CN107862032A - 智能学习型媒体互动分析方法及装置 - Google Patents

智能学习型媒体互动分析方法及装置 Download PDF

Info

Publication number
CN107862032A
CN107862032A CN201711069861.5A CN201711069861A CN107862032A CN 107862032 A CN107862032 A CN 107862032A CN 201711069861 A CN201711069861 A CN 201711069861A CN 107862032 A CN107862032 A CN 107862032A
Authority
CN
China
Prior art keywords
target data
data
object content
analysis
module
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.)
Granted
Application number
CN201711069861.5A
Other languages
English (en)
Other versions
CN107862032B (zh
Inventor
董云鹏
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 CN201711069861.5A priority Critical patent/CN107862032B/zh
Publication of CN107862032A publication Critical patent/CN107862032A/zh
Application granted granted Critical
Publication of CN107862032B publication Critical patent/CN107862032B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/955Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • G06F16/9558Details of hyperlinks; Management of linked annotations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23Updating
    • G06F16/2379Updates performed during online database operations; commit processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2458Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462Approximate or statistical queries

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Fuzzy Systems (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明提供了一种有自我学习能力的媒体互动方法及装置,涉及自媒体的技术领域,该装置的核心分析方法包括:目标内容管理、目标内容覆盖范围下采集目标数据、目标数据与内容的相关性分析及通过目标内容对目标数据进行答疑和指导,目标数据对目标内容进行验证和修正。方法为:从电子传媒中提取目标内容并获取客体发送的目标数据,其中,目标数据是由目标内容确定范围;二者进行相关分析,产生分析结果对目标内容进行验证及修正和对目标数据进行答疑和指导。本发明提供了智能学习,缓解了以往采集的数据相对准确度及精准度差的问题,并有效的杜绝了目标内容错误化较高的状态,践行了文化传播中理论与实践相联系的理念,缩短了科学文化验证周期性。

Description

智能学习型媒体互动分析方法及装置
技术领域
本发明涉及自传媒技术领域,尤其是涉及一种有学习性的自媒体互动方法及装置。
背景技术
目前,传媒较混乱,错误率较高,且数据采集常常需要人来操作,且采集的数据需要人来分析以加深人们对客观事物的认知,及传统的设备说明方法是在各个采集设备上附带一个使用说明书以提高数据相对的精确度和准确度。
人们在生活中为了对客观事物(包括人和物)有更深的认知,会将客观事物用多种特征的传媒进行表示,其中具有代表性的传媒就是书籍或论文。在当今知识爆炸的时代,科技迅速发展,新事物层出不穷,对事物的研究角度也日新月异,因而,生活中出现了有关客观事物的多种新特征,有时候有代表性的新思想的书或论文刚出版或发表,该领域就有了新的补充及修正。而这些都是通过数据来验证和修正的。
而采集数据的方式更新换代迅速,最有代表性的新采集方式为穿戴式设备,新的采集方式提高了客观事物同一特征或属性对应数据的精准度及准确度。但就数据的精准度及准确度而言,又是在一定的知识领域背景下取得的,故有一定的局限性。
故而传媒需要及时验证和修正,数据需要答疑和指导,这样就势必产生了两者相结合的分析方法及装置。
这种分析方法及装置不仅改善了传媒中表达客观事物的全面性及深入性;而且又改善了采集设备技术,而提高了精准度及准确度,从而产生一种学习性方法及装置而普及到各个领域。
发明内容
有鉴于此,本发明的目的在于提供一种有学习能力的自媒体互动方法及装置,以缓解日新月异的知识更新背景下,存在着高错误率的传媒与采集的更准确、更精准的数据之间的矛盾。
第一方面,本发明实施例提供了一种有学习性的自媒体互动方法及装置,包括:
目标内容管理、目标内容覆盖范围下的采集目标数据、目标数据与目标内容的相关分析,及通过目标内容对目标数据进行答疑和指导,目标数据对目标内容进行验证和修正。
目标内容管理是指传媒的内容进行分类管理,例如《从流体力学角度论血压》根据需要分成多个模块。
目标内容覆盖范围下的采集目标数据是指,根据目标内容类型而获取客体发送的目标数据,例如:目标内容为《从流体力学角度论血压》,其覆盖的数据范围为与血压相关的数据,测量人的血压时,所述客体是指数据的来源,人即为客体。目标数据包括所述定义数据和数据值;其中,定义数据包括目标对象的特征数据和属性数据;其中,所述目标对象的特征数据是与这一概念最近的“种概念”,例如晨压是一种“血压”,血压即为其目标对象的特征数据;所述属性数据是这一“属概念”,和“血压”这一“种概念”的其它“属概念”(晨压、午压、晚压)之间的“差异”(属差),例如,人的早晨血液输送到全身各部位需要一定的压力为晨压。故如测量血压时,目标对象的特征数据就是血压,而血压的概念、血压的时间、用于测量血压的血压计等等都属于属性数据;数据值包括实际量化的数据及单位及其意义,例如某人实际测血压为123/86mmHg,一天测量三次,一个月一共测量80次等等,123/86mmHg、三次/天、80次/月都为数据值,及各数据值的意义。
根据目标数据,从电子传媒中提取目标内容,其中,所述目标内容至少包括以下之一:所述目标数据的范围、定义数据和数据值、及数据值的表示意义;
其中,数据值表示的意义指目标数据在实际的客观与主观内容、价值、作用,及与目标内容相互对应关系。例如,一个人的测量的血压值为148/96mmHg表示的意义为:结合心率67次/分,相对应为一个男子早晨活动后的血压,我们看到的是心脏收缩的动力产生的压力为收缩压148mmHg,血管对血液的张力压为148-96=52mmHg,基础代谢率约为52+67-111=8,负荷压为舒张压96mmHg,另外,再结合多次血压的均值与标准差等结合起来,可以判断其血液在血管中流动速度,血液在血管中的温度状态,血液分布与迟滞状态,及代谢情况、风险部位及程度,以及干涉某些因素将带来某些后果等实际意义,从而对应着目标内容的相关知识进行分析。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,
根据所述客体及目标数据,从电子传媒中提取目标内容包括:
从所述目标数据中提取所述客体及定义数据和数据值;其中,定义数据包括目标对象的特征数据和属性数据,以及数据值的意义;
根据所述客体及定义数据和数据值,确定所述目标内容的超链接接口;
根据所述超链接接口,从电子传媒中提取所述目标内容。
结合第一方面的第一种可能的实施方式,本发明实施例提供了第一方面的第二种可能的实施方式,其中,获取客体及目标数据之前,所述方法还包括:
获取预设传媒的所述电子传媒,所述电子传媒内包含有所述目标数据的理论知识或所述客体及目标数据的范围、定义数据和数据值、及数据值的表示意义;
将所述电子传媒进行划分处理,得到多个模块数据,其中,一个所述模块数据对应必须有所述客体或者目标数据的一类定义信息及数据值;当然,还可包括有对应的目标数据的理论知识及数据值表示意义的模块数据。
为所述模块数据创建超链接接口,以便通过所述超链接接口访问所述模块数据,通过超链接将目标数据与目标内容相对应。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,在将所述目标内容推送给所述客体及目标数据之后,所述阈值分析方法包括:
根据不同的传媒及产品进行可信度概率的选择,设定为假阳性错误为α;假阴性错误为β。然后,依据α和β概率,可进行所需要样本量计算。然后通过该所需的最少样本量为界即阈值。
假阳性错误:拒绝了实际上成立的,其中,实际上成立是指应该接受,为“弃真”的错误,假设检验中如果拒绝时发生假阳性错误概率为1%,即,100次拒绝中平均有1次是拒绝了实际上成立的;
假阴性错误:接受了实际上不成立的,其中,实际上不成立是指应该拒绝,为“纳伪错误”,假设检验中如果接受时发生假阴性错误概率为1%,即,100次接受的结论中平均有1次接受了实际上不成立。
假设待考察总体和预选总体相同,可以用Zα/2代表两个总体相背离的区域的范围;假设待考察总体和预选总体不相同,可以用Zβ代表两个总体的相交区域。
故,如果假设不同的两个总体,用Zβ代表相交区域,其中Zβ代表标准正态分布的β分位数,用Zα/2代表相分离的两侧区域的范围;Zα/2代表标准正态分布的α/2分位数,Z是用来求取置信区间的概率而通过Z区间表来查表所得。
故依据假定设置α或者β概率,能够反应出待考察总体的预设样本量为待考察总体的最小样本量即阈值,故假设待考察总体和预选总体不相同计算如下:
其中,σ为总体标准差;δ为总体参数的差异,在两均数Z检验中,记为δ=μ12,μ为总体均数,δ越大,越有可能在抽样中获得较大差别的两样本均数。其中,前者是正态分布公式,后者是二项式分布公式。所述二项式分布是最简单的正态分布,其中在同一个总体中,概率范围有且只有两种即π和1-π,π1为总体1的概率,π2为总体2的概率,π1和π2都是二项分布的概率,其中二项式分布指的是若某事件概率为p,现重复试验n次,该事件发生k次的概率为:即从n个事物中拿出k个的方法数。π1和π2是每次Bernoulli试验结果A出现的概率。Zα/2、Zβ标准正态分布的z区间。
故,假设待考察数据是来自预选总体,该总体有线性相关性,计算如下,阈值也可以由Zα/2、Zβ等来确定,其公式为:
其中,n为阈值,Zα/2为正态分布Z检验的单侧u值,Zβ为正态分布Z检验的双侧u值,ρ为总体相关系数,其中,查表可得,这里就不详论述。
其中,其中,每一个样本中,其第i个值为(xi,yi),该样本数为m。
结合第一方面的第三种可能的实施方式,本发明实施例提供了第一方面的第四种可能的实施方式,其中,根据所述阈值来确定目标内容与目标数据的相关性信息,依相关性信息相互推送应答信息,
所述相关性分析是指对两个或多个具备相关性的变量元素进行分析,从而衡量两个变量因素的相关密切程度。相关性的元素之间需要存在一定的联系或者概率才可以进行相关性分析。
在所述相关性信息包括:数据量足够大,达到上述阈值而产生了正态分布,则通过计算机自动分析,自动得出总体均数μ和标准差σ这两个参数,然后通过SPSS或其他统计学软件自动进行检验分析,为第一相关性信息,可得出目标值作为参考值输出,在第一相关性信息的情况下,根据所述第一相关性信息的目标值,从目标内容中调用所述第一相关性信息的答案;若目标数据数据量比阈值少,则表明随机性大(即个性化大)或者无法归类,计算出目标值作为参考值输出,为第二相关性信息,在第二相关性信息的情况下,将所述第二相关性信息的目标值推送给工作人员,以使所述工作人员对所述第二相关性信息的内容通过人工对话平台和“窗口”,由人工进行分析及归类进行处理得到处理结果,其中,所述处理结果包括以下任意一种:否定所述第二相关性信息、肯定所述第二相关性信息、及再根据实际情况慎重分析。
结果符合设定检验值为对传媒文化、哲学与科学理论等验证“正确”即正相关,可以对用户进行合理答疑和指导。反之,则“有误”即负相关,则对传媒上的知识要进行修改,且不可以对用户进行合理的指导,或者要再根据实际情况慎重分析。
目标数据对目标内容进行修正而得到修正结果,将所述修正的目标内容答案作为所述应答信息推送给所述客体及目标数据进行答疑和指导。
结合第一方面的可能的实施方式,本发明实施例提供了第一方面的第五种可能的实施方式,其中,其分析方法还包括所述目标数据进行逐级优化方法,包括:
第一逐级优化、第二逐级优化,所述第一逐级优化为依所述“阈值”的转化,随着样本量的增加,当达到阈值时,则由第二相关信息转化为第一相关信息,再一次对所述目标数据进行数据处理,并且对目标数据与内容再次进行相关分析;所述第二逐级优化为依所述“实际情况慎重分析”而修改可信区间,再依可信区间的概率,再进行相关分析。其中,慎重分析设定的可选择的置信区间计算如下:即μ±σ为概率68.27%,μ±1.03σ为概率70%,μ±1.15σ为概率75%,μ±1.28σ为概率80%.μ±1.44σ为概率85%,μ±1.64σ为概率90%,μ±1.96σ为概率95%,μ±2.58σ为概率99%,根据实际情况进行设置。得到转化后,对目标数据与内容再一次进行相关分析,得到与所述目标内容对应的目标值,根据目标值确定正相关与负相关,从而得出分析报告,依据分析报告可通过目标内容对数据进行答疑和指导,目标数据对内容进行验证和修正,这样不断的逐级优化。
第二方面,本发明实施例还提供一种自媒体互动装置,装置包括采集设备、电子设备和终端设备,包括:
采集设备为获取模块的载体,用于获取客体发送的目标数据,其中,所述目标数据包括所述定义数据和数据值;其中,定义数据包括目标对象的特征数据和属性数据,数据值还包括其表示的意义;
电子设备为管理模块、提取模块、分析模块、推送模块、逐级优化模块的载体,用于对所述目标数据进行数据处理,并且对目标数据与内容进行相关性分析,得到与所述目标内容对应的目标值,根据目标值确定正相关与负相关,从而得出分析报告,依据分析报告可通过目标内容对目标数据进行答疑和指导,目标数据对目标内容进行验证和修正。
管理模块,用于将所述电子传媒的目标内容进行划分管理,得到多个模块数据;
提取模块,用于根据所述目标数据,从电子传媒中提取目标内容:其中,所述目标内容至少包括以下之一:所述目标数据的定义数据和数据值、及数据值的表示意义;从所述客体及目标数据中提取所述目标数据定义数据的类型和/或数据值、及数据值的表示意义;并确定所述目标内容的超链接接口;根据所述超链接接口,从电子传媒中提取所述目标内容与相应目标数据相对应。
分析模块,用于根据目标内容与实践间的概率范围,确定所需要数据量的阈值,再分析目标内容与目标数据的正负相关性,其中,所述相关性包括:当目标数据量大于阈值时,进行统计学相应的检验而得出相关性或多重相关性分析;当目标数据量小于阈值时,进行逐级优化。根据目标内容与目标数据相互相关性分析,得到分析结果。
第一推送模块,用于将所述目标内容推送给客体,以便通过所述目标内容来对客体及目标数据进行答疑和指导;
第二推送模块,目标内容通过统计分析或者人工窗口解答接收目标数据的验证,并且通过目标数据发送的正负相关性信息对目标内容进行验证和修订。
逐级优化模块,还用于将所述目标数据进行逐级优化。
将目标内容与目标数据在分析模块中进行分析,并通过第一、第二推送模块送达终端设备。
通信链路为建立与所述采集设备之间的链路,采集设备、电子设备及终端设备之间的链路。基于所述通信链路,获取所述目标数据,建立存储模块,并将所述目标数据进行存储,以便查找及分析。
终端设备,用于接收和显示目标数据,并将目标数据进行分析后,得出与所述目标内容对应的目标值,根据目标值确定正相关与负相关,从而得出分析报告,依据分析报告显示分析结果。
本发明实施例带来了以下有益效果:通过将传媒与相关数据直接相关性分析的方法,不仅仅可以提高传媒的正确性、数据的准确度和精确度,而且可以对目标数据进行答疑和指导,对目标内容进行验证和修正。其不仅可以通过目标数据与目标内容相结合,从目标内容的角度来说可以达到了宣教的目的。而且由于目标内容是根据目标数据从电子传媒中提取的,就如同一个全面的说明书一样,对目标数据有答疑及指导作用,从而改变了传统的采集设备说明方法的局限性,并且提高了目标数据的准确度、精准度。同时,目标数据获取后对相关目标内容直接进行验证与修正,使目标内容螺旋上升逐渐完善完美。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种智能学习的媒体互动装置的结构图;其中,图标:102为采集设备、104为电子设备、106为通信链路、108为终端设备。
图2为本发明实施例二提供的一种智能学习型媒体互动分析方法的流程图;其中,图标:102、104、106和108共同组成了自媒体互动装置;其中,1041——1045为电子设备是“自媒体互动分析方法”的载体,而S1——S5为自媒体互动分析方法,包括:S1为管理模块、S2为提取模块、S3为分析模块、S4为推送模块、S5为逐级优化模块;
图3为本发明实施例二提供的一种智能学习型媒体互动分析方法示意图,该示意图带有分析模块相关子模块,及推送模块的子模块;其中,图标10431为存储模块的电子设备、10441——10444为推模块的子模块的电子设备,其中,S31为存储模块、S41为调用单元、S42为第一推送模块、S43为第二推送模块、S44为分析模块,S31、S41——S44为子模块流程共同构成了分析方法。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
传统的数据采集与传媒是两个领域,首先,在传统的数据采集设备说明方法是在各个设备上附带一个使用说明书,第一,说明书对使用方法的描述比较简略且没有考虑到不同群体的认知;第二,说明书中并不会出现采集到的数据表示的意义,因而,传统的采集设备所采集的数据存在数据的准确度、精准度较差的问题。其次,传媒内容往往真假难辨,基于此,本发明实施例提供的一种智能学习型媒体互动分析方法及装置,可以提高采集的目标数据的准确度及精确度的同时,也可以解决传媒真伪性。
实施例一
本发明实施例提供的一种智能学习型媒体互动装置,如图1装置结构所示:
采集设备102:结合“第一方面,本发明实施例提供了第一方面的第一种可能的实施方式”,其功能为依据目标内容所确定的范围获取客体发送的目标数据;例如,依据《从流体力学角度论血压》,客体及目标数据用U康血压计采集到某人收缩压为80mmHg,然后发送目标数据“U康血压计测得某人的收缩压为80mmHg”,其中,目标对象为采集某人的血压,特征数据为血压,属性数据为心脏收缩(数据类型),数据值为80mmHg(包括数据和单位)。其目的是根据“U康血压计测得某人的收缩压为80mmHg”从《从流体力学角度论血压》中提取心脏收缩做功、低血压的标准,低血压的原理及危害等等目标内容,为目标数据答疑及指导,同时用“U康血压计测得某人的收缩压为80mmHg”反过来检验和修正目标内容有关低血压的相关内容。
需要说明的是,这个例子中,数据传输到的终端和客体可以不同,例如张三测量血压,客体为张三,而李四为张三的医生或者电子设备,数据传输给了李四,李四为数据传输到的终端。
电子设备104,包括:管理模块结构、提取模块结构、分析模块结构、推送模块结构、逐级优化模块结构。详细见图3:
其中,电子设备,可以是,但不限于,个人电脑(Personal Computer,PC)、笔记本电脑、平板电脑、个人数字助理(Personal Digital Assistant,PDA)、移动上网设备(MobileInternet Device,MID)等。上述电子设备的操作装置可以采用,但不限于,Windows装置、Linux装置、OSX装置。
通信链路106,从获取模块及管理模块中,分别提取相对应的目标数据的类型和/或数据值、及数据值的表示意义,使管理模块中划分出的相应模块数据相对应目标内容,确定所述目标内容的超链接接口;根据所述超链接接口,从电子传媒中提取所述目标内容。并将目标内容与目标数据在分析模块中进行分析,并通过第一、第二推送模块送达终端设备。在这个过程中,建立与所述采集设备之间的通信链路,采集设备、电子设备及终端设备之间的通信链路。
基于所述通信链路,获取所述目标数据,建立存储模块,并将所述目标数据进行存储,以便查找及分析。对目标数据进行统计分析,得出统计结果,以便基于统计结果对目标内容进行验证或修订或目标内容对客体及目标数据进行答疑及分析。
其中,通过通信链路,可将目标内容、目标数据、分析结果等推送到电子设备上;也可以是将其存放在云端存储平台的目标账户里,将目标账户的账号和密码进行推送,例如,将目标内容存储在电子设备或者百度云网盘中,将网盘的账号和密码推送给客体及目标数据;也可以将目标数据推送给目标内容;还可以将分析结果推送到终端。
具体地,通信链路可以通过GPRS、CDMA等手机用通讯网来建立。这里并不对通信链路的具体建立方式作限制。
本发明实施例中,采集设备具有通信的功能,采集到目标数据后可以自动将目标数据通过通信链路发送,更加便于本发明实施例中获取目标数据。
可选地,通信链路的通断可以由客体及目标数据来决定,可以在采集设备上设置一个通信链路开关,客体及目标数据接通通信链路开关后,采集设备可以自动将采集到的目标数据进行发送。
其中,终端设备之间,终端设备、电子设备、采集设备的连接设备为通信链路。
终端设备108,所述终端设备功能:一方面,接收和显示目标数据,另一方面,依据分析报告显示分析结果。再一方面,对所述目标内容进行验证及修订或对所述客体及目标数据进行分析后进行答疑和指导。
该智能学习型媒体互动分析方法及装置终端设备可以应用于教学中,将对采集设备的实践操作和电子传媒中的理论知识相结合,通过理论联系实践实际,使学生动态学习,也使得教师动态教学。
该智能学习型媒体互动分析方法及装置终端设备还可以用于医学中,将医疗数据采集设备和电子传媒中的医学理论知识相结合,使得医学理论知识的宣教工作得到针对性的落实。
需要强调的是,上述给出了本发明实施例提供的智能学习型媒体互动分析方法和装置的若干终端设备可以应用的两个领域,这并不是对该智能学习的媒体互动方法的应用领域所做的限制。
本发明实施例所提供的智能学习的媒体互动装置由采集设备、通信链路、电子设备及终端设备构成。装置的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
由于对同一传媒,不同的阅读者之间的理解往往会产生差异;且鉴于作者实践受限或者笔误,传媒里难免会有出错的地方,故为克服以上缺陷,本发明实施例中,在将目标内容推送给客体及目标数据之后,智能学习型媒体互动分析方法和装置中的另一个重要部分就是基于电子设备上的分析方法,包括:目标内容接收客体及目标数据发送的相关性信息,根据相关性信息,向目标内容推送应答信息进行验证及修正;及目标内容对由目标内容确定范围后采集到的目标数据进行相关分析后,向客体及目标数据推送应答信息进行答疑及指导。
针对上述情况,需要一种智能学习的传媒互动分析方法,其载体由电子设备完成,如实施例二。
实施例二
本发明实施例提供的一种有自我学习能力的媒体互动分析方法及装置,其中电子设备中由多个模块组成,如图2所示,包括:
步骤S41,管理模块,其载体为1041:结合“第一方面的第一种可能的实施方式,所提供了第一方面的第二种可能的实施方式”,在采集目标数据前,获取预设传媒的电子传媒,预设传媒内包含有理论知识或所述客体及目标数据的定义数据和数据值、及数据值的表示意义等;
将电子传媒进行划分处理,得到多个模块数据,其中,一个模块数据对应必须有客体或者目标数据的一类属性信息及数据值;其中,还可包括目标数据的理论知识及特征数据表示的意义等模块数据。
为模块数据创建超链接接口,以便通过超链接接口访问模块数据。
例如:作者在撰写书籍时,每一章的内容与客体及目标数据不一定一一对应,因而本发明实施例中,在获取客体及目标数据发送的目标数据之前,先对预设传媒的电子传媒进行模块化处理,进行属性的具体分类或特征的具体分类,本发明实施例不作具体限制。并且,本发明实施例对模块化处理后的每个模块数据创建超链接接口。
例如:预设传媒为《从流体力学角度论血压》,该传媒作者对传媒的排版如下:
目录
第一章血压的决定因素………………………………………1
第一节血压的基准线…………………………………………1
一、血压在人体内的分布……………………………………2
二、血流符合的定律或定理…………………………………3
第二节脉压差…………………………………………………10
第三节血压的调节装置………………………………………15
一、神经调节…………………………………………………16
二、体液调节…………………………………………………20
三、局部血流调节……………………………………………24
四、动脉血压的长期调节……………………………………24
五、血压缓冲装置……………………………………………24
第二章血压的标准……………………………………………30
第一节高血压指南……………………………………………30
第二节有关因素………………………………………………31
第三节血压的标准公式化……………………………………32
第三章高血压和低血压诊断标准应该公式化及个性化……39
第一节高血压诊断的个性化…………………………………39
一、经典诊断标准……………………………………………39
二、笔者对血压标准的看法…………………………………40
第二节低血压诊断的个性化…………………………………41
一、绪言………………………………………………………41
二、定义………………………………………………………41
第四章非正常血压的危害性…………………………………42
第一节高血压的危害性………………………………………42
一、表现症状和分类…………………………………………42
二、高血压的危害……………………………………………43
第二节低血压的危害性………………………………………44
一、表现症状…………………………………………………44
二、分类………………………………………………………45
三、低血压危害………………………………………………48
第三节从血压发生的血流动力学原因来分析………………49
一、相对血管半径发生变化…………………………………53
二、绝对血管半径发生变化…………………………………54
第五章心、神经装置、肾论临床诊断………………………56
第一节心性血压诊断…………………………………………59
一、测血压……………………………………………………59
二、检查和询问病史…………………………………………59
三、体格检查…………………………………………………60
四、实验室及特殊检查………………………………………60
五、分类与鉴别………………………………………………61
六、常见的心血管装置疾病…………………………………63
第二节神经性血压诊断………………………………………64
一、诊断………………………………………………………64
二、常见的神经装置疾病……………………………………65
三、高血压脑病需要与哪些疾病鉴别诊断…………………65
第三节肾性血压诊断…………………………………………66
第四节其他鉴别诊断…………………………………………67
一、甲状腺功能亢进症(简称甲亢)………………………67
二、医源性高血压……………………………………………67
第六章治疗…………………………………………………69
第一节高血压的治疗…………………………………………69
一、血压的影响………………………………………………69
二、治疗(我们关注点是心、脑、肾)……………………70
三、针对血压的几个指标目前采取的治疗方式……………76
第二节高血压的治疗与用药…………………………………117
一、首先要从血压基准线方面考虑…………………………117
二、再从脉压差方面考虑……………………………………119
三、血压调节的决定因素……………………………………120
第三节高血压在什么情况下吃什么药………………………121
一、“高血压病”的用药……………………………………121
二、“高血压病”的治疗原则………………………………129
三、“高血压病”生化上的一些机理………………………129
第四节高血压患者,如果不吃药该怎么办…………………130
一、神经调节…………………………………………………132
二、体液调节…………………………………………………132
三、局部血流调节……………………………………………133
四、动脉血压的长期调节……………………………………133
第五节高血压病人吃什么药及吃药方式……………………135
一、“高血压病”的用药……………………………………135
二、“高血压”的危害………………………………………135
第六节低血压的治疗…………………………………………142
一、常规治疗…………………………………………………142
二、病因治疗…………………………………………………143
三、西医治疗…………………………………………………143
四、中医治疗…………………………………………………144
五、低血压的食疗……………………………………………146
六、预防事项…………………………………………………148
七、保健食品…………………………………………………149
八、老年性低血压防治………………………………………149
第七节展望…………………………………………………151
一、近期展望…………………………………………………151
二、远期展望…………………………………………………155
而为了将该传媒与血压计配套使用,可以先将该传媒进行如下模块数据化处理:
模块数据一为:基准线与基础线的确定
第一章血压的决定因素………………………………………1
……
二、血流符合的定律或定理…………………………………3
模块数据二为:脉压的相关
第二节脉压差…………………………………………………10
模块数据三为:血压的波动
第三节血压的调节装置………………………………………15
……
五、血压缓冲装置……………………………………………24
模块数据四为:血压的风险性
第二章血压的标准……………………………………………30
……
二、绝对血管半径发生变化…………………………………54
模块数据五为:血压的诊断性模块
第五章心、神经装置、肾论临床诊断………………………56
……
二、医源性高血压……………………………………………67
模块数据六为:血压的治疗性模块
第六章治疗…………………………………………………69
……
八、老年性低血压防治………………………………………149
经过如上模块数据化处理后,给六个模块数据中的每个模块数据创建超链接,可以给每个模块数据设置一个IP地址,访问对应的IP地址即可以访问相应的内容,从而将和IP地址相关联的内容进行共享。例如,在上述六个模块数据中,模块数据六为血压的治疗性模块数据,这一模块数据在血压计采集到的血压不在正常血压范围内的时候可以推送给数据输送的终端,以便将结果传输给终端或者客体,客体及终端获得血压的治疗性知识。
其中,所述超链接接口包括:在为模块数据创建超链接接口后,确定目标内容的超链接接口,根据目标数据,从电子传媒中提取目标内容。具体地,电子传媒包括多个超链接接口,不同的超链接接口对应有不同的文本内容。
具体的,电子设备从获取模块及管理模块中,分别提取相对应的目标数据的类型和/或数据值、及数据值的表示意义,使管理模块中划分出的相应模块数据相对应目标内容,确定所述目标内容的超链接接口;根据所述超链接接口,从电子传媒中提取所述目标内容。并将目标内容与目标数据在分析模块中进行分析,并通过第一、第二推送模块送达终端设备。
需要说明的是,如果电子传媒是存储在阅读网站服务器中的内容,则超链接接口就是访问阅读网站服务器的接口;如果电子传媒是存储在云端存储平台的目标服务器的内容,超链接接口就是访问云端存储平台的目标服务器的接口。
步骤S42,提取模块,其载体为1042:根据目标数据,从电子传媒中提取目标内容。需要说明的是,目标内容除上述提到的三种内容,但不限于这三种内容,例如,还可以包括采集设备采集目标数据的方法,方法不同其数据的准确度及精准度也有所不同。例如,接收到的目标数据为“U康血压计测得收缩压为80mmHg”,可以根据目标数据判断出目标对象低血压,然后可以将陈述低血压的调理方法的文本内容确定为目标内容,并查找低血压的调理方法的超链接接口,然后访问超连接接口,将超链接接口对应的文本内容从电子传媒中提取出来。本发明实施例对目标内容不作限制,目标内容只要是和采集设备相关或/和采集到的数据有关的内容即可,目标内容中的文本可在具体情况中作进一步限定。
本发明实施例的另一个可选实施方式中,提取模块用于:
从客体及目标数据中提取其属性和特征性;例如:目标数据为“U康血压计测得人的收缩压为80mmHg”,则目标内容包括血压计及原理、收缩压及收缩压定义及原理、80mmHg的表示的意义等内容之一。根据其属性和特征性的类型和/或数值及特征数据的表示意义,确定所述目标内容的超链接接口;并与上述通过目标数据从电子传媒中提取目标内容相对应,然后进入分析模块。
步骤S43,分析模块,1043为分析模块的载体:结合“第一方面,本发明实施例提供了第一方面的第三种可能的实施方式”,其中,在将所述目标内容推送给所述客体及目标数据之后,用于根据目标内容与实践间的概率范围,确定阈值,再分析目标内容与目标数据的相关性,其中,所述相关性包括:当目标数据量大于阈值时,进行统计学相应的检验而得出相关性或多重相关分析;当目标数据量小于阈值时,进入逐级优化模块。根据目标内容与目标数据相互相关性分析,得到分析结果。此外,对目标数据进行统计分析来得出统计结果,以便基于统计结果对目标内容进行验证或修正和应用目标内容对客体及目标数据进行答疑或指导性分析,其中,阈值计算如“第一方面,本发明实施例提供了第一方面的第三种可能的实施方式”已经详细陈述,此处不再赘述。
通过数据量的计算得出阈值,然后通过该阈值为界,若数据量比阈值少,则表明随机性大(即个性化大)或者无法归类,则进入人工对话平台和“窗口”,由人工进行分析及归类,这也就是权利要求5中第二相关信息;反之,则表现出总体特征,在目标数据的数据量大于阈值的情况下,即随着数据量增大,产生了正态分布,这也就是权利要求5中第一相关信息。若数据量达到上述阈值,则通过计算机自动分析,自动得出总体均数μ和总体标准差σ这两个参数,然后通过SPSS或其他统计学软件自动进行检验。符合检验值为对传媒文化、哲学与科学理论验证“正确”即正相关,可以对用户进行合理指导。反之,则“有误”即负相关,则对传媒上的知识要进行修改,且不可以对用户进行合理的指导,或者要再根据实际情况慎重分析。根据实际情况进行慎重分析选择的置信区间计算,其中,置信区间如“第一方面的第五种可能的实施方式”已经详细陈述,此处不再赘述。最终可得出目标值作为参考值输出。
在对目标数据进行统计分析来得出统计结果后,具体地,将所述目标内容与客体及目标数据相互推送,所述方法见步骤S44推送模块,以1044为载体。
需要说明的是,在目标数据的阈值是针对相应的目标内容及实际情况下,通过可信概率来确定,依阈值进行相关性分析,统计结果用于对目标内容进行验证及修正;例如,预设样本量的阈值为5000,目标数据的属性为血压,目标内容为正常血压,如果目标数据的样本量为10000,则自动生成均值与标准差,故而这个总体血压的特征值为通过u检验,符合正常血压的特征值,则属于正常血压,那么测得的任何一个血压值位于该可信区间范围内,是处于所设定的概率范围内,那就是一个正常值,是正相关,反之,则反之。
由于目标内容按一定方式分类,这种方式与目标数据相对应,通过目标内容指导目标数据后,目标数据越接近总体均数,或者其数据值越处于大概率范围,则为正相关,则目标内容可用来进行指导,反之,为负相关,则纠误;同理,通过目标数据的大概率分析,其产生的规律性越符合目标内容描述的那样,则为正相关,则越验证其正确性,反之,为负相关,则进行修正。当条件因子增加,则进行相关性分析,目前已经有成熟的统计学软件,这里就不再详细论述。具体地,确定可信度假设后,10000个不同的人的血压,则统计结果可以计算出10000人血压的平均值和标准差,然后根据10000人血压的平均值和标准差可以确定人血压的正常值范围,然后根据确定出的人血压的正常值来验证电子书上的人的正常值是否需要修正;按照每次测量血压值与正常值的远近及预设的概率范围来分析其血压值与目标内容中得出血压值特征性是否一致,若一致则为正相关,反之,则为负相关;再根据目标内容对血压进行指导和干涉,若使血压值接近总体均数或者其得出概率范围增大,则为正相关,反之,为负相关;
故而,正相关时,目标内容为正确的,指导的目标数据是合理的,故而目标内容对客体及目标数据有指导意义,目标数据对目标内容的验证指示,目标内容是正确的;反之,负相关时,目标内容需要修正,目标数据的预测值需要重新设定或者对应目标内容要重新调整。
需要说明的是,在目标数据的数据量小于阈值的情况下,其处于一种随机状态,无法得出具有统计意义的统计结果,因而,对目标内容进行修订以及怎样修订是需要人工来决定,对用户客体及目标数据进行分析也需要人工来进行,这也就是所述的第二相关性信息。
具体地,基于统计结果对目标内容进行修订,包括:
在数据量大于阈值的情况下,计算数据总量的均数和标准差这两个参数,其中,n为无限大的样本量。
再基于均数和标准差通过统计学软件SPSS对目标内容自动进行以下任意一种检验:t检验、X2检验、F检验等检验。检验结果为:(1)目标内容正确,则不需要对目标内容进行修正,目标内容能够用于对客体及目标数据进行合理指导。(2)目标内容不正确,则目标内容不可以对客体及目标数据进行合理的指导,需要对目标内容进行修正。(3)目标内容是否正确需待定。其中,目标内容是否正确的可信区间分布如“第一方面的第五种可能的实施方式”已经详细陈述,此处不再赘述。
具体地,例如《从流体力学角度论血压》通过电子设备处理后,需要分析某人的正常血压值,则提取出目标内容,并且确定数据范围、定义数据,采集了阈值数据值,存储到电子设备的存储器中,进行分析,并且给出了分析目标和分析预值等,如分析目标和预值为收缩压为120mmHg为正常值,其离均差为±40;则通过阈值分析,设定概率可信度为95%,那么,利用阈值公式得出: 其中,用计算机自动计算,最终求出样本的阈值n,那么大于n次,计算机自动求出收缩压的均值及标准差,然后与目标内容收缩压为120mmHg为正常值,其离均差为±40,通过统计学软件进行对比,或者进行u检验或者t检验,符合设定概率95%则为正相关,则目标数据与目标内容相符合,目标数据对目标内容检验合格;否则,再次进行检验,或者扩大样本量、或者提高数据的准确度、精准度就进行慎重检验或者确定为检验不合格。其中慎重检验指其设定的可信区间实际情况是否符合我们拟定的假设概率95%,若不符合则重新设定。若数据量未达到阈值,则通过窗口进行人工分析或者对话。然后,将分析结果传送到终端设备。
如图3,步骤S31,存储模块,其载体为10431,用于在获取客体发送的目标数据之后,将目标数据进行存储;具体地,对目标数据进行存储,可以存储目标数据的具体内容及目标数据的采集时间等,这里不再一一列举。并且,可以先将目标数据存储在集发器,然后再定期上传到服务端的存储服务器中。其中,集发器对数据应有一定的保存期限,例如可以保存两个月,这样终端设备的服务端的管理者可以在数据采集后的两个月内调用集发器中的数据进行返查。
本发明实施例的另一个可选实施方式中,推送模块包括:
步骤S4,推送模块,其载体为1044:其中,将目标内容、目标数据、分析结果等分别推送到采集设备、电子设备、终端设备上;也可以是将其存放在云端存储平台的目标账户里。
如图3,步骤S41,推送模块的调用单元,其载体为10441:用于在相关性信息情况下,根据相关性信息的问题的内容,从提取模块的预设数据库中调用相关性信息的答案,具体见提取模块;
如图3,步骤S42,推送模块的第一推送模块,其载体为10442:用于将目标内容推送给客体及目标数据,以便通过目标内容来对客体及目标数据进行答疑及指导。目标数据的获取及目标内容和目标数据相对应的提取,详细见采集设备及提取模块。由于目标内容是根据目标数据从电子传媒中提取的,从而提高了传统的采集设备采集数据的准确度及精准度。同时也达到了宣教的目的。
具体地,目标内容接收客体及目标数据以阈值为标准,获得的第一、第二相关信息分析而选定目标内容;
根据所述正负相关性信息,将目标内容通过电子设备推送给采集设备上,来根据所确定目标数据的理论知识或所述客体及目标数据的范围、定义数据和数据值、及数据值表示的意义,推送应答信息。
需要强调的是,将目标内容推送给客体及目标数据后,只要客体及目标数据能够获知目标内容即可,这里对具体方式不作限制;
如图3,步骤S43,推送模块的第二推送模块,其载体为10443:将目标数据推送到电子设备上,通过统计分析或者人工窗口解答接受目标数据发送的正负相关性信息对目标内容进行验证和修正,并得到修正结果;
如图3,步骤S44,推送模块的分析模块,其载体为10444:根据相关性信息,向客体及目标数据推送应答信息。
其中,第一相关性信息的情况下,本发明实施例的一个可选实施方式中,根据相关性信息目标内容与客体及目标数据之间相互推送应答信息,包括:
根据第一相关性信息的问题的内容,具体地,从预设数据库中调用第一相关性信息可以是自动执行,也可以是由终端设备的服务端的管理员来执行。
此外,预设数据库中的信息,可以是基于上述对目标数据进行统计分析而得出的统计结果,例如,血压正常值的问题,在血压数据的数据量达阈值以上或者已知为普遍性的问题时,通过统计可以得出或者通过公知常识可以推论的血压问题,若确定人血压的正常值为多少,则可以采用上述举例中统计结果数据来确定的人血压的正常值。
从预设数据库中调用第二相关性信息的情况下,将第二相关性信息的内容推送给工作人员,以使工作人员对第二相关性信息的内容进行处理得到处理结果。
其中,处理结果包括以下任意一种:否定第二相关性信息、肯定第二相关性信息并对目标内容进行修正而得到修正结果;
其中,第二相关性信息多是客体及目标数据基于实践提出的疑问,因而,对目标内容的修正使得理论知识得到了实践的检验,从而更有利于保证目标内容的正确性。
具体地,工作人员对第二相关性信息的内容进行处理的依据可以是上述对目标数据进行统计分析而得出的统计结果。例如,第二相关性信息为:当样本量未达到阈值或者目标内容未涵盖该客体及数据的公知常识时,提出质疑。如质疑某书籍内容中的人血压的正常值为120mmHg,那么可以采用扩大数据量直到达到阈值或者利用能量守恒、帕肃叶定律等公知常识进行逻辑分析而得出新的结论,而确定上述举例中统计结果中确定的某人血压的正常范围。其中,如果统计结果中确定的人血压的正常值不是120mmHg,则需要将某书籍中的120mmHg进行补充修正。
在上述两种情况下,将确认结果作为应答信息在目标内容与目标数据间相互推送。
具体地,当处理结果包括肯定相关性信息并对目标内容进行修正而得到修正结果的情况下,确认结果不仅包括对相关性信息的肯定,还包括修正结果。对目标内容进行修正方式,至少包括以下任意一种:添加、删除、修改。
本发明实施例中,采集设备和电子设备相互关联,相互辅助,电子传媒让人们可以更好地理解目标数据的相关理论知识、目标对象的特征数据和属性数据及数据值,目标数据使得电子传媒的正确性得到实践的验证而提高正确性。
步骤S5,逐级优化模块,其载体为1045:逐级优化模块,还用于将所述目标数据进行逐级优化。需要说明的是,由于目标内容是根据客体及目标数据而从电子传媒中提取的,而客体及目标数据包括了定义数据和数据值;其中,定义数据包括目标对象的特征数据和属性数据;所以目标内容是与目标数据密切相关的内容,从而目标内容通过目标数据不断的进行验证与修正,使得目标数据的准确度、精确度及适用范围更加合理;客体产生的数据更加适用,目标对象通过分析方法及装置对目标数据进行分析及总结进行答疑及指导更加准确。最终通过终端设备表现出来。
值得注意的是在电子设备中,在不同的模块中,往往含有相同的交叉的内容。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种智能学习型媒体互动分析方法及装置,其特征在于,分析方法及装置包括:
获取客体发送的目标数据,其中,所述目标数据是由目标内容确定范围,并包括定义数据和数据值;其中,定义数据包括目标对象的特征数据和属性数据;
根据目标数据,从电子传媒中提取目标内容,其中,所述目标内容至少包括以下之一:所述目标数据的范围、定义数据和数据值、及数据值的表示意义;
将管理后的目标内容推送给客体及目标数据,再将目标数据进行阈值及相关性分析,以便通过所述目标内容来对客体及目标数据进行答疑或指导;并反过来,通过自动分析或者人工答疑目标数据,并接收目标数据的验证,以便客体及目标数据对目标内容进行修正;
总之,包括目标内容管理、目标内容覆盖范围下采集目标数据、目标数据与目标内容的相关分析,及通过目标内容对目标数据进行答疑和指导,目标数据对目标内容进行验证和修正,二者不断优化。
2.根据权利要求1所述的方法,其特征在于,根据所述客体及目标数据,从电子传媒中提取目标内容,包括:
从所述目标数据中提取所述客体及定义数据和数据值;其中,定义数据包括目标对象的特征数据和属性数据;
根据所述客体及定义数据和数据值,确定所述目标内容的超链接接口;
根据所述超链接接口,从电子传媒中提取所述目标内容。
3.根据权利要求2所述的方法,其特征在于,在获取客体及目标数据之前,所述方法还包括:
获取预设传媒的所述电子传媒,所述预设传媒内包含有所述目标数据的理论知识或所述客体及目标数据的范围、定义数据和数据值、及数据值的表示意义;
将所述电子传媒进行划分管理,得到多个模块数据,其中,一个所述模块数据对应必须有所述客体或者目标数据的一类定义信息及数据值;当然,还可包括有对应的目标数据的理论知识及数据值表示意义的模块数据;
为所述模块数据创建超链接接口,以便通过所述超链接接口访问所述模块数据。
4.根据权利要求1所述的方法,其特征在于,在将所述目标内容推送给客体及目标数据之后,所述阈值分析方法包括:
根据不同的传媒及产品进行概率选择,设定为假阳性错误为α;假阴性错误为β;然后,依据α和β概率,可进行所需要样本量计算;然后通过该样本量为界即阈值来进行相关性分析;
如果假设不同的两个总体,用Zβ代表相交区域、Zα/2代表两侧相分离区域,其中Zβ代表标准正态分布的β分位数,Zα/2代表标准正态分布的α/2分位数;
故依据可信度设置,能够反应出所需要的阈值,在不同总体间计算如下:
其中,σ为总体标准差;δ为总体参数的差异,在两均数Z检验中,记为δ=μ12,μ为总体均数,δ越大,越有可能在抽样中获得较大差别的两样本均数;其中,前者是正态分布公式,后者是二项式分布公式;
如果在同一个总体中,阈值为其中,n为阈值,Zα/2为正态分布Z检验的单侧u值,Zβ为正态分布Z检验的双侧u值,ρ为总体相关系数;
其中,
5.根据权利要求4所述的方法,其特征在于,根据所述阈值,目标内容与目标数据间进行相关性分析,根据所述相关性信息相互推送应答信息,包括:
接收所述客体及目标数据发送的相关性信息,其中,所述相关性信息至少包括以下之一:第一相关性信息、第二相关性信息,所述第一相关性信息为所述目标数据的阈值低于采集数据的量时摄及到的正负相关问题,第二相关性信息为所述目标数据的阈值高于采集数据的量时,对所述目标内容的正确性质疑时摄及到的正负相关性问题;
根据所述正负相关性信息,目标内容和目标数据相互推送应答信息;
所述第二相关性信息,在不同情况的目标数据采集中若数据量比阈值少,则表明随机性大(即个性化大)或者无法归类,则进入人工对话平台和窗口,由人工进行分析及归类计算出目标值作为参考值输出;随着数据量增大,达到上述阈值,产生了正态分布,为第一相关信息;
所述第一相关信息,可通过计算机自动分析,自动得出总体均数μ和标准差σ这两个参数,然后通过SPSS或其他统计学软件自动进行检验分析,可得出目标值作为参考值输出;
根据所述第一相关性信息得出的目标值,从目标内容中调用所述第一相关性信息的答案,将所述答案作为所述应答信息推送给所述客体及目标数据;
其中,目标值的正相关为:结果符合设定检验概率值为对传媒文化、哲学与科学理论验证正确,则可以对用户进行合理答疑和指导;反之,则有误即负相关,则对传媒上的知识要进行修改,且不可以对用户进行合理的答疑和指导,或者要再根据实际情况慎重分析。
在所述相关信息包括所述第二相关性信息的情况下,将所述第二相关性信息的内容推送给工作人员,以使所述工作人员对所述第二相关性信息的内容通过人工对话平台和“窗口”,由人工进行分析及归类进行处理得到处理结果,其中,所述处理结果包括以下任意一种:否定所述第二相关性信息、肯定所述第二相关性信息、及再根据实际情况慎重分析。
最终将所述目标内容进行修正而得到修正结果,并作为所述应答信息推送给所述客体及目标数据。
6.根据权利要求1所述的分析方法,其特征还在于,将所述目标数据进行逐级优化,包括:
第一逐级优化、第二逐级优化,所述第一逐级优化为依所述“阈值”的转化,随着样本量的增加,当达到阈值时,则由第二相关信息转化为第一相关信息;所述第二逐级优化为依所述“实际情况慎重分析”而修改可信区间,再依可信区间的概率,再进行相关分析;其中,慎重分析设定的可选择的置信区间计算如下:即μ±σ为概率68.27%,μ±1.03σ为概率70%,μ±1.15σ为概率75%,μ±1.28σ为概率80%,μ±1.44σ为概率85%,μ±1.64σ为概率90%,μ±1.96σ为概率95%,μ±2.58σ为概率99%,根据实际情况进行概率假设;
得到转化后的数据处理,再一次对所述目标数据进行数据处理,并且对目标数据与内容再次进行相关性分析,得到与所述目标内容对应的目标值,根据目标值确定正相关与负相关,从而得出分析报告,依据分析报告可通过目标内容对目标数据进行答疑和指导,目标数据对目标内容进行验证和修正,这样不断的逐级优化。
7.一种自媒体互动装置,所述装置包括采集设备和电子设备,所述采集设备和所述电子设备通过通信连接,其特征在于:
所述采集设备,用于通过获取模块获取目标数据,所述电子设备,通过软件与硬件相结合,用于对所述目标内容进行管理,目标数据进行数据分析处理,并且对目标数据与目标内容进行相关分析,得到与所述目标内容对应的目标值,根据目标值确定正相关与负相关,从而得出分析报告,以及进行逐级优化,最终依据分析报告通过目标内容对目标数据可进行答疑和指导,目标数据对目标内容进行验证和修正,并通过终端设备表现出来。
8.一种智能学习型媒体互动装置,其特征,包括:
获取模块以采集设备为载体,管理模块、提取模块、分析模块、第一推送模块、第二推送模块都以电子设备为载体;
获取模块,用于获取客体发送的目标数据,其中,所述目标数据包括所述定义数据、数据值及数据值所代表的意义。
管理模块,用于将所述电子传媒的目标内容进行划分管理,得到多个模块数据。
提取模块,用于根据所述目标数据,从电子传媒中提取目标内容,其中,所述目标内容至少包括以下之一:所述目标数据的定义数据和数据值、及数据值的表示意义;从获取模块中提取与目标内容相对应的数据。
分析模块,用于根据目标内容与实践间的概率范围,确定所需要的阈值,再分析目标内容与目标数据的相关性,其中,所述相关性包括:当目标数据量大于阈值时,进行统计学相应的检验而得出相关性或多重相关分析;当目标数据量小于阈值时,进行逐级优化。根据目标内容与目标数据进行相互相关性分析,得到分析结果。
第一推送模块,用于将所述目标内容推送给客体,以便通过所述目标内容来对客体及目标数据进行答疑和指导;
第二推送模块,目标内容通过统计分析或者人工窗口解答接收目标数据的验证,并且通过目标数据发送的正负相关性信息对目标内容进行验证和修订。
9.根据权利要求8所述的各模块用于:从获取模块及管理模块中,分别提取相对应的目标数据的类型和/或数据值、及数据值的表示意义与管理模块中划分出的相应模块数据相对应目标内容,确定所述目标内容的超链接接口;
根据所述超链接接口,从电子传媒中提取所述目标内容。
将目标内容与目标数据在分析模块中进行分析,并通过第一、第二推送模块所在的电子设备送达终端设备。
10.根据权利要求7-9任意一项所述的装置,其特征在于,获取客体发送的的目标数据,包括:
建立与所述采集设备之间、采集设备与电子设备及终端设备之间相互的通信链路,
基于所述通信链路,获取所述目标数据,建立存储模块,并将所述目标数据进行存储,以便查找及分析。
还包括若干个终端设备,所述终端设备接收和显示目标数据,并将目标数据进行分析后,得出与所述目标内容对应的目标值,根据目标值确定正相关与负相关,从而得出分析报告,依据分析报告显示分析结果。
CN201711069861.5A 2017-11-03 2017-11-03 智能学习型媒体互动分析方法及装置 Active CN107862032B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711069861.5A CN107862032B (zh) 2017-11-03 2017-11-03 智能学习型媒体互动分析方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711069861.5A CN107862032B (zh) 2017-11-03 2017-11-03 智能学习型媒体互动分析方法及装置

Publications (2)

Publication Number Publication Date
CN107862032A true CN107862032A (zh) 2018-03-30
CN107862032B CN107862032B (zh) 2021-04-30

Family

ID=61700541

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711069861.5A Active CN107862032B (zh) 2017-11-03 2017-11-03 智能学习型媒体互动分析方法及装置

Country Status (1)

Country Link
CN (1) CN107862032B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109009061A (zh) * 2018-06-20 2018-12-18 博动医学影像科技(上海)有限公司 基于血压修正获取血流特征值的计算方法及装置
CN113164081A (zh) * 2018-11-06 2021-07-23 三星电子株式会社 用于识别低血压发生的电子装置和方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006155010A (ja) * 2004-11-26 2006-06-15 Takasaki Univ Of Health & Welfare 個人健康管理システム
CN105787260A (zh) * 2016-02-19 2016-07-20 北京崔玉涛儿童健康管理中心有限公司 基于用户数据的智能孕育方法指导系统
US9426239B2 (en) * 2013-03-12 2016-08-23 Oracle International Corporation Method and system for performing analysis of social media messages
CN107122612A (zh) * 2017-05-04 2017-09-01 王恩亭 慢性非传染性疾病智能诊疗辅助分析系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006155010A (ja) * 2004-11-26 2006-06-15 Takasaki Univ Of Health & Welfare 個人健康管理システム
US9426239B2 (en) * 2013-03-12 2016-08-23 Oracle International Corporation Method and system for performing analysis of social media messages
CN105787260A (zh) * 2016-02-19 2016-07-20 北京崔玉涛儿童健康管理中心有限公司 基于用户数据的智能孕育方法指导系统
CN107122612A (zh) * 2017-05-04 2017-09-01 王恩亭 慢性非传染性疾病智能诊疗辅助分析系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
马云彤: ""影响因子与 h 指数、复合影响因子相关性研究-以新闻出版和图书情报类期刊为样本"", 《西安文理学院学报:自然科学版》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109009061A (zh) * 2018-06-20 2018-12-18 博动医学影像科技(上海)有限公司 基于血压修正获取血流特征值的计算方法及装置
CN109009061B (zh) * 2018-06-20 2021-11-19 博动医学影像科技(上海)有限公司 基于血压修正获取血流特征值的计算方法及装置
CN113164081A (zh) * 2018-11-06 2021-07-23 三星电子株式会社 用于识别低血压发生的电子装置和方法

Also Published As

Publication number Publication date
CN107862032B (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
CN105528526B (zh) 一种基于中医药传承与大数据挖掘的生命周期动态健康管理系统
US20170147777A1 (en) Method and apparatus for predicting health data value through generation of health data pattern
Boehmer et al. Health conditions in younger, middle, and older ages: are there differences by sexual orientation?
CN104200120A (zh) 一种基于中医诊断信息的健康状态监测系统及其方法
CN105931166A (zh) 基于健康物联网的家庭病房系统
CN102799794A (zh) 生命体生理状况自助评估系统及其评估方法
Whiston et al. Meta‐analysis: A systematic method for synthesizing counseling research
CN105825064A (zh) 日常性中医疗法智能咨询系统
Buri et al. Unbiased recursive partitioning enables robust and reliable outcome prediction in acute spinal cord injury
CN108231146A (zh) 一种基于深度学习的医疗记录模型构建方法、系统及装置
WO2021135592A1 (zh) 基于健康数据的健康报告生成方法及其相关设备
CN107862032A (zh) 智能学习型媒体互动分析方法及装置
Khatry et al. The utility of the frailty index in clinical decision making
Chen et al. What concerns consumers about hypertension? A comparison between the online health community and the Q&A forum
CN107506576A (zh) 基于云中医的健康监测方法及系统
Savonen et al. The perceived risk of illicit drug use and views on drug policy in the general population
Ellis et al. Retrospective cost-effectiveness analysis of treatments for aphasia: an approach using experimental data
Barker et al. Reliability and validity of the psychotherapy supervisor development scale: A meta-analytic evaluation
McConkey et al. An international survey of obesity and underweight in youth and adults with intellectual disabilities
CN114446488A (zh) 一种中药方剂识别方法及系统
Maulana et al. Influence of Logistic Regression Models For Prediction and Analysis of Diabetes Risk Factors
Lee et al. From the individual to the group: Using idiographic analyses and two-stage random effects meta-analysis to obtain population level inferences for within-person processes
CN111354456A (zh) 中医体质类型检测方法及装置
CN110890157A (zh) 一种分析模型建立方法、辅助诊断装置及设备、介质
KR20150117190A (ko) 헬스케어 시스템 및 이를 이용한 정보처리방법

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
GR01 Patent grant
GR01 Patent grant