(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211200521.2 (22)申请日 2022.09.29 (71)申请人 李烜宇 地址 563000 贵州省遵义市红花岗区杏林 大道59号 (72)发明人 李烜宇　韩叶刚　 (51)Int.Cl. G06F 16/2458(2019.01) G06F 16/22(2019.01) G06N 20/00(2019.01) (54)发明名称 基于大数据的数据处 理方法及AI系统 (57)摘要 本发明涉及数据处理技术领域， 特别涉及一 种基于大数据的数据处理方法及AI系统。 本发明 提供的基于 大数据的数据处理方法及AI系统， 依 据要素贡献值确定各个会话行为知识字段对应 的兴趣聚焦决策向量的思路， 减少了处理开销的 占用， 保障了用户兴趣挖掘的时效性； 基于此， 在 应对较为复杂的电商业务交互知识链时的资源 消耗有所降低， 应对较为复杂的电商业务交互知 识链的耗时也有所降低， 进而确保针对较为复杂 的电商业 务交互知识链的用户兴趣挖掘效率。 权利要求书4页 说明书18页 附图2页 CN 115374186 A 2022.11.22 CN 115374186 A 1.一种基于大数据的数据处理方法， 其特征在于， 应用于大数据AI系统， 所述方法包 括： 依据待挖掘的所述电商业务交互知识链中的会话行为知识字段的个数， 确定所述电商 业务交互知识链对应的第一要 素关系网中的各个原始索引要 素的第一要 素贡献值， 和所述 电商业务交互知识链对应的第二要素关系网中的各个所述原始配对要素的第二要素贡献 值； 结合所述第 一要素贡献值和所述第 二要素贡献值， 确定各个所述原始索引要素分别与 各个所述原 始配对要素之间的共性 值； 对于所述电商业务交互知识链中的各个会话行为知识字段， 结合所述会话行为知识字 段对应的原始索引要 素与各个所述原始配对要 素之间的共性值、 以及所述电商业务交互知 识链对应的第三要素关系网中的各个目标偏置要 素， 确定所述会话行为知识字段对应的兴 趣聚焦决策向量； 结合所述电商业务交互知识链中各个所述会话行为知识字段各自对应的兴趣聚焦决 策向量， 确定所述电商业 务交互知识链对应的用户兴趣挖掘信息 。 2.如权利要求1所述的方法， 其特征在于， 所述结合所述第 一要素贡献值和所述第 二要 素贡献值， 确定各个所述原 始索引要素分别与各个所述原 始配对要素之间的共性 值， 包括： 借助设定的若干个AI算法单元中的任意一个目标AI算法单元， 将各个所述原始索引要 素调整成满足设定要求的目标索引要 素， 以及将各个原始配对要 素调整成满足设定要求的 目标配对要素； 依据各个所述原始配对要素对应的第二要素贡献值和该原始配对要素对应的目标配 对要素， 确定各个所述原 始配对要素对应的第一要素运 算结果； 对于各个所述原始索引要素， 结合所述原始索引要素对应的目标索引要素和所述原始 索引要素对应的第一要素贡献值， 确定所述原 始索引要素对应的第二要素运 算结果； 结合所述第 二要素运算结果和各个所述原始配对要素对应所述第 一要素运算结果， 确 定所述原 始索引要素分别与各个所述原 始配对要素之间的共性 值。 3.如权利要求2所述的方法， 其特征在于， 所述结合所述第 二要素运算结果和各个所述 原始配对要素对应所述第一要 素运算结果， 确定所述原始索引要 素分别与各个所述原始配 对要素之间的共性 值， 包括： 结合所述原始索引要素在所述第一要素关系网中的第一顺序优先级和所述会话行为 知识字段的个数， 确定所述原始索引要素对应的第一偏心系 数， 以及依据各个所述原始配 对要素在所述第二要 素关系网中的第二顺序优先级， 确定各个所述原始配对要素对应的第 二偏心系数； 结合所述第 一偏心系数和所述原始索引要素对应的目标索引要素， 确定所述原始索引 要素对应的第三要素运 算结果； 对于各个所述原始配对要素， 结合所述原始配对要素对应的第 二偏心系数和所述原始 配对要素对应的目标配对要素， 确定所述原 始配对要素对应的第四要素运 算结果； 结合所述第二要素运算结果、 所述第三要素运算结果、 各个所述原始配对要素对应的 第一要素运算结果和 第四要素运算结果， 确定所述原始索引要素与各个所述原始配对要 素 之间的共性 值。权　利　要　求　书 1/4 页 2 CN 115374186 A 24.如权利要求1所述的方法， 其特征在于， 所述结合所述会话行为知识字段对应的原始 索引要素与各个所述原始配对要 素之间的共性值、 以及所述电商业务交互知识链对应的第 三要素关系网中的各个目标偏置要素， 确定所述会话行为知识字段对应的兴趣聚焦决策向 量， 包括： 对于各个所述原始配对要素， 结合所述原始配对要素对应的第一要素运算结果， 和在 所述第三要素关系网中对应的第三顺序优先级与所述原始配对要素对应的第二顺序优先 级相同的目标偏置要素， 确定所述原 始配对要素对应的第一特 征计算信息； 结合所述原始配对要素对应的第四要素运算结果， 和在所述第 三要素关系网中对应的 第三顺序优先级与所述原始配对要素对应的第二顺序优先级相同的目标偏置要素， 确定所 述原始配对要素对应的第二特 征计算信息； 将所述原始索引要素对应的第二要素运算结果和各个所述原始配对要素对应的第一 特征计算信息作积， 得到第五要素运 算结果； 将所述原始索引要素对应的第三要素运算结果和各个所述原始配对要素对应的第二 特征计算信息作积， 得到第六要素运 算结果； 结合所述会话行为知识字段对应的原始索引要素与各个所述原始配对要素之间的共 性值的求和数据、 所述第 五要素运算结果的求和数据、 以及所述第六要素运算结果的求和 数据， 确定所述会话行为知识字段对应的兴趣聚焦决策向量。 5.如权利要求1所述的方法， 其特征在于， 在所述依据待挖掘的电商业务交互知识链中 的会话行为知识字段的个数， 确定所述电商业务交互知识链对应的第一要 素关系网中的各 个所述原 始索引要素的第一要素贡献值之前， 还 包括： 获得待挖掘的所述电商业务交互知识链， 并对所述电商业务交互知识链进行知识变换 处理， 得到完成变换的所述电商业 务交互知识链； 将所述电商业务交互知识链和完成变换的所述电商业务交互知识链进行链级整理， 得 到完成整理的电商业 务交互知识链； 借助目标向量关系网分别对完成整理 的电商业务交互知识链进行知识 投影操作， 得到 所述电商业务交互知识链对应的第一要素关系网、 第二要素关系网和第三要素关系网； 其 中， 所述第一要素关系网、 第二要素关系网和第三要素关系网分别对应相异的所述 目标向 量关系网。 6.如权利要求5所述的方法， 其特征在于， 所述结合所述电商业务交互知识链中各个所 述会话行为知识字段各自对应的兴趣聚焦决策向量， 确定所述电商业务交互知识链对应的 用户兴趣挖掘信息， 包括： 将所述完成整理的电商业务交互知识链中的各个会话行为知识字段和该会话行为知 识字段对应的兴趣聚焦决策向量进行整理， 得到 完成整理的各个兴趣聚焦决策向量； 对完成整理的各个兴趣聚焦决策向量分别进行滑动平均处理， 得到完成滑动平均的各 个兴趣聚焦决策向量， 并对完成滑动平均的各个兴趣聚焦决策向量和该兴趣聚焦决策向量 对应的完成整理的兴趣聚焦决策向量进行向量整理， 得到完成滑动平均的各个兴趣聚焦决 策向量各自对应的原 始兴趣聚焦决策向量； 对各个所述原始兴趣聚焦决策向量进行知识变换处理， 得到完成变换的各个原始兴趣 聚焦决策向量， 并对各个所述原始兴趣聚焦决策向量和该原始兴趣聚焦决策向量对应的完权　利　要　求　书 2/4 页 3 CN 115374186 A 3