基于大数据云计算的信息交互系统及其交互方法技术方案

本发明专利技术涉及大数据与计算技术领域，具体为基于大数据云计算的信息交互系统及其交互方法，方法是提前建立有目标标签结构数学模型；提前建立可交互结合数据的存储库；获取请求结合包，通过请求结合包获取交互内容数据,基于所述请求结合包的交互内容数据通过目标标签结构数学模型提取目标标签结构线性本征向量；获取可交互结合数据的交互内容数据；对于每个所述可交互结合数据的交互内容数据提取对应的线性本征向量；将所述目标标签结构线性本征向量与每个所述可交互结合数据的线性本征向量计算请求结合包与每个所述可交互结合数据的可交互系数；根据可交互系数数值进行交互分配，信息交互精准高。信息交互精准高。

【技术实现步骤摘要】
基于大数据云计算的信息交互系统及其交互方法


[0001]本专利技术涉及大数据与计算
，具体为基于大数据云计算的信息交互系统及其交互方法。

技术介绍

[0002]相关的现有技术中公开了基于大数据云计算的信息交互系统，其包括：嵌入式系统、语音输入模块、语音输出模块和显示模块，其中:嵌入式系统分别与语音输入模块、语音输出模块和显示模块连接；语音输入模块用于采集人的语音信号，语音输出模块用于播放语音信息，显示模块用于向使用者显示文字信息，从而全面实现人机交互，所述嵌入式系统通过网络与百度云平台连接，嵌入式系统还通过网络与图灵机器人平台连接，信息交互的方法包括按顺序进行的下列步骤：步骤一：嵌入式系统通过语音输入模块采集人的语音信号，并对采集的语音信号进行编码，然后传输到百度云平台上百度语音识别的ip地址中，供其语音识别；步骤二：百度云平台将上述语音信息转化为文字信息后，再传给嵌入式系统；步骤三：嵌入式系统再将该文字信息传至图灵机器人平台，由图灵机器人平台进行处理，得到该文字信息的反馈信息，并将该反馈信息传给嵌入式系统；步骤四：嵌入式系统将该反馈信息传送至显示模块进行显示；步骤五：嵌入式系统将该反馈信息传至百度云平台，通过百度云平台将这些文字信息转换为语音信息包，再回传给嵌入式系统；步骤六：由嵌入式系统通过语音输出模块播报该语音信息包，该技术中通过云端对语音数据进行处理和相应交互，但是现有技术中没有公开基于语音服务中的具体信息交互技术，所以实际上上述的现有技术记载并不充分，并且相关的现有技术中也没有比较精准的交互技术。r/>
技术实现思路

[0003]本专利技术的目的在于提供基于大数据云计算的信息交互系统及其交互方法，以解决上述
技术介绍
中提出的问题。
[0004]为了解决上述技术问题，本专利技术提供如下技术方案：基于大数据云计算的信息交互方法，包括步骤有，提前建立有目标标签结构数学模型；目标标签结构数学模型采用CNN基本模型；提前建立可交互结合数据的存储库；
[0005]获取请求结合包，通过请求结合包获取交互内容数据,所述的交互内容数据均转换为矩阵格式的；
[0006]基于所述请求结合包的交互内容数据通过目标标签结构数学模型提取目标标签结构线性本征向量；
[0007]获取可交互结合数据的交互内容数据；
[0008]对于每个所述可交互结合数据的交互内容数据提取对应的线性本征向量，按照数据包的内容通过拆分重组的方式扩充每个所述可交互结合数据的线性本征向量；
[0009]将所述目标标签结构线性本征向量与每个所述可交互结合数据的线性本征向量计算请求结合包与每个所述可交互结合数据的可交互系数；
[0010]根据可交互系数数值进行交互分配。
[0011]进一步，所述目标标签结构数学模型基于自学习算法学习得到，所述自学习算法包括首次差别校验运算和二次差别校验运算，所述首次差别校验运算计算目标标签结构数学模型输出目标标签结构线性本征向量与先验分布的线性本征向量间的差值，所述二次差别校验运算计算目标标签结构数学模型输出目标标签结构线性本征向量再次形成的交互内容数据与用于学习的交互内容数据之间的差值。
[0012]进一步，所述目标标签结构线性本征向量与每个可交互结合数据的线性本征向量计算请求结合包和每个可交互结合数据的可交互系数包括：
[0013]计算请求结合包和每个可交互结合数据的相应的线性本征向量的余弦相似度，并且计算相应的余弦相似度形成的参数矩阵；通过参数矩阵计算高斯函数下可交互系数，
[0014]具体的，计算，
[0015]再计算
[0016]其中，t表示参数矩阵的t行，x表示参数矩阵的x列，U
tx
表示参数矩阵的t行、x列的元素值，i表示第i个高斯函数，μ
y
和σ
i
是第i个高斯函数的参数，Y
i
(U
t
)表示中间值，Y
i
(U)为可交互系数。
[0017]进一步，所述的请求结合包具体为信息交互中请求获取结合对象的数据包，包括语音交互中的问题数据包，所述的可交互结合数据的存储库中，可交互结合数据具体为信息交互中被请求结合的数据包对象，包括语音交互中的问题数据包对应的答案数据包。
[0018]进一步，所述的有目标标签结构数学模型，其中的有目标标签具体为数据包携带数据内容中提取的目标标签。
[0019]进一步，所述的根据可交互系数数值进行交互分配，具体的将对应的可交互系数数值大的可交互结合数据优先分配给请求结合包，进而实现了请求结合包与最精准的可交互结合数据的对接交互。
[0020]基于大数据云计算的信息交互系统，
[0021]包括目标标签结构数学模型和可交互结合数据的存储库，还包括请求结合包分析模块，线性本征向量计算模块和可交互系数数值计算模块，所述的请求结合包分析模块，用于获取请求结合包，通过请求结合包获取交互内容数据,将所述的交互内容数据均转换为矩阵格式的；所述的线性本征向量计算模块，用于基于所述请求结合包的交互内容数据通过目标标签结构数学模型提取目标标签结构线性本征向量；对于每个所述可交互结合数据的交互内容数据提取对应的线性本征向量，按照数据包的内容通过拆分重组的方式扩充每个所述可交互结合数据的线性本征向量；所述的可交互系数数值计算模块，用于获取可交互结合数据的交互内容数据；将所述目标标签结构线性本征向量与每个所述可交互结合数据的线性本征向量计算请求结合包与每个所述可交互结合数据的可交互系数；根据可交互系数数值进行交互分配。
[0022]与现有技术相比，本专利技术的有益效果：
[0023]本申请通过将目标标签结构线性本征向量与每个所述可交互结合数据的线性本征向量计算请求结合包与每个所述可交互结合数据的可交互系数，根据可交互系数进行交互分配，信息交互精准高。
具体实施方式
[0024]下面将结合本专利技术实施例，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0025]本申请公开了基于大数据云计算的信息交互方法，其包括步骤有，提前建立有目标标签结构数学模型；目标标签结构数学模型采用CNN基本模型；提前建立可交互结合数据的存储库；
[0026]获取请求结合包，通过请求结合包获取交互内容数据,所述的交互内容数据均转换为矩阵格式的；
[0027]基于所述请求结合包的交互内容数据通过目标标签结构数学模型提取目标标签结构线性本征向量；
[0028]获取可交互结合数据的交互内容数据；
[0029]对于每个所述可交互结合数据的交互内容数据提取对应的线性本征向量，按照数据包的内容通过拆分重组的方式扩充每个所述可交互结合数据的线性本征向量；
[0030]将所述目标标签结构线性本征向量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于大数据云计算的信息交互方法，其特征在于，包括步骤有，提前建立有目标标签结构数学模型；目标标签结构数学模型采用CNN基本模型；提前建立可交互结合数据的存储库；获取请求结合包，通过请求结合包获取交互内容数据,所述的交互内容数据均转换为矩阵格式的；基于所述请求结合包的交互内容数据通过目标标签结构数学模型提取目标标签结构线性本征向量；获取可交互结合数据的交互内容数据；对于每个所述可交互结合数据的交互内容数据提取对应的线性本征向量，按照数据包的内容通过拆分重组的方式扩充每个所述可交互结合数据的线性本征向量；将所述目标标签结构线性本征向量与每个所述可交互结合数据的线性本征向量计算请求结合包与每个所述可交互结合数据的可交互系数；根据可交互系数数值进行交互分配。2.根据权利要求1所述的基于大数据云计算的信息交互方法，其特征在于，所述目标标签结构数学模型基于自学习算法学习得到，所述自学习算法包括首次差别校验运算和二次差别校验运算，所述首次差别校验运算计算目标标签结构数学模型输出目标标签结构线性本征向量与先验分布的线性本征向量间的差值，所述二次差别校验运算计算目标标签结构数学模型输出目标标签结构线性本征向量再次形成的交互内容数据与用于学习的交互内容数据之间的差值。3.根据权利要求1所述的基于大数据云计算的信息交互方法，其特征在于，所述目标标签结构线性本征向量与每个可交互结合数据的线性本征向量计算请求结合包和每个可交互结合数据的可交互系数包括：计算请求结合包和每个可交互结合数据的相应的线性本征向量的余弦相似度，并且计算相应的余弦相似度形成的参数矩阵；通过参数矩阵计算高斯函数下可交互系数，具体的，计算，再计算其中，t表示参数矩阵的t行，x表示参数矩阵的x列，U
tx
表示参数矩阵的t行、x列的元素值，i表示第i个高斯函数，μ
y
和σ
i
...

【专利技术属性】
技术研发人员：田霞，
申请(专利权)人：诸暨益通网络科技有限公司，
类型：发明
国别省市：