1.基于多源数据融合的广告创意动态评估与智能决策系统，其特征在于：包括：状态感知与图谱化模块，用于获取用户的实时交互行为数据与外部环境事件数据，并映射至预存的动态创意特征图谱进行匹配映射处理，输出图谱结构化状态向量；

在线决策模块，用于以所述图谱结构化状态向量为输入，调用预训练的增量学习决策模型，计算从所述动态创意特征图谱中采样的多个候选创意组合的预期效能值与决策不确定性值；并依据所述决策不确定性值，通过预设策略函数生成创意选择指令；

执行反馈模块，用于将所述创意选择指令输出至广告投放执行端，并接收所述广告投放执行端与所述创意选择指令对应的实际效能数据；

协同演化更新模块，用于依据所述实际效能数据以及对应的创意选择指令及图谱结构化状态向量，同步更新所述动态创意特征图谱中相关节点的权重与关联边强度，并更新所述增量学习决策模型的内部参数；

其中，所述预设策略函数根据所述决策不确定性值与预设阈值的比较结果，动态切换探索策略与利用策略；

其中，依据所述决策不确定性值，通过预设策略函数生成创意选择指令的具体步骤包括：当所述决策不确定性值高于第一预设阈值时，采用所述探索策略；其中，所述探索策略包括：计算各候选创意组合中所含创意基因向量节点的平均权重，并优先选择平均权重低于预设权重阈值且组合内节点间关联边的平均强度高于预设关联强度阈值的候选创意组合；

当所述决策不确定性值低于第二预设阈值时，采用所述利用策略，选择所述预期效能值最高的候选创意组合；其中，所述第二预设阈值小于所述第一预设阈值。

2.根据权利要求1所述的基于多源数据融合的广告创意动态评估与智能决策系统，其特征在于：获取用户实时交互行为数据与外部环境事件数据，并映射至预存的动态创意特征图谱进行匹配映射处理的具体步骤包括：获取所述动态创意特征图谱；其中，所述动态创意特征图谱以创意基因向量为节点构建；

从所述实时交互行为数据中解析出所述用户在广告画布区域的视线停留热力图数据；

提取所述视线停留热力图数据中强度超过预设强度阈值的区域坐标序列；

将所述区域坐标序列与表征视觉元素的创意基因向量进行匹配关联；

根据匹配关联结果，生成对相关节点及关联边的临时增强权重系数，并将所述增强权重系数编码入所述图谱结构化状态向量。

3.根据权利要求2所述的基于多源数据融合的广告创意动态评估与智能决策系统，其特征在于：获取用户实时交互行为数据与外部环境事件数据，并映射至预存的动态创意特征图谱进行匹配映射处理的具体步骤还包括：从所述外部环境事件数据中提取关键词或情感标签；

将所述关键词或情感标签与表征文本主题或情感的创意基因向量进行语义相似度匹配；

将匹配度超过预设匹配阈值的所述动态创意特征图谱的节点，标记为受当前外部事件影响的节点，并将节点的影响因子编码为所述图谱结构化状态向量。

4.根据权利要求1所述的基于多源数据融合的广告创意动态评估与智能决策系统，其特征在于：调用的增量学习决策模型为上下文多臂赌博机模型，所述上下文多臂赌博机模型具体包括：所述上下文多臂赌博机模型的每个臂对应一个候选创意组合，所述候选创意组合从所述动态创意特征图谱中依据节点权重和关联边强度采样生成；

所述上下文多臂赌博机模型的上下文输入为所述图谱结构化状态向量；

所述上下文多臂赌博机模型各臂的回报先验分布参数，基于当前臂所对应创意基因向量节点在所述动态创意特征图谱中的当前权重及关联边强度进行初始化。

5.根据权利要求1所述的基于多源数据融合的广告创意动态评估与智能决策系统，其特征在于：同步更新所述动态创意特征图谱中相关节点的权重与关联边强度的具体步骤包括：根据所述实际效能数据与预设的基准效能值的比较结果，生成权重调整系数；

识别所述创意选择指令所涉及的创意基因向量节点；

对所述创意基因向量节点的当前权重值，采用基于时间衰减的加权更新算法，结合所述权重调整系数进行计算，得到更新后的节点权重值，并回写至所述动态创意特征图谱。

6.根据权利要求1所述的基于多源数据融合的广告创意动态评估与智能决策系统，其特征在于：同步更新所述动态创意特征图谱中相关节点的权重与关联边强度的具体步骤还包括：根据所述实际效能数据，判断当前决策时隙的投放是否有效；

若判定为有效，则增强所述创意选择指令所涉及的创意基因向量节点之间所有关联边的强度值；

若判定为无效，则根据所述图谱结构化状态向量中记录的用户负反馈信息，确定负反馈区域，进而减弱与所述负反馈区域相关联的创意基因向量节点之间的特定关联边的强度值。

7.根据权利要求1所述的基于多源数据融合的广告创意动态评估与智能决策系统，其特征在于：通过预设策略函数生成创意选择指令；其中，所述创意选择指令为创意基因向量重组指令，生成逻辑包括：识别当前预期效能值低于预设分数阈值的候选创意组合；

针对所述候选创意组合，识别组合内对预期效能值贡献度最低的创意基因向量节点；

从所述动态创意特征图谱中，查找与该贡献度最低节点具有最高关联边强度、且节点权重更高的至少一个替代节点；

生成将原低贡献节点替换为所述替代节点的重组指令；

将所述重组指令及重组后形成的新候选创意组合返回至所述在线决策模块，以进行新一轮的效能评估。

8.根据权利要求1所述的基于多源数据融合的广告创意动态评估与智能决策系统，其特征在于：所述系统还包括策略固化模块，用于：监测所述在线决策模块输出的决策数据，所述决策数据至少包括所述创意选择指令及对应的决策确定性值；

当监测到针对同一特征模式的图谱结构化状态向量，在连续预设次数的决策中均输出相同的创意选择指令，且对应的决策确定性值均高于预设置信度阈值时，判定针对该特征模式的决策策略已稳定；

生成并存储固化决策规则，当所述图谱结构化状态向量匹配所述特征模式时，调用所述固化决策规则生成创意选择指令，并绕过所述在线决策模块的计算流程；

其中，所述固化决策规则建立所述特征模式与所述创意选择指令之间的映射关系。

9.根据权利要求1所述的基于多源数据融合的广告创意动态评估与智能决策系统，其特征在于：所述系统还包括约束生成模块，用于：对采样的初始候选创意组合进行图谱结构同质化检测，若存在图谱结构相似度高于预设相似阈值的同质化组合子集，则依据节点平均权重从所述同质化组合子集中保留一个代表性组合；

基于所述动态创意特征图谱，重新采样生成与当前所有保留组合图谱结构差异度满足预设多样性要求的新替代创意组合；

将所述代表性组合与所述新替代创意组合共同构成去冗余后的候选创意组合集，输入至所述在线决策模块。