[發明專利]基于深度學習的大數據信息處理方法及區塊鏈服務平臺

在審

• 申請號: 202110058384.2
• 申請日: 2020-07-28
• 公開（公告）號: CN112818695A
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 薛楊楊
• 申請（專利權）人: 薛楊楊
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/284;G06F16/35;G06F16/33
• 代理公司: 暫無信息
• 代理人: 暫無信息

本申請實施例提供一種基于深度學習的大數據信息處理方法及區塊鏈服務平臺，根據未互動信息的互動語義向量與大數據互動信息的互動語義向量之間的第一關聯關系，將大數據互動信息和未互動信息進行綜合考慮，然后根據獲得目標語義綜合特征信息的互動語義向量與未互動信息的互動語義向量之間的第二關聯關系及未互動信息中語義節點的語義分量，對未互動信息進行特征標記處理，通過對用戶互動信息的深度學習，實現對相類似的互動信息進行互動信息的特征標記，從而提高互動信息中語義節點信息的語義關聯性；另外，結合互動信息中語義節點特征之間的關聯性，提升了互動信息特征標記信息的準確性，進而提高后續互動內容的匹配度。

技術領域

本申請涉及移動通信技術領域，具體而言，涉及一種基于深度學習的大數據信息處理方法及區塊鏈服務平臺。

背景技術

伴隨著移動互聯網技術，通過服務平臺與用戶之間進行信息互動，可以更好地向用戶進行相關互聯網服務的解決方案，從而減少用戶線下的頻繁咨詢活動。

然而，傳統方案中，服務平臺與用戶之間的互動信息中語義節點信息的語義關聯性不高，導致后續互動內容的匹配度與用戶實際發起的待互動信息存在不完全吻合的情況，進而影響服務平臺的信息推送準確性。

發明內容

有鑒于此，本申請的目的在于提供一種基于深度學習的大數據信息處理方法及區塊鏈服務平臺，通過對用戶互動信息的深度學習，實現對相類似的互動信息進行互動信息的特征標記，從而提高互動信息中語義節點信息的語義關聯性；另外，結合互動信息中語義節點特征之間的關聯性，并利用此關聯性提升對有用信息的關注、降低對無用信息的關注，提升了互動信息特征標記信息的準確性，進而提高后續互動內容的匹配度。

根據本申請的第一方面，提供一種基于深度學習的大數據信息處理方法，應用于與智能互動終端通信連接的區塊鏈服務平臺，所述方法包括：

獲取所述智能互動終端發送的待互動信息，并根據所述待互動信息確定當前互動銜接位置內的未互動信息，確定所述未互動信息的互動語義向量與大數據互動信息的互動語義向量之間的第一關聯關系，其中，所述大數據互動信息基于歷史時間段內的互動信息列表確定；

基于深度學習模型從所述大數據互動信息中提取滿足所述未互動信息條件決策的決策互動語義節點，得到第一決策互動語義節點序列，并基于所述第一關聯關系從所述第一決策互動語義節點序列中確定第一目標語義節點，根據所述第一目標語義節點對所述未互動信息的語義節點信息進行補充更新，得到目標語義綜合特征信息；

確定所述目標語義綜合特征信息的互動語義向量與所述未互動信息的互動語義向量之間的第二關聯關系；

根據所述第二關聯關系和所述未互動信息中語義節點的語義分量，對所述未互動信息進行特征標記處理，得到特征標記互動信息，并根據所述特征標記互動信息向所述智能互動終端發送互動內容后，將所述互動內容存儲到對應的區塊鏈中。

在第一方面的一種可能的實現方式中，所述未互動信息的互動語義向量包括未互動信息中每一已知語義節點的語義標簽、及在未互動信息中的語義順序；所述大數據互動信息的互動語義向量包括大數據互動信息中每一語義節點的語義標簽、及在大數據互動信息中的語義順序；

所述確定所述未互動信息的互動語義向量與大數據互動信息的互動語義向量之間的第一關聯關系的步驟，包括：

分別構建所述未互動信息和大數據互動信息中每一語義節點的語義特征向量，得到多個第一嵌入式表示和多個第二嵌入式表示；

確定每一第一嵌入式表示與每一第二嵌入式表示之間的第一關聯度，得到所述第一關聯關系；

所述基于所述第一關聯關系從所述第一決策互動語義節點序列中確定第一目標語義節點，根據所述第一目標語義節點對所述未互動信息的語義節點信息進行補充更新，包括：

基于所述第一關聯度，確定所述未互動信息中每一語義節點關于所述大數據互動信息中每一語義節點的第一語義收斂度，其中，第一語義收斂度用于反映所述未互動信息中每一語義節點對所述大數據互動信息中每一語義節點的語義傾向程度；