基于人工智能的数字金融业务推送方法及系统与流程

1.本发明涉及人工智能技术领域，具体而言，涉及一种基于人工智能的数字金融业务推送方法及系统。


背景技术：

2.数字金融是指，通过互联网及信息技术手段与传统金融服务业态相结合的新一代金融服务。数字金融包括互联网支付、移动支付、网上银行、金融服务外包及网上贷款、网上保险、网上基金等金融服务。数字金融科技的兴起不仅仅可以提升金融服务的效率，更能推动服务创新，带来更优质、更精准的服务。其中，数字金融业务的推送可以是指，将数字金融业务推送给感兴趣的用户，但是，在现有技术中，存在这可靠度不高的问题。


技术实现要素：

3.有鉴于此，本发明的目的在于提供一种基于人工智能的数字金融业务推送方法及系统，以在一定程度上提高业务推送的可靠度。
4.为实现上述目的，本发明实施例采用如下技术方案：一种基于人工智能的数字金融业务推送方法，包括：对多个候选数字金融业务进行图谱构建操作，以形成所述多个候选数字金融业务对应的目标分布图谱，所述多个候选数字金融业务中的任意一个候选数字金融业务至少与一个其它候选数字金融业务之间具有相关性关系，所述目标分布图谱中的每一个图谱分布节点对应于一个候选数字金融业务，每两个所述图谱分布节点之间的节点关系基于对应的两个候选数字金融业务之间的相关性程度确定，所述图谱分布节点的节点属性数据至少包括对应的候选数字金融业务的业务标识信息；利用经过优化处理的业务推送分析网络，对所述目标分布图谱进行图谱种类识别操作，以输出所述目标分布图谱对应的图谱识别种类信息；基于所述图谱识别种类信息，对所述多个候选数字金融业务进行筛选操作，以筛选出至少一个候选数字金融业务，并将所述至少一个候选数字金融业务进行标记操作，以标记为目标数字金融业务；对所述目标数字金融业务进行推送操作，以将每一个所述目标数字金融业务推送给所述图谱识别种类信息对应的每一个业务感兴趣用户。
5.在一些优选的实施例中，在上述基于人工智能的数字金融业务推送方法中，所述利用经过优化处理的业务推送分析网络，对所述目标分布图谱进行图谱种类识别操作，以输出所述目标分布图谱对应的图谱识别种类信息的步骤，包括：利用经过优化处理的业务推送分析网络中的第一数量个特征挖掘单元，将所述目标分布图谱进行特征挖掘操作，以形成所述目标分布图谱对应的图谱挖掘特征分布；利用所述经过优化处理的业务推送分析网络中的第二数量个特征优化单元，将所述目标分布图谱对应的图谱挖掘特征分布进行特征优化操作，以形成所述目标分布图谱对
应的第一图谱优化特征分布；利用所述经过优化处理的业务推送分析网络中的第三数量个特征优化单元，将所述目标分布图谱对应的第一图谱优化特征分布进行特征优化操作，以形成所述目标分布图谱对应的第二图谱优化特征分布；将所述目标分布图谱对应的第二图谱优化特征分布进行解析识别操作，以形成所述目标分布图谱对应的图谱特征表示；将所述目标分布图谱对应的图谱特征表示进行图谱种类识别操作，以输出所述目标分布图谱对应的图谱识别种类信息。
6.在一些优选的实施例中，在上述基于人工智能的数字金融业务推送方法中，所述数字金融业务推送方法还包括：提取到典型图谱组合，所述典型图谱组合包括标准分布图谱、对比分布图谱、所述标准分布图谱对应的图谱标准种类信息和所述对比分布图谱对应的图谱参考种类信息；利用业务推送分析网络，将所述标准分布图谱进行图谱分析操作，以形成对应的标准特征分布簇，所述标准特征分布簇包括标准的第一图谱优化特征分布和标准的第二图谱优化特征分布；利用所述业务推送分析网络，将所述对比分布图谱进行图谱分析操作，以形成对应的对比特征分布簇，所述对比特征分布簇包括对比的第一图谱优化特征分布和对比的第二图谱优化特征分布；依据所述标准特征分布簇的图谱节点数据和所述对比特征分布簇的图谱节点数据，分析出图谱节点误差参数，所述图谱节点数据包括用于反映对应的图谱分布节点的节点特征分布与图谱种类信息之间的匹配程度；依据所述标准的第二图谱优化特征分布和所述对比的第二图谱优化特征分布之间的区别信息，分析出特征分布误差参数；依据所述标准的第二图谱优化特征分布和所述对比的第二图谱优化特征分布，分别将所述标准分布图谱和所述对比分布图谱进行图谱种类识别操作，以及，基于图谱种类识别操作的输出数据、所述图谱标准种类信息和所述图谱参考种类信息，分析出种类识别误差参数；基于所述图谱节点误差参数、所述特征分布误差参数和所述种类识别误差参数，分析出所述业务推送分析网络对应的目标误差参数；基于所述目标误差参数，将所述业务推送分析网络进行网络优化操作，以形成对应的所述经过优化处理的业务推送分析网络。
7.在一些优选的实施例中，在上述基于人工智能的数字金融业务推送方法中，所述标准特征分布簇的图谱节点数据包括所述标准的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述标准的第二图谱优化特征分布中第四数量个图谱分布节点对应的第二匹配参数，所述对比特征分布簇的图谱节点数据包括所述对比的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述对比的第二图谱优化特征分布中第四数量个图谱分布节点对应的第二匹配参数；所述依据所述标准特征分布簇的图谱节点数据和所述对比特征分布簇的图谱节点数据，分析出图谱节点误差参数的步骤，包括：
依据所述标准的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述标准的第二图谱优化特征分布中第四数量个图谱分布节点对应的第二匹配参数，分析出对应的图谱节点误差参数的第一局部值；依据所述对比的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述对比的第二图谱优化特征分布中第四数量个图谱分布节点对应的第二匹配参数，分析出对应的图谱节点误差参数的第二局部值；将所述图谱节点误差参数的第一局部值和所述图谱节点误差参数的第二局部值进行融合操作，以形成对应的图谱节点误差参数。
8.在一些优选的实施例中，在上述基于人工智能的数字金融业务推送方法中，所述依据所述标准的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述标准的第二图谱优化特征分布中第四数量个图谱分布节点对应的第二匹配参数，分析出对应的图谱节点误差参数的第一局部值的步骤，包括：依据所述标准的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述标准的第二图谱优化特征分布中第四数量个图谱分布节点对应的第二匹配参数，分析出所述标准的第一图谱优化特征分布中每一个图谱分布节点对应的节点局部误差值；将所述标准的第一图谱优化特征分布中每一个图谱分布节点对应的节点局部误差值进行融合操作，输出对应的图谱节点误差参数的第一局部值。
9.在一些优选的实施例中，在上述基于人工智能的数字金融业务推送方法中，所述依据所述标准的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述标准的第二图谱优化特征分布中第四数量个图谱分布节点对应的第二匹配参数，分析出所述标准的第一图谱优化特征分布中每一个图谱分布节点对应的节点局部误差值的步骤，包括：对于所述标准的第一图谱优化特征分布中的第x个图谱分布节点，提取到所述第x个图谱分布节点对应的第一匹配参数，并提取到所述标准的第二图谱优化特征分布中和所述第x个图谱分布节点之间具有相关关系的第y个图谱分布节点对应的第二匹配参数；依据配置的节点误差计算方式，将所述第x个图谱分布节点对应的第一匹配参数和所述第y个图谱分布节点对应的第二匹配参数进行计算，以输出所述第x个图谱分布节点对应的节点局部误差值。
10.在一些优选的实施例中，在上述基于人工智能的数字金融业务推送方法中，所述数字金融业务推送方法还包括：在所述标准的第一图谱优化特征分布的第四数量个图谱分布节点中，选出所述标准的第一图谱优化特征分布的代表图谱分布节点，并确定所述标准的第一图谱优化特征分布的代表图谱分布节点对应的第一匹配参数；依据所述标准的第一图谱优化特征分布的代表图谱分布节点对应的第一匹配参数和配置的第一匹配参数处理方式，分析出所述标准的第一图谱优化特征分布中每一个图谱分布节点对应的第一匹配参数，所述第一匹配参数处理方式包括：在所述标准的第一图谱优化特征分布中，与所述标准的第一图谱优化特征分布的代表图谱分布节点之间的距离较大的图谱分布节点，对应的第一匹配参数相对更小，与所述标准的第一图谱优化特征分
布的代表图谱分布节点之间的距离较小的图谱分布节点，对应的第一匹配参数相对更大；在所述标准的第二图谱优化特征分布的第四数量个图谱分布节点中，选出所述标准的第二图谱优化特征分布的代表图谱分布节点，并确定所述标准的第二图谱优化特征分布的代表图谱分布节点对应的第二匹配参数；依据所述标准的第二图谱优化特征分布的代表图谱分布节点对应的第二匹配参数和配置的第二匹配参数处理方式，分析出所述标准的第二图谱优化特征分布中每一个图谱分布节点对应的第二匹配参数，所述第二匹配参数处理方式包括：在所述标准的第二图谱优化特征分布中，与所述标准的第二图谱优化特征分布的代表图谱分布节点之间的距离较大的图谱分布节点，对应的第二匹配参数相对更小，与所述标准的第二图谱优化特征分布的代表图谱分布节点之间的距离较小的图谱分布节点，对应的第二匹配参数相对更大。
11.在一些优选的实施例中，在上述基于人工智能的数字金融业务推送方法中，任意的一个图谱优化特征分布包括所述标准的第一图谱优化特征分布或所述标准的第二图谱优化特征分布，在所述任意的一个图谱优化特征分布的第四数量个图谱分布节点中选出所述任意的一个图谱优化特征分布的代表图谱分布节点的步骤，包括：分析出所述任意的一个图谱优化特征分布中的多个封闭相关区域，对于任意一个所述封闭相关区域，该封闭相关区域内的每一个图谱分布节点对应的匹配参数都相等；对所述任意的一个图谱优化特征分布中的多个封闭相关区域中，与目标规则匹配的封闭相关区域进行标记操作，以标记为所述任意的一个图谱优化特征分布对应的代表封闭相关区域；对所述任意的一个图谱优化特征分布对应的代表封闭相关区域的中心图谱分布节点进行标记操作，以标记为所述任意的一个图谱优化特征分布对应的代表图谱分布节点，所述中心图谱分布节点属于所述代表封闭相关区域中与其它图谱分布节点之间的节点关系的相关性程度均值最大的一个图谱分布节点。
12.在一些优选的实施例中，在上述基于人工智能的数字金融业务推送方法中，所述业务推送分析网络包括第一数量个特征挖掘单元和第五数量个特征优化单元；以及，所述利用业务推送分析网络，将所述标准分布图谱进行图谱分析操作，以形成对应的标准特征分布簇的步骤，包括：利用所述业务推送分析网络中的第一数量个特征挖掘单元，将所述标准分布图谱进行特征挖掘操作，形成所述标准分布图谱对应的图谱挖掘特征分布；利用所述业务推送分析网络中的第二数量个特征优化单元，将所述标准分布图谱对应的图谱挖掘特征分布进行特征优化操作，以形成标准的第一图谱优化特征分布；利用所述业务推送分析网络中的第三数量个特征优化单元，将所述标准的第一图谱优化特征分布进行特征优化操作，以形成标准的第二图谱优化特征分布，第二数量和第三数量的和值等于第五数量。
13.本发明实施例还提供一种基于人工智能的数字金融业务推送系统，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现上述的基于人工智能的数字金融业务推送方法。
14.本发明实施例提供的基于人工智能的数字金融业务推送方法及系统，可以先对多个候选数字金融业务进行图谱构建操作，以形成目标分布图谱；利用经过优化处理的业务
read-only memory，eeprom）等。
24.应当理解的是，在一些实施方式中，所述处理器可以是一种通用处理器，包括中央处理器（central processing unit，cpu）、网络处理器（network processor，np）、片上系统(system on chip，soc)等；还可以是数字信号处理器（dsp）、专用集成电路（asic）、现场可编程门阵列（fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
25.应当理解的是，在一些实施方式中，所述基于人工智能的数字金融业务推送系统可以是一种具备数据处理能力的服务器。
26.结合图2，本发明实施例还提供一种基于人工智能的数字金融业务推送方法，可应用于上述基于人工智能的数字金融业务推送系统。其中，所述基于人工智能的数字金融业务推送方法有关的流程所定义的方法步骤，可以由所述基于人工智能的数字金融业务推送系统实现。
27.下面将对图2所示的具体流程，进行详细阐述。
28.步骤s110，对多个候选数字金融业务进行图谱构建操作，以形成所述多个候选数字金融业务对应的目标分布图谱。
29.在本发明实施例中，所述基于人工智能的数字金融业务推送系统可以对多个候选数字金融业务进行图谱构建操作，以形成所述多个候选数字金融业务对应的目标分布图谱。所述多个候选数字金融业务中的任意一个候选数字金融业务至少与一个其它候选数字金融业务之间具有相关性关系，相关性关系可以根据实际的应用场景进行定义，如都属于投资领域等，所述目标分布图谱中的每一个图谱分布节点对应于一个候选数字金融业务，每两个所述图谱分布节点之间的节点关系基于对应的两个候选数字金融业务之间的相关性程度确定，所述图谱分布节点的节点属性数据至少包括对应的候选数字金融业务的业务标识信息，所述业务标识信息可以用于代表所述候选数字金融业务，可以用文本数据进行表述或数字进行表征。另外，在每两个所述图谱分布节点之间的分布距离，可以与每两个所述图谱分布节点之间的节点关系表征的相关性程度负相关。
30.步骤s120，利用经过优化处理的业务推送分析网络，对所述目标分布图谱进行图谱种类识别操作，以输出所述目标分布图谱对应的图谱识别种类信息。
31.在本发明实施例中，所述基于人工智能的数字金融业务推送系统可以利用经过优化处理的业务推送分析网络，对所述目标分布图谱进行图谱种类识别操作，以输出所述目标分布图谱对应的图谱识别种类信息。所述图谱识别种类信息可以具有实际的种类含义，也可以不具有实际的种类含义，仅用于进行区分，如1、2等进行二分类，也可以是多分类。
32.步骤s130，基于所述图谱识别种类信息，对所述多个候选数字金融业务进行筛选操作，以筛选出至少一个候选数字金融业务，并将所述至少一个候选数字金融业务进行标记操作，以标记为目标数字金融业务。
33.在本发明实施例中，所述基于人工智能的数字金融业务推送系统可以基于所述图谱识别种类信息，对所述多个候选数字金融业务进行筛选操作，以筛选出至少一个候选数字金融业务，并将所述至少一个候选数字金融业务进行标记操作，以标记为目标数字金融业务。例如，针对不同的图谱识别种类信息，预先配置有不同的筛选方式，如图谱识别种类信息1对应的筛选方式为筛选比例为r，图谱识别种类信息2对应的筛选方式为筛选比例为m，如此，可以按照对应的筛选比例进行任意的筛选，或进行目标筛选，具体来说，可以按照
筛选比例筛选出具有相关性关系的其它候选数字金融业务最多的候选数字金融业务，以作为目标数字金融业务。
34.步骤s140，对所述目标数字金融业务进行推送操作，以将每一个所述目标数字金融业务推送给所述图谱识别种类信息对应的每一个业务感兴趣用户。
35.在本发明实施例中，所述基于人工智能的数字金融业务推送系统可以对所述目标数字金融业务进行推送操作，以将每一个所述目标数字金融业务推送给所述图谱识别种类信息对应的每一个业务感兴趣用户。例如，预先针对不同的图谱识别种类信息配置有不同的用户群体，如此，可以将所述目标数字金融业务推送给该用户群体包括的每一个业务感兴趣用户。
36.基于前述的内容（即上述的步骤s110-步骤s140），由于是会先确定出目标分布图谱对应的图谱识别种类信息，即对具有相关性关系的多个候选数字金融业务先进行整体的分析，使得可以基于整体分析的结果，对多个候选数字金融业务进行筛选操作，以保障筛选的可靠度，从而保障对筛选出的目标数字金融业务进行推送操作的可靠度，使得可以在一定程度上提高业务推送的可靠度，改善现有技术的不足。
37.应当理解的是，在一些实施方式中，上述的步骤s120，可以进一步包括以下的各项内容：利用经过优化处理的业务推送分析网络中的第一数量个特征挖掘单元，将所述目标分布图谱进行特征挖掘操作，以形成所述目标分布图谱对应的图谱挖掘特征分布，所述特征挖掘单元可以包括过滤器或滤波矩阵，所述第一数量个特征挖掘单元可以级联连接，如第一个特征挖掘单元包括的过滤器进行滑窗过滤之后，进行激活处理，然后，将输出的数据加载到第二个特征挖掘单元进行处理；利用所述经过优化处理的业务推送分析网络中的第二数量个特征优化单元，将所述目标分布图谱对应的图谱挖掘特征分布进行特征优化操作，以形成所述目标分布图谱对应的第一图谱优化特征分布，所述特征优化单元可以包括过滤器或滤波矩阵，所述第二数量个特征优化单元可以级联连接，如第一个特征优化单元包括的过滤器进行滑窗过滤之后，可以将过滤后的数据与过滤前的数据进行叠加，然后，对叠加结果进行激活处理，之后，可以将输出的数据加载到第二个特征优化单元进行处理，或者说，第一个特征优化单元包括两个级联的过滤器进行滑窗过滤之后，可以将过滤后的数据与过滤前的数据进行叠加，然后，对叠加结果进行激活处理；利用所述经过优化处理的业务推送分析网络中的第三数量个特征优化单元，将所述目标分布图谱对应的第一图谱优化特征分布进行特征优化操作，以形成所述目标分布图谱对应的第二图谱优化特征分布，如前所述；将所述目标分布图谱对应的第二图谱优化特征分布进行解析识别操作，以形成所述目标分布图谱对应的图谱特征表示，例如，可以对所述第二图谱优化特征分布进行pooling操作，以得到图谱特征表示；将所述目标分布图谱对应的图谱特征表示进行图谱种类识别操作，以输出所述目标分布图谱对应的图谱识别种类信息，例如，可以对图谱特征表示进行线性整合操作和激励映射输出，以得到图谱识别种类信息，线性整合操作可以通过mlp实现，激励映射输出可以通过softmax函数实现。
38.应当理解的是，在一些实施方式中，所述基于人工智能的数字金融业务推送方法，还可以进一步包括以下的各项内容：提取到典型图谱组合，所述典型图谱组合包括标准分布图谱、对比分布图谱、所述标准分布图谱对应的图谱标准种类信息和所述对比分布图谱对应的图谱参考种类信息，所述标准分布图谱和所述对比分布图谱包括的图谱分布节点的数量可以一致，另外，在标准分布图谱和对比分布图谱对应的图谱种类信息一致的情况下，可以学习相同种类的典型图谱之间的相似性，在标准分布图谱和对比分布图谱对应的图谱种类信息不一致的情况下，可以学习不同种类的典型图谱之间的差异性；利用业务推送分析网络，将所述标准分布图谱进行图谱分析操作，以形成对应的标准特征分布簇，所述标准特征分布簇包括标准的第一图谱优化特征分布和标准的第二图谱优化特征分布；利用所述业务推送分析网络，将所述对比分布图谱进行图谱分析操作，以形成对应的对比特征分布簇，所述对比特征分布簇包括对比的第一图谱优化特征分布和对比的第二图谱优化特征分布，所述标准的第一图谱优化特征分布和所述对比的第一图谱优化特征分布可以属于概率图，也可以称为匹配参数图，即包括估计出的每一个图谱分布节点的节点特征分布与图谱种类信息之间的匹配程度，即属于图谱种类信息的概率；依据所述标准特征分布簇的图谱节点数据和所述对比特征分布簇的图谱节点数据，分析出图谱节点误差参数，所述图谱节点数据包括用于反映对应的图谱分布节点的节点特征分布与图谱种类信息之间的匹配程度；依据所述标准的第二图谱优化特征分布和所述对比的第二图谱优化特征分布之间的区别信息，分析出特征分布误差参数；依据所述标准的第二图谱优化特征分布和所述对比的第二图谱优化特征分布，分别将所述标准分布图谱和所述对比分布图谱进行图谱种类识别操作，以及，基于图谱种类识别操作的输出数据、所述图谱标准种类信息和所述图谱参考种类信息，分析出种类识别误差参数；基于所述图谱节点误差参数、所述特征分布误差参数和所述种类识别误差参数，分析出所述业务推送分析网络对应的目标误差参数，例如，可以对所述图谱节点误差参数、所述特征分布误差参数和所述种类识别误差参数进行加权求和，以得到目标误差参数，如此，可以对所述图谱节点误差参数、所述特征分布误差参数和所述种类识别误差参数进行平衡操作；基于所述目标误差参数，将所述业务推送分析网络进行网络优化操作，以形成对应的所述经过优化处理的业务推送分析网络，例如，可以基于降低所述目标误差参数的需求，对业务推送分析网络的参数进行调整，如此，可以在当前的目标误差参数小于预设值的情况下，将当前的业务推送分析网络，作为所述经过优化处理的业务推送分析网络。
39.应当理解的是，在一些实施方式中，所述标准特征分布簇的图谱节点数据包括所述标准的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述标准的第二图谱优化特征分布中第四数量个图谱分布节点对应的第二匹配参数，所述对比特征分布簇的图谱节点数据包括所述对比的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述对比的第二图谱优化特征分布中第四数量个图谱分布
节点对应的第二匹配参数，基于此，所述依据所述标准特征分布簇的图谱节点数据和所述对比特征分布簇的图谱节点数据，分析出图谱节点误差参数的步骤，可以进一步包括以下的各项内容：依据所述标准的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述标准的第二图谱优化特征分布中第四数量个图谱分布节点对应的第二匹配参数，分析出对应的图谱节点误差参数的第一局部值，如进行一一对比分析；依据所述对比的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述对比的第二图谱优化特征分布中第四数量个图谱分布节点对应的第二匹配参数，分析出对应的图谱节点误差参数的第二局部值，如进行一一对比分析；将所述图谱节点误差参数的第一局部值和所述图谱节点误差参数的第二局部值进行融合操作，以形成对应的图谱节点误差参数，例如，可以将所述图谱节点误差参数的第一局部值和所述图谱节点误差参数的第二局部值进行求和计算，以得到图谱节点误差参数。
40.应当理解的是，在一些实施方式中，所述依据所述标准的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述标准的第二图谱优化特征分布中第四数量个图谱分布节点对应的第二匹配参数，分析出对应的图谱节点误差参数的第一局部值的步骤，可以进一步包括以下的各项内容：依据所述标准的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述标准的第二图谱优化特征分布中第四数量个图谱分布节点对应的第二匹配参数，分析出所述标准的第一图谱优化特征分布中每一个图谱分布节点对应的节点局部误差值；将所述标准的第一图谱优化特征分布中每一个图谱分布节点对应的节点局部误差值进行融合操作，输出对应的图谱节点误差参数的第一局部值，例如，可以将每一个图谱分布节点对应的节点局部误差值进去求和计算。
41.应当理解的是，在一些实施方式中，所述依据所述标准的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述标准的第二图谱优化特征分布中第四数量个图谱分布节点对应的第二匹配参数，分析出所述标准的第一图谱优化特征分布中每一个图谱分布节点对应的节点局部误差值的步骤，可以进一步包括以下的各项内容：对于所述标准的第一图谱优化特征分布中的第x个图谱分布节点，提取到所述第x个图谱分布节点对应的第一匹配参数，并提取到所述标准的第二图谱优化特征分布中和所述第x个图谱分布节点之间具有相关关系的第y个图谱分布节点对应的第二匹配参数，每一个图谱分布节点都可以依次或并行地作为所述第x个图谱分布节点，另外，所述第x个图谱分布节点在所述标准的第一图谱优化特征分布中具有的分布关系，可以与所述第y个图谱分布节点在所述标准的第二图谱优化特征分布中具有的分布关系最相似，即确定出分布关系最相似的图谱分布节点，该分布关系可以用于描述图谱分布节点与每一个其它图谱分布节点之间的关系，如具有相关性关系时的相关性程度，不具有相关性关系时，通过其它图谱分布节点形成的间接的相关性关系，如图谱分布节点a通过图谱分布节点b与图谱分布节点c具有间接的相关性关系，即图谱分布节点b分别与图谱分布节点a和图谱分布节点c之间具有相关性关系，但是，图谱分布节点a和图谱分布节点c之间不具有相关性关系；
依据配置的节点误差计算方式，将所述第x个图谱分布节点对应的第一匹配参数和所述第y个图谱分布节点对应的第二匹配参数进行计算，以输出所述第x个图谱分布节点对应的节点局部误差值，例如，在第一匹配参数等于1的情况下，可以对第二匹配参数进行取对数操作，然后，对取对数的结果和第二匹配参数进行乘积计算，之后，可以基于乘积计算的结果得到节点局部误差值，如节点局部误差值和该乘积计算的结果之间的和值等于1，在第一匹配参数不等于1的情况下下，可以对第二匹配参数的负相关值进行取对数操作，并对第二匹配参数进行幂运算，以及，对第一匹配参数的负相关系数进行幂运算，然后，可以将取对数操作的结果和两个幂运算的结果进行相乘，得到节点局部误差值，该负相关值与第二匹配参数之间的和值可以等于1，该负相关系数与第一匹配参数之间的和值可以等于1，进行幂运算的两个参数可以相同，也可以不同，并且，可以作为网络优化过程中的网络参数以进行优化调整，如初始值都等于1。
42.应当理解的是，在一些实施方式中，所述基于人工智能的数字金融业务推送方法，还可以进一步包括以下的各项内容：在所述标准的第一图谱优化特征分布的第四数量个图谱分布节点中，选出所述标准的第一图谱优化特征分布的代表图谱分布节点，并确定所述标准的第一图谱优化特征分布的代表图谱分布节点对应的第一匹配参数，所述代表图谱分布节点对应的第一匹配参数可以根据实际需求进行配置，例如，可以将所述代表图谱分布节点对应的第一匹配参数配置为1；依据所述标准的第一图谱优化特征分布的代表图谱分布节点对应的第一匹配参数和配置的第一匹配参数处理方式，分析出所述标准的第一图谱优化特征分布中每一个图谱分布节点对应的第一匹配参数，所述第一匹配参数处理方式包括：在所述标准的第一图谱优化特征分布中，与所述标准的第一图谱优化特征分布的代表图谱分布节点之间的距离较大的图谱分布节点，对应的第一匹配参数相对更小，与所述标准的第一图谱优化特征分布的代表图谱分布节点之间的距离较小的图谱分布节点，对应的第一匹配参数相对更大，该距离可以如前相关描述，如与相关性程度负相关；在所述标准的第二图谱优化特征分布的第四数量个图谱分布节点中，选出所述标准的第二图谱优化特征分布的代表图谱分布节点，并确定所述标准的第二图谱优化特征分布的代表图谱分布节点对应的第二匹配参数；依据所述标准的第二图谱优化特征分布的代表图谱分布节点对应的第二匹配参数和配置的第二匹配参数处理方式，分析出所述标准的第二图谱优化特征分布中每一个图谱分布节点对应的第二匹配参数，所述第二匹配参数处理方式包括：在所述标准的第二图谱优化特征分布中，与所述标准的第二图谱优化特征分布的代表图谱分布节点之间的距离较大的图谱分布节点，对应的第二匹配参数相对更小，与所述标准的第二图谱优化特征分布的代表图谱分布节点之间的距离较小的图谱分布节点，对应的第二匹配参数相对更大。
43.应当理解的是，在一些实施方式中，任意的一个图谱优化特征分布包括所述标准的第一图谱优化特征分布或所述标准的第二图谱优化特征分布，基于此，在所述任的意一个图谱优化特征分布的第四数量个图谱分布节点中选出所述任意的一个图谱优化特征分布的代表图谱分布节点的步骤，可以进一步包括以下的各项内容：分析出所述任意的一个图谱优化特征分布中的多个封闭相关区域，对于任意一个
所述封闭相关区域，该封闭相关区域内的每一个图谱分布节点对应的匹配参数都相等；对所述任意的一个图谱优化特征分布中的多个封闭相关区域中，与目标规则匹配的封闭相关区域进行标记操作，以标记为所述任意的一个图谱优化特征分布对应的代表封闭相关区域，例如，可以将任意一个封闭相关区域作为代表封闭相关区域，也可以将空间最大或包括的图谱分布节点最多的一个封闭相关区域作为代表封闭相关区域；对所述任意的一个图谱优化特征分布对应的代表封闭相关区域的中心图谱分布节点进行标记操作，以标记为所述任意的一个图谱优化特征分布对应的代表图谱分布节点，所述中心图谱分布节点属于所述代表封闭相关区域中与其它图谱分布节点之间的节点关系的相关性程度均值最大的一个图谱分布节点。
44.其中，应当理解的是，在一些实施方式中，所述基于人工智能的数字金融业务推送方法，可以进一步包括以下的各项内容：在所述标准的第一图谱优化特征分布的第四数量个图谱分布节点中，选出所述标准的第一图谱优化特征分布的代表图谱分布节点，并确定所述标准的第一图谱优化特征分布的代表图谱分布节点对应的第一匹配参数；依据所述标准的第一图谱优化特征分布的代表图谱分布节点，分析出所述标准的第一图谱优化特征分布的第一局部特征分布和第二局部特征分布，所述标准的第一图谱优化特征分布的第一局部特征分布中包括所述标准的第一图谱优化特征分布的代表图谱分布节点，所述标准的第一图谱优化特征分布的第二局部特征分布包括所述标准的第一图谱优化特征分布中所述第一局部特征分布以外的其它图谱分布节点，例如，可以配置一个空间尺寸，以所述代表图谱分布节点为中心，以确定出第一局部特征分布；依据所述标准的第一图谱优化特征分布的代表图谱分布节点对应的第一匹配参数和所述第一局部特征分布对应的预设的第一匹配参数处理方式，分析出所述第一局部特征分布中每一个图谱分布节点对应的第一匹配参数，所述预设的第一匹配参数处理方式包括：在所述第一局部特征分布中，与所述标准的第一图谱优化特征分布的代表图谱分布节点之间的距离较大的图谱分布节点，对应的第一匹配参数相对更小，与所述标准的第一图谱优化特征分布的代表图谱分布节点之间的距离较小的图谱分布节点，对应的第一匹配参数相对更大；依据所述第二局部特征分布对应的配置的第一匹配参数处理方式，分析出所述第二局部特征分布中每一个图谱分布节点对应的第一匹配参数，所述配置的第一匹配参数处理方式包括：所述标准的第一图谱优化特征分布的第二局部特征分布中每一个图谱分布节点对应的第一匹配参数，不大于所述标准的第一图谱优化特征分布的第一局部特征分布中每一个图谱分布节点对应的第一匹配参数，如第一匹配参数大于0，第二匹配参数等于0。
45.其中，应当理解的是，在一些实施方式中，所述基于人工智能的数字金融业务推送方法，可以进一步包括以下的各项内容：在所述标准的第二图谱优化特征分布的第四数量个图谱分布节点中，选出所述标准的第二图谱优化特征分布的代表图谱分布节点，并确定所述标准的第二图谱优化特征分布的代表图谱分布节点对应的第二匹配参数；依据所述标准的第二图谱优化特征分布的代表图谱分布节点，分析出所述标准的第二图谱优化特征分布的第三局部特征分布和第四局部特征分布，所述标准的第二图谱优
化特征分布的第三局部特征分布中包括所述标准的第二图谱优化特征分布的代表图谱分布节点，所述标准的第二图谱优化特征分布的第四局部特征分布包括所述标准的第二图谱优化特征分布中所述第三局部特征分布以外的其它图谱分布节点，例如，可以配置一个空间尺寸，以所述代表图谱分布节点为中心，以确定出第三局部特征分布；依据所述标准的第二图谱优化特征分布的代表图谱分布节点对应的第二匹配参数和所述第三局部特征分布对应的预设的第二匹配参数处理方式，分析出所述第三局部特征分布中每一个图谱分布节点对应的第二匹配参数；所述预设的第二匹配参数处理方式包括：在所述第三局部特征分布中，与所述标准的第二图谱优化特征分布的代表图谱分布节点之间的距离较大的图谱分布节点，对应的第二匹配参数相对更小，与所述标准的第二图谱优化特征分布的代表图谱分布节点之间的距离较小的图谱分布节点，对应的第二匹配参数相对更大；依据所述第四局部特征分布对应的配置的第二匹配参数处理方式，分析出所述第四局部特征分布中每一个图谱分布节点对应的第二匹配参数，所述配置的第二匹配参数处理方式包括：所述标准的第二图谱优化特征分布的第四局部特征分布中每一个图谱分布节点对应的第二匹配参数，不大于所述标准的第二图谱优化特征分布的第三局部特征分布中每一个图谱分布节点对应的第二匹配参数，如第一匹配参数大于0，第二匹配参数等于0。。
46.其中，应当理解的是，在一些实施方式中，所述依据所述标准的第二图谱优化特征分布和所述对比的第二图谱优化特征分布之间的区别信息，分析出特征分布误差参数的步骤，可以进一步包括以下的各项内容：将所述标准的第二图谱优化特征分布进行解析识别操作，如前相关描述，以形成对应的第一图谱特征表示，并将所述对比的第二图谱优化特征分布进行解析识别操作，以形成对应的第二图谱特征表示；基于所述第一图谱特征表示和所述第二图谱特征表示之间的特征表示匹配关系，分析出对应的特征分布误差参数，例如，可以对所述第一图谱特征表示和所述第二图谱特征表示包括的特征表示参数进行均方差计算，以得到特征分布误差参数，特征表示可以是指向量。
47.其中，应当理解的是，在一些实施方式中，所述依据所述标准的第二图谱优化特征分布和所述对比的第二图谱优化特征分布，分别将所述标准分布图谱和所述对比分布图谱进行图谱种类识别操作，以及，基于图谱种类识别操作的输出数据、所述图谱标准种类信息和所述图谱参考种类信息，分析出种类识别误差参数的步骤，可以进一步包括以下的各项内容：将所述标准的第二图谱优化特征分布进行解析识别操作，以形成对应的第一图谱特征表示，并将所述对比的第二图谱优化特征分布进行解析识别操作，以形成对应的第二图谱特征表示；将所述第一图谱特征表示进行图谱种类识别操作，以输出对应的第一图谱识别种类信息，并将所述第二图谱特征表示进行图谱种类识别操作，以输出对应的第二图谱识别种类信息；依据所述第一图谱识别种类信息和所述图谱标准种类信息之间的区别信息，并结合所述第二图谱识别种类信息和所述图谱参考种类信息之间的区别信息，分析出对应的种
类识别误差参数，例如，可以基于所述第一图谱识别种类信息和所述图谱标准种类信息之间的区别信息，确定第一种类误差参数，可以基于所述第二图谱识别种类信息和所述图谱参考种类信息之间的区别信息，确定第二种类误差参数，然后，可以计算第一种类误差参数和第二种类误差参数的和值，以得到种类识别误差参数。
48.应当理解的是，在一些实施方式中，所述业务推送分析网络包括第一数量个特征挖掘单元和第五数量个特征优化单元，基于此，所述利用业务推送分析网络，将所述标准分布图谱进行图谱分析操作，以形成对应的标准特征分布簇的步骤，可以进一步包括以下的各项内容：利用所述业务推送分析网络中的第一数量个特征挖掘单元，将所述标准分布图谱进行特征挖掘操作，形成所述标准分布图谱对应的图谱挖掘特征分布，如前相关描述；利用所述业务推送分析网络中的第二数量个特征优化单元，将所述标准分布图谱对应的图谱挖掘特征分布进行特征优化操作，以形成标准的第一图谱优化特征分布，如前相关描述；利用所述业务推送分析网络中的第三数量个特征优化单元，将所述标准的第一图谱优化特征分布进行特征优化操作，以形成标准的第二图谱优化特征分布，如前相关描述，第二数量和第三数量的和值等于第五数量。
49.结合图3，本发明实施例还提供一种基于人工智能的数字金融业务推送装置，可应用于上述基于人工智能的数字金融业务推送系统。其中，所述基于人工智能的数字金融业务推送装置可以包括：图谱构建模块，用于对多个候选数字金融业务进行图谱构建操作，以形成所述多个候选数字金融业务对应的目标分布图谱，所述多个候选数字金融业务中的任意一个候选数字金融业务至少与一个其它候选数字金融业务之间具有相关性关系，所述目标分布图谱中的每一个图谱分布节点对应于一个候选数字金融业务，每两个所述图谱分布节点之间的节点关系基于对应的两个候选数字金融业务之间的相关性程度确定，所述图谱分布节点的节点属性数据至少包括对应的候选数字金融业务的业务标识信息；图谱种类识别模块，用于利用经过优化处理的业务推送分析网络，对所述目标分布图谱进行图谱种类识别操作，以输出所述目标分布图谱对应的图谱识别种类信息；数字金融业务筛选模块，用于基于所述图谱识别种类信息，对所述多个候选数字金融业务进行筛选操作，以筛选出至少一个候选数字金融业务，并将所述至少一个候选数字金融业务进行标记操作，以标记为目标数字金融业务；数字金融业务推送模块，用于对所述目标数字金融业务进行推送操作，以将每一个所述目标数字金融业务推送给所述图谱识别种类信息对应的每一个业务感兴趣用户。
50.综上所述，本发明提供的基于人工智能的数字金融业务推送方法及系统，可以先对多个候选数字金融业务进行图谱构建操作，以形成目标分布图谱；利用经过优化处理的业务推送分析网络，对目标分布图谱进行图谱种类识别操作，以输出目标分布图谱对应的图谱识别种类信息；基于图谱识别种类信息，对多个候选数字金融业务进行筛选操作，以筛选出至少一个候选数字金融业务，并将至少一个候选数字金融业务进行标记操作，以标记为目标数字金融业务；对目标数字金融业务进行推送操作，以将每一个目标数字金融业务推送给图谱识别种类信息对应的每一个业务感兴趣用户。基于前述的内容，由于是会先确
定出目标分布图谱对应的图谱识别种类信息，即对具有相关性关系的多个候选数字金融业务先进行整体的分析，使得可以基于整体分析的结果，对多个候选数字金融业务进行筛选操作，以保障筛选的可靠度，从而保障对筛选出的目标数字金融业务进行推送操作的可靠度，使得可以在一定程度上提高业务推送的可靠度，改善现有技术的不足。
51.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于人工智能的数字金融业务推送方法，其特征在于，包括：对多个候选数字金融业务进行图谱构建操作，以形成所述多个候选数字金融业务对应的目标分布图谱，所述多个候选数字金融业务中的任意一个候选数字金融业务至少与一个其它候选数字金融业务之间具有相关性关系，所述目标分布图谱中的每一个图谱分布节点对应于一个候选数字金融业务，每两个所述图谱分布节点之间的节点关系基于对应的两个候选数字金融业务之间的相关性程度确定，所述图谱分布节点的节点属性数据至少包括对应的候选数字金融业务的业务标识信息；利用经过优化处理的业务推送分析网络，对所述目标分布图谱进行图谱种类识别操作，以输出所述目标分布图谱对应的图谱识别种类信息；基于所述图谱识别种类信息，对所述多个候选数字金融业务进行筛选操作，以筛选出至少一个候选数字金融业务，并将所述至少一个候选数字金融业务进行标记操作，以标记为目标数字金融业务；对所述目标数字金融业务进行推送操作，以将每一个所述目标数字金融业务推送给所述图谱识别种类信息对应的每一个业务感兴趣用户。2.如权利要求1所述的基于人工智能的数字金融业务推送方法，其特征在于，所述利用经过优化处理的业务推送分析网络，对所述目标分布图谱进行图谱种类识别操作，以输出所述目标分布图谱对应的图谱识别种类信息的步骤，包括：利用经过优化处理的业务推送分析网络中的第一数量个特征挖掘单元，将所述目标分布图谱进行特征挖掘操作，以形成所述目标分布图谱对应的图谱挖掘特征分布；利用所述经过优化处理的业务推送分析网络中的第二数量个特征优化单元，将所述目标分布图谱对应的图谱挖掘特征分布进行特征优化操作，以形成所述目标分布图谱对应的第一图谱优化特征分布；利用所述经过优化处理的业务推送分析网络中的第三数量个特征优化单元，将所述目标分布图谱对应的第一图谱优化特征分布进行特征优化操作，以形成所述目标分布图谱对应的第二图谱优化特征分布；将所述目标分布图谱对应的第二图谱优化特征分布进行解析识别操作，以形成所述目标分布图谱对应的图谱特征表示；将所述目标分布图谱对应的图谱特征表示进行图谱种类识别操作，以输出所述目标分布图谱对应的图谱识别种类信息。3.如权利要求1或2所述的基于人工智能的数字金融业务推送方法，其特征在于，所述数字金融业务推送方法还包括：提取到典型图谱组合，所述典型图谱组合包括标准分布图谱、对比分布图谱、所述标准分布图谱对应的图谱标准种类信息和所述对比分布图谱对应的图谱参考种类信息；利用业务推送分析网络，将所述标准分布图谱进行图谱分析操作，以形成对应的标准特征分布簇，所述标准特征分布簇包括标准的第一图谱优化特征分布和标准的第二图谱优化特征分布；利用所述业务推送分析网络，将所述对比分布图谱进行图谱分析操作，以形成对应的对比特征分布簇，所述对比特征分布簇包括对比的第一图谱优化特征分布和对比的第二图谱优化特征分布；
依据所述标准特征分布簇的图谱节点数据和所述对比特征分布簇的图谱节点数据，分析出图谱节点误差参数，所述图谱节点数据包括用于反映对应的图谱分布节点的节点特征分布与图谱种类信息之间的匹配程度；依据所述标准的第二图谱优化特征分布和所述对比的第二图谱优化特征分布之间的区别信息，分析出特征分布误差参数；依据所述标准的第二图谱优化特征分布和所述对比的第二图谱优化特征分布，分别将所述标准分布图谱和所述对比分布图谱进行图谱种类识别操作，以及，基于图谱种类识别操作的输出数据、所述图谱标准种类信息和所述图谱参考种类信息，分析出种类识别误差参数；基于所述图谱节点误差参数、所述特征分布误差参数和所述种类识别误差参数，分析出所述业务推送分析网络对应的目标误差参数；基于所述目标误差参数，将所述业务推送分析网络进行网络优化操作，以形成对应的所述经过优化处理的业务推送分析网络。4.如权利要求3所述的基于人工智能的数字金融业务推送方法，其特征在于，所述标准特征分布簇的图谱节点数据包括所述标准的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述标准的第二图谱优化特征分布中第四数量个图谱分布节点对应的第二匹配参数，所述对比特征分布簇的图谱节点数据包括所述对比的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述对比的第二图谱优化特征分布中第四数量个图谱分布节点对应的第二匹配参数；所述依据所述标准特征分布簇的图谱节点数据和所述对比特征分布簇的图谱节点数据，分析出图谱节点误差参数的步骤，包括：依据所述标准的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述标准的第二图谱优化特征分布中第四数量个图谱分布节点对应的第二匹配参数，分析出对应的图谱节点误差参数的第一局部值；依据所述对比的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述对比的第二图谱优化特征分布中第四数量个图谱分布节点对应的第二匹配参数，分析出对应的图谱节点误差参数的第二局部值；将所述图谱节点误差参数的第一局部值和所述图谱节点误差参数的第二局部值进行融合操作，以形成对应的图谱节点误差参数。5.如权利要求4所述的基于人工智能的数字金融业务推送方法，其特征在于，所述依据所述标准的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述标准的第二图谱优化特征分布中第四数量个图谱分布节点对应的第二匹配参数，分析出对应的图谱节点误差参数的第一局部值的步骤，包括：依据所述标准的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述标准的第二图谱优化特征分布中第四数量个图谱分布节点对应的第二匹配参数，分析出所述标准的第一图谱优化特征分布中每一个图谱分布节点对应的节点局部误差值；将所述标准的第一图谱优化特征分布中每一个图谱分布节点对应的节点局部误差值进行融合操作，输出对应的图谱节点误差参数的第一局部值。
6.如权利要求5所述的基于人工智能的数字金融业务推送方法，其特征在于，所述依据所述标准的第一图谱优化特征分布中第四数量个图谱分布节点对应的第一匹配参数和所述标准的第二图谱优化特征分布中第四数量个图谱分布节点对应的第二匹配参数，分析出所述标准的第一图谱优化特征分布中每一个图谱分布节点对应的节点局部误差值的步骤，包括：对于所述标准的第一图谱优化特征分布中的第x个图谱分布节点，提取到所述第x个图谱分布节点对应的第一匹配参数，并提取到所述标准的第二图谱优化特征分布中和所述第x个图谱分布节点之间具有相关关系的第y个图谱分布节点对应的第二匹配参数；依据配置的节点误差计算方式，将所述第x个图谱分布节点对应的第一匹配参数和所述第y个图谱分布节点对应的第二匹配参数进行计算，以输出所述第x个图谱分布节点对应的节点局部误差值。7.如权利要求5所述的基于人工智能的数字金融业务推送方法，其特征在于，所述数字金融业务推送方法还包括：在所述标准的第一图谱优化特征分布的第四数量个图谱分布节点中，选出所述标准的第一图谱优化特征分布的代表图谱分布节点，并确定所述标准的第一图谱优化特征分布的代表图谱分布节点对应的第一匹配参数；依据所述标准的第一图谱优化特征分布的代表图谱分布节点对应的第一匹配参数和配置的第一匹配参数处理方式，分析出所述标准的第一图谱优化特征分布中每一个图谱分布节点对应的第一匹配参数，所述第一匹配参数处理方式包括：在所述标准的第一图谱优化特征分布中，与所述标准的第一图谱优化特征分布的代表图谱分布节点之间的距离较大的图谱分布节点，对应的第一匹配参数相对更小，与所述标准的第一图谱优化特征分布的代表图谱分布节点之间的距离较小的图谱分布节点，对应的第一匹配参数相对更大；在所述标准的第二图谱优化特征分布的第四数量个图谱分布节点中，选出所述标准的第二图谱优化特征分布的代表图谱分布节点，并确定所述标准的第二图谱优化特征分布的代表图谱分布节点对应的第二匹配参数；依据所述标准的第二图谱优化特征分布的代表图谱分布节点对应的第二匹配参数和配置的第二匹配参数处理方式，分析出所述标准的第二图谱优化特征分布中每一个图谱分布节点对应的第二匹配参数，所述第二匹配参数处理方式包括：在所述标准的第二图谱优化特征分布中，与所述标准的第二图谱优化特征分布的代表图谱分布节点之间的距离较大的图谱分布节点，对应的第二匹配参数相对更小，与所述标准的第二图谱优化特征分布的代表图谱分布节点之间的距离较小的图谱分布节点，对应的第二匹配参数相对更大。8.如权利要求7所述的基于人工智能的数字金融业务推送方法，其特征在于，任意的一个图谱优化特征分布包括所述标准的第一图谱优化特征分布或所述标准的第二图谱优化特征分布，在所述任意的一个图谱优化特征分布的第四数量个图谱分布节点中选出所述任意的一个图谱优化特征分布的代表图谱分布节点的步骤，包括：分析出所述任意的一个图谱优化特征分布中的多个封闭相关区域，对于任意一个所述封闭相关区域，该封闭相关区域内的每一个图谱分布节点对应的匹配参数都相等；对所述任意的一个图谱优化特征分布中的多个封闭相关区域中，与目标规则匹配的封闭相关区域进行标记操作，以标记为所述任意的一个图谱优化特征分布对应的代表封闭相
关区域；对所述任意的一个图谱优化特征分布对应的代表封闭相关区域的中心图谱分布节点进行标记操作，以标记为所述任意的一个图谱优化特征分布对应的代表图谱分布节点，所述中心图谱分布节点属于所述代表封闭相关区域中与其它图谱分布节点之间的节点关系的相关性程度均值最大的一个图谱分布节点。9.如权利要求3所述的基于人工智能的数字金融业务推送方法，其特征在于，所述业务推送分析网络包括第一数量个特征挖掘单元和第五数量个特征优化单元；以及，所述利用业务推送分析网络，将所述标准分布图谱进行图谱分析操作，以形成对应的标准特征分布簇的步骤，包括：利用所述业务推送分析网络中的第一数量个特征挖掘单元，将所述标准分布图谱进行特征挖掘操作，形成所述标准分布图谱对应的图谱挖掘特征分布；利用所述业务推送分析网络中的第二数量个特征优化单元，将所述标准分布图谱对应的图谱挖掘特征分布进行特征优化操作，以形成标准的第一图谱优化特征分布；利用所述业务推送分析网络中的第三数量个特征优化单元，将所述标准的第一图谱优化特征分布进行特征优化操作，以形成标准的第二图谱优化特征分布，第二数量和第三数量的和值等于第五数量。10.一种基于人工智能的数字金融业务推送系统，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现权利要求1-9任意一项所述的方法。

技术总结
本发明提供的基于人工智能的数字金融业务推送方法及系统，涉及人工智能技术领域。在本发明中，对多个候选数字金融业务进行图谱构建操作，以形成目标分布图谱；利用经过优化处理的业务推送分析网络，对目标分布图谱进行图谱种类识别操作，以输出目标分布图谱对应的图谱识别种类信息；基于图谱识别种类信息，对多个候选数字金融业务进行筛选操作，以筛选出至少一个候选数字金融业务，并将至少一个候选数字金融业务进行标记操作，以标记为目标数字金融业务；对目标数字金融业务进行推送操作，以将每一个目标数字金融业务推送给图谱识别种类信息对应的每一个业务感兴趣用户。基于上述内容，可以在一定程度上提高业务推送的可靠度。度。度。


技术研发人员：杨佳融 陈奇
受保护的技术使用者：江苏擎虎智能科技有限公司
技术研发日：2023.04.04
技术公布日：2023/7/13