一种电子信息数据交互系统及方法与流程

1.本发明涉及通信技术领域，具体为一种电子信息数据交互系统及方法。


背景技术：

2.现实生活中接触的大部分信息数据都具有复杂网络性质，我们在研究和总结不同的复杂网络在结构上的相似性，可以将网络看成由节点通过一定的方式进行连接的一个系统，节点表示具体的一个信息单位，节点之间的连线为数据网之间的连接，而对于该节点的信息单位本身又是一个复杂数据子系统，这个子系统又是通过子节点连接而成，如此循环往复；每个节点代表的数据都存储在当前数据库中，数据库本身信息数据优化迭代比较快，当前数据进行交互时，需要对搜索渠道进行更新后，才能检索到数据库中最新数据信息，这也导致维护的工作量非常庞大且复杂；针对当前信息数据交互存在问题，结合现实针对个别问题进行分析，具体为：1、首先，在数据交互中不能对用户需求进行分析，用户一般输入的是多模态信息，通过对多模态信息进行相似关联，并不会对输入者的社交关系和自身性格进行分析，这样在处理过程中，无法获取用户所想要交互的隐藏信息，展示的交互信息未必是客户所需要的；2、其次，用户在交互话题时，如果不是想要的交互内容，会再次进行刷新，但刷新后的内容依然是根据多模态信息所提取出来的内容，缺乏灵活性，不能对上次交互数据进行记忆分析；3、最后，交互系统中现实的交互数据都是在数据库中提取，由于数据库本身内容繁杂，需要对数据库中的多源异构数据进行融合和分类，但是现有的数据融合方法缺少记忆功能，不能获取隐藏的信息，获得的数据不够精准。


技术实现要素：

3.本发明的目的在于提供一种电子信息数据交互系统及方法，以解决上述背景技术中提出的问题。
4.为实现上述目的，本发明提供如下技术方案：一种电子信息数据交互方法，所述方法包括：s1：获取多模态输入信息，根据信息输入者的社交关系和行为历史获取候选话题集和相似用户集；s2：根据候选话题集和相似用户集构建用户-话题二分图，并对其进行二分图建模；获得交互话题；s3：将所述交互话题通过传输信道传送至数据库，数据库根据交互话题搜索获取n个意图信号源；对意图信号源进行编号：，其中，an表示第n个意图信号源的序号，；每一个信号源对应的传输信道为sn；
s4：在s3中获得的n个意图信号源，对lstm长短期记忆递归神经网络算法进行建模和训练，从而得到意图信号源的匹配值以及重要程度进行评价预测，s5：根据s4中的评价预测值，根据预测值大小重新排序，从而将意图信号源反馈至输入者；查看用户接受意向；s6：如果用户认为查询结果并不是个人所需的结果，用户重新输入信息，重复操作步骤s1-s5，直至获取最终的用户意图，完成数据交互。
5.步骤s2中对二分图建模的方法为：二分图建模表示为g＝(v，s，e)，其中c表示数据交互系统中请求接入的用户集合，n表示用户相近的交互话题集合，共有m个用户和n个类似交互话题，e表示用户和交互话题之间可选链路的集合，也是二分图中的边e＝(v，s),e∈e，v∈v，s∈s，每条边都有权值l，边的权值l
m,n
即为匹配度。
6.步骤s3中数据库获取意图信号源的过程，包括：s31：数据库根据对应交互话题产生的网络拓扑图，从而确定意图信号源，其中，在网络拓扑图中确定出所述交互话题所对应的节点作为初始节点，并在网络拓扑图中确定出以所述交互话题所对应的初始节点的连线所对应的节点作为终端节点，从而根据终端节点来确定出意图信号源；s32：当确定出的终端节点为多个时，将各个终端节点对应的意图信号源作为候选意图，根据网络拓扑图中各个节点连线的权重来对这些候选意图进行排序。
7.所述lstm长短期记忆递归神经网络算法模型对意图信号源的处理还包括以下步骤，s41：对意图信号源进行归一化处理；s42：利用网络训练结果学习逼近；s43：计算权值并判断其是否满足偏差，若不满足则进一步修正权值直至满足；s44：当权值满足偏差时输出所述意图信号源所属的类别。
8.所述对意图信号源的处理还包括，将经过模型处理的各意图信号源的结果进行识别并输出类型，得到不同类型的对象结果。
9.对步骤s4中lstm长短期记忆递归神经网络算法，在每个时间步下，结合上一节点的输出值，通过门结构对当前状态的信息进行添加或删除，lstm长短期记忆递归神经网络基本单元具体包括：遗忘门：输入门：输出门：记忆单元结构：
其中：、、与、、为通过该lstm层的网络结构参数，即在训练中通过损失函数反馈后进行调整的参数，为遗忘门控，控制上一状态的具体的遗忘部分，为输入门控，控制对于输入的记忆，为输出门控，控制当前状态的输出，、、通过sigmoid激励函数转化成为0到1之间的数值，将结果通过非线性函数tanh转化为-1到1之间的值。
10.通过lstm层融合数据对意图信号源权重关联性再次分析，具体如下所示： ；式中，m代表匹配度以及重要程度；、、、为识别模型中的一级权重，且=1；、、、为识别模型中的二级权重，并且、、、；、、、为识别模型中的三级权重；其中一级权重表示数据库下，关于交互话题所涉及的第一分类领域，该第一分类下关于交互话题的相关数据权重为、、、，权重具体数值由lstm长短期记忆递归神经网络算法训练可得；同理，二级权重表示第一分类领域下的第二分类领域，该第二分类下关于交互话题的相关数据权重为、、、，权重具体数值由lstm长短期记忆递归神经网络算法训练可得；i指代具体第一分类领域下的第二分类领域中的具体指标；同理，三级权重表示第二分类领域下的第三分类领域，该第三分类下关于交互话题的相关数据权重为、、、，权重具体数值由lstm长短期记忆递归神经网络算法训练可得；j指代具体第一分类领域下的第二分类领域中的具体指标。
11.通过m匹配值大小的输出,从而对意图信号源进行排序，并反馈至输入者。
12.所述系统配置为将电子数据交互的信息显示在输入信息获取模块中，所述系统包括：输入信息获取模块，其用于获取多模态输入信息；数据处理模块，其与所述输入信息获取模块连接，用于对所述多模态输入信息进行文字处理、图像处理或音频处理，并结合根据信息输入者的社交关系和行为历史获取候选话题集和相似用户集；计算匹配模块，其用于计算机程序算法运行模块；输出信息反馈模块，其用于输出交互话题的反馈信息；数据库，其与数据处理模块和计算匹配模块通过传输信道相连接，用于匹配交互话题，并将信息反馈至所述输出信息反馈模块中。
13.所述计算匹配模块上存储有可执行上述步骤的方法。
14.与现有技术相比，本发明的有益效果是：1、本方案涉及的多模态信息，可以获取输入者的社交关系、行为历史以及关键词
相关联话题等信息，通过获取的信息利用用户-话题二分图再次识别，从而获得输入信息中包含的隐藏信息，可以更快的读取输入者感兴趣的话题，根据输入者的兴趣点寻找交互话题，具有很强的普适性，并且具有自我修复和学习训练的能力，在学习中完善二分图模型性能不佳的问题。
15.2、本发明涉及的计算方法应用在输入者的计算机设备上，通过传输信道进入数据库，数据库本身迭代更新迅速，适应网络的变化，动态协调异构网络数据的同时，有效保障用户的服务质量。
16.3、本发明采用lstm长短期记忆递归神经网络算法模型对意图信号源进行处理，通过融合目标不同意图信号源，从而确定最终表达意图；在众多复杂场景中，可通过反复搜索确认最终表达意图，从而更加准确稳定的实现数据匹配，和其他方法相比，本发明具有记忆功能，可通过记忆功能弥补自身遗忘的潜藏关键词，从而提高数据匹配的精度和速度，减少了计算量和显存占用，利于在工程实践中部署。
17.4、lstm层融合数据对应意图信号源的权重关联性再次分析可知，输入者相关联的意图信号源本身属于哪个领域，在一定程度上细化意图信号的的分类，当前计算机分为三类，这样可以将对应的分类下的权重进行分析，对意图信号源输出的信息判断更精准。
18.5、当输入者在表达错误或者不知如何表达输入信息时，可以采用多次有关联性的输入，并通过lstm长短期记忆递归神经网络算法模型中函数具有引导功能，获取输入者的潜藏信息，在多次检索后获得用户所需要的交互话题信息。
19.6、本发明利用二分图算法和lstm长短期记忆递归神经网络算法为交互话题匹配合理的意图信号源，使其对交互话题进行多维度分析感知，使得匹配更加合理精准，同时减少资源消耗，有效缩短检索的周期，同时对电子信息数据交互系统进行了优化，提高了对交互话题的查询精度。
20.7、本发明可以实现多方交互，且交互各方可以根据需要对多个共享方的数据进行快捷、方便、灵活地交互和分享，尤其是能够选择性地从数据中选取部分区域进行针对性的关注和操作，从而大大提升交互效率。
附图说明
21.图1为本发明电子信息数据交互方法流程图；图2为本发明电子信息数据交互过程数据结构图；图3为本发明二分图匹配的网络选择模型；图4为本发明lstm长短期记忆递归神经网络基本单元示意图；图5为本发明电子信息数据交互系统结构图。
具体实施方式
22.下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
23.实施例1：请参阅图1-4，一种电子信息数据交互方法，所述方法包括：
s1：获取多模态输入信息，根据信息输入者的社交关系和行为历史获取候选话题集和相似用户集；s2：根据候选话题集和相似用户集构建用户-话题二分图，并对其进行二分图建模；获得交互话题；s3：将所述交互话题通过传输信道传送至数据库，数据库根据交互话题搜索获取n个意图信号源；对意图信号源进行编号：，其中，an表示第n个意图信号源的序号，；每一个信号源对应的传输信道为sn；s4：在s3中获得的n个意图信号源，对lstm长短期记忆递归神经网络算法进行建模和训练，从而得到意图信号源的匹配值以及重要程度进行评价预测，s5：根据s4中的评价预测值，根据预测值大小重新排序，从而将意图信号源反馈至输入者；查看用户接受意向；s6：如果用户认为查询结果并不是个人所需的结果，用户重新输入信息，重复操作步骤s1-s5，直至获取最终的用户意图，完成数据交互。
24.如图3所示，步骤s2中对二分图建模的方法为：二分图建模表示为g＝(v，s，e)，其中c表示数据交互系统中请求接入的用户集合，n表示用户相近的交互话题集合，共有m个用户和n个类似交互话题，e表示用户和交互话题之间可选链路的集合，也是二分图中的边e＝(v，s),e∈e，v∈v，s∈s，每条边都有权值l，边的权值l
m,n
即为匹配度。
25.如图2所示步骤s3中数据库获取意图信号源的过程，包括：s31数据库根据对应交互话题产生的网络拓扑图，从而确定意图信号源，其中，在网络拓扑图中确定出所述交互话题所对应的节点作为初始节点，并在网络拓扑图中确定出以所述交互话题所对应的初始节点的连线所对应的节点作为终端节点，从而根据终端节点来确定出意图信号源；s32：当确定出的终端节点为多个时，将各个终端节点对应的意图信号源作为候选意图，根据网络拓扑图中各个节点连线的权重来对这些候选意图进行排序。
26.所述lstm长短期记忆递归神经网络算法模型对意图信号源的处理还包括以下步骤，s41：对意图信号源进行归一化处理；s42：利用网络训练结果学习逼近；s43：计算权值并判断其是否满足偏差，若不满足则进一步修正权值直至满足；s44：当权值满足偏差时输出所述意图信号源所属的类别。
27.所述对意图信号源的处理还包括，将经过模型处理的各意图信号源的结果进行识别并输出类型，得到不同类型的对象结果。
28.对步骤s4中lstm长短期记忆递归神经网络算法，在每个时间步下，结合上一节点的输出值，通过门结构对当前状态的信息进行添加或删除，lstm长短期记忆递归神经网络基本单元具体包括：遗忘门：
输入门：输出门：记忆单元结构：记忆单元结构：记忆单元结构：其中：、、与、、为通过该lstm层的网络结构参数，即在训练中通过损失函数反馈后进行调整的参数，为遗忘门控，控制上一状态的具体的遗忘部分，为输入门控，控制对于输入的记忆，为输出门控，控制当前状态的输出，、、通过上述网络结构参数和sigmoid激励函数转化成为0到1之间的数值，将结果通过非线性函数tanh转化为-1到1之间的值。
29.具体如图4所示：使用在图中，是在 t 时刻的输入信息， 是在 t 时刻的输出信息，我们可以看到lstm长短期记忆递归神经网络算法会递归的调用自身并且将 t
−
1 时刻的信息作为 t 时刻的输入信息进行计算；这种将各个门都可以在获得上一时刻的单元状态的前提下进行运算；其中sigmoid激励函数为其中sigmoid激励函数为该公式实现更为简单，倒数易获得，而且变量x通过sigmoid激励函数转化成为0到1之间的数值，可以作为输出层表示概率，可以减少噪声数据的影响；其中tanh激励函数为其中tanh激励函数为该公式双曲正切函数，实现简单，倒数易获得，而且变量通过tanh双曲正切函数转化成为-1到1之间的数值，可以作为输出层表示概率，它解决了sigmoid函数的不是零均值化（zero-centered）的输出问题；通过lstm层融合数据对意图信号源权重关联性再次分析，具体如下所示： ；式中，m代表匹配度以及重要程度；、、、为识别模型中的一级权重，且=1；、、、为识别模型中的二级权重，并且、、、
；、、、为识别模型中的三级权重；其中一级权重表示数据库下，关于交互话题所涉及的第一分类领域，该第一分类下关于交互话题的相关数据权重为、、、，权重具体数值由lstm长短期记忆递归神经网络算法训练可得；同理，二级权重表示第一分类领域下的第二分类领域，该第二分类下关于交互话题的相关数据权重为、、、，权重具体数值由lstm长短期记忆递归神经网络算法训练可得；i指代具体第一分类领域下的第二分类领域中的具体指标；同理，三级权重表示第二分类领域下的第三分类领域，该第三分类下关于交互话题的相关数据权重为、、、，权重具体数值由lstm长短期记忆递归神经网络算法训练可得；j指代具体第一分类领域下的第二分类领域中的具体指标。
30.通过m匹配值大小的输出,从而对意图信号源进行排序，并反馈至输入者。
31.实施例2，请参阅图5，所述系统配置为将电子数据交互的信息显示在输入信息获取模块中，所述系统包括：输入信息获取模块，其用于获取多模态输入信息；数据处理模块，其与所述输入信息获取模块连接，用于对所述多模态输入信息进行文字处理、图像处理或音频处理，并结合根据信息输入者的社交关系和行为历史获取候选话题集和相似用户集；计算匹配模块，其用于计算机程序算法运行模块；输出信息反馈模块，其用于输出交互话题的反馈信息；数据库，其与数据处理模块和计算匹配模块通过传输信道相连接，用于匹配交互话题，并将信息反馈至所述输出信息反馈模块中。
32.所述计算匹配模块上存储有可执行上述步骤的方法。
33.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。