1.一种基于人工智能的用户交互画像分类方法，其特征在于，通过AI会话交互系统实现，所述方法包括：获取模板用户会话交互行为流量数据和模板用户偏好数据，所述模板用户会话交互行为流量数据包括有向图格式的第一会话交互行为数据和有向图格式的第二会话交互行为数据，且所述第一会话交互行为数据的用户偏好范围和所述第二会话交互行为数据的用户偏好范围不同；所述模板用户偏好数据是对所述模板用户会话交互行为流量数据中的目标会话交互行为数据进行偏好数据标定生成的，所述目标会话交互行为数据包括所述第一会话交互行为数据和所述第二会话交互行为数据中的至少一者；

基于用户偏好数据定位模型对所述模板用户会话交互行为流量数据进行用户偏好数据定位，并将用户偏好数据定位过程中所解析的待定用户兴趣点数据加载到用户偏好范围观测模型中；

基于所述用户偏好范围观测模型按照所述待定用户兴趣点数据进行用户偏好范围的观测，以基于观测结果对所述用户偏好数据定位模型进行权重信息更新，更新后的用户偏好数据定位模型用于进行用户偏好数据定位后进行用户交互画像分类。

2.根据权利要求1所述的基于人工智能的用户交互画像分类方法，其特征在于，所述基于所述用户偏好范围观测模型按照所述待定用户兴趣点数据进行用户偏好范围的观测，以基于观测结果对所述用户偏好数据定位模型进行权重信息更新，更新后的用户偏好数据定位模型用于进行用户偏好数据定位后进行用户交互画像分类的步骤，包括：基于所述用户偏好范围观测模型结合所述待定用户兴趣点数据生成估计兴趣点分布数据，所述估计兴趣点分布数据表征所述目标会话交互行为数据的估计用户偏好范围；

基于所述用户偏好范围观测模型结合所述模板用户偏好数据中的所述目标会话交互行为数据的观测兴趣点，生成参考兴趣点分布数据；所述参考兴趣点分布数据表征所述目标会话交互行为数据的参考用户偏好范围；

基于所述估计兴趣点分布数据和所述参考兴趣点分布数据之间的区别分布数据，对所述用户偏好数据定位模型进行权重信息更新；

基于权重信息更新后的用户偏好数据定位模型对任意目标用户的目标用户会话交互行为流量数据进行用户偏好数据定位，生成所述目标用户的用户偏好数据，并对所述用户偏好数据进行用户交互画像分类，生成所述目标用户的用户交互画像信息；所述目标用户会话交互行为流量数据包括至少两个有向图格式且用户偏好范围不同的会话交互行为数据。

3.根据权利要求2所述的基于人工智能的用户交互画像分类方法，其特征在于，所述待定用户兴趣点数据包括：所述用户偏好数据定位模型中的K个编码器生成的K个编码等级的会话交互行为向量，一个编码器生成一个编码等级的会话交互行为向量，且任意两个编码等级的会话交互行为向量的数据量不同；

所述用户偏好范围观测模型包括兴趣点估计网络和K个特征量优化网络，各个特征量优化网络的网络加载位置分别连接所述K个编码器中的不同的编码器，且各所述特征量优化网络的网络输出位置均连接所述兴趣点估计网络的网络加载位置；

所述基于所述用户偏好范围观测模型结合所述待定用户兴趣点数据生成估计兴趣点分布数据，包括：

基于各所述特征量优化网络对各个编码等级的会话交互行为向量进行数据量优化，生成优化后的K个会话交互行为向量；一个特征量优化网络优化一个编码等级的会话交互行为向量，所述优化后的K个会话交互行为向量的数据量相同；

对所述优化后的K个会话交互行为向量进行汇聚，生成汇聚行为向量；

基于所述兴趣点估计网络基于所述汇聚行为向量进行兴趣点分布数据的观测，生成估计兴趣点分布数据。

4.根据权利要求2所述的基于人工智能的用户交互画像分类方法，其特征在于，所述模板用户偏好数据包括下述数据中的一个或多个：第一用户偏好数据、第二用户偏好数据和第三用户偏好数据；所述第一用户偏好数据是对所述模板用户会话交互行为流量数据中的所述第一会话交互行为数据进行偏好数据标定生成的，所述第二用户偏好数据是对所述模板用户会话交互行为流量数据中的所述第二会话交互行为数据进行偏好数据标定生成的，所述第三用户偏好数据是对所述模板用户会话交互行为流量数据中的所述第一会话交互行为数据和所述第二会话交互行为数据进行偏好数据标定生成的；

所述估计兴趣点分布数据包括下述数据中的一个或多个：针对于所述第一会话交互行为数据的第一估计兴趣点分布数据、针对于所述第二会话交互行为数据的第二估计兴趣点分布数据，以及针对于所述第一会话交互行为数据和所述第二会话交互行为数据的第三估计兴趣点分布数据；

所述参考兴趣点分布数据包括下述数据中的一个或多个：针对于所述第一会话交互行为数据的第一参考兴趣点分布数据、针对于所述第二会话交互行为数据的第二参考兴趣点分布数据，以及针对于所述第一会话交互行为数据和所述第二会话交互行为数据的第三参考兴趣点分布数据。

5.根据权利要求4所述的基于人工智能的用户交互画像分类方法，其特征在于，如果所述目标会话交互行为数据为所述第一会话交互行为数据或者所述第二会话交互行为数据，则所述模板用户偏好数据包括所述第一用户偏好数据或者所述第二用户偏好数据，所述参考兴趣点分布数据包括所述第一参考兴趣点分布数据或者所述第二参考兴趣点分布数据；

所述基于所述用户偏好范围观测模型结合所述模板用户偏好数据中的所述目标会话交互行为数据的观测兴趣点，生成参考兴趣点分布数据，包括：基于所述用户偏好范围观测模型确定所述模板用户偏好数据中的所述目标会话交互行为数据的观测兴趣点，并在所述模板用户偏好数据中确定属于所述目标会话交互行为数据的多个目标用户偏好知识点；

基于各个目标用户偏好知识点的行为触发节点和所述目标会话交互行为数据的观测兴趣点之间的触发匹配度，分别优化各所述目标用户偏好知识点的偏好特征值，生成所述参考兴趣点分布数据；任一目标用户偏好知识点在所述参考兴趣点分布数据中的参考偏好特征值与所述任一目标用户偏好知识点的触发匹配度成正相关。

6.根据权利要求4所述的基于人工智能的用户交互画像分类方法，其特征在于，如果所述目标会话交互行为数据包括所述第一会话交互行为数据和所述第二会话交互行为数据，则所述模板用户偏好数据包括所述第三用户偏好数据，所述参考兴趣点分布数据包括所述第三参考兴趣点分布数据；

所述基于所述用户偏好范围观测模型结合所述模板用户偏好数据中的所述目标会话交互行为数据的观测兴趣点，生成参考兴趣点分布数据，包括：基于所述用户偏好范围观测模型确定所述第三用户偏好数据中的所述第一会话交互行为数据的观测兴趣点，以及所述第二会话交互行为数据的观测兴趣点；

在所述第三用户偏好数据中确定属于所述第一会话交互行为数据的多个第一用户偏好知识点以及属于所述第二会话交互行为数据的多个第二用户偏好知识点；

基于各个第一用户偏好知识点的行为触发节点和所述第一会话交互行为数据的观测兴趣点之间的触发匹配度，分别优化各所述第一用户偏好知识点的偏好特征值；

基于各个第二用户偏好知识点的行为触发节点和所述第二会话交互行为数据的观测兴趣点之间的触发匹配度，分别优化各所述第二用户偏好知识点的偏好特征值，生成所述参考兴趣点分布数据；

其中，任一第一用户偏好知识点在所述参考兴趣点分布数据中的参考偏好特征值与所述任一第一用户偏好知识点的触发匹配度成正相关，且任一第二用户偏好知识点在所述参考兴趣点分布数据中的参考偏好特征值与所述任一第二用户偏好知识点的触发匹配度成正相关。

7.根据权利要求2所述的基于人工智能的用户交互画像分类方法，其特征在于，所述基于所述估计兴趣点分布数据和所述参考兴趣点分布数据之间的区别分布数据，对所述用户偏好数据定位模型进行权重信息更新，包括：基于交叉熵代价计算函数基于所述估计兴趣点分布数据和所述参考兴趣点分布数据进行权重参数优化误差计算，生成第一用户偏好观测误差值，所述第一用户偏好观测误差值表征所述估计兴趣点分布数据和所述参考兴趣点分布数据之间的区别分布数据；

基于所述第一用户偏好观测误差值计算第二用户偏好观测误差值；

以所述第二用户偏好观测误差值最小化为训练目标，优化所述用户偏好数据定位模型的权重信息。

8.根据权利要求7所述的基于人工智能的用户交互画像分类方法，其特征在于，所述基于交叉熵代价计算函数基于所述估计兴趣点分布数据和所述参考兴趣点分布数据进行权重参数优化误差计算，生成第一用户偏好观测误差值，包括：从所述模板用户偏好数据中确定属于所述目标会话交互行为数据的多个目标用户偏好知识点；

获取各个目标用户偏好知识点在所述估计兴趣点分布数据中的估计偏好特征值，以及各所述目标用户偏好知识点在所述参考兴趣点分布数据中的参考偏好特征值；

分别计算各所述目标用户偏好知识点的参考偏好特征值和对应的估计偏好特征值之间的特征训练误差值，并对计算的特征训练误差值进行权重融合计算，生成第一用户偏好观测误差值。

9.根据权利要求7或8所述的基于人工智能的用户交互画像分类方法，其特征在于，所述基于所述第一用户偏好观测误差值计算第二用户偏好观测误差值，包括：基于所述用户偏好范围观测模型结合M个特征扩展参数，对所述模板用户偏好数据进行特征扩展，生成M个特征扩展后的用户偏好数据；

计算得到M个特征扩展后的用户偏好数据所对应的M个特征扩展后的候选兴趣点分布数据；

基于所述用户偏好范围观测模型结合所述待定用户兴趣点数据，估计生成M个特征扩展后的估计兴趣点分布数据；一个特征扩展后的估计兴趣点分布数据对应一个特征扩展知识库；

基于所述交叉熵代价计算函数基于每个特征扩展参数对应的特征扩展后的估计兴趣点分布数据和特征扩展后的候选兴趣点分布数据，进行权重参数优化误差计算，生成M个特征扩展用户偏好观测误差值；

对所述第一用户偏好观测误差值和所述M个特征扩展用户偏好观测误差值进行权重融合计算，生成第二用户偏好观测误差值。

10.一种AI会话交互系统，其特征在于，所述AI会话交互系统包括处理器和机器可读存储介质，所述机器可读存储介质中存储有机器可执行指令，所述机器可执行指令由所述处理器加载并执行以实现权利要求1-9中任意一项的基于人工智能的用户交互画像分类方法。