当前位置: 首页 > 专利查询>薛杨杨专利>正文

基于人工智能和大数据的数据解析方法、系统及服务平台技术方案

技术编号:28419712 阅读:19 留言:0更新日期:2021-05-11 18:26
本申请实施例提供一种基于人工智能和大数据的数据解析方法、系统及服务平台,通过获取智能互动终端基于互动内容返回对应的冗余修正数据,以获得由多个冗余修正数据构成的冗余修正大数据,然后根据冗余修正大数据获取至少一个冗余服务源对象,接着基于冗余服务源对象中所属冗余标签下各编码向量表示和预设的人工智能模型,对互动内容所对应的互动知识点的匹配内容数据进行数据分析,得到互动知识点的冗余内容特征向量和对应的冗余参数,从而能够对下发的互动内容的冗余数据以特征识别的形式进行更新,而非简单的内容屏蔽,进而提高用户对于所获取信息的体验,减少冗余数据的引入给互动内容的准确性和匹配度产生的影响。

【技术实现步骤摘要】
基于人工智能和大数据的数据解析方法、系统及服务平台
本申请涉及移动互联网
,具体而言,涉及一种基于人工智能和大数据的数据解析方法、系统及服务平台。
技术介绍
伴随着移动互联网技术,通过服务平台与用户之间进行信息互动,可以更好地向用户进行相关互联网服务的解决方案,从而减少用户线下的频繁咨询活动。然而,传统方案中,服务平台下发的互动内容中往往会包含诸多冗余数据,导致用户对于所获取信息的体验不佳。
技术实现思路
有鉴于此,本申请的目的在于提供一种基于人工智能和大数据的数据解析方法、系统及服务平台,能够对下发的互动内容的冗余数据以特征识别的形式进行更新,而非简单的内容屏蔽,进而提高用户对于所获取信息的体验,减少冗余数据的引入给互动内容的准确性和匹配度产生的影响。根据本申请的第一方面,提供一种基于人工智能和大数据的数据解析方法,应用于与智能互动终端通信连接的区块链服务平台,所述方法包括:获取所述智能互动终端发送的待互动信息,并根据所述待互动信息向所述智能互动终端发送互动内容,以使得所述智能互动终端基于所述互动内容返回对应的冗余修正数据,以获得由多个冗余修正数据构成的冗余修正大数据,其中,所述冗余修正数据用于指示所述互动内容中存在的与所述待互动信息对应的原始问题的冗余数据区域;根据所述冗余修正大数据获取至少一个冗余服务源对象,每个所述冗余服务源对象中各对象特征向量属于同一冗余标签,并且,每个所述对象特征向量包含所属冗余标签下的编码向量表示;基于所属冗余标签下各编码向量表示和预设的人工智能模型,对所述互动内容所对应的互动知识点的匹配内容数据进行数据分析,得到所述互动知识点的冗余内容特征向量和对应的冗余参数;根据所述互动知识点的冗余内容特征向量和对应的冗余参数对所述互动知识点的匹配内容数据进行更新,并将更新后的所述互动知识点的匹配内容数据上传到对应的区块链中。在第一方面的一种可能的实现方式中,所述根据所述冗余修正大数据获取至少一个冗余服务源对象的步骤,包括:根据所述冗余修正大数据构建对应不同冗余标签的编码向量数据库,所述编码向量数据库包括预设数量的编码向量表示;获取包含所述编码向量数据库中任一编码向量表示的对象特征向量,并根据各所述对象特征向量的标签识别信息,将获取的所述对象特征向量进行划分,得到至少一个冗余服务源对象。在第一方面的一种可能的实现方式中,所述基于所属冗余标签下各编码向量表示和预设的人工智能模型,对所述互动内容所对应的互动知识点的匹配内容数据进行数据分析,得到所述互动知识点的冗余内容特征向量和对应的冗余参数的步骤,包括:对每个冗余服务源对象,遍历所述冗余服务源对象中的对象特征向量,从所述对象特征向量中提取包含该冗余服务源对象所属冗余标签下各编码向量表示的编码向量分段,根据提取的编码向量分段从所述互动内容所对应的互动知识点的匹配内容数据中确定与所述冗余服务源对象对应的冗余反馈信息;根据预设的人工智能模型,在所述冗余反馈信息中提取出满足预设冗余参数要求的各冗余反馈节点的冗余内容特征向量,获得所述互动知识点的冗余内容特征向量和对应的冗余参数。在第一方面的一种可能的实现方式中,所述根据预设的人工智能模型,在所述冗余反馈信息中提取出满足预设冗余参数要求的各冗余反馈节点的冗余内容特征向量,获得所述互动知识点的冗余内容特征向量和对应的冗余参数的步骤,包括:根据预设的人工智能模型,从所述冗余反馈信息中识别出冗余解析项目的元对象解析数据,所述元对象解析数据包括至少两种源元素对应的解析数据;基于每种解释型源元素所对应的冗余解析项目和正文源元素对应的冗余解析项目之间的元素关联关系,分别构建每种解释型源元素与正文源元素之间的编排关系模型,其中,每种解释型源元素对应的编排关系模型用于表征每种解释型源元素与所述正文源元素之间的关联关系,编排关系模型中的元素用于表征每种解释型源元素对应的冗余解析项目和正文源元素对应的冗余解析项目之间的元素关联关系,其中,所述正文源元素为指定的所述至少两种源元素中的一种源元素,所述解释型源元素为所述至少两种源元素中除所述正文源元素之外的源元素;基于所述正文源元素的数据,通过第一决策树模型,得到第一冗余决策结果,所述第一冗余决策结果中包括所述正文源元素对应的冗余计算前的冗余表示;基于每种解释型源元素的数据,以及每种解释型源元素与所述正文源元素的关联关系,通过第二决策树模型,得到第二冗余决策结果;基于所述第一冗余决策结果和所述第二冗余决策结果,得到最终冗余决策结果;从所述最终冗余决策结果的每个冗余决策分类标签下的数据中提取获得所述互动知识点的冗余内容特征向量和对应的冗余参数,所述冗余参数为所述冗余决策分类标签对应的冗余参数。在第一方面的一种可能的实现方式中,所述基于每种解释型源元素的数据,以及每种解释型源元素与所述正文源元素的关联关系,通过第二决策树模型,得到第二冗余决策结果的步骤,包括:基于每种解释型源元素的数据,以及每种解释型源元素与所述正文源元素的关联关系,通过所述第二决策树模型,得到每种解释型源元素对应的子冗余决策结果;基于每种解释型源元素对应的所述子冗余决策结果,以及每种解释型源元素对应的权重,得到所述第二冗余决策结果。在第一方面的一种可能的实现方式中,所述基于所述正文源元素的数据,通过第一决策树模型,得到第一冗余决策结果的步骤,包括:基于所述正文源元素的数据,计算所述正文源元素对应的冗余参与度,其中,所述正文源元素对应的冗余参与度与所述正文源元素的数据中被所述人工智能模型预先标记内容数量相关;基于所述正文源元素对应的冗余参与度,通过所述第一决策树模型,得到所述第一冗余决策结果;所述基于每种解释型源元素的数据,以及每种解释型源元素与所述正文源元素的关联关系,通过所述第二决策树模型,得到每种解释型源元素对应的子冗余决策结果,包括:基于每种解释型源元素的数据,计算每种解释型源元素对应的冗余参与度,其中,所述解释型源元素对应的冗余参与度与所述解释型源元素的数据中被所述人工智能模型预先标记内容数量相关;基于每种解释型源元素对应的冗余参与度和每种解释型源元素对应的编排关系模型,通过所述第二决策树模型,得到每种解释型源元素对应的子冗余决策结果;其中,每种解释型源元素对应的编排关系模型用于表征每种解释型源元素与所述正文源元素之间的关联关系,每种解释型源元素对应的编排关系模型是基于每种解释型源元素所对应的冗余解析项目和正文源元素对应的冗余解析项目之间的元素关联关系构建的模型,编排关系模型中的元素用于表征每种解释型源元素对应的冗余解析项目和正文源元素对应的冗余解析项目之间的元素关联关系。在第一方面的一种可能的实现方式中,所述根据所述互动知识点的冗余内容特征向量和对应的冗余参数对所述互动知识点的匹配内容数据进行更新的步骤,包括:根据所述互动知识点的冗余内容特征向量从所述互动知识点的匹配内容数据本文档来自技高网...

【技术保护点】
1.一种基于人工智能和大数据的数据解析方法,其特征在于,应用于与智能互动终端通信连接的区块链服务平台,所述方法包括:/n获取所述智能互动终端发送的待互动信息,并根据所述待互动信息向所述智能互动终端发送互动内容,以使得所述智能互动终端基于所述互动内容返回对应的冗余修正数据,以获得由多个冗余修正数据构成的冗余修正大数据,其中,所述冗余修正数据用于指示所述互动内容中存在的与所述待互动信息对应的原始问题的冗余数据区域;/n根据所述冗余修正大数据获取至少一个冗余服务源对象,每个所述冗余服务源对象中各对象特征向量属于同一冗余标签,并且,每个所述对象特征向量包含所属冗余标签下的编码向量表示;/n基于所属冗余标签下各编码向量表示和预设的人工智能模型,对所述互动内容所对应的互动知识点的匹配内容数据进行数据分析,得到所述互动知识点的冗余内容特征向量和对应的冗余参数;/n根据所述互动知识点的冗余内容特征向量和对应的冗余参数对所述互动知识点的匹配内容数据进行更新,并将更新后的所述互动知识点的匹配内容数据上传到对应的区块链中;/n所述获取所述智能互动终端发送的待互动信息,并根据所述待互动信息向所述智能互动终端发送互动内容的步骤,包括:/n获取所述智能互动终端发送的待互动信息,并根据所述待互动信息确定当前互动衔接位置内的未互动信息,确定所述未互动信息的互动语义向量与大数据互动信息的互动语义向量之间的第一关联关系,其中,所述大数据互动信息基于历史时间段内的互动信息列表确定;/n基于深度学习模型从所述大数据互动信息中提取满足所述未互动信息条件决策的决策互动语义节点,得到第一决策互动语义节点序列,并基于所述第一关联关系从所述第一决策互动语义节点序列中确定第一目标语义节点,根据所述第一目标语义节点对所述未互动信息的语义节点信息进行补充更新,得到目标语义综合特征信息;/n确定所述目标语义综合特征信息的互动语义向量与所述未互动信息的互动语义向量之间的第二关联关系;/n根据所述第二关联关系和所述未互动信息中语义节点的语义分量,对所述未互动信息进行特征标记处理,得到特征标记互动信息,并根据所述特征标记互动信息向所述智能互动终端发送互动内容后,将所述互动内容存储到对应的区块链中;/n所述待互动信息是指智能互动终端的用户在发起本次互动对话时所勾选或者所输入的互动内容;/n所述互动语义向量是以字符编码特征存在的编码向量;/n所述语义节点是指具体存在语义关联的单位,所述存在语义关联的单位包括服务对话中的一个语句分段,或者一个时刻。/n...

【技术特征摘要】
1.一种基于人工智能和大数据的数据解析方法,其特征在于,应用于与智能互动终端通信连接的区块链服务平台,所述方法包括:
获取所述智能互动终端发送的待互动信息,并根据所述待互动信息向所述智能互动终端发送互动内容,以使得所述智能互动终端基于所述互动内容返回对应的冗余修正数据,以获得由多个冗余修正数据构成的冗余修正大数据,其中,所述冗余修正数据用于指示所述互动内容中存在的与所述待互动信息对应的原始问题的冗余数据区域;
根据所述冗余修正大数据获取至少一个冗余服务源对象,每个所述冗余服务源对象中各对象特征向量属于同一冗余标签,并且,每个所述对象特征向量包含所属冗余标签下的编码向量表示;
基于所属冗余标签下各编码向量表示和预设的人工智能模型,对所述互动内容所对应的互动知识点的匹配内容数据进行数据分析,得到所述互动知识点的冗余内容特征向量和对应的冗余参数;
根据所述互动知识点的冗余内容特征向量和对应的冗余参数对所述互动知识点的匹配内容数据进行更新,并将更新后的所述互动知识点的匹配内容数据上传到对应的区块链中;
所述获取所述智能互动终端发送的待互动信息,并根据所述待互动信息向所述智能互动终端发送互动内容的步骤,包括:
获取所述智能互动终端发送的待互动信息,并根据所述待互动信息确定当前互动衔接位置内的未互动信息,确定所述未互动信息的互动语义向量与大数据互动信息的互动语义向量之间的第一关联关系,其中,所述大数据互动信息基于历史时间段内的互动信息列表确定;
基于深度学习模型从所述大数据互动信息中提取满足所述未互动信息条件决策的决策互动语义节点,得到第一决策互动语义节点序列,并基于所述第一关联关系从所述第一决策互动语义节点序列中确定第一目标语义节点,根据所述第一目标语义节点对所述未互动信息的语义节点信息进行补充更新,得到目标语义综合特征信息;
确定所述目标语义综合特征信息的互动语义向量与所述未互动信息的互动语义向量之间的第二关联关系;
根据所述第二关联关系和所述未互动信息中语义节点的语义分量,对所述未互动信息进行特征标记处理,得到特征标记互动信息,并根据所述特征标记互动信息向所述智能互动终端发送互动内容后,将所述互动内容存储到对应的区块链中;
所述待互动信息是指智能互动终端的用户在发起本次互动对话时所勾选或者所输入的互动内容;
所述互动语义向量是以字符编码特征存在的编码向量;
所述语义节点是指具体存在语义关联的单位,所述存在语义关联的单位包括服务对话中的一个语句分段,或者一个时刻。


2.根据权利要求1所述的基于人工智能和大数据的数据解析方法,其特征在于,所述根据所述冗余修正大数据获取至少一个冗余服务源对象的步骤,包括:
根据所述冗余修正大数据构建对应不同冗余标签的编码向量数据库,所述编码向量数据库包括预设数量的编码向量表示;
获取包含所述编码向量数据库中任一编码向量表示的对象特征向量,并根据各所述对象特征向量的标签识别信息,将获取的所述对象特征向量进行划分,得到至少一个冗余服务源对象。


3.根据权利要求1所述的基于人工智能和大数据的数据解析方法,其特征在于,所述基于所属冗余标签下各编码向量表示和预设的人工智能模型,对所述互动内容所对应的互动知识点的匹配内容数据进行数据分析,得到所述互动知识点的冗余内容特征向量和对应的冗余参数的步骤,包括:
对每个冗余服务源对象,遍历所述冗余服务源对象中的对象特征向量,从所述对象特征向量中提取包含该冗余服务源对象所属冗余标签下各编码向量表示的编码向量分段,根据提取的编码向量分段从所述互动内容所对应的互动知识点的匹配内容数据中确定与所述冗余服务源对象对应的冗余反馈信息;
根据预设的人工智能模型,在所述冗余反馈信息中提取出满足预设冗余参数要求的各冗余反馈节点的冗余内容特征向量,获得所述互动知识点的冗余内容特征向量和对应的冗余参数。


4.根据权利要求3所述的基于人工智能和大数据的数据解析方法,其特征在于,所述根据预设的人工智能模型,在所述冗余反馈信息中提取出满足预设冗余参数要求的各冗余反馈节点的冗余内容特征向量,获得所述互动知识点的冗余内容特征向量和对应的冗余参数的步骤,包括:
根据预设的人工智能模型,从所述冗余反馈信息中识别出冗余解析项目的元对象解析数据,所述元对象解析数据包括至少两种源元素对应的解析数据;
基于每种解释型源元素所对应的冗余解析项目和正文源元素对应的冗余解析项目之间的元素关联关系,分别构建每种解释型源元素与正文源元素之间的编排关系模型,其中,每种解释型源元素对应的编排关系模型用于表征每种解释型源元素与所述正文源元素之间的关联关系,编排关系模型中的元素用于表征每种解释型源元素对应的冗余解析项目和正文源元素对应的冗余解析项目之间的元素关联关系,其中,所述正文源元素为指定的所述至少两种源元素中的一种源元素,所述解释型源元素为所述至少两种源元素中除所述正文源元素之外的源元素;
基于所述正文源元素的数据,通过第一决策树模型,得到第一冗余决策结果,所述第一冗余决策结果中包括所述正文源元素对应的冗余计算前的冗余表示;
基于每种解释型源元素的数据,以及每种解释型源元素与所述正文源元素的关联关系,通过第二决策树模型,得到第二冗余决策结果;
基于所述第一冗余决策结果和所述第二冗余决策结果,得到最终冗余决策结果;
从所述最终冗余决策结果的每个冗余决策分类标签下的数据中提取获得所述互动知识点的冗余内容特征向量和对应的冗余参数,所述冗余参数为所述冗余决策分类标签对应的冗余参数。


5.根据权利要求4所述的基于人工智能和大数据的数据解析方法,其特征在于,所述基于每种解释型源元素的数据,以及每种解释型源元素与所述正文源元素的关联关系,通过第二决策树模型,得到第二冗余决策结果的步骤,包括:
基于每种解释型源元素的数据,以及每种解释型源元素与所述正文源元素的关联关系,通过所述第二决策树模型,得到每种解释型源元素对应的子冗余决策结果;
基于每种解释型源元素对应的所述子冗余决策结果,以及每种解释型源元素对应的权重,得到所述第二冗余决策结果。


6.根据权利要求5所述的基于人工智能和大数据的数据解析方法,其特征在于,所述基于所述正文源元素的数据,通过第一决策树模型,得到第一冗余决策结果的步骤,包括:
基于所述正文源元素的数据,计算所述正文源元素对应的冗余参与度,其中,所述正文源元素对应的冗余参与度与所述正文源元素的数据中被所述人工智能模型预先标记内容数量相关;
基于所述正文源元素对应的冗余参与度,通过所述第一决策树模型,得到所述第一冗余决策结果;
所述基于每种解释型源元素的数据,以及每种解释型源元素与所述正文源元素的关联关系,通过所述第二决策树模型,得到每种解释型源元素对应的子冗余决策结果,包括:
基于每种解释型源元素的数据,计算每种解释型源元素对应的冗余参与度,其中,所述解释型源元素对应的冗余参与度与所述解释型源元素的数据中被所述人工智能模型预先标记内容数量相关;
基于每种解释型源元素对应的冗余参与度和每种解释型源元素对应的编排关系模型,通过所述第二决策树模型,得到每种解释型源元素对应的子冗余决策结果;
其中,每种解释型源元素对应的编排关系模型用于表征每种解释型源元素与所述正文源元素之间的关联关系,每种解释型源元素对应的编排关系模型是基于每种解释型源元素所对应的冗余解析项目和正文源元素对应的冗余解析项目之间的元素关联关系构建的模型,编排关系模型...

【专利技术属性】
技术研发人员:薛杨杨
申请(专利权)人:薛杨杨
类型:发明
国别省市:湖北;42

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1