【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及一种基于人工智能的跨平台数据交互共享方法及系统。
技术介绍
1、人工智能（ai）数据处理系统
专注于使用ai技术处理和分析数据。这个领域利用机器学习、深度学习、自然语言处理等ai技术，自动化地执行复杂的数据分析任务。这些系统能处理结构化数据（如表格数据）和非结构化数据（如文本、图片和声音），并在此基础上进行模式识别、预测分析和决策支持。ai数据处理系统的核心在于能从大量数据中提取有价值的信息，并根据这些信息做出智能决策或预测。目前，基于人工智能的数据交互共享平台。这个平台可以集成各种数据源，包括数据库、api、文件系统等，并通过人工智能技术实现数据的自动抽取、清洗、转换和加载。通过api或sdk等方式，将平台的数据交互共享能力开放给第三方应用。这样，第三方应用可以方便地接入平台，实现数据的共享和交互。
2、然而，目前人工智能的数据交互共享平台存在如下缺陷：
3、由于较多的共享数据上传到共享平台，无法对共享数据进行异常识别和类型识别，进而无法向用户推荐同类型的共享平台。另外，目前共享平台无法根据共享数据的热度值向其他共享平台分享共享数据，并且，也无法根据两个共享平台之间的关联性为两个共享平台之间分配合理的通信资源。
技术实现思路
1、本申请的目的在于提供一种基于人工智能的跨平台数据交互共享方法及系统，对共享数据进行异常识别和类型识别，根据共享数据的热度值向其他共享平台分享共享数据，并且，根据两个共享平台之间的关联性为两个共享平
2、为达到上述目的，本申请提供一种基于人工智能的跨平台数据交互共享方法，该方法包括如下步骤：响应于用户向共享平台上传共享数据的请求，使用预先训练的第一神经网络识别模型，对共享数据进行异常识别；若异常识别结果为正常，则使用预先训练的第二神经网络识别模型，对共享数据进行类型的识别，获得共享数据的类型，若异常识别结果为异常，则禁止用户向共享平台上传共享数据；根据共享数据的类型，将共享数据上传到对应于该类型共享数据的用户请求上传的共享平台；在采样周期内，采集共享平台上传的共享数据的热度特征数据，根据热度特征数据，计算上传的共享数据的热度值；比较当前共享数据的热度值和其他共享平台设置的当前类型共享数据的共享阈值的大小，若当前共享数据的热度值大于其他共享平台设置的当前类型共享数据的共享阈值，则将当前共享数据共享给其他共享平台，否则，禁止将当前共享数据共享给其他共享平台；采集跨平台获取共享数据的历史关联行为特征数据，根据历史关联行为特征数据，计算两个共享平台之间的耦合需求值；根据两个共享平台之间的耦合需求值，优化两个共享平台之间的共享数据传输通道。
3、如上所述的基于人工智能的跨平台数据交互共享方法，其中，预先训练第一神经网络识别模型的方法包括如下步骤：获取异常数据训练数据集；根据异常数据训练数据集，对神经网络基础学习模型进行训练学习，获取第一神经网络识别模型。
4、如上所述的基于人工智能的跨平台数据交互共享方法，其中，预先训练第二神经网络识别模型的方法包括如下步骤：获取各类型数据训练数据集；根据各类型数据训练数据集，对神经网络基础学习模型进行训练学习，获取第二神经网络识别模型。
5、如上所述的基于人工智能的跨平台数据交互共享方法，其中，共享数据的热度特征数据包括：访问量、下载量、点赞数、评论数和分享次数。
6、如上所述的基于人工智能的跨平台数据交互共享方法，其中，共享数据的热度值的计算公式为：
7、；
8、其中，表示共享数据的热度值；表示浏览该共享数据的用户数量的影响权重；表示采样时长；u表示采样时长内浏览该共享数据的用户数量；表示用户对该共享数据的平均浏览时长的影响权重；表示用户对该共享数据的平均浏览时长；表示共享数据的热度特征数据的总种类数量；表示共享数据的第种热度特征数据对热度值的影响权重；表示共享数据的第种热度特征数据的数值。
9、如上所述的基于人工智能的跨平台数据交互共享方法，其中，历史关联行为特征数据包括：在采样时间内，两个共享平台之间相互共享的数据总条数、用户同时登陆两个共享平台的发生概率和用户在一天内点击访问两个共享平台的平均时间差。
10、如上所述的基于人工智能的跨平台数据交互共享方法，其中，根据两个共享平台之间的耦合需求值，优化两个共享平台之间的共享数据传输通道包括：预先设定耦合需求值范围与共享数据通道的带宽对应表；基于预先设定耦合需求值范围与共享数据通道的带宽对应表和两个共享平台之间的耦合需求值，确定两个共享平台的共享数据通道的带宽；基于两个共享平台的共享数据通道的带宽，为两个共享平台之间分配通信资源。
11、如上所述的基于人工智能的跨平台数据交互共享方法，其中，不同的耦合需求值范围对应共享数据通道不同的带宽，耦合需求值范围的数值越大，对应的共享数据通道的带宽越大。
12、作为本申请的第二方面，本申请提供一种基于人工智能的跨平台数据交互共享系统，该系统包括：异常识别模块，用于响应于用户向共享平台上传共享数据的请求，使用预先训练的第一神经网络识别模型，对共享数据进行异常识别；类型识别模块，用于若异常识别结果为正常，则使用预先训练的第二神经网络识别模型，对共享数据进行类型的识别，获得共享数据的类型，若异常识别结果为异常，则禁止用户向共享平台上传共享数据；上传模块，用于根据共享数据的类型，将共享数据上传到对应于该类型共享数据的用户请求上传的共享平台；数据处理器，用于在采样周期内，采集共享平台上传的共享数据的热度特征数据，根据热度特征数据，计算上传的共享数据的热度值；数据比较器，用于比较当前共享数据的热度值和其他共享平台设置的当前类型共享数据的共享阈值的大小，若当前共享数据的热度值大于其他共享平台设置的当前类型共享数据的共享阈值，则将当前共享数据共享给其他共享平台，否则，禁止将当前共享数据共享给其他共享平台；数据处理器，还用于采集跨平台获取共享数据的历史关联行为特征数据，根据历史关联行为特征数据，计算两个共享平台之间的耦合需求值；优化模块，用于根据两个共享平台之间的耦合需求值，优化两个共享平台之间的共享数据传输通道。
13、如上所述的基于人工智能的跨平台数据交互共享系统，其中，所述优化模块包括：预置模块，用于预先设定耦合需求值范围与共享数据通道的带宽对应表；查找模块，用于基于预先设定耦合需求值范围与共享数据通道的带宽对应表和两个共享平台之间的耦合需求值，确定两个共享平台的共享数据通道的带宽；资源分配模块，用于基于两个共享平台的共享数据通道的带宽，为两个共享平台之间分配通信资源。
14、本申请实现的有益效果如下：
15、（1）本申请对共享数据进行异常识别和类型识别，对异常的共享数据禁止上传至共享平台，根据识别的共享数据的类型，向用户推荐同类型的共享平台，使得用户可以自由将共享数据共享到同类型的共享平台。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的跨平台数据交互共享方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的基于人工智能的跨平台数据交互共享方法，其特征在于，预先训练第一神经网络识别模型的方法包括如下步骤：
3.根据权利要求1所述的基于人工智能的跨平台数据交互共享方法，其特征在于，预先训练第二神经网络识别模型的方法包括如下步骤：
4.根据权利要求1所述的基于人工智能的跨平台数据交互共享方法，其特征在于，共享数据的热度特征数据包括：访问量、下载量、点赞数、评论数和分享次数。
5.根据权利要求4所述的基于人工智能的跨平台数据交互共享方法，其特征在于，共享数据的热度值的计算公式为：
6.根据权利要求1所述的基于人工智能的跨平台数据交互共享方法，其特征在于，历史关联行为特征数据包括：在采样时间内，两个共享平台之间相互共享的数据总条数、用户同时登陆两个共享平台的发生概率和用户在一天内点击访问两个共享平台的平均时间差。
7.根据权利要求1所述的基于人工智能的跨平台数据交互共享方法，其特征在于，根据两个共享平台之间的耦合需求值
8.根据权利要求7所述的基于人工智能的跨平台数据交互共享方法，其特征在于，不同的耦合需求值范围对应共享数据通道不同的带宽，耦合需求值范围的数值越大，对应的共享数据通道的带宽越大。
9.一种基于人工智能的跨平台数据交互共享系统，其特征在于，该系统包括：
10.根据权利要求9所述的基于人工智能的跨平台数据交互共享系统，其特征在于，所述优化模块包括：
...【技术特征摘要】
1.一种基于人工智能的跨平台数据交互共享方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的基于人工智能的跨平台数据交互共享方法，其特征在于，预先训练第一神经网络识别模型的方法包括如下步骤：
3.根据权利要求1所述的基于人工智能的跨平台数据交互共享方法，其特征在于，预先训练第二神经网络识别模型的方法包括如下步骤：
4.根据权利要求1所述的基于人工智能的跨平台数据交互共享方法，其特征在于，共享数据的热度特征数据包括：访问量、下载量、点赞数、评论数和分享次数。
5.根据权利要求4所述的基于人工智能的跨平台数据交互共享方法，其特征在于，共享数据的热度值的计算公式为：
6.根据权利要求1所述的基于人工智能的跨平台数据交互共享方法，其特征在于...
【专利技术属性】
技术研发人员：白金阁，
申请(专利权)人：天云融创数据科技北京有限公司，
类型：发明
国别省市：
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。