CN106951964A - 一种基于心理学知识的人工智能学习系统及其方法 - Google Patents

一种基于心理学知识的人工智能学习系统及其方法 Download PDF

Info

Publication number
CN106951964A
CN106951964A CN201710167199.0A CN201710167199A CN106951964A CN 106951964 A CN106951964 A CN 106951964A CN 201710167199 A CN201710167199 A CN 201710167199A CN 106951964 A CN106951964 A CN 106951964A
Authority
CN
China
Prior art keywords
request information
wireless network
accessing request
mobile phone
smart mobile
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710167199.0A
Other languages
English (en)
Inventor
海桂珍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201710167199.0A priority Critical patent/CN106951964A/zh
Publication of CN106951964A publication Critical patent/CN106951964A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/12Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种基于心理学知识的人工智能学习系统及其方法,包括配置给用户的智能手机;所述智能手机通过无线网络同服务器相连接;所述智能手机中包括有用来传递访问请求信息的输出模块;带有性格倾向属性的文档库设置在服务器中;所述服务器包括壳体和主机板的,主机板设于壳体中,而壳体为长方体状并安装在长方体状的平台上。结合其方法有效避免了现有技术中浪费了需要增设的网络设备、无法高效实现把编码后的访问请求信息输送到服务器中、装配周期长且复杂、丝杆或丝杠使用周期不短的条件下产生被腐蚀的缺陷。

Description

一种基于心理学知识的人工智能学习系统及其方法
技术领域
本发明涉及心理学的技术领域,特别涉及一种基于心理学知识的人工智能学习系统及其方法。
背景技术
以前即使在大数据的行为推演下用户的意图和下一步行为仍很难向个性化方向发展。现在的个性化推荐引擎,大多都是从众引擎。就是大家看了这个也会看那个,大家买了这个也买了那个的方式进行推荐,这种推荐是基于经验的和从众的推荐,并不真正符合个性化推荐的范畴。
而为了实现个性化推荐,就提出了基于心理学知识关联的推荐方法,综合考虑内容所蕴含的关键词之间、关键词本身所具有的关键度特性。通过赋予内容心理学性格特征的方法,使得推荐过程中继承到用户属性上。以性格倾向性的得分 ,对用户进行性格范围内的独一无二的个性化内容推荐。基于用户性格的推荐办法,可以实现特定时空维度及场景维度下对用户作出准确的行为预判,以此办法亦可预测用户真正会看的内容并予以推荐。
具体说来,就是提出了一种基于心理学知识赋予机器人工智能学习的方法,包括以下步骤:
a .对文档库中的文档进行分词和智能摘要预处理,所述分词和智能摘要预处理,包括:获取对应的特定词,并对获取的特定词进行过滤去除无意义特定词得到关键词;
对得到的关键词进行相关性分析,所述相关性分析,包括:语义相似度计算,构建关键词关系网络,计算出关键词阈值;
所述相关性分析,还包括:关键词密度分析及赋值,关键词同公网热门关键词匹配赋值;
处理上述步骤提供的值,计算得出关键词针对该篇文档的关键度分值,得到带有赋值的关键词;
b.按照心理学知识对用户性格进行特征提取并进行分词对照,对用户性格倾向赋值;
c .将步骤b得到的性格倾向值与步骤a中得到的关键词关键度分值匹配,得到带有性格倾向属性的文档库;
d .用户发起访问请求时,所述带有性格倾向属性的文档库给出带有性格倾向属性的文档。
另外所述带有性格倾向属性的文档库往往设置在服务器中,而当用户发起访问请求往往就是通过智能手机来通过3G网络把访问请求发送到服务器的,然后服务器把带有性格倾向属性的文档通过3G网络返回到智能手机中,为了安全起见,智能手机通过3G网络把访问请求发送到服务器之前,常常是要对访问请求信息进行编码再把编码后的访问请求信息通过3G网络返回到服务器中,因为遭到方法的制约,3G网络往往无法径直把编码后的访问请求信息输送到服务器中,往往就要结合其他能够把编码后的访问请求信息径直输送到服务器中的网络来中转,这样浪费了需要增设的网络设备,无法高效实现把编码后的访问请求信息输送到服务器中的目的。
而目前的服务器的结构常常是包括着壳体和主机板的,主机板设于壳体中,而壳体为长方体状并安装在长方体状的平台上,安装在所述平台上的壳体往往是通过一体化连接在平台外表面的联结块经由丝杆或丝杠丝接于壳体的下端面,这样的装配周期长且复杂,另外丝杆或丝杠使用周期不短的条件下常常产生被腐蚀的问题。
发明内容
为解决上述问题,本发明提供了一种基于心理学知识的人工智能学习系统及其方法,有效避免了现有技术中浪费了需要增设的网络设备、无法高效实现把编码后的访问请求信息输送到服务器中、装配周期长且复杂、丝杆或丝杠使用周期不短的条件下产生被腐蚀的缺陷。
为了克服现有技术中的不足,本发明提供了一种基于心理学知识的人工智能学习系统及其方法的解决方案,具体如下:
一种基于心理学知识的人工智能学习系统,包括配置给用户的智能手机;
所述智能手机通过无线网络同服务器相连接;
所述智能手机中包括有用来传递访问请求信息的输出模块;
带有性格倾向属性的文档库设置在服务器中;
所述服务器包括壳体和主机板的,主机板设于壳体中,而壳体为长方体状并安装在长方体状的平台上。
所述平台的外表面一体化连接着块状的联结块Z2;
所述壳体的下端面一体化连接着块状的嵌接块Z1;
所述嵌接块Z1的边部外表面纵向设置着嵌接件Z3,所述嵌接件Z3含有纵向的镶接条Z9与作为所述嵌接件Z3顶部的条状嵌接段Z5,所述纵向的镶接条Z9的顶部是镶接进所述嵌接块Z1边部里面的用来固定的拱起段Z4,所述拱起段Z4朝向所述嵌接块Z1的内部拱起,所述纵向的镶接条Z9的底部是进入至所述嵌接块Z1里面并同所述联结块Z2表面开有的嵌接口Z7相嵌接的嵌接头Z6,所述嵌接头Z6为朝向所述联结块Z2的内部的拱起状,所述用来固定的拱起段Z4的顶部经由同水平面保持有倾度的联结条Z8来同与水平面保持平行的条状嵌接段Z5相联结。
优选的,所述用来固定的拱起段Z4与所述嵌接头Z6的拐弯处都是光滑过渡曲面过渡,避免了联结块Z2接入之际蹭损壁面。
优选的,所述嵌接件Z3一直同所述联结块Z2相接触,避免了使得所述壳体的外形不好看的问题。
优选的,所述嵌接件Z3铸压成型,另外其剖面是正方形或圈状,所述嵌接件Z3为玻青铜材料,并经过淬火工艺确报了更好的抗拉性能,所述剖面是正方形的所述嵌接件Z3是把正方形玻青铜板铸压而成,剖面是圈状的所述嵌接件Z3是把柱状玻青铜板铸压而成。
优选的,所述联结块Z2的边部表面是自上而下的渐扩状壁面,另外所述联结块Z2的边部表面同水平面保持有倾度。有利于所述联结块Z2伸进,另外还能作用得让所述嵌接件Z3产生应变。
该平台和安装在所述平台上的壳体通过没有丝接的架构,结合所述嵌接件Z3来稳定住所述联结块Z2,装配高效且装配容易,改善了装配速率,另外不会出现丝杠的腐蚀现象。
所述基于心理学知识的人工智能学习系统的方法,包括以下步骤:
a .对文档库中的文档进行分词和智能摘要预处理,所述分词和智能摘要预处理,包括:获取对应的特定词,并对获取的特定词进行过滤去除无意义特定词得到关键词;
对得到的关键词进行相关性分析,所述相关性分析,包括:语义相似度计算,构建关键词关系网络,计算出关键词阈值;
所述相关性分析,还包括:关键词密度分析及赋值,关键词同公网热门关键词匹配赋值;
处理上述步骤提供的值,计算得出关键词针对该篇文档的关键度分值,得到带有赋值的关键词;
b.按照心理学知识对用户性格进行特征提取并进行分词对照,对用户性格倾向赋值;
c .将步骤b得到的性格倾向值与步骤a中得到的关键词关键度分值匹配,得到带有性格倾向属性的文档库并存储在服务器中;
d .用户发起访问请求时,也即用户通过启动所述智能手机中的用来传递
访问请求信息的输出模块通过无线网络对服务器发送访问请求信息;服务器就通过所述带有性格倾向属性的文档库给出带有性格倾向属性的文档并通过无线网络返回用户的智能手机中;
所述用户通过启动所述智能手机中的用来传递访问请求信息的输出模
块通过无线网络对服务器发送访问请求信息包括如下步骤:
其中针对所述智能手机的步骤包括如下步骤:
步骤A00:首先用户通过启动所述智能手机中的用来传递访问请求信息
的输出模块来对访问请求信息进行编码,然后将用户的所述智能手机同无线网络建立传输链接,建立传输链接后启动用来传递访问请求信息的输出模块得到与所述智能手机建立传输链接的无线网络的网络类型;
步骤A01:如果与所述智能手机建立传输链接的无线网络的网络类型是3G网络类型,用来传递访问请求信息的输出模块在传递编码后的访问请求信息之前朝所述无线网络传递直达消息;
在步骤A01里所述朝所述无线网络传递直达消息前,还包括如下步骤:
步骤C00:凭借所述编码方式判定现在要传递的信息是不是编码后的访问请求信息;
步骤C01:如果所述现在要传递的信息是编码后的访问请求信息,就朝所述无线网络传递直达消息;
步骤C02:凭借所述直达消息且经由无线网络朝服务器传递所述编码后的访问请求信息;
而针对所述无线网络的步骤包括如下步骤:
步骤D00:建立传输链接后所述无线网络取得与所述无线网络建立传输链接的智能手机的连接方式;
步骤D01:如果与所述无线网络建立传输链接的智能手机的连接方式是3G通信方式,这样在传递编码后的访问请求信息前判定有没有收受到直达消息;
步骤D02:若收受到直达消息,就转到步骤D03进行;若没收受到直达消息,就转到步骤D04进行;
步骤D03:凭借所述直达消息把所述编码后的访问请求信息传递到服务器;
步骤D04:终止传递;
在步骤D01里判定有没有收受到直达消息前,包括执行如下步骤;
步骤E01:凭借所述编码方式判定现在收受到的信息是不是编码后的访问请求信息;
步骤E02:若是编码后的访问请求信息,就判定是不是收受到直达消息。
该平台和安装在所述平台上的壳体通过没有丝接的架构,结合所述嵌接件Z3来稳定住所述联结块Z2,装配高效且装配容易,改善了装配速率,另外不会出现丝杠的腐蚀现象。在方法里经由与所述智能手机建立传输链接的无线网络的网络类型,如果与所述智能手机建立传输链接的无线网络的网络类型是3G网络类型,用来传递访问请求信息的输出模块在传递编码后的访问请求信息之前朝所述无线网络传递直达消息,让所述无线网络径直把收受到的编码后的访问请求信息传递到服务器且无须实施处置,让现有的3G网络可以传递编码后的访问请求信息,并能相容于若干网络设备,并可以达到3G用户的编码后的访问请求信息的高效传递目的。
附图说明
图1为本发明的原理框图。
图2是本发明的联结块与嵌接块的连接示意截面图 .
图3是本发明所述的嵌接件的示意图。
具体实施方式
下面将结合附图对本发明做进一步地说明。
根据附图1-图3可知,本发明的一种基于心理学知识的人工智能学习系统,包括配置给用户的智能手机;
所述智能手机通过无线网络同服务器相连接;
所述智能手机中包括有用来传递访问请求信息的输出模块;
带有性格倾向属性的文档库设置在服务器中;
所述服务器包括壳体和主机板的,主机板设于壳体中,而壳体为长方体状并安装在长方体状的平台上。
所述平台的外表面一体化连接着块状的联结块Z2;
所述壳体的下端面一体化连接着块状的嵌接块Z1,所述嵌接块Z1的边部外表面纵向设置着嵌接件Z3,所述嵌接件Z3含有纵向的镶接条Z9与作为所述嵌接件Z3顶部的条状嵌接段Z5,所述纵向的镶接条Z9的顶部是镶接进所述嵌接块Z1边部里面的用来固定的拱起段Z4,所述拱起段Z4朝向所述嵌接块Z1的内部拱起,所述纵向的镶接条Z9的底部是进入至所述嵌接块Z1里面并同所述联结块Z2表面开有的嵌接口Z7相嵌接的嵌接头Z6,所述嵌接头Z6为朝向所述联结块Z2的内部的拱起状,所述用来固定的拱起段Z4的顶部经由同水平面保持有倾度的联结条Z8来同与水平面保持平行的条状嵌接段Z5相联结;
优选的,所述用来固定的拱起段Z4与所述嵌接头Z6的拐弯处都是光滑过渡曲面过渡,避免了联结块Z2接入之际蹭损壁面。
优选的,所述嵌接件Z3一直同所述联结块Z2相接触,避免了使得所述壳体的外形不好看的问题。
优选的,所述嵌接件Z3铸压成型,另外其剖面是正方形或圈状,所述嵌接件Z3为玻青铜材料,并经过淬火工艺确报了更好的抗拉性能,所述剖面是正方形的所述嵌接件Z3是把正方形玻青铜板铸压而成,剖面是圈状的所述嵌接件Z3是把柱状玻青铜板铸压而成。
优选的,所述联结块Z2的边部表面是自上而下的渐扩状壁面,另外所述联结块Z2的边部表面同水平面保持有倾度。有利于所述联结块Z2伸进,另外还能作用得让所述嵌接件Z3产生应变。
该平台和安装在所述平台上的壳体通过没有丝接的架构,结合所述嵌接件Z3来稳定住所述联结块Z2,装配高效且装配容易,改善了装配速率,另外不会出现丝杠的腐蚀现象。
所述基于心理学知识的人工智能学习系统的方法,包括以下步骤:
a .对文档库中的文档进行分词和智能摘要预处理,所述分词和智能摘要预处理,包括:获取对应的特定词,并对获取的特定词进行过滤去除无意义特定词得到关键词;
对得到的关键词进行相关性分析,所述相关性分析,包括:语义相似度计算,构建关键词关系网络,计算出关键词阈值;
所述相关性分析,还包括:关键词密度分析及赋值,关键词同公网热门关键词匹配赋值;
处理上述步骤提供的值,计算得出关键词针对该篇文档的关键度分值,得到带有赋值的关键词;
b.按照心理学知识对用户性格进行特征提取并进行分词对照,对用户性格倾向赋值;
c .将步骤b得到的性格倾向值与步骤a中得到的关键词关键度分值匹配,得到带有性格倾向属性的文档库并存储在服务器中;
d .用户发起访问请求时,也即用户通过启动所述智能手机中的用来传递
访问请求信息的输出模块通过无线网络对服务器发送访问请求信息;服务器就通过所述带有性格倾向属性的文档库给出带有性格倾向属性的文档并通过无线网络返回用户的智能手机中;
所述用户通过启动所述智能手机中的用来传递访问请求信息的输出模
块通过无线网络对服务器发送访问请求信息包括如下步骤:
其中针对所述智能手机的步骤包括如下步骤:
步骤A00:首先用户通过启动所述智能手机中的用来传递访问请求信息
的输出模块来对访问请求信息进行编码,然后将用户的所述智能手机同无线网络建立传输链接,建立传输链接后启动用来传递访问请求信息的输出模块得到与所述智能手机建立传输链接的无线网络的网络类型;
在步骤A00里,所述智能手机的用来传递访问请求信息的输出模块在刚开始就得到与所述智能手机建立传输链接的无线网络的网络类型,通常情况下智能手机均带有若干能够同若干网络类型的无线网络建立传输链接的模块,如同步带有2G模块、3G模块,要让编码后的访问请求信息可畅通传递,须得一开始就得到与所述智能手机建立传输链接的无线网络的网络类型。
步骤A01:如果与所述智能手机建立传输链接的无线网络的网络类型是3G网络类型,用来传递访问请求信息的输出模块在传递编码后的访问请求信息之前朝所述无线网络传递直达消息;
在步骤A01里,因为3G网络内的交换机不能传递编码后的访问请求信息,这样在传递编码后的访问请求信息之前就要判定所述无线网络的类型到底是不是3G网络,如果是3G网络,就对所述无线网络传递直达消息来让编码后的访问请求信息无须让交换机处置而径直传递给服务器。
在步骤A01里所述朝所述无线网络传递直达消息前,还包括如下步骤:
步骤C00:凭借所述编码方式判定现在要传递的信息是不是编码后的访问请求信息;
步骤C01:如果所述现在要传递的信息是编码后的访问请求信息,就朝所述无线网络传递直达消息;
步骤C02:凭借所述直达消息且经由无线网络朝服务器传递所述编码后的访问请求信息;
除了要判定所述无线网络的类型到底是不是3G网络,也须判定现在要传递的信息是不是编码后的访问请求信息;若果非编码后的访问请求信息,就须经由所述无线网络执行相应处置后传递给服务器;如果是编码后的访问请求信息,就须得径直经由无线网络传递且无须通过处置,在所述编码后的访问请求信息传递给无线网络后,所述无线网络判定现在要传递的信息是不是编码后的访问请求信息,若判定出现在要传递的信息是编码后的访问请求信息后,径直把所述编码后的访问请求信息传递到服务器。
而针对所述无线网络的步骤包括如下步骤:
步骤D00:建立传输链接后所述无线网络取得与所述无线网络建立传输链接的智能手机的连接方式;
于所述步骤D00里,所述无线网络取得与所述无线网络建立传输链接的智能手机的连接方式,凭借与所述无线网络建立传输链接的智能手机的连接方式来运行相应的传输标准。
步骤D01:如果与所述无线网络建立传输链接的智能手机的连接方式是3G通信方式,这样在传递编码后的访问请求信息前判定有没有收受到直达消息;
在步骤D01里,若与所述无线网络建立传输链接的智能手机的连接方式是3G通信方式,要让编码后的访问请求信息畅通传递,于传递所述编码后的访问请求信息前要判定有没有收受到直达消息,把收受的所述编码后的访问请求信息径直传递而不要通过对应的传输标准处置。
步骤D02:若收受到直达消息,就转到步骤D03进行;若没收受到直达消息,就转到步骤D04进行;
步骤D03:凭借所述直达消息把所述编码后的访问请求信息传递到服务器;
步骤D04:终止传递;
因为所述无线网络不清楚收受的信息是不是所述编码后的访问请求信息,仅仅清楚的是3G通信方式下的智能手机传递的信息,这样就须判定是不是有直达消息,如果有,就意味着收受到的信息为所述编码后的访问请求信息,这样就无须朝所述编码后的访问请求信息进行处置而径直传递到服务器。
在步骤D01里判定有没有收受到直达消息前,包括执行如下步骤;
步骤E01:凭借所述编码方式判定现在收受到的信息是不是编码后的访问请求信息;
步骤E02:若是编码后的访问请求信息,就判定是不是收受到直达消息。
这样凭借所述编码方式先判定现在收受到的信息是不是编码后的访问请求信息,若是编码后的访问请求信息,就判定是不是收受到直达消息,若收受到直达消息,就径直把收受到的编码后的访问请求信息传递到服务器,若未收受到直达消息,就终止信息传递。
以上以附图说明的方式对本发明作了描述,本领域的技术人员应当理解,
本公开不限于以上描述的实施例,在不偏离本发明的范围的情况下,可以做出各种变化、改变和替换。

Claims (7)

1.一种基于心理学知识的人工智能学习系统,其特征在于,包括配置给用户的智能手机;
所述智能手机通过无线网络同服务器相连接;
所述智能手机中包括有用来传递访问请求信息的输出模块;
带有性格倾向属性的文档库设置在服务器中;
所述服务器包括壳体和主机板的,主机板设于壳体中,而壳体为长方体状并安装在长方体状的平台上。
2.根据权利要求1所述的一种基于心理学知识的人工智能学习系统,其特征在于所述平台的外表面一体化连接着块状的联结块;
所述壳体的下端面一体化连接着块状的嵌接块,所述嵌接块的边部外表面纵向设置着嵌接件,所述嵌接件含有纵向的镶接条与作为所述嵌接件顶部的条状嵌接段,所述纵向的镶接条的顶部是镶接进所述嵌接块边部里面的用来固定的拱起段,所述拱起段朝向所述嵌接块的内部拱起,所述纵向的镶接条的底部是进入至所述嵌接块里面并同所述联结块表面开有的嵌接口相嵌接的嵌接头,所述嵌接头为朝向所述联结块的内部的拱起状,所述用来固定的拱起段的顶部经由同水平面保持有倾度的联结条来同与水平面保持平行的条状嵌接段相联结。
3.根据权利要求2所述的一种基于心理学知识的人工智能学习系统,其特征在于所述用来固定的拱起段与所述嵌接头的拐弯处都是光滑过渡曲面过渡。
4.根据权利要求3所述的一种基于心理学知识的人工智能学习系统,其特征在于所述嵌接件一直同所述联结块相接触。
5.根据权利要求4所述的一种基于心理学知识的人工智能学习系统,其特征在于所述嵌接件铸压成型,另外其剖面是正方形或圈状,所述嵌接件为玻青铜材料,所述剖面是正方形的所述嵌接件是把正方形玻青铜板铸压而成,剖面是圈状的所述嵌接件是把柱状玻青铜板铸压而成。
6.根据权利要求5所述的一种基于心理学知识的人工智能学习系统,其特征在于所述联结块的边部表面是自上而下的渐扩状壁面,另外所述联结块的边部表面同水平面保持有倾度。
7.根据权利要求1所述的一种基于心理学知识的人工智能学习系统,其特征为a .对文档库中的文档进行分词和智能摘要预处理,所述分词和智能摘要预处理,包括:获取对应的特定词,并对获取的特定词进行过滤去除无意义特定词得到关键词;
对得到的关键词进行相关性分析,所述相关性分析,包括:语义相似度计算,构建关键词关系网络,计算出关键词阈值;
所述相关性分析,还包括:关键词密度分析及赋值,关键词同公网热门关键词匹配赋值;
处理上述步骤提供的值,计算得出关键词针对该篇文档的关键度分值,得到带有赋值的关键词;
b.按照心理学知识对用户性格进行特征提取并进行分词对照,对用户性格倾向赋值;
c .将步骤b得到的性格倾向值与步骤a中得到的关键词关键度分值匹配,得到带有性格倾向属性的文档库并存储在服务器中;
d .用户发起访问请求时,也即用户通过启动所述智能手机中的用来传递
访问请求信息的输出模块通过无线网络对服务器发送访问请求信息;服务器就通过所述带有性格倾向属性的文档库给出带有性格倾向属性的文档并通过无线网络返回用户的智能手机中;
所述用户通过启动所述智能手机中的用来传递访问请求信息的输出模
块通过无线网络对服务器发送访问请求信息包括如下步骤:
其中针对所述智能手机的步骤包括如下步骤:
步骤A00:首先用户通过启动所述智能手机中的用来传递访问请求信息
的输出模块来对访问请求信息进行编码,然后将用户的所述智能手机同无线网络建立传输链接,建立传输链接后启动用来传递访问请求信息的输出模块得到与所述智能手机建立传输链接的无线网络的网络类型;
步骤A01:如果与所述智能手机建立传输链接的无线网络的网络类型是3G网络类型,用来传递访问请求信息的输出模块在传递编码后的访问请求信息之前朝所述无线网络传递直达消息;
在步骤A01里所述朝所述无线网络传递直达消息前,还包括如下步骤:
步骤C00:凭借所述编码方式判定现在要传递的信息是不是编码后的访问请求信息;
步骤C01:如果所述现在要传递的信息是编码后的访问请求信息,就朝所述无线网络传递直达消息;
步骤C02:凭借所述直达消息且经由无线网络朝服务器传递所述编码后的访问请求信息;
而针对所述无线网络的步骤包括如下步骤:
步骤D00:建立传输链接后所述无线网络取得与所述无线网络建立传输链接的智能手机的连接方式;
步骤D01:如果与所述无线网络建立传输链接的智能手机的连接方式是3G通信方式,这样在传递编码后的访问请求信息前判定有没有收受到直达消息;
步骤D02:若收受到直达消息,就转到步骤D03进行;若没收受到直达消息,就转到步骤D04进行;
步骤D03:凭借所述直达消息把所述编码后的访问请求信息传递到服务器;
步骤D04:终止传递;
在步骤D01里判定有没有收受到直达消息前,包括执行如下步骤;
步骤E01:凭借所述编码方式判定现在收受到的信息是不是编码后的访问请求信息;
步骤E02:若是编码后的访问请求信息,就判定是不是收受到直达消息。
CN201710167199.0A 2017-03-20 2017-03-20 一种基于心理学知识的人工智能学习系统及其方法 Pending CN106951964A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710167199.0A CN106951964A (zh) 2017-03-20 2017-03-20 一种基于心理学知识的人工智能学习系统及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710167199.0A CN106951964A (zh) 2017-03-20 2017-03-20 一种基于心理学知识的人工智能学习系统及其方法

Publications (1)

Publication Number Publication Date
CN106951964A true CN106951964A (zh) 2017-07-14

Family

ID=59471950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710167199.0A Pending CN106951964A (zh) 2017-03-20 2017-03-20 一种基于心理学知识的人工智能学习系统及其方法

Country Status (1)

Country Link
CN (1) CN106951964A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020124007A1 (en) * 2001-03-02 2002-09-05 Wuhan P&S Electronics Company Ltd. Network server and database therein
GB2449786A (en) * 2004-05-04 2008-12-03 Fisher Rosemount Systems Inc Accessing process control data using partial classes
CN104506554A (zh) * 2015-01-04 2015-04-08 西安电子科技大学 一种手机终端访问云存储服务器的安全方法
CN104580521A (zh) * 2015-01-30 2015-04-29 宁波凯智信息科技有限公司 客户端顺畅访问服务器端数据的预加载方法及系统
CN105664332A (zh) * 2016-04-14 2016-06-15 北京阳光易德科技股份有限公司 一种心理应激训练系统及方法
CN105912563A (zh) * 2016-03-23 2016-08-31 北京数字跃动科技有限公司 一种基于心理学知识赋予机器人工智能学习的方法
CN106095010A (zh) * 2016-06-06 2016-11-09 镇江市新创计算机系统集成有限公司 一种可靠性债务管理系统
CN106487661A (zh) * 2016-11-16 2017-03-08 南京瑞贻电子科技有限公司 增强型基于移动终端的智能搜索系统及其方法
CN106503242A (zh) * 2016-11-08 2017-03-15 上海智臻智能网络科技股份有限公司 一种智能交互方法、装置及服务器

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020124007A1 (en) * 2001-03-02 2002-09-05 Wuhan P&S Electronics Company Ltd. Network server and database therein
GB2449786A (en) * 2004-05-04 2008-12-03 Fisher Rosemount Systems Inc Accessing process control data using partial classes
CN104506554A (zh) * 2015-01-04 2015-04-08 西安电子科技大学 一种手机终端访问云存储服务器的安全方法
CN104580521A (zh) * 2015-01-30 2015-04-29 宁波凯智信息科技有限公司 客户端顺畅访问服务器端数据的预加载方法及系统
CN105912563A (zh) * 2016-03-23 2016-08-31 北京数字跃动科技有限公司 一种基于心理学知识赋予机器人工智能学习的方法
CN105664332A (zh) * 2016-04-14 2016-06-15 北京阳光易德科技股份有限公司 一种心理应激训练系统及方法
CN106095010A (zh) * 2016-06-06 2016-11-09 镇江市新创计算机系统集成有限公司 一种可靠性债务管理系统
CN106503242A (zh) * 2016-11-08 2017-03-15 上海智臻智能网络科技股份有限公司 一种智能交互方法、装置及服务器
CN106487661A (zh) * 2016-11-16 2017-03-08 南京瑞贻电子科技有限公司 增强型基于移动终端的智能搜索系统及其方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
徐祎 等编著: "《通信原理与系统》", 30 September 2012, 北京:国防工业出版社 *
日本机械学会 编: "《机械技术手册 中》", 31 December 1984, 北京:机械工业出版社 *

Similar Documents

Publication Publication Date Title
CN113254803B (zh) 一种基于多特征异质图神经网络的社交推荐方法
CN113641820B (zh) 基于图卷积神经网络的视角级文本情感分类方法及系统
WO2021217935A1 (zh) 问题生成模型的训练方法、问题生成方法及其相关设备
CN108829722A (zh) 一种远程监督的Dual-Attention关系分类方法及系统
CN108573411A (zh) 基于用户评论的深度情感分析和多源推荐视图融合的混合推荐方法
CN101174259A (zh) 一种智能互动式问答系统
CN101853449A (zh) 一种法律问题智能诊断方法与系统
CN105740310B (zh) 一种用于问答系统中的自动答案摘要方法及系统
CN107515932A (zh) 基于标准问题库的人工智能法律咨询系统
CN112000771A (zh) 一种面向司法公开服务的句子对智能语义匹配方法和装置
CN110825866A (zh) 一种基于深度网络和文本相似度的自动问答系统及装置
CN116303558A (zh) 查询语句生成方法、数据查询方法及生成模型训练方法
CN106951964A (zh) 一种基于心理学知识的人工智能学习系统及其方法
CN116050352A (zh) 文本编码方法和装置、计算机设备及存储介质
CN105511901A (zh) 一种基于移动App运行列表的App冷启动推荐方法
CN110175332A (zh) 一种基于人工神经网络的智能出题方法及系统
CN110209921A (zh) 媒体资源的推送方法和装置、以及存储介质和电子装置
CN115270746A (zh) 问题样本生成方法和装置、电子设备及存储介质
CN104991909A (zh) 一种针对具体软件历史代码库的词库自动构建方法
CN107704632A (zh) 基于同义词和反义词的中文标签推荐修正方法
CN109040798A (zh) 直播数据引流方法、存储介质、电子设备及系统
CN115409025A (zh) 一种营销文本的创作方法、装置以及设备
CN116208772A (zh) 数据处理方法、装置、电子设备及计算机可读存储介质
CN103052057A (zh) 一种3g无线上网卡的识别方法、系统及电子设备
CN109885767A (zh) 一种基于GitHub的软件资产推荐的方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170714

WD01 Invention patent application deemed withdrawn after publication