[發明專利]智能學習型媒體互動分析方法及裝置

有效

• 申請號: 201711069861.5
• 申請日: 2017-11-03
• 公開（公告）號: CN107862032B
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 董云鵬
• 申請（專利權）人: 董云鵬
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/955;G06F16/23
• 代理公司: 昆明普發諾拉知識產權代理事務所(特殊普通合伙) 53209
• 代理人: 葛玉軍

1.一種智能學習型媒體互動分析方法，其特征在于，所述分析方法包括：

獲取客體發送的目標數據，其中，所述目標數據是由目標內容確定范圍，并包括定義數據和數據值；其中，定義數據包括目標對象的特征數據和屬性數據；

根據目標數據，從電子傳媒中提取目標內容，其中，所述目標內容至少包括以下之一：所述目標數據的范圍、定義數據和數據值、及數據值的表示意義；

將管理后的目標內容推送給客體及目標數據，再將目標數據進行閾值的分析及相關性分析，以便通過所述目標內容來對客體及目標數據進行答疑或指導；并反過來，通過自動分析或者人工答疑目標數據，并接收目標數據的驗證，以便客體及目標數據對目標內容進行修正；

所述閾值的分析包括：根據不同的傳媒及產品進行概率選擇，設定為假陽性錯誤為α；假陰性錯誤為β；然后，依據α和β概率，可進行所需要樣本量計算；然后通過該樣本量為界即閾值來進行相關性分析；總之，包括目標內容管理、目標內容覆蓋范圍下采集目標數據、目標數據與目標內容的相關分析，及通過目標內容對目標數據進行答疑和指導，目標數據對目標內容進行驗證和修正，二者不斷優化；

在將所述目標內容推送給客體及目標數據之后，所述閾值的分析包括：

如果假設不同的兩個總體，用Z_β代表相交區域、Z_α/2代表兩側相分離區域，其中Z_β代表標準正態分布的β分位數，Z_α/2代表標準正態分布的α/2分位數；

故依據可信度設置，能夠反應出所需要的閾值，在不同總體間計算如下：

或

其中，σ為總體標準差；δ為總體參數的差異，在兩均數Z檢驗中，記為δ＝μ₁-μ₂，μ為總體均數，δ越大，越有可能在抽樣中獲得較大差別的兩樣本均數；其中，π₁是總體1的概率，π₂是總體2的概率；前者是正態分布公式，后者是二項式分布公式；

如果在同一個總體中，閾值為其中，n為閾值，Z_α/2為正態分布Z檢驗的單側u值，Z_β為正態分布Z檢驗的雙側u值，ρ為總體相關系數；其中，每一個樣本總體中，第i個值為(X_i,Y_i)，樣本數為m，

2.根據權利要求1所述的方法，其特征在于，根據所述客體及目標數據，從電子傳媒中提取目標內容，包括：

從所述目標數據中提取所述客體及定義數據和數據值；其中，定義數據包括目標對象的特征數據和屬性數據；

根據所述客體及定義數據和數據值，確定所述目標內容的超鏈接接口；

根據所述超鏈接接口，從電子傳媒中提取所述目標內容。

3.根據權利要求2所述的方法，其特征在于，在獲取客體及目標數據之前，所述方法還包括：

獲取預設傳媒的所述電子傳媒，所述預設傳媒內包含有所述目標數據的理論知識或所述客體及目標數據的范圍、定義數據和數據值、及數據值的表示意義；

將所述電子傳媒進行劃分管理，得到多個模塊數據，其中，一個所述模塊數據對應必須有所述客體或者所述目標數據的一類定義信息及數據值；當然，還可包括有對應的目標數據的理論知識及數據值表示意義的模塊數據；

為所述模塊數據創建超鏈接接口，以便通過所述超鏈接接口訪問所述模塊數據。