基于人工智能的电子商务信息推送方法及信息推送系统

摘要

本公开实施例提供一种基于人工智能的电子商务信息推送方法及信息推送系统，通过预设人工智能模型识别直播视频分享数据流中直播商品目标所在的直播商品推荐区域，并根据其关注热度与直播视频分享数据流的总关注热度之间的热度关系信息，确定对应的热度流向节点图，而后获取热度流向节点图与热点电商话题的热度流向节点图之间的热度流向关系，从而结合热度流向关系得到推送偏向参数，基于推送偏向参数、直播商品目标所在的直播商品推荐区域以及链接点击对象生成向电子商务直播终端推送的电子商务信息。如此，能够为用户针对性地推送相关的电子商务信息，以便于用户能够全方位地加入到感兴趣的不同电子商务直播商品的直播视频中。

说明书

技术领域

本公开涉及人工智能及电子商务技术领域，具体而言，涉及一种基于人工智能的电子商务信息推送方法及信息推送系统。

背景技术

电子商务通常是指在全球各地广泛的商业贸易活动中，在因特网开放的网络环境下，基于浏览器/服务器应用方式，买卖双方不谋面地进行各种商贸活动，实现消费者的网上购物、商户之间的网上交易和在线电子支付以及各种商务活动、交易活动、金融活动和相关的综合服务活动的一种新型的商业运营模式。

随着互联网技术的快速发展，各种直播平台不断发展，通过电子商务的商品直播可以更容易让用户随时了解商品体验。在商品直播过程中，对于观看直播的用户而言，如何为这些用户针对性地推送相关的电子商务信息，以便于这些用户能够全方位地加入到感兴趣的不同电子商务直播商品的直播视频中，是本领域亟待解决的技术问题。

发明内容

为了至少克服现有技术中的上述不足，本公开的目的在于提供一种基于人工智能的电子商务信息推送方法及信息推送系统，能够为用户针对性地推送相关的电子商务信息，以便于用户能够全方位地加入到感兴趣的不同电子商务直播商品的直播视频中。

第一方面，本公开提供一种基于人工智能的电子商务信息推送方法，应用于人工智能云平台，所述人工智能云平台与多个电子商务直播终端通信连接，所述方法包括：

从所述电子商务直播终端中获取包含直播商品目标的直播视频分享数据流，所述直播视频分享数据流中包括所述直播商品目标的链接点击对象；

通过预设人工智能模型识别所述直播视频分享数据流中所述直播商品目标所在的直播商品推荐区域，并根据所述直播商品目标所在的直播商品推荐区域对应的关注热度与所述直播视频分享数据流的总关注热度之间的热度关系信息，确定所述直播商品目标在所在的直播商品推荐区域中的热度流向节点图；

获取所述热度流向节点图与热点电商话题的热度流向节点图之间的热度流向关系，所述热点电商话题的热度流向节点图为所述直播商品目标在目标在线直播视频分享数据流中的热度流向节点图，所述目标在线直播视频分享数据流为所有所述链接点击对象所指示的所述直播商品目标相关联的其它直播商品信息的所在视频分享数据流；

根据所述热度流向关系得到推送偏向参数，基于所述推送偏向参数、所述直播商品目标所在的直播商品推荐区域以及所述链接点击对象生成向所述电子商务直播终端推送的电子商务信息。

在第一方面的一种可能的实现方式中，所述根据所述热度流向关系得到推送偏向参数的步骤，包括：

获取所述热度流向关系的热度流向交互信息，所述热度流向交互信息包括分别与多个热度流向循环过程对应的多个交互过程信息；

在确定任意一个热度流向循环过程对应的多个交互过程信息均满足预设推送偏向条件时，根据所述热度流向循环过程的交互过程信息，和匹配预设推送偏向单元的推送偏向范围，确定与所述预设推送偏向条件匹配的首个预设推送偏向单元的初始推送偏向节点，其中，所述预设推送偏向条件包括：预设推送偏向单元大于设定推送偏向范围；

根据所述热度流向循环过程的交互过程信息、所述预设推送偏向单元的推送偏向范围、所述首个预设推送偏向单元的初始推送偏向节点以及预设的预设推送偏向单元的推送热度，确定与所述预设推送偏向条件匹配的多个预设推送偏向单元对应于所述热度流向循环过程的初始推送偏向节点；

如果在所述热度流向循环过程对应的推送偏向组件在所述热度流向循环过程中的热度流向循环过程位置与兴趣点位置变化区间的所述初始推送偏向节点相匹配，且如果所述推送偏向组件为所述兴趣点位置变化区间的首个推送偏向组件，则获取与所述兴趣点位置变化区间相邻的前一预设推送偏向单元匹配的热度流向循环过程作为筛除热度流向循环过程，并在所述推送偏向组件中识别除去所述筛除热度流向循环过程的一个热度流向循环过程作为与所述兴趣点位置变化区间匹配的目标热度流向循环过程；

如果所述推送偏向组件不为所述兴趣点位置变化区间的首个推送偏向组件，则获取与所述兴趣点位置变化区间匹配的目标热度流向循环过程，并在所述推送偏向组件中识别所述目标热度流向循环过程，并识别所述目标热度流向循环过程的至少一个活跃推送偏向对象，其中，所述热度流向循环过程对应于多个预设推送偏向单元；

在所述预设推送偏向单元内，根据所述目标热度流向循环过程的至少一个活跃推送偏向对象在多个推送偏向组件中的推送行为映射信息，计算所述目标热度流向循环过程的至少一个活跃推送偏向对象在所述预设推送偏向单元内任意相邻两个推送偏向组件之间的推送偏向关联度，以及所述目标热度流向循环过程的至少一个活跃推送偏向对象在所述预设推送偏向单元内的特征向量；

统计所述预设推送偏向单元的推送偏向虚拟关键向量，并对每个匹配的预设推送偏向单元的所述推送偏向虚拟关键向量进行映射关联，得到推送偏向参数。

在第一方面的一种可能的实现方式中，所述直播视频分享数据流中还包括所述直播商品目标的链接来源对象；

所述通过预设人工智能模型识别所述直播视频分享数据流中所述直播商品目标所在的直播商品推荐区域，包括：

通过所述预设人工智能模型提取所述直播视频分享数据流对应的所述总关注热度；

根据所述总关注热度，识别所述直播商品目标所在的直播商品推荐区域，根据所述直播商品目标所在的直播商品推荐区域识别所述直播商品目标对应的用户推送对象；

则所述基于所述推送偏向参数、所述直播商品目标所在的直播商品推荐区域以及所述链接点击对象生成向所述电子商务直播终端推送的电子商务信息的步骤，包括：

获取所述链接来源对象、所述用户推送对象以及所述链接点击对象分别关联的第一电子商务信息、第二电子商务信息以及第三电子商务信息；

基于所述推送偏向参数分别对所述第一电子商务信息、第二电子商务信息以及第三电子商务信息进行筛选后，得到筛选后的电子商务信息；

根据所述直播商品目标所在的直播商品推荐区域对所述筛选后的电子商务信息。

在第一方面的一种可能的实现方式中，所述根据所述直播商品目标所在的直播商品推荐区域识别所述直播商品目标对应的用户推送对象的步骤，包括：

根据所述直播商品目标所在的直播商品推荐区域，分别获取所述直播商品目标针对每种目标推送对象的初始关联度；

将具有最高数值的初始关联度的目标推送对象，确定为所述直播商品目标对应的所述用户推送对象。

在第一方面的一种可能的实现方式中，所述根据所述直播商品目标所在的直播商品推荐区域，分别获取所述直播商品目标针对每种目标推送对象的初始关联度的步骤，包括：

从所述总关注热度中，获取所述直播商品目标所在的直播商品推荐区域对应的局部推荐行为特征度；

根据所述局部推荐行为特征度，获取所述直播商品目标分别针对所述每种目标推送对象的初始关联度。

在第一方面的一种可能的实现方式中，所述目标推送对象包括主动推送对象和被动推送对象，所述关注热度包括主动关注热度和被动关注热度；

所述根据所述直播商品目标所在的直播商品推荐区域对应的关注热度与所述直播视频分享数据流的总关注热度之间的热度关系信息，得到所述直播商品目标在所在的直播商品推荐区域中的热度流向节点图的步骤，包括：

将所述用户推送对象所对应的初始关联度，确定为所述直播商品目标所在的直播商品推荐区域对应的对象关联度；

将所述用户推送对象为所述主动推送对象的直播商品推荐区域，确定为主动对象视频分享数据流；

将所述用户推送对象为所述被动推送对象的直播商品推荐区域，确定为被动对象视频分享数据流；

根据所述主动对象视频分享数据流对应的对象关联度，确定所述主动关注热度，根据所述被动对象视频分享数据流对应的对象关联度，确定所述被动关注热度；

根据所述主动关注热度和所述被动关注热度分别与所述总关注热度之间的热度关系信息，确定所述直播商品目标在所在的直播商品推荐区域中的所述热度流向节点图。

在第一方面的一种可能的实现方式中，所述热度流向节点图包括主动热度流向节点图和被动热度流向节点图；

所述根据所述主动关注热度和所述被动关注热度分别与所述总关注热度之间的热度关系信息，确定所述直播商品目标在所在的直播商品推荐区域中的所述热度流向节点图的步骤，包括：

根据所述主动关注热度与所述总关注热度之间的热度关系信息，确定所述主动热度流向节点图；

根据所述被动关注热度与所述总关注热度之间的热度关系信息，确定所述被动热度流向节点图。

在第一方面的一种可能的实现方式中，所述热点电商话题的热度流向节点图包括正向热点电商话题的热度流向节点图和反向热点电商话题的热度流向节点图；

所述获取所述热度流向节点图与热点电商话题的热度流向节点图之间的热度流向关系的步骤，包括：

根据所述主动热度流向节点图和所述正向热点电商话题的热度流向节点图，确定所述主动热度流向关系；

根据所述被动热度流向节点图和所述反向热点电商话题的热度流向节点图，确定所述被动热度流向关系；

将所述主动热度流向关系和所述被动热度流向关系，确定为所述热度流向关系。

在第一方面的一种可能的实现方式中，所述从所述电子商务直播终端中获取包含直播商品目标的直播视频分享数据流的步骤，包括：

在从电子商务直播请求中获得需要进行商品对象直播视频分享的直播商品目标对应的直播商品基本信息后，确定与所述直播商品基本信息相匹配的网络安全标签信息，并根据所述网络安全标签信息以及与所述网络安全标签信息相对应的网络安全大数据信息生成对应的视频传输防护信息；

通过电子商务直播插件将所述视频传输防护信息关联到所述直播商品基本信息的直播商品视频流的视频传输通道的传输控制组件中，并根据所述视频传输防护信息对所述传输控制组件进行配置后，执行商品对象直播视频分享；

在商品对象直播视频分享过程中通过所述传输控制组件对所述电子商务直播终端进行对应的视频传输防护操作，其中，在进行视频传输防护操作的过程中，通过所述视频传输通道持续根据获得的视频传输防护信息对所述传输控制组件进行更新配置；

在商品对象直播视频分享过程中从所述电子商务直播终端中获取包含直播商品目标的直播视频分享数据流。

第二方面，本公开实施例还提供一种基于人工智能的电子商务信息推送装置，应用于人工智能云平台，所述人工智能云平台与多个电子商务直播终端通信连接，所述装置包括：

第一获取模块，用于从所述电子商务直播终端中获取包含直播商品目标的直播视频分享数据流，所述直播视频分享数据流中包括所述直播商品目标的链接点击对象；

识别确定模块，用于通过预设人工智能模型识别所述直播视频分享数据流中所述直播商品目标所在的直播商品推荐区域，并根据所述直播商品目标所在的直播商品推荐区域对应的关注热度与所述直播视频分享数据流的总关注热度之间的热度关系信息，确定所述直播商品目标在所在的直播商品推荐区域中的热度流向节点图；

第二获取模块，用于获取所述热度流向节点图与热点电商话题的热度流向节点图之间的热度流向关系，所述热点电商话题的热度流向节点图为所述直播商品目标在目标在线直播视频分享数据流中的热度流向节点图，所述目标在线直播视频分享数据流为所有所述链接点击对象所指示的所述直播商品目标相关联的其它直播商品信息的所在视频分享数据流；

生成模块，用于根据所述热度流向关系得到推送偏向参数，基于所述推送偏向参数、所述直播商品目标所在的直播商品推荐区域以及所述链接点击对象生成向所述电子商务直播终端推送的电子商务信息。

第三方面，本公开实施例还提供一种基于人工智能的电子商务信息推送系统，所述基于人工智能的电子商务信息推送系统包括人工智能云平台以及与所述人工智能云平台通信连接的多个电子商务直播终端；

所述人工智能云平台用于从所述电子商务直播终端中获取包含直播商品目标的直播视频分享数据流，所述直播视频分享数据流中包括所述直播商品目标的链接点击对象；

所述人工智能云平台用于通过预设人工智能模型识别所述直播视频分享数据流中所述直播商品目标所在的直播商品推荐区域，并根据所述直播商品目标所在的直播商品推荐区域对应的关注热度与所述直播视频分享数据流的总关注热度之间的热度关系信息，确定所述直播商品目标在所在的直播商品推荐区域中的热度流向节点图；

所述人工智能云平台用于获取所述热度流向节点图与热点电商话题的热度流向节点图之间的热度流向关系，所述热点电商话题的热度流向节点图为所述直播商品目标在目标在线直播视频分享数据流中的热度流向节点图，所述目标在线直播视频分享数据流为所有所述链接点击对象所指示的所述直播商品目标相关联的其它直播商品信息的所在视频分享数据流；

所述人工智能云平台用于根据所述热度流向关系得到推送偏向参数，基于所述推送偏向参数、所述直播商品目标所在的直播商品推荐区域以及所述链接点击对象生成向所述电子商务直播终端推送的电子商务信息。

第四方面，本公开实施例还提供一种人工智能云平台，所述人工智能云平台包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个电子商务直播终端通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行第一方面或者第一方面中任意一个可能的设计中的基于人工智能的电子商务信息推送方法。

第五方面，本公开实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当其被执行时，使得计算机执行上述第一方面或者第一方面中任意一个可能的设计中的基于人工智能的电子商务信息推送方法。

基于上述任意一个方面，本公开通过预设人工智能模型识别直播视频分享数据流中直播商品目标所在的直播商品推荐区域，并根据其关注热度与直播视频分享数据流的总关注热度之间的热度关系信息，确定对应的热度流向节点图，而后获取热度流向节点图与热点电商话题的热度流向节点图之间的热度流向关系，从而结合热度流向关系得到推送偏向参数，基于推送偏向参数、直播商品目标所在的直播商品推荐区域以及链接点击对象生成向电子商务直播终端推送的电子商务信息。如此，能够为用户针对性地推送相关的电子商务信息，以便于用户能够全方位地加入到感兴趣的不同电子商务直播商品的直播视频中。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。

图1为本公开实施例提供的基于人工智能的电子商务信息推送系统的应用场景示意图；

图2为本公开实施例提供的基于人工智能的电子商务信息推送方法的流程示意图；

图3为本公开实施例提供的基于人工智能的电子商务信息推送装置的功能模块示意图；

图4为本公开实施例提供的用于实现上述的基于人工智能的电子商务信息推送方法的人工智能云平台的结构示意框图。

具体实施方式

下面结合说明书附图对本公开进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。

图1是本公开一种实施例提供的基于人工智能的电子商务信息推送系统10的交互示意图。基于人工智能的电子商务信息推送系统10可以包括人工智能云平台100以及与所述人工智能云平台100通信连接的电子商务直播终端200。图1所示的基于人工智能的电子商务信息推送系统10仅为一种可行的示例，在其它可行的实施例中，该基于人工智能的电子商务信息推送系统10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。

本实施例中，电子商务直播终端200可以包括移动设备、平板计算机、膝上型计算机等或其任意组合。在一些实施例中，移动设备可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等，或其任意组合。在一些实施例中，智能家居设备可以包括智能电器设备的控制设备、智能监控设备、智能电视、智能摄像机等，或其任意组合。在一些实施例中，可穿戴设备可包括智能手环、智能鞋带、智能玻璃、智能头盔、智能手表、智能服装、智能背包、智能配件等，或其任何组合。在一些实施例中，智能移动设备可以包括智能手机、个人数字助理、游戏设备等，或其任意组合。在一些实施例中，虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实玻璃、虚拟现实贴片、增强现实头盔、增强现实玻璃、或增强现实贴片等，或其任意组合。例如，虚拟现实设备和/或增强现实设备可以包括各种虚拟现实产品等。

本实施例中，基于人工智能的电子商务信息推送系统10中的人工智能云平台100和电子商务直播终端200可以通过配合执行以下方法实施例所描述的基于人工智能的电子商务信息推送方法，具体人工智能云平台100和电子商务直播终端200的执行步骤部分可以参照以下方法实施例的详细描述。

为了解决前述被动技术中的技术问题，图2为本公开实施例提供的基于人工智能的电子商务信息推送方法的流程示意图，本实施例提供的基于人工智能的电子商务信息推送方法可以由图1中所示的人工智能云平台100执行，下面对该基于人工智能的电子商务信息推送方法进行详细介绍。

步骤S110，从电子商务直播终端200中获取包含直播商品目标的直播视频分享数据流。

步骤S120，通过预设人工智能模型识别直播视频分享数据流中直播商品目标所在的直播商品推荐区域，并根据直播商品目标所在的直播商品推荐区域对应的关注热度与直播视频分享数据流的总关注热度之间的热度关系信息，确定直播商品目标在所在的直播商品推荐区域中的热度流向节点图。

步骤S130，获取热度流向节点图与热点电商话题的热度流向节点图之间的热度流向关系。

步骤S140，根据热度流向关系得到推送偏向参数，基于推送偏向参数、直播商品目标所在的直播商品推荐区域以及链接点击对象生成向电子商务直播终端200推送的电子商务信息。

本实施例中，直播视频分享数据流中可以包括直播商品目标的链接点击对象。直播商品目标可以是指任意需要进行电子商务的商品，例如可以是但不限于孕妇用品、快速食品、化妆品、电子产品等等。链接点击对象可以是指直播视频分享数据流中与直播商品目标的链接点击对象相关联的兴趣访问链接。

本实施例中，热点电商话题的热度流向节点图可以为直播商品目标在目标在线直播视频分享数据流中的热度流向节点图，目标在线直播视频分享数据流为所有链接点击对象所指示的直播商品目标相关联的其它直播商品信息的所在视频分享数据流。

基于上述步骤，本实施例通过预设人工智能模型识别直播视频分享数据流中直播商品目标所在的直播商品推荐区域，并根据其关注热度与直播视频分享数据流的总关注热度之间的热度关系信息，确定对应的热度流向节点图，而后获取热度流向节点图与热点电商话题的热度流向节点图之间的热度流向关系，从而结合热度流向关系得到推送偏向参数，基于推送偏向参数、直播商品目标所在的直播商品推荐区域以及链接点击对象生成向电子商务直播终端200推送的电子商务信息。如此，能够为用户针对性地推送相关的电子商务信息，以便于用户能够全方位地加入到感兴趣的不同电子商务直播商品的直播视频中。

其中，可以理解的是，预设人工智能模型可以通过大量的训练样本训练得到，例如可以通过大量的直播视频分享数据流以及对应的标签数据训练得到，标签数据可以是指直播商品目标所在的直播商品推荐区域，具体的标签度可以是关注度。还应当说明的是，以上预设人工智能模型的具体训练过程不是本公开的发明重点，具体训练过程可以参照现有技术中的通用训练方式获得，在此不作赘述。

在一种可能的实现方式中，针对步骤S110，在从电子商务直播终端200中获取包含直播商品目标的直播视频分享数据流的过程中，可以通过以下子步骤具体实现，示例性描述如下。

子步骤S111，在从电子商务直播请求中获得需要进行商品对象直播视频分享的直播商品目标对应的直播商品基本信息后，确定与直播商品基本信息相匹配的网络安全标签信息。

子步骤S112，根据网络安全标签信息以及与网络安全标签信息相对应的网络安全大数据信息生成对应的视频传输防护信息。

子步骤S113，通过电子商务直播插件将视频传输防护信息关联到直播商品基本信息的直播商品视频流的视频传输通道的传输控制组件中，并根据视频传输防护信息对传输控制组件进行配置后，执行商品对象直播视频分享。

子步骤S114，在商品对象直播视频分享过程中通过传输控制组件对电子商务直播终端200进行对应的视频传输防护操作.

其中，在进行视频传输防护操作的过程中，通过视频传输通道持续根据获得的视频传输防护信息对传输控制组件进行更新配置。

子步骤S115，在商品对象直播视频分享过程中从电子商务直播终端200中获取包含直播商品目标的直播视频分享数据流。

在一种可能的实现方式中，针对步骤S111，具体可以通过子步骤示例性实现，详细描述如下。

子步骤S1111，从电子商务直播请求中获得需要进行商品对象直播视频分享的直播商品目标对应的直播商品基本信息。

例如，直播商品基本信息可以包括参考网络安全标签、商品分享次数、商品关联范围以及外围商品范围。在其它可能的实施方式中，直播商品基本信息还可以包括直播商品目标的商品属性信息，例如商品类型、商品适配群体、商品上市时间、商品热门资讯信息等。参考网络安全标签可以是指根据历史情况确定的预设的网络安全标签，商品分享次数可以是指该直播商品目标历史上被各种渠道（例如聊天工具、电商工具等）分享的次数，商品关联范围可以是指该直播商品目标关联的商品渠道业务，外围商品范围可以是指该直播商品目标的外围商品关联的商品渠道业务。

子步骤S1112，确定直播商品基本信息的商品分享次数/商品关联范围值和商品分享次数/外围商品范围值。

子步骤S1113，以商品分享次数/商品关联范围值和商品分享次数/外围商品范围值构建网络安全标签矩阵，根据直播商品基本信息的商品分享次数/商品关联范围值和商品分享次数/外围商品范围值，在网络安全标签矩阵中确定直播商品基本信息对应的每个第一网络安全标签。

子步骤S1114，根据每个参考网络安全标签的标签特征抽取向量，在网络安全标签矩阵中确定每个参考网络安全标签的标签关联范围。

子步骤S1115，根据每个参考网络安全标签对应的标签关联范围，和预设的标签关联范围与初始网络安全态势值的对应关系，确定每个参考网络安全标签的初始网络安全态势值。

子步骤S1116，针对每个参考网络安全标签中包括的每个第一网络安全标签，根据该第一网络安全标签所属的参考网络安全标签的初始网络安全态势值，确定该第一网络安全标签的目标网络安全态势值。

子步骤S1117，根据每个第一网络安全标签对应的预设商品分享次数、预设商品关联范围值和目标网络安全态势值，确定每个第一网络安全标签所对应的目标商品关联范围值、目标商品分享次数值和目标外围商品范围值。

子步骤S1118，根据每个第一网络安全标签所对应的目标商品分享次数值、目标商品关联范围值和目标外围商品范围值分别与直播商品基本信息中的商品分享次数、商品关联范围以及外围商品范围之间的攻击匹配数据以及攻击匹配数据与预设攻击匹配数据之间的关系，确定与直播商品基本信息相匹配的网络安全标签信息。

在一种可能的实现方式中，针对步骤S112，具体可以通过子步骤示例性实现，详细描述如下。

子步骤S1121，根据与网络安全标签信息相对应的网络安全大数据信息确定网络安全标签信息中每个网络安全防护频繁程度大于设定频繁程度的目标网络安全标签，以及以目标网络安全标签为防护基础对象的第一防护单元和第二防护单元，第一防护单元的防护对象与第二防护单元的防护对象不重合，并且相互之间存在逻辑关联。

子步骤S1122，确定第一防护单元中符合第一预设条件的漏洞态势评估目标，根据符合第一预设条件的漏洞态势评估目标的网络攻击行为信息与预设攻击验证行为信息之间的攻击匹配数据的数据特征向量，确定第一防护单元对应的第一攻击源路径信息。

例如，符合第一预设条件的漏洞态势评估目标可以为网络攻击行为信息匹配于预设攻击验证行为信息的漏洞态势评估目标。

子步骤S1123，确定第二防护单元中符合第二预设条件的漏洞态势评估目标，根据符合第二预设条件的漏洞态势评估目标的网络攻击行为信息与预设攻击验证行为信息之间的攻击匹配数据的数据特征向量，确定第二防护单元对应的第二攻击源路径信息。

例如，符合第二预设条件的漏洞态势评估目标可以为网络攻击行为信息匹配于预设攻击验证行为信息的漏洞态势评估目标。

子步骤S1124，根据第一防护单元对应的第一攻击源路径信息，得到漏洞态势评估目标在每个第一防护对象的虚拟攻击态势联动值，并根据第二防护单元中的第二攻击源路径信息，得到漏洞态势评估目标在每个第二防护对象的虚拟攻击态势联动值。

子步骤S1125，根据每个第一防护对象和每个第二防护对象的虚拟攻击态势联动值，分别对漏洞态势评估目标在每个防护对象进行防护模拟测试，得到每个第一防护对象的第一防护模拟测试信息和每个第二防护对象的第二防护模拟测试信息。

子步骤S1126，根据每个第一防护对象的第一防护模拟测试信息和每个第二防护对象的第二防护模拟测试信息得到对应的防护模拟测试信息。

子步骤S1127，根据防护模拟测试信息，生成对应的视频传输防护信息。

在一种可能的实现方式中，针对步骤S113，具体可以通过子步骤示例性实现，详细描述如下。

子步骤S1131，通过电子商务直播插件将视频传输防护信息中的每个视频传输防护单元关联到直播商品基本信息的直播商品视频流的视频传输通道的传输控制组件中对应的传输控制节点中。

子步骤S1132，将每个视频传输防护单元的视频传输防护配置信息对传输控制组件中对应的传输控制节点的传输控制模板进行配置后，执行商品对象直播视频分享。

在一种可能的实现方式中，针对步骤S140，在根据热度流向关系得到推送偏向参数的过程中，具体可以通过子步骤示例性实现，详细描述如下。

子步骤S141，获取热度流向关系的热度流向交互信息，热度流向交互信息包括分别与多个热度流向循环过程对应的多个交互过程信息。

子步骤S142，在确定任意一个热度流向循环过程对应的多个交互过程信息均满足预设推送偏向条件时，根据热度流向循环过程的交互过程信息，和匹配预设推送偏向单元的推送偏向范围，确定与预设推送偏向条件匹配的首个预设推送偏向单元的初始推送偏向节点，其中，预设推送偏向条件包括：预设推送偏向单元大于设定推送偏向范围。

子步骤S143，根据热度流向循环过程的交互过程信息、预设推送偏向单元的推送偏向范围、首个预设推送偏向单元的初始推送偏向节点以及预设的预设推送偏向单元的推送热度，确定与预设推送偏向条件匹配的多个预设推送偏向单元对应于热度流向循环过程的初始推送偏向节点。

子步骤S144，如果在热度流向循环过程对应的推送偏向组件在热度流向循环过程中的热度流向循环过程位置与兴趣点位置变化区间的初始推送偏向节点相匹配，且如果推送偏向组件为兴趣点位置变化区间的首个推送偏向组件，则获取与兴趣点位置变化区间相邻的前一预设推送偏向单元匹配的热度流向循环过程作为筛除热度流向循环过程，并在推送偏向组件中识别除去筛除热度流向循环过程的一个热度流向循环过程作为与兴趣点位置变化区间匹配的目标热度流向循环过程。

子步骤S145，如果推送偏向组件不为兴趣点位置变化区间的首个推送偏向组件，则获取与兴趣点位置变化区间匹配的目标热度流向循环过程，并在推送偏向组件中识别目标热度流向循环过程，并识别目标热度流向循环过程的至少一个活跃推送偏向对象，其中，热度流向循环过程对应于多个预设推送偏向单元。

子步骤S146，在预设推送偏向单元内，根据目标热度流向循环过程的至少一个活跃推送偏向对象在多个推送偏向组件中的推送行为映射信息，计算目标热度流向循环过程的至少一个活跃推送偏向对象在预设推送偏向单元内任意相邻两个推送偏向组件之间的推送偏向关联度，以及目标热度流向循环过程的至少一个活跃推送偏向对象在预设推送偏向单元内的特征向量。

子步骤S147，统计预设推送偏向单元的推送偏向虚拟关键向量，并对每个匹配的预设推送偏向单元的推送偏向虚拟关键向量进行映射关联，得到推送偏向参数。

在一种可能的实现方式中，直播视频分享数据流中还可以包括直播商品目标的链接来源对象，链接来源对象可以是指访问链接的提供来源的对应用户。

针对步骤S120，在通过预设人工智能模型识别直播视频分享数据流中直播商品目标所在的直播商品推荐区域的过程中，具体可以通过子步骤示例性实现，详细描述如下。

子步骤S121，通过预设人工智能模型提取直播视频分享数据流对应的总关注热度。

子步骤S122，根据总关注热度，识别直播商品目标所在的直播商品推荐区域，根据直播商品目标所在的直播商品推荐区域识别直播商品目标对应的用户推送对象。

在此基础上，针对步骤S140，在基于推送偏向参数、直播商品目标所在的直播商品推荐区域以及链接点击对象生成向电子商务直播终端200推送的电子商务信息的过程中，具体可以通过子步骤示例性实现，详细描述如下。

子步骤S148，获取链接来源对象、用户推送对象以及链接点击对象分别关联的第一电子商务信息、第二电子商务信息以及第三电子商务信息。

子步骤S149，基于推送偏向参数分别对第一电子商务信息、第二电子商务信息以及第三电子商务信息进行筛选后，得到筛选后的电子商务信息。

子步骤S1495，根据直播商品目标所在的直播商品推荐区域对筛选后的电子商务信息。

示例性地，在子步骤S122中，可以根据直播商品目标所在的直播商品推荐区域，分别获取直播商品目标针对每种目标推送对象的初始关联度，然后将具有最高数值的初始关联度的目标推送对象，确定为直播商品目标对应的用户推送对象。

例如，可以从总关注热度中，获取直播商品目标所在的直播商品推荐区域对应的局部推荐行为特征度，然后根据局部推荐行为特征度，获取直播商品目标分别针对每种目标推送对象的初始关联度。

在一种可能的实现方式中，目标推送对象具体可以包括主动推送对象和被动推送对象，关注热度具体可以包括主动关注热度和被动关注热度。 其中，主动推送对象可以表示主动订阅推送的用户对象，被动推送对象可以是表示非主动订阅推送的用户对象。主动关注热度可以是指针对于主动订阅推送的用户对象的关注热度，被动关注热度可以是指针对于非主动订阅推送的用户对象的关注热度。

针对步骤S120，在根据直播商品目标所在的直播商品推荐区域对应的关注热度与直播视频分享数据流的总关注热度之间的热度关系信息，得到直播商品目标在所在的直播商品推荐区域中的热度流向节点图的过程中，具体可以通过子步骤示例性实现，详细描述如下。

子步骤S123，将用户推送对象所对应的初始关联度，确定为直播商品目标所在的直播商品推荐区域对应的对象关联度。

子步骤S124，将用户推送对象为主动推送对象的直播商品推荐区域，确定为主动对象视频分享数据流。

子步骤S125，将用户推送对象为被动推送对象的直播商品推荐区域，确定为被动对象视频分享数据流。

子步骤S126，根据主动对象视频分享数据流对应的对象关联度，确定主动关注热度，根据被动对象视频分享数据流对应的对象关联度，确定被动关注热度。

子步骤S127，根据主动关注热度和被动关注热度分别与总关注热度之间的热度关系信息，确定直播商品目标在所在的直播商品推荐区域中的热度流向节点图。

在一种可能的实现方式中，热度流向节点图具体可以包括主动热度流向节点图和被动热度流向节点图。

在根据主动关注热度和被动关注热度分别与总关注热度之间的热度关系信息，确定直播商品目标在所在的直播商品推荐区域中的热度流向节点图的过程中，可以根据主动关注热度与总关注热度之间的热度关系信息，确定主动热度流向节点图。同时，可以根据被动关注热度与总关注热度之间的热度关系信息，确定被动热度流向节点图。

在一种可能的实现方式中，热点电商话题的热度流向节点图可以包括正向热点电商话题的热度流向节点图和反向热点电商话题的热度流向节点图。

在获取热度流向节点图与热点电商话题的热度流向节点图之间的热度流向关系的过程中，可以根据主动热度流向节点图和正向热点电商话题的热度流向节点图，确定主动热度流向关系。同时，可以根据被动热度流向节点图和反向热点电商话题的热度流向节点图，确定被动热度流向关系。如此，可以将主动热度流向关系和被动热度流向关系，确定为热度流向关系。

图3为本公开实施例提供的基于人工智能的电子商务信息推送装置300的功能模块示意图，本实施例可以根据上述人工智能云平台100执行的方法实施例对该基于人工智能的电子商务信息推送装置300进行功能模块的划分，也即该基于人工智能的电子商务信息推送装置300所对应的以下各个功能模块可以用于执行上述人工智能云平台100执行的各个方法实施例。其中，该基于人工智能的电子商务信息推送装置300可以包括第一获取模块310、识别确定模块320、第二获取模块330以及生成模块340，下面分别对该基于人工智能的电子商务信息推送装置300的各个功能模块的功能进行详细阐述。

第一获取模块310，用于从电子商务直播终端200中获取包含直播商品目标的直播视频分享数据流，直播视频分享数据流中包括直播商品目标的链接点击对象。其中，第一获取模块310可以用于执行上述的步骤S110，关于第一获取模块310的详细实现方式可以参照上述针对步骤S110的详细描述即可。

识别确定模块320，用于通过预设人工智能模型识别直播视频分享数据流中直播商品目标所在的直播商品推荐区域，并根据直播商品目标所在的直播商品推荐区域对应的关注热度与直播视频分享数据流的总关注热度之间的热度关系信息，确定直播商品目标在所在的直播商品推荐区域中的热度流向节点图。其中，识别确定模块320可以用于执行上述的步骤S120，关于识别确定模块320的详细实现方式可以参照上述针对步骤S120的详细描述即可。

第二获取模块330，用于获取热度流向节点图与热点电商话题的热度流向节点图之间的热度流向关系，热点电商话题的热度流向节点图为直播商品目标在目标在线直播视频分享数据流中的热度流向节点图，目标在线直播视频分享数据流为所有链接点击对象所指示的直播商品目标相关联的其它直播商品信息的所在视频分享数据流。其中，第二获取模块330可以用于执行上述的步骤S130，关于第二获取模块330的详细实现方式可以参照上述针对步骤S130的详细描述即可。

生成模块340，用于根据热度流向关系得到推送偏向参数，基于推送偏向参数、直播商品目标所在的直播商品推荐区域以及链接点击对象生成向电子商务直播终端200推送的电子商务信息。其中，生成模块340可以用于执行上述的步骤S140，关于生成模块340的详细实现方式可以参照上述针对步骤S140的详细描述即可。

需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，第一获取模块310可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上第一获取模块310的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所描述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。

例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(application specific integrated circuit，ASIC)，或，一个或多个微处理器(digital signal processor，DSP)，或，一个或者多个现场可编程门阵列(field programmable gate array，FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(centralprocessing unit，CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，SOC)的形式实现。

图4示出了本公开实施例提供的用于实现上述的控制设备的人工智能云平台100的硬件结构示意图，如图4所示，人工智能云平台100可包括处理器110、机器可读存储介质120、总线130以及收发器140。

在具体实现过程中，至少一个处理器110执行所述机器可读存储介质120存储的计算机执行指令（例如图3中所示的基于人工智能的电子商务信息推送装置300包括的第一获取模块310、识别确定模块320、第二获取模块330以及生成模块340），使得处理器110可以执行如上方法实施例的基于人工智能的电子商务信息推送方法，其中，处理器110、机器可读存储介质120以及收发器140通过总线130连接，处理器110可以用于控制收发器140的收发动作，从而可以与前述的电子商务直播终端200进行数据收发。

处理器110的具体实现过程可参见上述人工智能云平台100执行的各个方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。

在上述的图4所示的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，DSP)、专用集成电路(英文：ApplicationSpecificIntegrated Circuit，ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

机器可读存储介质120可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。

总线130可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component Interconnect，PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，EISA)总线等。总线130可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。

此外，本公开实施例还提供一种可读存储介质，所述可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上基于人工智能的电子商务信息推送方法。

上述的可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。

最后应说明的是：以上各实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述各实施例对本公开进行了详细的说明，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，或者对其中部分或者全部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公开各实施例技术方案的范围。