而可以通过服务偏好项目和业务活动环节两者的相对分布来反映区块链金融业务用户的偏好画像，有助于保障偏好画像细节字段的精度。
30.在一些独立性实施例中，偏好画像知识库由偏好画像处理网络获得，且偏好画像处理网络与核验网络通过正负例调试获得。
31.应用于该实施例，通过正负例调试来联合调试偏好画像处理网络和核验网络，能够使偏好画像处理网络和核验网络在联合调试步骤中取长补短，进而有助于保障偏好画像处理网络的网络质量。
32.在一些独立性实施例中，正负例调试的思路为：获得多个已认证区块链金融业务用户关于已认证偏好画像标签的已认证偏好画像知识库；其中，已认证偏好画像知识库包括设定数目k0个已认证服务会话大数据，且已认证偏好画像知识库添加了先验注释，先验注释表示偏好画像处理网络生成获得已认证偏好画像知识库的真实性；依次对已认证偏好画像知识库中各个已认证服务会话大数据进行分治化处理，获得已认证可视化信息；其中，已认证可视化信息包括k0组单元关系网，单元关系网由知识单元组合得到，知识单元包括服务偏好项目和业务活动环节，单元关系网包含各个知识单元的知识单元会话活动描述短语，且知识单元的分布特征由多个已认证区块链金融业务用户分别在对应知识单元处的分布特征组合所得；基于核验网络对已认证可视化信息和已认证偏好画像标签进行验证，获得验证数据；其中，验证数据包括已认证偏好画像知识库的第一验证内容和，第一验证内容表示已认证偏好画像知识库经估计由偏好画像处理网络输出的量化评分，第二验证内容表示已认证偏好画像知识库属于已认证偏好画像标签的量化评分；基于先验注释、第一验证内容和第二验证内容，改进偏好画像处理网络、核验网络中其中一项的变量数据。
33.应用于该实施例，通过将已认证偏好画像细节字段分治化处理为已认证可视化信息，能够将偏好画像知识库的验证转换为可视化信息的验证，能够显著减少调试难度以及核验网络的部署复杂性。
34.在一些独立性实施例中，在已认证偏好画像知识库为从历史金融业务环境收集获得的基础上，知识单元的分布特征依据多个已认证区块链金融业务用户的设定关系，由多个已认证区块链金融业务用户分别在对应知识单元处的分布特征组合所得。
35.应用于该实施例，知识单元的分布特征依据多个已认证区块链金融业务用户的设定关系，由多个已认证区块链金融业务用户分别在对应知识单元处的分布特征组合所得，从而在调试步骤中使偏好画像处理网络将不同队列而实际对应于相同已认证偏好画像知识库的情况视为相异的认证模板，这样可以实现样本扩增并保障网络的抗干扰性。
36.一种区块链金融服务系统，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。
37.一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
38.图1是示出可以实现本公开的实施例的区块链金融服务系统的一种通信配置的示意图。
39.图2是示出可以实现本公开的实施例的基于区块链金融的用户画像处理方法的流程示意图。
40.图3是示出可以实现本公开的实施例的基于区块链金融的用户画像处理方法的应
用环境的架构示意图。
具体实施方式
41.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。
42.图1是示出可以实现本公开的实施例的区块链金融服务系统100的一种通信配置的框图，区块链金融服务系统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基于区块链金融的用户画像处理方法的处理器102。
43.图2是示出可以实现本公开的实施例的基于区块链金融的用户画像处理方法的流程示意图，基于区块链金融的用户画像处理方法可以通过图1所示的区块链金融服务系统100实现，进一步可以包括以下相关步骤所描述的技术方案。
44.process11：获得用于反映多个区块链金融业务用户在多组服务会话大数据的第一会话活动描述短语，并获得用于反映多个区块链金融业务用户相对于目标偏好画像标签的第二会话活动描述短语。
45.对于一些可能的示例而言，多个区块链金融业务用户的数目k1以及目标偏好画像标签可以在挖掘偏好画像之前，由金融服务商平台系统约定。举例而言，金融服务商平台系统可以约定目标偏好画像标签为“跨境电商信息安全”，并设置多个区块链金融业务用户的数目k1为2个；又比如，金融服务商平台系统可以约定目标偏好画像标签为“金融业务推送拦截”，并设置多个区块链金融业务用户的数目k1为1个；又比如，金融服务商平台系统可以约定目标偏好画像标签为“个人用户隐私入侵防护”，并设置多个区块链金融业务用户的数目k1为3个。进一步地，服务会话大数据可以是服务会话记录/日志，会话活动描述短语可以理解为会话活动特征或者会话活动向量。偏好画像标签还可以理解为偏好画像类别。
46.对于另一些可能的示例而言，目标偏好画像标签可以在挖掘偏好画像之前由金融服务商平台系统约定，而多个区块链金融业务用户的数目k1可以基于目标偏好画像标签自适应解析获得。举例而言，金融服务商平台系统可以约定目标偏好画像标签为“匿名互动”，则基于该目标偏好画像标签，可以自适应解析获得多个区块链金融业务用户的数目k1为2个；又比如，金融服务商平台系统可以约定目标偏好画像标签为“业务权限认证”，则基于该目标偏好画像标签可以自适应解析获得多个区块链金融业务用户的数目k1为2个；又比如，金融服务商平台系统可以约定目标偏好画像标签为“业务信息推荐”，则基于该目标偏好画像标签可以自适应解析获得多个区块链金融业务用户的数目k1为1个。
47.对于其他一些可能的示例而言，目标偏好画像标签可以在挖掘偏好画像之前由金
融服务商平台系统约定，而多个区块链金融业务用户的数目k1可以基于目标偏好画像标签自适应解析获得，且可以响应金融服务商平台系统对自适应解析获得的数目k1的调整指示，来修改自适应解析获得的数目k1。举例而言，金融服务商平台系统可以约定目标偏好画像标签为“个人用户隐私入侵防护”，则基于该目标偏好画像标签可以自适应解析获得多个区块链金融业务用户的数目k1为2个，并响应金融服务商平台系统对自适应解析获得的数目k1的调整指示，将其修改为4个；又比如，金融服务商平台系统可以约定目标偏好画像标签为“业务浏览”，则该基于目标偏好画像标签可以自适应解析获得多个区块链金融业务用户的数目k1为1个，并响应金融服务商平台系统对自适应解析获得的数目k1的调整指示，将其修改为2个。
48.可以理解，上述多个区块链金融业务用户可以都是个人用户，多个区块链金融业务用户也可以同时包括个人用户和企业用户。举例而言，可以设置目标偏好画像标签为“政企项目推荐”，则多个区块链金融业务用户可以包括个人用户和企业用户。
49.对于一些可能的示例而言，多组服务会话大数据的数目k2可以事先设置。
50.对于一些可能的示例而言，可以获得每个区块链金融业务用户在每个服务会话大数据的第一会话活动描述短语。比如，对于多个区块链金融业务用户的数目k1为1个的条件下（比如对于1个区块链金融业务用户的偏好画像挖掘条件下），可以获得该1个区块链金融业务用户分别在各个服务会话大数据的第一会话活动描述短语；又比如，对于多个区块链金融业务用户的数目k1为2个的条件下（即对于2个区块链金融业务用户的偏好画像挖掘条件下），可以获得每个区块链金融业务用户分别在各个服务会话大数据的第一会话活动描述短语，可以将这两个区块链金融业务用户分别称为“clienta”和“clientb”，则可以获得“clienta”分别在各个服务会话大数据的第一会话活动描述短语，并获得“clientb”分别在各个服务会话大数据的第一会话活动描述短语。
51.对于一些可能的示例而言，可以理解，服务会话大数据包含于本公开基于区块链金融的用户画像处理方法公开实施例进而期望输出的偏好画像知识库中，即在获得第一会话活动描述短语时，服务会话大数据本质上没有生成，第一会话活动描述短语可以视为每个区块链金融业务用户分别在各个服务会话大数据中原始的会话活动描述短语。一般而言，可以基于迭代分析任务挖掘所得第一会话活动描述短语。可以理解，迭代分析任务是基于统计学选择的一种算法，举例而言，迭代分析任务可以基于随机过程（stochastic process）实现，在此不作赘述。
52.在一些可能的设计思路下，可以在多轮迭代分析任务中，分别基于数目k2进行挖掘，获得用于反映k2个服务会话大数据的第一基础描述短语，且第一基础描述短语的规模约束值与迭代分析任务的数量相同，各迭代分析任务的任务配置互不一致。进一步地，再基于数目k1和第一基础描述短语，获得k3个第一会话活动描述短语，且数目k3为数目k1和数目k2的设定运算结果。举例而言，可以将多组服务会话大数据的数目k2视为num，若干迭代分析任务的任务配置configuration的取值不限，则在任务配置configuration为1的迭代分析任务进行num轮采用，获得一个规模约束值为num的1维数组，如此反复，在任务配置configuration为10、100、1000的迭代分析任务上均可以挖掘所得规模约束值为num的1维数组，将上述4个迭代分析任务分别挖掘所得的规模约束值为num的1维数组上相同位置的成员进行组合，便能够获得num个规模约束值为4的第一基础描述短语，且这num个第一基础
描述短语分别与num个服务会话大数据逐一匹配，即第一个第一基础描述短语对应于第一个服务会话大数据，第二个第一基础描述短语对应于第二个服务会话大数据，基于此，第num个第一基础描述短语对应于第num个服务会话大数据。
53.在一些示例下，可以将上述挖掘所得的第一基础描述短语的规模约束值视为restriction0，故上述用于反映多组服务会话大数据的第一基础描述短语可以视为（num，restriction0）。进一步地，可以对上述第一基础描述短语（num，restriction0）进行挖掘（如，可以基于ai模型对第一基础描述短语进行识别），以调整之前的第一基础描述短语（num，restriction0）的尺度。挖掘之后的第一基础描述短语的数量为num个。鉴于各迭代分析任务的任务配置互不一致，且每轮迭代分析任务的执行皆可以获得各个服务会话大数据的显著特征，因而可以保障各个第一会话活动描述短语的精度和可信度。
54.在一些可能的设计思路下，在获得用于反映k2个服务会话大数据的第一基础描述短语之后，可以基于数目k1等于1还是大于1，确定是否对反映各个服务会话大数据的第一基础描述短语进行继续处理，以此来获得各个服务会话大数据中多个区块链金融业务用户的第一基础描述短语。比如，在数目k1等于1的基础上，可以确定偏好画像挖掘为1个区块链金融业务用户的条件，则可以直接将上述挖掘所得的反映各个服务会话大数据的第一基础描述短语，视为各个服务会话大数据中该1个区块链金融业务用户的第一基础描述短语；又比如，在数目k1大于一的基础上，可以确定偏好画像挖掘为多个区块链金融业务用户的条件，则可以将上述挖掘所得的反映各个偏好画像的第一基础描述短语分别进行k1轮复制，获得各个服务会话大数据中多个区块链金融业务用户的第一基础描述短语，如在数目k1为2的基础上，可以将反映第1个服务会话大数据的第一基础描述短语变换为两个第一基础描述短语，这两个第一基础描述短语分别反映在第1个服务会话大数据中这两个区块链金融业务用户的第一基础描述短语。
55.在一些可能的设计思路下，为了在1个区块链金融业务用户以及x个区块链金融业务用户的基础上区别不同第一基础描述短语，可以在第一基础描述短语的基础上挖掘各个第一基础描述短语的相对分布，获得对应的第一会话活动描述短语，换言之，第一会话活动描述短语配对有分布特征，且各个分布特征互不一致。一般而言，在多个区块链金融业务用户为1个区块链金融业务用户的基础上，分布特征包括业务阶段分布特征，换言之，在多个区块链金融业务用户为1个区块链金融业务用户的基础上，通过对不同业务阶段的服务会话大数据进行挖掘来区别不同第一基础描述短语，从而获得第一会话活动描述短语。举例而言，仍以num个服务会话大数据为例，在1个区块链金融业务用户的基础上，可以依次对这num个服务会话大数据的第一基础描述短语匹配到业务阶段分布特征（比如，1、2等、num），从而获得用于反映1个区块链金融业务用户在这num个服务会话大数据的第一会话活动描述短语。在多个区块链金融业务用户为x个区块链金融业务用户的基础上，分布特征可以包括业务阶段分布特征和区块链金融业务用户分布特征，换言之，在多个区块链金融业务用户为x个区块链金融业务用户的基础上，不仅要对不同业务阶段的服务会话大数据进行挖掘，还要对每个服务会话大数据中多个区块链金融业务用户进行挖掘，以此来区别不同第一基础描述短语，从而获得第一会话活动描述短语。举例而言，仍以num个服务会话大数据为例，在x个区块链金融业务用户的基础上，可以对第1服务会话大数据的第一基础描述短语匹配到业务阶段分布特征（比如，1），并进一步对第1个服务会话大数据多个区块链金融
业务用户匹配到区块链金融业务用户分布特征（比如，1、2等），从而组合业务阶段分布特征和区块链金融业务用户分布特征视为分布特征，使得反映多个区块链金融业务用户在第1个服务会话大数据的第一会话活动描述短语分别配对有不同分布特征（比如，1-1、1-2等）。进一步地，可以对第2个服务会话大数据的第一基础描述短语匹配到业务阶段分布特征（比如，2），并进一步对第1个服务会话大数据多个区块链金融业务用户匹配到区块链金融业务用户分布特征（比如，1、2等），从而组合业务阶段分布特征和区块链金融业务用户分布特征视为分布特征，使得反映多个区块链金融业务用户在第2个服务会话大数据的第一会话活动描述短语分别配对有不同分布特征（比如，2-1、2-2等），其他服务会话大数据可以如此反复。
56.进一步地，上述分布特征仅仅视为示例，一般而言，可以事先调试一个偏好画像处理网络，且分布特征可以在偏好画像处理网络的调试步骤中，与偏好画像处理网络的变量数据并行优化，直到偏好画像处理网络的调试趋于稳定，后续便能够使用调整好的分布特征。基于此，能够在1个区块链金融业务用户和多个区块链金融业务用户这两类情况下，基于不同的分布特征规则来区别不同会话活动描述短语，使得会话活动描述短语的分布特征互不一致，有助于保障会话活动描述短语的准确性。
57.对于一些可能的示例而言，与第一会话活动描述短语相似，对于第二会话活动描述短语而言，可以获得每个区块链金融业务用户相对于目标偏好画像标签的第二会话活动描述短语。比如，对于多个区块链金融业务用户的数目k1为一个的条件下（对于1个区块链金融业务用户的偏好画像挖掘条件下），可以获得该1个区块链金融业务用户相对于目标偏好画像标签的第二会话活动描述短语；又比如，对于多个区块链金融业务用户的数目k1为两个的条件下（对于两个区块链金融业务用户的偏好画像挖掘条件下），可以获得每个区块链金融业务用户分别相对于目标偏好画像标签的的第二会话活动描述短语，可以将这两个区块链金融业务用户分别称为“clienta”和“clientb”，则可以获得“clienta”相对于目标偏好画像标签的第二会话活动描述短语，并获得“clientb”相对于目标偏好画像标签的第二会话活动描述短语。
58.对于一些可能的示例而言，目标偏好画像标签可以由金融服务商平台系统约定，则在确定目标偏好画像标签之后，可以基于该目标偏好画像标签进行识别获得第二会话活动描述短语。
59.在一些可能的设计思路下，可以对目标偏好画像标签进行描述变换，获得第二基础描述短语，进一步地，再基于数目k1和第二基础描述短语，获得数目k1个第二会话活动描述短语。可以理解，上述描述变换的作用是将目标偏好画像标签转换为数组字段。举例而言，可以事先设置不同偏好画像标签的标签数组字段，如不同偏好画像标签有二十六个的基础上，可以事先设置二十六个偏好画像标签的标签数组字段（每个标签数组字段的规模约束值可以为200），则在确定目标偏好画像标签之后，可以其中与目标偏好画像标签一致的偏好画像标签的标签数组字段，视为该目标偏好画像标签的第二基础描述短语；又比如，也可以先将目标偏好画像标签进行挖掘，再进行线性回归处理，获得该目标偏好画像标签的第二基础描述短语，如不同偏好画像标签为二十六个的基础上，可以先将目标偏好画像标签调整为二十六维数组，然后进行线性回归处理获得该目标偏好画像标签的第二基础描述短语。
60.在一些可能的设计思路下，与获得第一会话活动描述短语相似，在获得反映目标偏好画像标签的第二基础描述短语之后，也可以基于数目k1等于1还是大于1，确定是否对该第一基础描述短语继续处理，以此来获得多个区块链金融业务用户分别相对于目标偏好画像标签的第二基础描述短语。比如，在数目k1等于一的基础上，可以确定偏好画像挖掘为1个区块链金融业务用户的条件，则可以直接将上述挖掘所得的反映目标偏好画像标签的第二基础描述短语，视为该1个区块链金融业务用户关于该目标偏好画像标签的第二基础描述短语；又比如，在数目k1大于一的基础上，可以确定偏好画像挖掘为多个区块链金融业务用户的条件，则可以将上述反映目标偏好画像标签的第二基础描述短语进行k1轮复制，获得多个区块链金融业务用户分别相对于目标偏好画像标签的第二基础描述短语，如在数目k1为2的基础上，可以将反映目标偏好画像标签的第二基础描述短语变换为两个第二基础描述短语，这两个第二基础描述短语分别反映这两个区块链金融业务用户相对于目标偏好画像标签的第二基础描述短语。
61.在一些可能的设计思路下，与获得第一会话活动描述短语相似，为了在1个区块链金融业务用户以及x个区块链金融业务用户的基础上区别不同第二基础描述短语，可以在第二基础描述短语的基础上挖掘各个第二基础描述短语的相对分布，获得对应的第二会话活动描述短语。换言之，与第一会话活动描述短语相似，第二会话活动描述短语也配对有分布特征，且各个分布特征互不一致。可以理解，不仅各个第二会话活动描述短语配对的分布特征互不一致，而且第二会话活动描述短语配对的分布特征与第一会话活动描述短语配对的分布特征也互不一致。一般而言，在多个区块链金融业务用户为1个区块链金融业务用户的基础上，分布特征包括业务阶段分布特征，换言之，在多个区块链金融业务用户为1个区块链金融业务用户的基础上，第二会话活动描述短语可以通过在业务阶段层面与不同服务会话大数据的第一会话活动描述短语进行区别。举例而言，仍以num个服务会话大数据为例，在1个区块链金融业务用户的基础上，可以依次对这num个服务会话大数据的第一基础描述短语匹配到业务阶段分布特征（比如，1、2等、num），从而获得用于反映1个区块链金融业务用户在这num个服务会话大数据的第一会话活动描述短语，则可以对目标偏好画像标签的第二基础描述短语匹配到业务阶段分布特征（比如，num 1），从而获得1个区块链金融业务用户关于该目标偏好画像标签的第二会话活动描述短语。
62.在多个区块链金融业务用户为x个区块链金融业务用户的基础上，分布特征可以包括业务阶段分布特征和区块链金融业务用户分布特征，换言之，在多个区块链金融业务用户为x个区块链金融业务用户的基础上，需要同时在业务阶段层面和区块链金融业务用户层面进行区别。举例而言，仍以num个服务会话大数据为例，在x个区块链金融业务用户的基础上，可以对多个区块链金融业务用户相对于目标偏好画像标签的第二基础描述短语先匹配到业务阶段分布特征（比如，num 1），并进一步对第1个区块链金融业务用户相对于目标偏好画像标签的第二基础描述短语匹配到区块链金融业务用户分布特征（比如，1），进一步对第2个区块链金融业务用户相对于目标偏好画像标签的第二基础描述短语匹配到区块链金融业务用户分布特征（比如，2），如此反复，从而组合业务阶段分布特征和区块链金融业务用户分布特征，使得反映多个区块链金融业务用户相对于目标偏好画像标签分别配对有不同分布特征（比如，num 1-1，num 1-2等）。一般而言，可以事先调试一个偏好画像处理网络，且分布特征可以在偏好画像处理网络的调试步骤中，与偏好画像处理网络的变量数
据并行优化，直到偏好画像处理网络的调试趋于稳定，后续便能够使用调整好的分布特征。基于此，能够在1个区块链金融业务用户和多个区块链金融业务用户这两类情况下，采用不同的分布特征规则来区别不同会话活动描述短语，使得会话活动描述短语的分布特征互不一致，有助于保障会话活动描述短语的准确性。
63.对于一些可能的示例而言，第一会话活动描述短语和第二会话活动描述短语皆携带了分布特征，且在多个区块链金融业务用户为1个区块链金融业务用户的基础上，分布特征包括业务阶段分布特征，在多个区块链金融业务用户为x个区块链金融业务用户的基础上，分布特征包括区块链金融业务用户分布特征和业务阶段分布特征。
64.进一步地，为了便于区别，各分布特征可以互不一致。以num个服务会话大数据和r个（r等于1，又比如，r大于1）区块链金融业务用户为例，可以获得（num 1）*r的会话活动描述短语，其中，包含num*r个用于反映各个服务会话大数据中各个区块链金融业务用户的第一会话活动描述短语，以及r个用于反映各个区块链金融业务用户相对于目标偏好画像标签的第二会话活动描述短语。
65.可以理解，对于每个区块链金融业务用户而言，可以将该区块链金融业务用户分别在多组服务会话大数据的第一基础描述短语和相对于目标偏好画像标签的第二基础描述短语，视为该区块链金融业务用户在不同业务阶段的原始业务阶段活动特征。仍以num个服务会话大数据而言，则对于第r个区块链金融业务用户而言，其在num个服务会话大数据的第一基础描述短语和相对于目标偏好画像标签的第二基础描述短语，可以视为其在第1个业务阶段至第num 1个业务阶段的原始业务阶段活动特征。进一步地，在1个区块链金融业务用户的偏好画像挖掘情况下，在业务阶段y的区间为1至num的基础上，可以将第y个业务阶段的业务阶段分布特征characteristic与第y个原始业务阶段活动特征加权，获得第y个业务阶段的第一会话活动描述短语，在业务阶段y为num 1的基础上，可以将第y个业务阶段的业务阶段分布特征characteristic与第y个原始业务阶段活动特征加权，获得第y个业务阶段的第二会话活动描述短语。相似，在多个区块链金融业务用户的偏好画像挖掘情况下，可以先将第r个区块链金融业务用户的区块链金融业务用户分布特征vector与第y个业务阶段的业务阶段分布特征组合，获得第r个区块链金融业务用户在第y个业务阶段的分布特征cc（characteristic，vector），其中，cc表示组合处理，则在业务阶段y的区间为1至num的基础上，可以将第r个区块链金融业务用户在第y个业务阶段的分布特征focation（y，r）与第r个区块链金融业务用户在第y个业务阶段的原始业务阶段活动特征加权，获得第r个区块链金融业务用户在第y个业务阶段的第一会话活动描述短语，而在业务阶段y为num 1的基础上，可以将r个区块链金融业务用户在第y个业务阶段的分布特征focation（y，r）与第r个区块链金融业务用户在第y个业务阶段的原始业务阶段活动特征加权，获得第r个区块链金融业务用户在第y个业务阶段的第二会话活动描述短语。
66.process12：基于第一会话活动描述短语和第二会话活动描述短语进行联动分析处理，获得各服务会话大数据中各区块链金融业务用户的全局活动描述短语分布。
67.对于一些可能的示例而言，联动分析处理（建模处理）的种类与多个区块链金融业务用户的数目k1存在关联，一般而言，在多个区块链金融业务用户的数目k1为1的基础上，联动分析处理包括生成各服务会话大数据之间的阶段传递网，从而通过构造阶段传递网提升服务会话大数据之间的业务阶段不间断性，有助于保障偏好画像知识库的真实性，而在
多个区块链金融业务用户的数目k1为x的基础上，联动分析处理包括生成各服务会话大数据中多个区块链金融业务用户之间的活动传递网和生成各服务会话大数据之间的阶段传递网，从而通过构造活动传递网保障区块链金融业务用户之间的互动分析质量，以及能够通过构造阶段传递网提升服务会话大数据之间的业务阶段不间断性，有助于保障偏好画像知识库的真实性。
68.对于一些可能的示例而言，在多个区块链金融业务用户的数目k1为1的基础上，仅需构造阶段传递网，基于此，可以直接筛选该1个区块链金融业务用户视为目标区块链金融业务用户，并将目标区块链金融业务用户对应的第一会话活动描述短语和第二会话活动描述短语，视为目标区块链金融业务用户在不同业务阶段的阶段会话活动描述短语。举例而言，仍以num个服务会话大数据为例，可以将第1个服务会话大数据中该目标区块链金融业务用户的第一会话活动描述短语视为第一个阶段会话活动描述短语，将第2个服务会话大数据中该目标区块链金融业务用户的第一会话活动描述短语视为第二个阶段会话活动描述短语，等等，将第num个服务会话大数据中该目标区块链金融业务用户的第一会话活动描述短语视为第num个阶段会话活动描述短语，以及将该目标区块链金融业务用户相对于目标偏好画像标签的第二会话活动描述短语视为第num 1个阶段会话活动描述短语。进一步地，可以依次筛选各个业务阶段分别视为当前业务阶段，并筛选当前业务阶段的阶段会话活动描述短语视为当前阶段会话活动描述短语，并利用各个业务阶段活动特征模板分别与当前业务阶段活动特征的ppmcc，获得当前业务阶段活动特征对应的全局活动描述短语分布。换言之，在将第u个阶段会话活动描述短语视为当前业务阶段活动特征的基础上，可以将目标区块链金融业务用户在各业务阶段（1至num 1）的阶段会话活动描述短语视为业务阶段活动特征模板，并基于这些业务阶段活动特征模板分别与第u个阶段会话活动描述短语之间的ppmcc，获得第u个阶段会话活动描述短语对应的全局活动描述短语分布，从而在1个区块链金融业务用户的偏好画像挖掘情况中，进而可以获得num 1个全局活动描述短语分布，这num 1个全局活动描述短语分布包括：该1个区块链金融业务用户融合阶段传递网之后在分别num个服务会话大数据的会话活动描述短语，以及该1个区块链金融业务用户融合阶段传递网之后相对于目标偏好画像标签的会话活动描述短语。可以理解，为了便于与后续活动传递网的构造步骤加以区别，在业务阶段构造中，当前业务阶段可以视作第一当前业务阶段，当前业务阶段的阶段会话活动描述短语可以视作第一当前业务阶段活动特征，业务阶段活动特征模板可以视作第一业务阶段活动特征模板。
69.在一些可能的设计思路下，为了提升偏好画像挖掘时效性和精度，可以事先调试一个偏好画像处理网络（比如gcn模型），且该偏好画像处理网络可以包括联动分析处理层，联动分析处理层可以进一步包括业务阶段分析层。进一步地，在筛选第y个阶段会话活动描述短语视为当前业务阶段活动特征的基础上，可以获得第y个阶段会话活动描述短语对应的查询会话活动描述短语分别与第y0（取值区间为1至num 1）个阶段会话活动描述短语的键会话活动描述短语之间的ppmcc（皮尔森相关性系数）。在获得ppmcc之后，便能够基于该ppmcc，对第y0（取值区间为1至num 1）个阶段会话活动描述短语的值会话活动描述短语进行求和，获得第y个阶段会话活动描述短语融合阶段传递网之后的全局活动描述短语分布。
70.在一些可能的设计思路下，业务阶段分析层可以由d（d大于或等于1）层cnn级联形成，进一步地，在获得第f层cnn输出的全局活动描述短语分布 之后，可以将其视为第f 1层
cnn的输入，并再次执行上述业务阶段构造过程，获得第f 1层cnn输出的全局活动描述短语分布 如此反复，进而可以将最后一层cnn输出的全局活动描述短语分布 视为最后的全局活动描述短语分布。此外，在获得最后的全局活动描述短语分布 之后，由于第1至第num个最后的全局活动描述短语分布已经完全匹配到目标偏好画像标签，因而在后续process13偏好画像挖掘前，可以将与目标偏好画像标签相关的第num 1个最后的全局活动描述短语分布过滤。
71.对于一些可能的示例而言，在多个区块链金融业务用户为x个区块链金融业务用户的基础上，需构造阶段传递网和活动传递网，且活动传递网和阶段传递网可以先后构造，举例而言，可以先构造活动传递网，再构造阶段传递网；又比如，也可以先构造阶段传递网，再构造活动传递网。此外，在先构造关系的会话活动描述短语out feature为在后构造关系的会话活动描述短语原料。换言之，在联动分析处理包括构造活动传递网和阶段传递网的基础上，可以基于第一会话活动描述短语和第二会话活动描述短语构造第一传递描述，获得第一传递描述的会话活动描述短语out feature，再基于会话活动描述短语out feature构造第二传递描述，获得全局活动描述短语分布。可以理解，第一传递描述为活动传递网，第二传递描述为阶段传递网，又比如，第一传递描述为阶段传递网，第二传递描述为阶段传递网。
72.在一些可能的设计思路下，为了提升偏好画像挖掘时效性和精度，可以事先调试一个偏好画像处理网络，且该偏好画像处理网络可以包括联动分析处理层，联动分析处理层可以包括业务阶段分析层和活动影响分析层。举例而言，业务阶段分析层和活动影响分析层可以均基于cnn生成。与上述1个区块链金融业务用户的偏好画像挖掘情况相似，在多个区块链金融业务用户的偏好画像挖掘情况中，也可以筛选其中一个区块链金融业务用户视为目标区块链金融业务用户。举例而言，可以筛选r个区块链金融业务用户中第r个区块链金融业务用户视为目标区块链金融业务用户。进一步地，可以将目标区块链金融业务用户对应的第一会话活动描述短语和第二会话活动描述短语，视为该目标区块链金融业务用户分别在不同业务阶段的阶段会话活动描述短语。在先生成活动传递网时，与上述生成阶段传递网相似，在获得目标区块链金融业务用户在不同业务阶段的阶段会话活动描述短语之后，可以筛选各个业务阶段分别视为当前业务阶段，并筛选当前业务阶段的阶段会话活动描述短语视为当前业务阶段活动特征，以及利用各个业务阶段活动特征模板分别与当前业务阶段活动特征的ppmcc，获得当前业务阶段活动特征对应的全局活动描述短语分布，与生成阶段传递网不同的是，在构造活动传递网的基础上，业务阶段活动特征模板包含各区块链金融业务用户分别在当前业务阶段的阶段会话活动描述短语。
73.可以理解，为了与上述阶段传递网的构造步骤加以区别，当前业务阶段可以视作第二当前业务阶段，第二当前业务阶段的阶段会话活动描述短语可以视作第二当前业务阶段活动特征，业务阶段活动特征模板可以命名第二业务阶段活动特征模板。在一些可能的设计思路下，在获得各个区块链金融业务用户分别在各个业务阶段融合活动传递网之后的全局活动描述短语分布之后，可以将这些全局活动描述短语分布视为生成阶段传递网的会话活动描述短语原料，以继续生成阶段传递网。
74.在一些可能的设计思路下，用于生成活动传递网的网络节点1和用于生成阶段传递网的网络节点2可以合为一组cnn，以共同生成活动传递网和阶段传递网，则相关模型层
可以包括d组cnn。进一步地，对于第y个业务阶段的服务会话大数据中第r个区块链金融业务用户而言，可以将第f组cnn输出的全局活动描述短语分布 之后，可以将其视为第f 1层cnn的输入，并重新执行上述业务阶段构造过程，获得第f 1层cnn输出的全局活动描述短语分布 如此反复，进而可以将最后一层cnn输出的全局活动描述短语分布 视为最后的全局活动描述短语分布。在获得最后的全局活动描述短语分布后，鉴于第1至第num个最后的全局活动描述短语分布已经充分匹配到目标偏好画像标签，因而在后续process13偏好画像挖掘前，可以将与目标偏好画像标签相关的第num 1个最后的全局活动描述短语分布过滤。
75.应用于上述内容，无论是构造阶段传递网，还是构造活动传递网，两者的构造思路接近，比如皆可以先筛选区块链金融业务用户视为目标区块链金融业务用户，并将目标区块链金融业务用户对应的第一会话活动描述短语和第二会话活动描述短语，视为目标区块链金融业务用户在不同业务阶段的阶段会话活动描述短语，再筛选各个业务阶段分别视为当前业务阶段，以及筛选当前业务阶段的阶段会话活动描述短语视为当前业务阶段活动特征，再利用各个业务阶段活动特征模板分别与当前业务阶段活动特征的ppmcc，获得当前业务阶段活动特征对应的全局活动描述短语分布。在构造阶段传递网的基础上，业务阶段活动特征模板包括目标区块链金融业务用户在各业务阶段的阶段会话活动描述短语，在构造活动传递网的基础上，业务阶段活动特征模板包含各区块链金融业务用户分别在当前业务阶段的阶段会话活动描述短语。基于此，能够通过类似的构造思路来构造阶段传递网和活动传递网，从而可以保障针对不同数量的区块链金融业务用户的偏好挖掘的灵活性和智能化程度。
76.process13：基于全局活动描述短语分布进行偏好画像挖掘，获得多个区块链金融业务用户相对于目标偏好画像标签的偏好画像知识库。
77.对于一些可能的示例而言，偏好画像知识库包括多组服务会话大数据，且服务会话大数据携带各区块链金融业务用户的偏好画像细节字段。举例而言，偏好画像知识库可以包括num个服务会话大数据，多个区块链金融业务用户为r个区块链金融业务用户，则每个服务会话大数据中包含r个区块链金融业务用户的偏好画像细节字段，因而可以生成获得业务阶段不间断的动态偏好画像。
78.对于一些可能的示例而言，为了提升偏好画像挖掘时效性和精度，可以事先调试偏好画像处理网络，且偏好画像处理网络可以包括偏好画像挖掘模块，在此对偏好画像挖掘模块的结构不限定。进一步地，可以将各个服务会话大数据中各个区块链金融业务用户的全局活动描述短语分布输入至偏好画像挖掘模块，便能够获得多个区块链金融业务用户相对于目标偏好画像标签的偏好画像知识库。以num个服务会话大数据以及r个区块链金融业务用户为例，可以获得num*r个全局活动描述短语分布，则可以将上述num*r个全局活动描述短语分布输入至偏好画像挖掘模块，便能够获得num个服务会话大数据，且每个服务会话大数据包含r个区块链金融业务用户的偏好画像细节字段，从而可以将num个服务会话大数据按业务阶段先后顺序组合，获得偏好画像知识库。
79.对于一些可能的示例而言，服务会话大数据中区块链金融业务用户的偏好画像细节字段可以包括：在服务会话大数据中，区块链金融业务用户的服务偏好项目的第一相对分布和区块链金融业务用户的会话状态，且会话状态具体可以包括区块链金融业务用户的多个业务活动环节的第二相对分布。
80.对于一些可能的示例而言，偏好画像处理网络所输出的偏好画像知识库仅携带各个区块链金融业务用户分别在各个服务会话大数据的偏好画像细节字段，而不携带各个区块链金融业务用户的聚类关键词以及偏好画像场景，故在获得偏好画像知识库之后，可以根据需要调整各个区块链金融业务用户的聚类关键词。
81.可以理解的是，获得用于反映多个区块链金融业务用户在多组服务会话大数据的第一会话活动描述短语，并获得用于反映多个区块链金融业务用户相对于目标偏好画像标签的第二会话活动描述短语，进一步地，基于第一会话活动描述短语和第二会话活动描述短语进行联动分析处理，获得各服务会话大数据中各区块链金融业务用户的全局活动描述短语分布，且联动分析处理的种类与多个区块链金融业务用户的数目k1存在关联，再基于全局活动描述短语分布进行偏好画像挖掘，便能够获得多个区块链金融业务用户相对于目标偏好画像标签的偏好画像知识库，且偏好画像知识库包括多组服务会话大数据，服务会话大数据包含各区块链金融业务用户的偏好画像细节字段，不仅能够高效精准地得到偏好画像，还能够通过根据多个区块链金融业务用户的数目k1来准确地进行联动分析处理，可以平衡1个区块链金融业务用户和多个区块链金融业务用户这两类情况。基于此，能够在提升偏好画像挖掘时效性和精度的基础上，提高针对不同数量的区块链金融业务用户的画像分析的灵活性。
82.在一些可独立的设计思路下，偏好画像知识库由偏好画像处理网络获得，为了保障调试质量，偏好画像处理网络可以与核验网络（鉴别模型）通过正负例调试获得，示例性可以通过如下方案实现。
83.process41：获得多个已认证区块链金融业务用户关于已认证偏好画像标签的已认证偏好画像知识库。
84.对于一些可能的示例而言，已认证偏好画像知识库包括设定数目k0个已认证服务会话大数据，且已认证偏好画像知识库添加了先验注释，先验注释表示偏好画像处理网络生成获得已认证偏好画像知识库的真实性。一般而言，已认证偏好画像知识库可以是由偏好画像处理网络生成获得，也可以是在历史金融业务环境收集获得。
85.对于一些可能的示例而言，可以获得若干已认证关于已认证偏好画像标签的已认证业务数据。进一步地，可以提取已认证业务数据中各个已认证区块链金融业务用户的已认证偏好画像细节字段，如每个已认证区块链金融业务用户的已认证偏好画像细节字段可以包括已认证区块链金融业务用户的服务偏好项目和多个业务活动环节的相对分布。进一步地，每组已认证业务数据可以表示为一个已认证服务会话大数据，且每个已认证服务会话大数据中每个已认证区块链金融业务用户的已认证偏好画像细节字段。
86.process42：依次对已认证偏好画像知识库中各个已认证服务会话大数据进行分治化处理，获得已认证可视化信息。
87.对于一些可能的示例而言，已认证可视化信息（比如graphic data）包括k0组单元关系网，单元关系网由知识单元组合得到，知识单元包括服务偏好项目和业务活动环节，单元关系网包含各个知识单元的知识单元会话活动描述短语，且知识单元的分布特征由多个已认证区块链金融业务用户分别在对应知识单元处的分布特征组合所得。继续以每个已认证区块链金融业务用户的已认证偏好画像细节字段包括该已认证区块链金融业务用户的服务偏好项目和多个业务活动环节的相对分布为例，则该已认证偏好画像细节字段的e维
数组可以分治化处理为w个z维数组（该数组反映相对分布），且e=w*z，其中，w为已认证区块链金融业务用户的服务偏好项目和多个业务活动环节的统计值，如每个已认证区块链金融业务用户的服务偏好项目和多个业务活动环节的统计值为十八个。
88.对于一些可能的示例而言，对于1个已认证区块链金融业务用户的条件，每组单元关系网仅需表示1个已认证区块链金融业务用户便能够，故每组单元关系网由w个知识单元组合得到，且单元关系网上每个知识单元由该知识单元的z维数组反映，故每组单元关系网可以为（w，z）的线性变量，基于此已认证可视化信息可以为（num，w，z）的线性变量。
89.对于另一些可能的示例而言，与1个已认证区块链金融业务用户的条件不同的是，在多个已认证区块链金融业务用户的条件下，每组单元关系网需要表示多个已认证区块链金融业务用户。此外，对于已认证偏好画像知识库中多个已认证区块链金融业务用户而言，如果队列存在差异，有可能噪声后续核验网络的验证数据也不同，基于此，在已认证偏好画像知识库为从历史金融业务环境收集获得的基础上，知识单元的分布特征依据多个已认证区块链金融业务用户的设定关系，由多个已认证区块链金融业务用户分别在对应知识单元处的分布特征组合所得，从而在调试步骤中使偏好画像处理网络将不同队列而实际匹配相同已认证偏好画像知识库的情况作为相异的认证模板，这样可以实现样本扩增并保障网络的抗干扰性。
90.process43：基于核验网络对已认证可视化信息和已认证偏好画像标签进行验证，获得验证数据。
91.对于一些可能的示例而言，验证数据包括已认证偏好画像知识库的第一验证内容和第二验证内容，第一验证内容表示已认证偏好画像知识库经估计由偏好画像处理网络输出的量化评分，第二验证内容表示已认证偏好画像知识库属于已认证偏好画像标签的量化评分。可以理解，第一验证内容和第二验证内容可以采用百分比来表示，且百分比越大，对应的量化评分越高。
92.process44：基于先验注释、第一验证内容和第二验证内容，调整偏好画像处理网络、核验网络中其中一项的变量数据。
93.一般而言，通过第一验证内容和先验注释可以权衡核验网络的验证代价，而通过第二验证内容和先验注释可以权衡偏好画像处理网络的生成代价，在调试步骤中，可以每调试j1次核验网络（改进核验网络的变量数据），就调试j2次偏好画像处理网络（改进偏好画像处理网络的变量数据），如每调试4次核验网络，就调试1次偏好画像处理网络。进一步地，通过调试核验网络，能够提升核验网络对已认证偏好画像知识库的验证能力（即区别模型输出的已认证偏好画像知识库和实际确定的已认证偏好画像知识库的性能），以此可以促进偏好画像处理网络提升生成偏好画像知识库的真实性，而通过调试偏好画像调试模型，能够提升偏好画像处理网络生成偏好画像知识库的真实性，从而又促使核验网络保障其验证精度，进而使得核验网络和偏好画像处理网络互补，这样一来，偏好画像处理网络的网络质量能够不断提升，核验网络已经难以区别偏好画像处理网络所输出的偏好画像知识库以及实际的偏好画像知识库，至此便能够终止调试。可以理解，正负例调试可以理解为对抗训练，其技术细节在此不作赘述。在偏好画像挖掘过程中，可以进行分布特征标注，且分布特征在偏好画像处理网络的调试步骤中，可以与偏好画像处理网络的变量数据并行优化。
94.这样一来，通过正负例调试来联合调试偏好画像处理网络和核验网络，能够使偏好画像处理网络和核验网络在联合调试步骤中取长补短，进而有助于保障偏好画像处理网络的网络质量。进一步地，通过将已认证偏好画像细节字段分治化处理为已认证可视化信息，能够将偏好画像知识库的验证转换为可视化信息的验证，能够显著减少调试难度以及核验网络的部署复杂性。
95.可以理解的是，区块链金融服务系统与区块链金融业务用户对应的电子终端通信，用于进行偏好挖掘，但不参与区块链金融业务用户的电子终端之间的业务交互，以保障区块链金融业务的“去中心化”。
96.在一些可独立的设计思路下，在得到多个区块链金融业务用户相对于所述目标偏好画像标签的偏好画像知识库之后，该方法还可以包括如下内容：基于所述偏好画像知识库确定指定区块链金融业务用户的推送兴趣分析结果；通过所述推送兴趣分析结果进行业务信息推送。
97.可以理解的是，如果偏好画像知识库中携带的偏好画像包括推送层面的画像，则可以进行推送兴趣分析，从而得到准确的推送兴趣分析结果。
98.在一些可独立的设计思路下，基于所述偏好画像知识库确定指定区块链金融业务用户的推送兴趣分析结果，可以通过如下技术方案实现：基于指定区块链金融业务用户的用户标签获取目标偏好画像知识库对应的第一偏好画像知识集和第二偏好画像知识集，所述第一偏好画像知识集包括所述目标偏好画像知识库中不包含拦截偏好字段的知识特征矩阵，所述第二偏好画像知识集包括所述目标偏好画像知识库中包含拦截偏好字段的知识特征矩阵；对所述第一偏好画像知识集进行兴趣预测，得到所述第一偏好画像知识集对应的兴趣关键词；对所述第二偏好画像知识集进行兴趣预测，得到所述第二偏好画像知识集对应的拦截意图字段；对所述拦截意图字段和所述兴趣关键词进行加权，得到所述目标偏好画像知识库对应的推送兴趣向量；对所述推送兴趣向量进行匹配操作，得到所述目标偏好画像知识库对应的分类概率；在所述分类概率落入设定概率区间时，基于所述设定概率区间对应的推送策略确定所述指定区块链金融业务用户的推送兴趣分析结果。
99.如此设计，通过对推送特征和拦截特征进行联合分析，能够得到完整准确的推送兴趣向量，从而结合设定概率区间对应的推送策略针对性地获得推送兴趣分析结果，确保推送兴趣分析结果的可信度。
100.图3是示出可以实现本公开的实施例的基于区块链金融的用户画像处理方法的应用环境的架构示意图，基于区块链金融的用户画像处理方法的应用环境中可以包括互相通信的区块链金融服务系统100和金融服务商平台系统200。基于此，区块链金融服务系统100和金融服务商平台系统200在运行时实现或者部分实现本公开实施例的基于区块链金融的用户画像处理方法。
101.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。