基于深度学习大数据的信息处理方法、系统及区块链平台技术方案

本申请实施例提供一种基于深度学习大数据的信息处理方法、系统及区块链平台，根据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，将大数据互动信息和未互动信息进行综合考虑，然后根据获得目标语义综合特征信息的互动语义向量与未互动信息的互动语义向量之间的第二关联关系及未互动信息中语义节点的语义分量，对未互动信息进行特征标记处理，通过对用户互动信息的深度学习，实现对相类似的互动信息进行互动信息的特征标记，从而提高互动信息中语义节点信息的语义关联性；另外，结合互动信息中语义节点特征之间的关联性，提升了互动信息特征标记信息的准确性，进而提高后续互动内容的匹配度。度。度。

【技术实现步骤摘要】
基于深度学习大数据的信息处理方法、系统及区块链平台


[0001]本申请涉及移动通信
，具体而言，涉及一种基于深度学习大数据的信息处理方法、系统及区块链平台。

技术介绍

[0002]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。
[0003]然而，传统方案中，服务平台与用户之间的互动信息中语义节点信息的语义关联性不高，导致后续互动内容的匹配度与用户实际发起的待互动信息存在不完全吻合的情况，进而影响服务平台的信息推送准确性。

技术实现思路

[0004]有鉴于此，本申请的目的在于提供一种基于深度学习大数据的信息处理方法、系统及区块链平台，通过对用户互动信息的深度学习，实现对相类似的互动信息进行互动信息的特征标记，从而提高互动信息中语义节点信息的语义关联性；另外，结合互动信息中语义节点特征之间的关联性，并利用此关联性提升对有用信息的关注、降低对无用信息的关注，提升了互动信息特征标记信息的准确性，进而提高后续互动内容的匹配度。
[0005]根据本申请的第一方面，提供一种基于深度学习大数据的信息处理方法，应用于与智能互动终端通信连接的区块链平台，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。
[0006]在第一方面的一种可能的实现方式中，所述未互动信息的互动语义向量包括未互动信息中每一已知语义节点的语义标签、及在未互动信息中的语义顺序；所述大数据互动信息的互动语义向量包括大数据互动信息中每一语义节点的语义标签、及在大数据互动信息中的语义顺序；
所述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的步骤，包括：分别构建所述未互动信息和大数据互动信息中每一语义节点的语义特征向量，得到多个第一嵌入式表示和多个第二嵌入式表示；确定每一第一嵌入式表示与每一第二嵌入式表示之间的第一关联度，得到所述第一关联关系；所述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，包括：基于所述第一关联度，确定所述未互动信息中每一语义节点关于所述大数据互动信息中每一语义节点的第一语义收敛度，其中，第一语义收敛度用于反映所述未互动信息中每一语义节点对所述大数据互动信息中每一语义节点的语义倾向程度；按照第一语义收敛度由高到低的顺序从所述第一决策互动语义节点序列中确定相应的决策互动语义节点，作为第一目标语义节点；根据所述第一目标语义节点在所述大数据互动信息中的语义顺序、及第一目标点对应的语义标签，在所述未互动信息中的相应位置生成对应语义节点。
[0007]在第一方面的一种可能的实现方式中，所述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语义节点特征标记处理，得到特征标记互动信息的步骤，包括：根据所述第二关联关系和所述目标语义综合特征信息中语义节点的语义顺序，从所述目标语义综合特征信息中确定决策互动语义节点，得到第二决策互动语义节点序列；基于所述未互动信息中的已知语义节点和所述语义分量，从所述第二决策互动语义节点序列中确定第二目标语义节点；基于所述语义分量和第二目标语义节点对应的语义标签，在所述未互动信息中的相应位置生成对应语义节点，以对所述未互动信息进行语义节点特征标记处理，得到特征标记互动信息；所述未互动信息的互动语义向量包括未互动信息中每一已知语义节点的语义标签、及在未互动信息中的语义顺序，所述目标语义综合特征信息的互动语义向量包括目标语义综合特征信息中每一语义节点的语义标签、及在目标语义综合特征信息中的语义顺序；所述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的步骤，包括：分别构建所述未互动信息和目标语义综合特征信息中每一语义节点的语义特征向量，得到多个第三嵌入式表示和多个第四嵌入式表示，并确定每一第三嵌入式表示与每一第四嵌入式表示之间的第二关联度，得到所述第二关联关系；根据所述第二关联关系和所述目标语义综合特征信息中语义节点的语义顺序，从所述目标语义综合特征信息中确定决策互动语义节点，得到第二决策互动语义节点序列的步骤，包括：基于所述第二关联度，确定所述未互动信息中每一语义节点关于所述目标语义综
合特征信息中每一语义节点的第二语义收敛度，其中，第二语义收敛度用于反映所述未互动信息中每一语义节点对所述目标语义综合特征信息中每一语义节点的语义倾向程度；根据所述第二语义收敛度和所述目标语义综合特征信息中语义节点的语义顺序，从所述目标语义综合特征信息中确定决策互动语义节点，得到第二决策互动语义节点序列。
[0008]在第一方面的一种可能的实现方式中，所述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的步骤，包括：获取当前互动衔接位置内的已知语义节点，至少基于当前互动衔接位置内的已知语义节点确定初始互动信息，并构建所述初始互动信息中已知语义节点的语义特征向量；根据所述待互动信息中待互动语义节点的语义特征向量和所述已知语义节点的语义特征向量，确定所述待互动语义节点与对应的所述已知语义节点二者之间的关联度；基于所述待互动语义节点与对应的所述已知语义节点二者之间的关联度，确定所述初始互动信息内每一已知语义节点关于所述待互动语义节点的第三语义收敛度，其中，第三语义收敛度用于反映所述初始互动信息中每一语义节点对其互动信息内所述待互动语义节点的语义倾向程度；根据所述第三语义收敛度对所述初始互动信息中的已知语义节点的语义特征向量进行补充更新，得到未互动信息；基于历史时间段内的互动信息列表确定大数据互动信息的方式，包括：采集历史时间段内的互动信息列表；按照指定互动衔接位置和所述互动信息列表，构建多条历史互动信息；将所述多条历史互动信息按时间对齐，从对齐后的多条历史互动信息中确定出同一时间片下展示次数最高的语义节点，并根据同一时间片下展示次数最高的语义节点构建得到目标历史互动信息；构建所述目标历史互动信息中每一语义节点的语义特征向量；根据每一语义节点的语义特征向量，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习大数据的信息处理方法，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所述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；其中，所述方法还包括：获取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；根据所述冗余修正大数据获取至少一个冗余服务源对象；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；本实施例中，冗余修正数据用于指示互动内容中存在的与待互动信息对应的原始问题的冗余数据区域，具体由该智能互动终端的用户针对互动内容进行标记后上传；本实施例中，每个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，每个对象特征向量包含所属冗余标签下的编码向量表示。2.根据权利要求1所述的基于深度学习大数据的信息处理方法，其特征在于，所述未互动信息的互动语义向量包括未互动信息中每一已知语义节点的语义标签、及在未互动信息中的语义顺序；所述大数据互动信息的互动语义向量包括大数据互动信息中每一语义节点的语义标签、及在大数据互动信息中的语义顺序；所述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的步骤，包括：分别构建所述未互动信息和大数据互动信息中每一语义节点的语义特征向量，得到多个第一嵌入式表示和多个第二嵌入式表示；
确定每一第一嵌入式表示与每一第二嵌入式表示之间的第一关联度，得到所述第一关联关系；所述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，包括：基于所述第一关联度，确定所述未互动信息中每一语义节点关于所述大数据互动信息中每一语义节点的第一语义收敛度，其中，第一语义收敛度用于反映所述未互动信息中每一语义节点对所述大数据互动信息中每一语义节点的语义倾向程度；按照第一语义收敛度由高到低的顺序从所述第一决策互动语义节点序列中确定相应的决策互动语义节点，作为第一目标语义节点；根据所述第一目标语义节点在所述大数据互动信息中的语义顺序、及第一目标点对应的语义标签，在所述未互动信息中的相应位置生成对应语义节点。3.根据权利要求1所述的基于深度学习大数据的信息处理方法，其特征在于，所述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语义节点特征标记处理，得到特征标记互动信息的步骤，包括：根据所述第二关联关系和所述目标语义综合特征信息中语义节点的语义顺序，从所述目标语义综合特征信息中确定决策互动语义节点，得到第二决策互动语义节点序列；基于所述未互动信息中的已知语义节点和所述语义分量，从所述第二决策互动语义节点序列中确定第二目标语义节点；基于所述语义分量和第二目标语义节点对应的语义标签，在所述未互动信息中的相应位置生成对应语义节点，以对所述未互动信息进行语义节点特征标记处理，得到特征标记互动信息；所述未互动信息的互动语义向量包括未互动信息中每一已知语义节点的语义标签、及在未互动信息中的语义顺序，所述目标语义综合特征信息的互动语义向量包括目标语义综合特征信息中每一语义节点的语义标签、及在目标语义综合特征信息中的语义顺序；所述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的步骤，包括：分别构建所述未互动信息和目标语义综合特征信息中每一语义节点的语义特征向量，得到多个第三嵌入式表示和多个第四嵌入式表示，并确定每一第三嵌入式表示与每一第四嵌入式表示之间的第二关联度，得到所述第二关联关系；根据所述第二关联关系和所述目标语义综合特征信息中语义节点的语义顺序，从所述目标语义综合特征信息中确定决策互动语义节点，得到第二决策互动语义节点序列的步骤，包括：基于所述第二关联度，确定所述未互动信息中每一语义节点关于所述目标语义综合特征信息中每一语义节点的第二语义收敛度，其中，第二语义收敛度用于反映所述未互动信息中每一语义节点对所述目标语义综合特征信息中每一语义节点的语义倾向程度；根据所述第二语义收敛度和所述目标语义综合特征信息中语义节点的语义顺序，从所述目标语义综合特征信息中确定决策互动语义节点，得到第二决策互动语义节点序列。4.根据权利要求1所述的基于深度学习大数据的信息处理方法，其特征在于，所述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的步骤，包括：
获取当前互动衔接位置内的已知语义节点，至少基于当前互动衔接位置内的已知语义节点确定初始互动信息，并构建所述初始互动信息中已知语义节点的语义特征向量；根据所述待互动信息中待互动语义节点的语义特征向量和所述已知语义节点的语义特征向量，确定所述待互动语义节点与对应的所述已知语义节点二者之间的关联度；基于所述待互动语义节点与对应的所述已知语义节点二者之间的关联度，确定所述初始互动信息内每一已知语义节点关于所述待互动语义节点的第三语义收敛度，其中，第三语义收敛度用于反映所述初始互动信息中每一语义节点对其互动信息内所述待互动语义节点的语义倾向程度；根据所述第三语义收敛度对所述初始互动信息中的已知语义节点的语义特征向量进行补充更新，得到未互动信息；基于历史时间段内的互动信息列表确定大数据互动信息的方式，包括：采集历史时间段内的互动信息列表；按照指定互动衔接位置和所述互动信息列表，构建多条历史互动信息；将所述多条历史互动信息按时间对齐，从对齐后的多条历史互动信息中确定出同一时间片下展示次数最高的语义节点，并根据同一时间片下展示次数最高的语义节点构建得到目标历史互动信息；构建所述目标历史互动信息中每一语义节点的语义特征向量；根据每一语义节点的语义特征向量，确定所述目标历史互动信息中两两语义节点之间的关联度；基于两两语义节点之间的关联度，确定所述目标历史互动信息中每一语义节点关于其他语义节点的第四语义收敛度，其中，第四语义收敛度用于反映所述目标历史互动信息中每一语义节点对其互动信息内其他语义节点的语义倾向程度；根据所述第四语义收敛度对所述目标历史互动信息中的语义节点的语义特征向量进行补充更新，得到大数据互动信息。5.根据权利要求1
‑
4中任意一项所述的基于深度学习大数据的信息处理方法，其特征在于，所述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的步骤，包括：基于所述深度学习模型从所述未互动信息中识别出于当前业务场景匹配的多个条件决策互动段；将所述多个条件决策互动段中每一个条件决策互动段作为当前条件决策互动段，执行以下步骤，直到遍历所述多个条件决策互动段：在所述当前条件决策互动段检测到所述大数据互动信息所包含的互动业务的业务决策分段的情况下，获取所述业务决策分段的分段特征向量；按照预设转换表中的特征向量数值与业务参数的转换关系，将所述业务决策分段转换为第一业务参数，并将所述第一业务参数确定为所述大数据互动信息与所述当前条件决策互动段的目标业务参数，其中，每个所述目标业务参数为所述大数据互动信息到所述条件决策互动段的业务参数；将所述未互动信息对应的互动数据单元划分为多个互动数据子单元，并将每一个所述互动数据子单元确定为当前互动数据子单元，执行以下步骤，直到遍历每一个所述互动数
据子单元：将每一个所述条件决策互动段确定为当前条件决策互动段，执行以下步骤，直到遍历所述条件决策互动段：在所述当前互动数据子单元与所述当前条件决策互动段的业务参数为与所述当前条件决策互动段对应的目标业务参数的情况下，确定所述当前互动数据子单元与所述当前条件决策互动段的匹配度为第一数值；在所述当前互动数据子单元与所述当前条件决策互动段的业务参数大于或者小于所述当前条件决策互动段对应的目标业务参数的情况下，确定所述匹配度为零，其中，所述匹配度根据所述当前互动数据子单元的位置与所述条件决策互动段的位置和一组目标业务参数确定；根据所述当前互动数据子单元的所有所述匹配度的乘积确定出所述大数据互动信息匹配所述当前互动数据子单元的目标匹配度；获取所述目标匹配度中的最大匹配度对应的所述互动数据子单元的业务定位，并将所述业务定位确定为所述大数据互动信息在第一决策互动节点的目标业务定位；在确定出多个决策互动节点所述大数据互动信息分别所在的目标业务定位的情况下，利用多个所述目标业务定位的位置信息生成所述大数据互动信息在所述互动数据单元内的互动偏移更新信息，其中，所述多个决策互动节点包括所述第一决策互动节点及所述第一决策互动节点之后的决策互动节点，在获取到目标时间段内在所述互动数据单元中生成的多个互动偏移更新信息的情况下，将每一个所述互动偏移更新信息确定为一个互动偏移更新信息团；执行以下步骤，直到每两个所述互动偏移更新信息团的关联度大于或等于预定阈值：将两个所述互动偏移更新信息团中的一个互动偏移更新信息团确定为当前互动偏移更新信息团，另一个互动偏移更新信息团确定为目标互动偏移更新信息团，将所述当前互动偏移更新信息团中的每一个所述互动偏移更新信息确定为当前互动偏移更新信息，执行以下步骤，直到遍历所述当前互动偏移更新信息团：确定所述当前互动偏移更新信息与所述目标互动偏移更新信息团中每一个所述互动偏移更新信息的第一关联度；在完成上述遍历后，将多个所述第一关联度的平均值确定为所述关联度；将所述关联度最小的两个所述互动偏移更新信息团合并为一个新的互动信息团；在执行完上述步骤后，得到多个第一互动偏移更新信息团，并将每一个所述第一互动偏移更新信息团确定为一类所述互动偏移更新信息；在获取到一类所述互动偏移更新信息后，将一类所述互动偏移更新信息中的一条所述互动偏移更新信息确定为当前互动偏移更新信息，另一条所述互动偏移更新...

【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：