基于区块链离线支付的信息推送方法及云服务推送平台与流程

本申请涉及大数据技术领域，具体而言，涉及一种基于区块链离线支付的信息推送方法及云服务推送平台。

背景技术：

随着移动互联网技术和数字货币运营的发展，数字货币会逐渐成为作为今后新的主力支付方式，不仅可以支持在线支付，也可以如当前的现金交易一般支持离线网络状态下的离线支付。

由于在离线支付状态下，支付过程中产生的各种业务账单数据并不会实时同步到云服务平台中，而离线支付的场景同样也可以反映线下广泛用户的行为特征，因此仍旧需要针对离线支付场景的离线账单数据情况提供后续的业务推送服务。

技术实现要素：

为了至少克服现有技术中的上述不足，本申请的目的在于提供一种基于区块链离线支付的信息推送方法及云服务推送平台，能够有效针对离线支付场景的离线账单数据情况对数字金融服务终端推送业务推送对象列表对应的业务推送定向内容，从而提高信息推送的覆盖度。

第一方面，本申请提供一种基于区块链离线支付的信息推送方法，应用于云服务推送平台，所述云服务推送平台与多个数字金融服务终端通信连接，所述方法包括：

接收所述数字金融服务终端发送的基于离线支付的信息推送请求，获得所述信息推送请求的用户订阅标签信息；其中，所述用户订阅标签信息包括订阅标签项目；

根据所述订阅标签项目的大数据挖掘信息，确定出所述订阅标签项目对应的业务推送对象列表，其中，所述大数据挖掘信息为所述云服务推送平台对数字金融服务终端在区块链离线支付环境下生成的离线账单数据集合以及所述离线账单数据集合所对应的目标支付环境元素进行大数据挖掘获得的大数据挖掘信息；

向所述数字金融服务终端推送所述业务推送对象列表对应的业务推送定向内容。

在第一方面的一种可能的实现方式中，所述根据所述订阅标签项目的大数据挖掘信息，确定出所述订阅标签项目对应的业务推送对象列表的步骤，包括：

从所述订阅标签项目的大数据挖掘信息中获取潜在需求信息和所述潜在需求信息的需求业务场景信息；所述潜在需求信息和所述需求业务场景信息使用的需求分析模板均为第一需求分析模板；

根据所述需求业务场景信息对所述潜在需求信息进行处理，生成所述潜在需求信息的需求扩展信息；

对所述潜在需求信息和所述需求扩展信息进行面向主题特征提取，从提取得到的当前面向主题特征信息中确定与所述需求扩展信息对应的第一主题特征信息对应的第二主题特征信息；

对所述第一主题特征信息和所述第二主题特征信息进行特征融合，得到第三主题特征信息；

根据所述第三主题特征信息输出所述潜在需求信息对应的目标主题分布信息；所述目标主题分布信息使用的需求分析模板为第二需求分析模板。

在第一方面的一种可能的实现方式中，所述根据所述需求业务场景信息对所述潜在需求信息进行处理，生成所述潜在需求信息的需求扩展信息的步骤，包括：

对所述潜在需求信息进行面向主题特征提取，对得到的所述潜在需求信息对应的第一面向主题特征进行主题实体对象识别，根据所识别到的主题实体对象得到所述潜在需求信息对应的第一实体对象集合；

对所述需求业务场景信息进行面向主题特征提取，对得到的所述需求业务场景信息对应的第二面向主题特征进行主题实体对象识别，根据所识别到的主题实体对象得到所述需求业务场景信息对应的第二实体对象集合；

获取所述第一实体对象集合中保存的第一实体关系信息，以及将所述第一实体关系信息转换为对应的第一实体关系向量；

获取所述第二实体对象集合中多个实体关键节点各自保存的第二实体关系信息，以及将每个所述第二实体关系信息转换为对应的第二实体关系向量；

计算每个所述第二实体关系向量与所述第一实体关系向量的向量内积结果；

对每个所述第二实体关系向量对应的向量内积结果进行排序，根据排序结果从多个所述第二实体关系向量中选出多个相似实体关系向量；

对所述多个相似实体关系向量进行卷积处理，得到卷积关系向量；

对所述第一实体对象集合和所述第二实体对象集合进行实体业务覆盖重合度计算，根据计算得到的实体业务覆盖重合度得到影响因子向量；所述影响因子向量中包含有所述第二实体对象集合中各个实体关键节点对应的权重参数；

计算所述卷积关系向量和所述影响因子向量两者的向量内积，并将计算出的结果作为所述第一实体关系信息的扩展业务向量；

将所述扩展业务向量添加至所述潜在需求信息中设定的潜在需求单元，得到初始扩展数据；

对所述初始扩展数据进行主题实体对象识别，得到参考主题实体对象；

根据所述第一实体对象集合、所述第二实体对象集合以及所述参考主题实体对象，得到所述潜在需求信息对应的所述需求扩展信息。

在第一方面的一种可能的实现方式中，所述对所述潜在需求信息和所述需求扩展信息进行面向主题特征提取，从提取得到的当前面向主题特征信息中确定与所述需求扩展信息对应的第一主题特征信息对应的第二主题特征信息的步骤，包括：

对所述潜在需求信息和所述需求扩展信息进行面向主题特征提取，得到所述潜在需求信息和所述需求扩展信息的面向主题特征中映射的当前面向主题特征信息；所述当前面向主题特征信息包括多个主题特征节点的分布特征信息；

从所述当前面向主题特征信息包含的多个主题特征节点的分布特征信息中确定所述第一主题特征信息的相似分布特征信息，并将所述相似分布特征信息作为所述第二主题特征信息。

在第一方面的一种可能的实现方式中，所述对所述第一主题特征信息和所述第二主题特征信息进行特征融合，得到第三主题特征信息的步骤，包括：

将所述第一主题特征信息和所述第二主题特征信息分别输入预设的主题分布解析模型中，以使所述主题分布解析模型分别输出所述第一主题特征信息和所述第二主题特征信息各自的有效主题特征信息，得到第一目标主题特征信息和第二目标主题特征信息；

对所述第一目标主题特征信息进行卷积计算，得到第一主题卷积信息；对所述第一目标主题特征信息进行面向主题特征提取，并对提取得到的主题特征信息进行卷积计算，得到第二主题卷积信息，计算所述第一主题卷积信息和所述第二主题卷积信息的点乘，得到与所述第一目标主题特征信息对应的第一主题特征集；

对所述第二目标主题特征信息进行卷积计算，得到第三主题卷积信息；对所述第二目标主题特征信息进行面向主题特征提取，并对提取得到的主题特征信息进行卷积计算，得到第四主题卷积信息，计算所述第三主题卷积信息和所述第四主题卷积信息的点乘，得到与所述第二目标主题特征信息对应的第二主题特征集；

计算所述第一主题特征集和所述第二主题特征集两者的融合特征集，将得到的融合特征集作为所述第三主题特征信息。

在第一方面的一种可能的实现方式中，所述根据所述第三主题特征信息输出所述潜在需求信息对应的目标主题分布信息的步骤，包括：

获取所述第三主题特征信息中的多条主题分布描述向量、以及与每个主题分布描述向量对应的主题分布解析策略，所述主题分布描述向量包括第一主题分布描述向量和第二主题分布描述向量，其中，所述第一主题分布描述向量和第二主题分布描述向量为相互之间存在映射关联主题分布描述向量对；

对所述第三主题特征信息进行编码，以输出每个第一主题分布描述向量对应的第一基础编码向量、以及所述第三主题特征信息对应的目标编码向量；

计算所述目标编码向量和每个所述第一基础编码向量之间的关联度，以得到对应的每条第一主题分布描述向量和所述第三主题特征信息之间的编码向量接近程度；

识别出每个第一主题分布描述向量中的所有描述元素、以及每个第一主题分布描述向量各自对应的业务描述权重；

根据所述所有描述元素和所述业务描述权重，生成对应的主题分布描述向量的主题分布聚类节点；

根据所述主题分布解析策略生成每个主题分布描述向量对应的主题分布聚类范围；

利用所述主题分布聚类范围对应的每条主题分布聚类节点，得到每个主题分布描述向量各自的第一聚类分组；

根据所述第二主题分布描述向量对每个主题分布描述向量对应的第一基础编码向量进行聚类，得到每个主题分布描述向量的第二聚类分组；

根据所述第一聚类分组和第二聚类分组，在所述多条主题分布描述向量中确定出目标主题分布描述向量；

将所述目标主题分布描述向量对应的第一基础编码向量作为第二编码向量，并将所述第二编码向量添加至所述第三主题特征信息中，以输出所述潜在需求信息对应的目标主题分布信息。

在第一方面的一种可能的实现方式中，所述主题分布解析策略包括对所述主题分布描述向量的向量结构聚类策略、以及所述主题分布描述向量对应的特征值聚类策略；

所述根据所述主题分布解析策略生成每个主题分布描述向量对应的主题分布聚类范围的步骤，包括：

根据所述特征值聚类策略对所述主题分布描述向量进行特征值聚类，生成所述主题分布描述向量对应的主题分布信息特征值；

根据所述向量结构聚类策略对所述主题分布描述向量进行向量结构聚类，生成所述主题分布描述向量对应的向量结构聚类结果；

根据所述主题分布信息特征值和所述向量结构聚类结果，生成对应所述主题分布描述向量的主题分布聚类范围。

在第一方面的一种可能的实现方式中，所述主题分布描述向量还包括第三主题分布描述向量；

在利用所述主题分布聚类范围对应的每个主题分布聚类节点，得到每个主题分布描述向量各自的第一聚类分组的步骤之前，所述方法还包括：

计算每个所述第一基础编码向量相对于所述第三主题分布描述向量所对应的参照编码对象列表中每个参照编码对象的编码平移参数；

对每个所述第一基础编码向量对应的所有编码平移参数进行融合，得到每个所述第一基础编码向量对应的融合编码参数；

根据每个所述第一基础编码向量对应的融合编码参数，对所有所述第一基础编码向量按序排列，以根据每个所述第一基础编码向量排列后的顺序，确定每个所述第一基础编码向量各自的优先级参数；

根据每个所述第一基础编码向量各自的优先级参数，对每个所述第一基础编码向量各自对应的融合编码参数进行处理，生成每个主题分布描述向量的加权融合编码参数；

所述利用所述主题分布聚类范围对应的每个主题分布聚类节点，得到每个主题分布描述向量各自的第一聚类分组的步骤，包括：

利用所述主题分布聚类范围对应的每个主题分布聚类节点对所述每个主题分布描述向量的加权融合编码参数进行聚类，得到每个主题分布描述向量对应的第一聚类分组。

在第一方面的一种可能的实现方式中，所述方法还包括：

获取所述订阅标签项目的大数据挖掘信息；

所述获取所述订阅标签项目的大数据挖掘信息的步骤，包括：

从所述数字金融服务终端中获取所述数字金融服务终端在区块链离线支付环境下生成的离线账单数据集合以及所述离线账单数据集合所对应的目标支付环境元素；

获取待挖掘服务标签在所述目标支付环境元素下的可挖掘目标服务，并按照预定的已订阅推送分组对各个目标支付环境元素下的可挖掘目标服务进行分组，分别生成每个已订阅推送分组的可挖掘目标服务集合；

针对每个已订阅推送分组，获取该已订阅推送分组的可挖掘目标服务集合中每个可挖掘目标服务匹配于所述离线账单数据集合的知识图谱数据，并基于已订阅推送分组对应的推送服务画像对每个已订阅推送分组的知识图谱数据集合进行大数据挖掘，得到各个已订阅推送分组的大数据挖掘信息；

从所述各个已订阅推送分组的大数据挖掘信息中获得所述订阅标签项目包括的目标已订阅推送分组的大数据挖掘信息。

第二方面，本申请实施例还提供一种基于区块链离线支付的信息推送装置，应用于云服务推送平台，所述云服务推送平台与多个数字金融服务终端通信连接，所述装置包括：

接收模块，用于接收所述数字金融服务终端发送的基于离线支付的信息推送请求，获得所述信息推送请求的用户订阅标签信息；其中，所述用户订阅标签信息包括订阅标签项目；

确定模块，用于根据所述订阅标签项目的大数据挖掘信息，确定出所述订阅标签项目对应的业务推送对象列表，其中，所述大数据挖掘信息为所述云服务推送平台对数字金融服务终端在区块链离线支付环境下生成的离线账单数据集合以及所述离线账单数据集合所对应的目标支付环境元素进行大数据挖掘获得的大数据挖掘信息；

推送模块，用于向所述数字金融服务终端推送所述业务推送对象列表对应的业务推送定向内容。

第三方面，本申请实施例还提供一种基于区块链离线支付的信息推送系统，所述基于区块链离线支付的信息推送系统包括云服务推送平台以及与所述云服务推送平台通信连接的多个数字金融服务终端；

所述云服务推送平台，用于接收所述数字金融服务终端发送的基于离线支付的信息推送请求，获得所述信息推送请求的用户订阅标签信息；其中，所述用户订阅标签信息包括订阅标签项目；

所述云服务推送平台，用于根据所述订阅标签项目的大数据挖掘信息，确定出所述订阅标签项目对应的业务推送对象列表，其中，所述大数据挖掘信息为所述云服务推送平台对数字金融服务终端在区块链离线支付环境下生成的离线账单数据集合以及所述离线账单数据集合所对应的目标支付环境元素进行大数据挖掘获得的大数据挖掘信息；

所述云服务推送平台，用于向所述数字金融服务终端推送所述业务推送对象列表对应的业务推送定向内容。

第四方面，本申请实施例还提供一种云服务推送平台，所述云服务推送平台包括处理器、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数字金融服务终端通信连接，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实现方式中的基于区块链离线支付的信息推送方法。

第五方面，本申请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实现方式中的基于区块链离线支付的信息推送方法。

基于上述任意一个方面，本申请通过从数字金融服务终端发送的基于离线支付的信息推送请求获得信息推送请求的用户订阅标签信息，然后根据订阅标签项目的大数据挖掘信息，确定出订阅标签项目对应的业务推送对象列表，从而向数字金融服务终端推送业务推送对象列表对应的业务推送定向内容。如此，可以有效针对离线支付场景的离线账单数据情况对数字金融服务终端推送业务推送对象列表对应的业务推送定向内容，从而提高信息推送的覆盖度。

附图说明

为了更清楚地说明本申请实施例的技术方案，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申请的某些实施例，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为本申请实施例提供的基于区块链离线支付的信息推送系统的应用场景示意图；

图2为本申请实施例提供的基于区块链离线支付的信息推送方法的流程示意图；

图3为本申请实施例提供的基于区块链离线支付的信息推送装置的功能模块示意图；

图4为本申请实施例提供的用于实现上述的基于区块链离线支付的信息推送方法的云服务推送平台的结构组件示意框图。

具体实施方式

下面结合说明书附图对本申请进行具体说明，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是本申请一种实施例提供的基于区块链离线支付的信息推送系统10的交互示意图。基于区块链离线支付的信息推送系统10可以包括云服务推送平台100以及与云服务推送平台100通信连接的数字金融服务终端200。图1所示的基于区块链离线支付的信息推送系统10仅为一种可行的示例，在其它可行的实施例中，该基于区块链离线支付的信息推送系统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，数字金融服务终端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，移动设备可以包括物联网设备、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，物联网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，基于区块链离线支付的信息推送系统10中的云服务推送平台100和数字金融服务终端200可以通过配合执行以下方法实施例所描述的基于区块链离线支付的信息推送方法，具体云服务推送平台100和数字金融服务终端200的执行步骤部分可以参照以下方法实施例的详细描述。

基于本申请提供的技术方案的发明构思出发，本申请提供的云服务推送平台100可以应用在例如智慧医疗、智慧城市管理、智慧工业互联网、通用业务监控管理等可以应用大数据技术或者是云计算技术等的场景中，再比如，还可以应用在包括但不限于新能源汽车系统管理、智能云办公、云平台数据处理、云游戏数据处理、云直播处理、云汽车管理平台、区块链金融数据服务平台等，但不限于此。

为了解决前述背景技术中的技术问题，图2为本申请实施例提供的基于区块链离线支付的信息推送方法的流程示意图，本实施例提供的基于区块链离线支付的信息推送方法可以由图1中所示的云服务推送平台100执行，下面对该基于区块链离线支付的信息推送方法进行详细介绍。

步骤s110，接收数字金融服务终端200发送的基于离线支付的信息推送请求，获得信息推送请求的用户订阅标签信息。

步骤s120，根据订阅标签项目的大数据挖掘信息，确定出订阅标签项目对应的业务推送对象列表。

步骤s130，向数字金融服务终端200推送业务推送对象列表对应的业务推送定向内容。

本实施例中，用户订阅标签信息例如可以包括订阅标签项目，订阅标签项目可以用于表示订阅的业务分类类型，具体可以由数字金融服务终端200的用户预先进行选择和配置，在此不作详细限定。

本实施例中，大数据挖掘信息可以为云服务推送平台对数字金融服务终端200在区块链离线支付环境下生成的离线账单数据集合以及离线账单数据集合所对应的目标支付环境元素进行大数据挖掘获得的大数据挖掘信息。其中，离线账单数据可以是指对于每一次离线支付场景而言，通常会包括多个账单统计板块，例如可以包括但不限于账单内容、账单场景、账单收支情况等等。其中，目标支付环境元素可以用于表示具体支付过程中离线获取的环境元素，例如支付业务场景类型、支付用户的用户类型等。

基于上述步骤，本实施例通过从数字金融服务终端200发送的基于离线支付的信息推送请求获得信息推送请求的用户订阅标签信息，然后根据订阅标签项目的大数据挖掘信息，确定出订阅标签项目对应的业务推送对象列表，从而向数字金融服务终端200推送业务推送对象列表对应的业务推送定向内容。如此，可以有效针对离线支付场景的离线账单数据情况对数字金融服务终端200推送业务推送对象列表对应的业务推送定向内容，从而提高信息推送的覆盖度。

在一种可能的实现方式中，针对步骤s120，可以通过以下示例性的子步骤来实现，详细描述如下。

子步骤s121，从订阅标签项目的大数据挖掘信息中获取潜在需求信息和潜在需求信息的需求业务场景信息。潜在需求信息和需求业务场景信息使用的需求分析模板均为第一需求分析模板。

子步骤s122，根据需求业务场景信息对潜在需求信息进行处理，生成潜在需求信息的需求扩展信息。

子步骤s123，对潜在需求信息和需求扩展信息进行面向主题特征提取，从提取得到的当前面向主题特征信息中确定与需求扩展信息对应的第一主题特征信息对应的第二主题特征信息。

子步骤s124，对第一主题特征信息和第二主题特征信息进行特征融合，得到第三主题特征信息。

子步骤s125，根据第三主题特征信息输出潜在需求信息对应的目标主题分布信息。

例如，目标主题分布信息使用的需求分析模板为第二需求分析模板。由此，可以基于不同的需求分析模板进行主题分布转换，以便于后续推送时可以由用户定义不同类型的需求分析模板。

示例性地，在子步骤s122中，可以通过以下具体的实施方式来实现。

（1）对潜在需求信息进行面向主题特征提取，对得到的潜在需求信息对应的第一面向主题特征进行主题实体对象识别，根据所识别到的主题实体对象得到潜在需求信息对应的第一实体对象集合。

（2）对需求业务场景信息进行面向主题特征提取，对得到的需求业务场景信息对应的第二面向主题特征进行主题实体对象识别，根据所识别到的主题实体对象得到需求业务场景信息对应的第二实体对象集合。

（3）获取第一实体对象集合中保存的第一实体关系信息，以及将第一实体关系信息转换为对应的第一实体关系向量。

（4）获取第二实体对象集合中多个实体关键节点各自保存的第二实体关系信息，以及将每个第二实体关系信息转换为对应的第二实体关系向量。

（5）计算每个第二实体关系向量与第一实体关系向量的向量内积结果。

（6）对每个第二实体关系向量对应的向量内积结果进行排序，根据排序结果从多个第二实体关系向量中选出多个相似实体关系向量。

（7）对多个相似实体关系向量进行卷积处理，得到卷积关系向量。

（8）对第一实体对象集合和第二实体对象集合进行实体业务覆盖重合度计算，根据计算得到的实体业务覆盖重合度得到影响因子向量。影响因子向量中包含有第二实体对象集合中各个实体关键节点对应的权重参数。

（9）计算卷积关系向量和影响因子向量两者的向量内积，并将计算出的结果作为第一实体关系信息的扩展业务向量。

（10）将扩展业务向量添加至潜在需求信息中设定的潜在需求单元，得到初始扩展数据。

（11）对初始扩展数据进行主题实体对象识别，得到参考主题实体对象。

（12）根据第一实体对象集合、第二实体对象集合以及参考主题实体对象，得到潜在需求信息对应的需求扩展信息。

示例性地，在子步骤s123中，可以通过以下具体的实施方式来实现。

（1）对潜在需求信息和需求扩展信息进行面向主题特征提取，得到潜在需求信息和需求扩展信息的面向主题特征中映射的当前面向主题特征信息。

本实施例中，当前面向主题特征信息包括多个主题特征节点的分布特征信息。

（2）从当前面向主题特征信息包含的多个主题特征节点的分布特征信息中确定第一主题特征信息的相似分布特征信息，并将相似分布特征信息作为第二主题特征信息。

示例性地，在子步骤s124中，可以通过以下具体的实施方式来实现。

（1）将第一主题特征信息和第二主题特征信息分别输入预设的主题分布解析模型中，以使主题分布解析模型分别输出第一主题特征信息和第二主题特征信息各自的有效主题特征信息，得到第一目标主题特征信息和第二目标主题特征信息。

（2）对第一目标主题特征信息进行卷积计算，得到第一主题卷积信息。对第一目标主题特征信息进行面向主题特征提取，并对提取得到的主题特征信息进行卷积计算，得到第二主题卷积信息，计算第一主题卷积信息和第二主题卷积信息的点乘，得到与第一目标主题特征信息对应的第一主题特征集。

（3）对第二目标主题特征信息进行卷积计算，得到第三主题卷积信息。对第二目标主题特征信息进行面向主题特征提取，并对提取得到的主题特征信息进行卷积计算，得到第四主题卷积信息，计算第三主题卷积信息和第四主题卷积信息的点乘，得到与第二目标主题特征信息对应的第二主题特征集。

（4）计算第一主题特征集和第二主题特征集两者的融合特征集，将得到的融合特征集作为第三主题特征信息。

示例性地，在子步骤s125中，可以通过以下具体的实施方式来实现。

（1）获取第三主题特征信息中的多条主题分布描述向量、以及与每个主题分布描述向量对应的主题分布解析策略，主题分布描述向量包括第一主题分布描述向量和第二主题分布描述向量，其中，第一主题分布描述向量和第二主题分布描述向量为相互之间存在映射关联主题分布描述向量对。

（2）对第三主题特征信息进行编码，以输出每个第一主题分布描述向量对应的第一基础编码向量、以及第三主题特征信息对应的目标编码向量。

（3）计算目标编码向量和每个第一基础编码向量之间的关联度，以得到对应的每条第一主题分布描述向量和第三主题特征信息之间的编码向量接近程度。

（4）识别出每个第一主题分布描述向量中的所有描述元素、以及每个第一主题分布描述向量各自对应的业务描述权重。

（5）根据所有描述元素和业务描述权重，生成对应的主题分布描述向量的主题分布聚类节点。

（6）根据主题分布解析策略生成每个主题分布描述向量对应的主题分布聚类范围。

作为一种示例，主题分布解析策略可以包括对主题分布描述向量的向量结构聚类策略、以及主题分布描述向量对应的特征值聚类策略。基于此，可以根据特征值聚类策略对主题分布描述向量进行特征值聚类，生成主题分布描述向量对应的主题分布信息特征值，然后根据向量结构聚类策略对主题分布描述向量进行向量结构聚类，生成主题分布描述向量对应的向量结构聚类结果，由此可以根据主题分布信息特征值和向量结构聚类结果，生成对应主题分布描述向量的主题分布聚类范围。

（7）利用主题分布聚类范围对应的每条主题分布聚类节点，得到每个主题分布描述向量各自的第一聚类分组。

（8）根据第二主题分布描述向量对每个主题分布描述向量对应的第一基础编码向量进行聚类，得到每个主题分布描述向量的第二聚类分组。

（9）根据第一聚类分组和第二聚类分组，在多条主题分布描述向量中确定出目标主题分布描述向量。

（10）将目标主题分布描述向量对应的第一基础编码向量作为第二编码向量，并将第二编码向量添加至第三主题特征信息中，以输出潜在需求信息对应的目标主题分布信息。

示例性地，主题分布描述向量还包括第三主题分布描述向量，在（7）之前，还可以计算每个第一基础编码向量相对于第三主题分布描述向量所对应的参照编码对象列表中每个参照编码对象的编码平移参数，然后对每个第一基础编码向量对应的所有编码平移参数进行融合，得到每个第一基础编码向量对应的融合编码参数。

在此基础上，可以根据每个第一基础编码向量对应的融合编码参数，对所有第一基础编码向量按序排列，以根据每个第一基础编码向量排列后的顺序，确定每个第一基础编码向量各自的优先级参数，然后根据每个第一基础编码向量各自的优先级参数，对每个第一基础编码向量各自对应的融合编码参数进行处理，生成每个主题分布描述向量的加权融合编码参数。

这样，在（7）中，即可利用主题分布聚类范围对应的每个主题分布聚类节点对每个主题分布描述向量的加权融合编码参数进行聚类，得到每个主题分布描述向量对应的第一聚类分组。

在一种可能的实现方式中，在步骤s120之前，本实施例提供的基于区块链离线支付的信息推送方法还可以包括步骤s101，获取订阅标签项目的大数据挖掘信息。

例如，步骤s101具体可以通过以下子步骤来实现。

子步骤s1011，从每个数字金融服务终端200中获取每个数字金融服务终端200在区块链离线支付环境下生成的离线账单数据集合以及所述离线账单数据集合所对应的目标支付环境元素。

其中，目标支付环境元素可以用于表示具体支付过程中离线获取的环境元素，例如支付业务场景类型、支付用户的用户类型等。

步骤s1012，获取待挖掘服务标签在所述目标支付环境元素下的可挖掘目标服务，并按照预定的已订阅推送分组对各个目标支付环境元素下的可挖掘目标服务进行分组，分别生成每个已订阅推送分组的可挖掘目标服务集合。

其中，离线账单数据可以是指对于每一次离线支付场景而言，通常会包括多个账单统计板块，例如可以包括但不限于账单内容、账单场景、账单收支情况等等。

其中，可挖掘目标服务可以用于表示待挖掘服务标签在每个离线账单数据的目标支付环境元素下的具体应用的挖掘类型标签，例如生鲜类知识新挖掘类型标签、数码产品类知识新挖掘类型标签等。

本实施例中，预定的已订阅推送分组可以根据实际设计需求进行灵活选择，主要用于表征为不同用户提供的订阅推送选定菜单，在此不作详细限定。

步骤s1013，针对每个已订阅推送分组，获取该已订阅推送分组的可挖掘目标服务集合中每个可挖掘目标服务匹配于所述离线账单数据集合的知识图谱数据，并基于已订阅推送分组对应的推送服务画像对每个已订阅推送分组的知识图谱数据集合进行大数据挖掘，得到各个已订阅推送分组的大数据挖掘信息；

步骤s1014，从所述各个已订阅推送分组的大数据挖掘信息中获得所述订阅标签项目包括的目标已订阅推送分组的大数据挖掘信息。

基于上述步骤，本实施例通过考虑待挖掘服务标签在离线账单数据集合所对应的目标支付环境元素下的可挖掘目标服务，然后基于预定的已订阅推送分组对各个目标支付环境元素下的可挖掘目标服务进行分组，从而考虑到不同目标支付环境元素和已订阅推送分组的差异，由此基于已订阅推送分组对应的推送服务画像对每个已订阅推送分组的知识图谱数据集合进行大数据挖掘，可以有效提高大数据挖掘的精确性，使得大数据挖掘结果更能够匹配实际的业务场景。

在一种可能的实现方式中，譬如，针对步骤s1013，在获取该已订阅推送分组的可挖掘目标服务集合中每个可挖掘目标服务匹配于所述离线账单数据集合的知识图谱数据的过程中，还可以通过以下示例性的子步骤来实现，详细描述如下。

子步骤s10131，获取该已订阅推送分组的可挖掘目标服务集合中每个可挖掘目标服务相关的匹配关键词向量。

子步骤s10132，根据每个可挖掘目标服务相关的匹配关键词向量从离线账单数据集合中匹配对应的账单板块内容。

子步骤s10133，根据每个可挖掘目标服务相关的匹配关键词向量匹配的账单板块内容中每个业务记录板块对应的知识图谱内容，确定该已订阅推送分组的可挖掘目标服务集合中每个可挖掘目标服务匹配于离线账单数据集合的知识图谱数据。

在一种可能的实现方式中，譬如，针对步骤s1013，在基于已订阅推送分组对应的推送服务画像对每个已订阅推送分组的知识图谱数据集合进行大数据挖掘的过程中，可以通过以下子步骤来实现。

子步骤s10134，基于已订阅推送分组对应的推送服务画像确定每个已订阅推送分组的每个推送服务画像节点的推送服务画像节点参数以及推送服务画像节点所覆盖的画像激活内容。

子步骤s10135，根据每个已订阅推送分组中推送服务画像节点的推送服务画像节点参数以及推送服务画像节点所覆盖的画像激活内容确定每个已订阅推送分组中对推送服务画像节点进行大数据挖掘所需要的大数据挖掘组件的挖掘流程参数。

子步骤s10136，根据每个推送服务画像节点所需要的大数据挖掘组件的挖掘流程参数，将每个大数据挖掘组件确定为一挖掘单位，该挖掘单位所对应的运行配置信息为该推送服务画像节点包含的当前已配置的已订阅推送分组的运行配置信息之外的运行配置信息。

子步骤s10137，根据挖掘单位对应的运行配置信息，建立挖掘单位的挖掘业务关系，并确定挖掘业务关系的业务匹配元素，得到业务匹配元素中第一挖掘单位对每个已订阅推送分组的知识图谱数据集合进行大数据挖掘的初步挖掘信息。

子步骤s10138，在按照挖掘单位的层级依次对第一挖掘单位之后的每一挖掘单位进行初步挖掘信息筛选时，对该挖掘单位及该挖掘单位之后的每一挖掘单位的初步挖掘信息进行筛选，根据筛选后的初步挖掘信息，重新建立挖掘单位的挖掘业务关系，确定重新建立的挖掘业务关系的业务匹配元素，得到该重新建立的挖掘业务关系的业务匹配元素中该挖掘单位的筛选初步挖掘信息。

子步骤s10139，在得到所有挖掘单位的筛选初步挖掘信息后，将所有挖掘单位的筛选初步挖掘信息作为大数据挖掘结果。

在一种可能的实现方式中，譬如，在步骤s1013之后，还可以包括以下步骤：

步骤s1015，在大数据挖掘过程中判断是否存在用于表示可挖掘目标服务存在扩展加载业务的扩展加载主题特征信息，并在检测到扩展加载主题特征信息时，提取大数据挖掘的扩展加载主题特征信息对应的第一可挖掘目标服务的第一知识图谱以及与第一可挖掘目标服务存在扩展加载业务关系的至少一个第二可挖掘目标服务的第二知识图谱；

步骤s1016，根据预设人工智能模型确定第一知识图谱和至少一个第二知识图谱之间的全局大数据挖掘信息。

在一种可能的实现方式中，譬如，针对步骤s1015，可以从大数据挖掘过程中产生的大数据挖掘记录信息中提取大数据挖掘的扩展加载主题特征信息对应的第一可挖掘目标服务的第一知识图谱以及与第一可挖掘目标服务存在扩展加载业务关系的至少一个第二可挖掘目标服务的第二知识图谱。其中，与第一可挖掘目标服务存在扩展加载业务关系的至少一个第二可挖掘目标服务可以是指与第一可挖掘目标服务存在相关联的联动效应的第二可挖掘目标服务。

例如，如果某个可挖掘目标服务需要在第一可挖掘目标服务挖掘的过程中扩展挖掘，那么该可挖掘目标服务可以理解为与第一可挖掘目标服务存在扩展加载业务关系的第二可挖掘目标服务。

在一种可能的实现方式中，譬如，针对步骤s1016，可以通过以下示例性的子步骤实现，详细描述如下。

子步骤s10161，将第一知识图谱按照每个相同的知识图谱节点与至少一个第二知识图谱对应的知识图谱节点进行融合后，得到融合知识图谱。

子步骤s10162，将第一知识图谱和至少一个第二知识图谱添加到预设的数据地图分类队列，并基于数据地图分类队列建立第一知识图谱的多个第一数据地图分类参数以及第二知识图谱的多个第二数据地图分类参数。

子步骤s10163，根据每个第一数据地图分类参数确定第一可挖掘目标服务的第一知识表达信息，并根据每个第二数据地图分类参数确定第二可挖掘目标服务的第二知识表达信息，而后将第一知识表达信息和第二知识表达信息映射至知识实体特征模型，得到第一知识表达信息对应的第一知识图谱特征以及第二知识表达信息对应的第二知识图谱特征，并确定知识实体特征模型对应于融合知识图谱的多个知识语料对象，对多个知识语料对象进行汇总得到至少多个不同类别的知识语料挖掘列表，针对每个知识语料挖掘列表，在预设的大数据挖掘进程中挖掘知识语料挖掘列表中的每个知识语料对象对应第一知识图谱特征的第一语料画像刻画特征和对应第二知识图谱特征的第二语料画像刻画特征。

子步骤s10164，根据知识语料挖掘列表中的每个知识语料对象对应的第一语料画像刻画特征和第二语料画像刻画特征的挖掘结果，按照知识预料的预设优先级进行拼接生成的模拟挖掘流，对拼接生成的模拟挖掘流进行还原，确定第一可挖掘目标服务和至少一个第二可挖掘目标服务的全局大数据挖掘信息。

如此，可以在实际大数据挖掘过程中针对性地以关联的可挖掘目标服务为独立挖掘目标进行后续的大数据挖掘。

在一种可能的实现方式中，针对步骤s10164，譬如，在对拼接生成的模拟挖掘流进行还原，确定第一可挖掘目标服务和至少一个第二可挖掘目标服务的全局大数据挖掘信息的过程中，可以对拼接生成的模拟挖掘流按照每个对应的模拟挖掘节点进行逆转换，以获得第一可挖掘目标服务和至少一个第二可挖掘目标服务的全局大数据挖掘信息。

图3为本公开实施例提供的基于区块链离线支付的信息推送装置300的功能模块示意图，本实施例可以根据上述云服务推送平台100执行的方法实施例对该基于区块链离线支付的信息推送装置300进行功能模块的划分，也即该基于区块链离线支付的信息推送装置300所对应的以下各个功能模块可以用于执行上述云服务推送平台100执行的各个方法实施例。其中，该基于区块链离线支付的信息推送装置300可以包括接收模块310、确定模块320以及推送模块330，下面分别对该基于区块链离线支付的信息推送装置300的各个功能模块的功能进行详细阐述。

接收模块310，用于接收所述数字金融服务终端200发送的基于离线支付的信息推送请求，获得所述信息推送请求的用户订阅标签信息；其中，所述用户订阅标签信息包括订阅标签项目。其中，接收模块310可以用于执行上述的步骤s110，关于接收模块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。

确定模块320，用于根据所述订阅标签项目的大数据挖掘信息，确定出所述订阅标签项目对应的业务推送对象列表，其中，所述大数据挖掘信息为所述云服务推送平台对数字金融服务终端200在区块链离线支付环境下生成的离线账单数据集合以及所述离线账单数据集合所对应的目标支付环境元素进行大数据挖掘获得的大数据挖掘信息。其中，确定模块320可以用于执行上述的步骤s120，关于确定模块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。

推送模块330，用于向所述数字金融服务终端200推送所述业务推送对象列表对应的业务推送定向内容。其中，推送模块330可以用于执行上述的步骤s130，关于推送模块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。

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，接收模块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接收模块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(applicationspecificintegratedcircuit，asic)，或，一个或多个微处理器(digitalsignalprocessor，dsp)，或，一个或者多个现场可编程门阵列(fieldprogrammablegatearray，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(centralprocessingunit，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云服务推送平台100的硬件结构示意图，如图4所示，云服务推送平台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中所示的基于区块链离线支付的信息推送装置300包括的接收模块310、确定模块320以及推送模块330），使得处理器110可以执行如上方法实施例的基于区块链离线支付的信息推送方法，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，从而可以与前述的数字金融服务终端200进行数据收发。

处理器110的具体实现过程可参见上述云服务推送平台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：centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(英文：digitalsignalprocessor，dsp)、专用集成电路(英文：applicationspecificintegratedcircuit，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(industrystandardarchitecture，isa)总线、外部设备互连(peripheralcomponentinterconnect，pci)总线或扩展工业标准体系结构(extendedindustrystandardarchitecture，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，实现如上基于区块链离线支付的信息推送方法。

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。