CN111797227A - 信息处理方法、装置、存储介质及电子设备 - Google Patents
信息处理方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN111797227A CN111797227A CN201910282432.9A CN201910282432A CN111797227A CN 111797227 A CN111797227 A CN 111797227A CN 201910282432 A CN201910282432 A CN 201910282432A CN 111797227 A CN111797227 A CN 111797227A
- Authority
- CN
- China
- Prior art keywords
- information
- memory
- index
- storing
- processing method
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
Abstract
本申请实施例公开了一种信息处理方法、装置、存储介质及电子设备,所述信息处理方法包括:获取多个第一信息;将所述多个第一信息存储在第一存储器中;对所述第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息;将对应每个所述信息集合的所述索引信息存储到第二存储器中,用以根据所述索引信息查找对应的所述第一信息。能够加快第一信息的检索速度。
Description
技术领域
本申请涉及电子技术领域,特别涉及一种信息处理方法、装置、存储介质及电子设备。
背景技术
随着电子技术的发展,诸如智能手机等电子设备的智能化程度越来越高。电子设备可以通过各种各样的算法模型来进行数据处理,从而为用户提供各种功能。例如,电子设备可以根据算法模型对用户的行为特征进行学习,从而为用户提供个性化的服务。
发明内容
本申请实施例提供一种信息处理方法、装置、存储介质及电子设备,能够加快电子设备采集到的信息的检索速度。
第一方面,本申请实施例提供一种信息处理方法,其包括:
获取多个第一信息;
将所述多个第一信息存储在第一存储器中;
对所述第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息;
将对应每个所述信息集合的所述索引信息存储到第二存储器中,用以根据所述索引信息查找对应的所述第一信息。
第二方面,本申请实施例还提供了一种信息处理装置,其包括:
获取模块,用于获取多个第一信息;
第一存储模块,用于将所述多个第一信息存储在第一存储器中;
处理模块,用于对所述第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息;
第二存储模块,用于将对应每个所述信息集合的所述索引信息存储到第二存储器中,用以根据所述索引信息查找对应的所述第一信息。
第三方面,本申请实施例还提供一种存储介质,其上存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行上述信息处理方法的步骤。
第四方面,本申请实施例还提供一种电子设备,所述电子设备包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,用于执行上述信息处理方法的步骤。
本申请实施例提供的信息处理方法、装置、存储介质及电子设备,其将对应每个信息集合的索引信息存储在第二存储器中,以便系统其他模块根据索引信息在第一存储器中查找到对应的第一信息。其中,在智能手机中,第二存储器可以理解为手机运行内存。第二存储器中不需要存储大量的第一信息,只需要存储对应的索引信息即可。通过聚类的方法对多源异构的第一信息进行时间序列聚类,有效地对原始第一信息进行压缩,减少了第一信息的冗余信息的同时,实现了实时的第一信息的索引和访问。因为电子设备的运算资源和存储资源有限,合理地对第一信息进行访问和分配,能够加快第一信息的检索速度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,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为本申请实施例提供的信息处理方法的应用场景示意图。
图2为本申请实施例提供的信息处理方法的第一种流程示意图。
图3为本申请实施例提供的信息处理方法的另一应用场景示意图。
图4为本申请实施例提供的信息处理方法的第二种流程示意图。
图5为本申请实施例提供的信息处理方法的第三种流程示意图。
图6为本申请实施例提供的信息处理装置的结构示意图。
图7为本申请实施例提供的电子设备的第一种结构示意图。
图8为本申请实施例提供的电子设备的第二种结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本申请的保护范围。
参考图1,图1为本申请实施例提供的信息处理方法的应用场景示意图。所述信息处理方法应用于电子设备。所述电子设备中设置有全景感知架构。所述全景感知架构为电子设备中用于实现所述信息处理方法的硬件和软件的集成。
其中,全景感知架构包括信息感知层、数据处理层、特征抽取层、情景建模层以及智能服务层。
信息感知层用于获取电子设备自身的信息和/或外部环境中的信息。所述信息感知层可以包括多个传感器。例如,所述信息感知层包括距离传感器、磁场传感器、光线传感器、加速度传感器、指纹传感器、霍尔传感器、位置传感器、陀螺仪、惯性传感器、姿态感应器、气压计、心率传感器等多个传感器。
其中,距离传感器可以用于检测电子设备与外部物体之间的距离。磁场传感器可以用于检测电子设备所处环境的磁场信息。光线传感器可以用于检测电子设备所处环境的光线信息。加速度传感器可以用于检测电子设备的加速度数据。指纹传感器可以用于采集用户的指纹信息。霍尔传感器是根据霍尔效应制作的一种磁场传感器,可以用于实现电子设备的自动控制。位置传感器可以用于检测电子设备当前所处的地理位置。陀螺仪可以用于检测电子设备在各个方向上的角速度。惯性传感器可以用于检测电子设备的运动数据。姿态感应器可以用于感应电子设备的姿态信息。气压计可以用于检测电子设备所处环境的气压。心率传感器可以用于检测用户的心率信息。
数据处理层用于对信息感知层获取到的数据进行处理。例如,数据处理层可以对信息感知层获取到的数据进行数据清理、数据集成、数据变换、数据归约等处理。
其中,数据清理是指对信息感知层获取到的大量数据进行清理,以剔除无效数据和重复数据。数据集成是指将信息感知层获取到的多个单维度数据集成到一个更高或者更抽象的维度,以对多个单维度的数据进行综合处理。数据变换是指对信息感知层获取到的数据进行数据类型的转换或者格式的转换等,以使变换后的数据满足处理的需求。数据归约是指在尽可能保持数据原貌的前提下,最大限度的精简数据量。
特征抽取层用于对数据处理层处理后的数据进行特征抽取,以提取所述数据中包括的特征。提取到的特征可以反映出电子设备自身的状态或者用户的状态或者电子设备所处环境的环境状态等。
其中,特征抽取层可以通过过滤法、包装法、集成法等方法来提取特征或者对提取到的特征进行处理。
过滤法是指对提取到的特征进行过滤,以删除冗余的特征数据。包装法用于对提取到的特征进行筛选。集成法是指将多种特征提取方法集成到一起,以构建一种更加高效、更加准确的特征提取方法,用于提取特征。
情景建模层用于根据特征抽取层提取到的特征来构建模型,所得到的模型可以用于表示电子设备的状态或者用户的状态或者环境状态等。例如,情景建模层可以根据特征抽取层提取到的特征来构建关键值模型、模式标识模型、图模型、实体联系模型、面向对象模型等。
智能服务层用于根据情景建模层所构建的模型为用户提供智能化的服务。例如,智能服务层可以为用户提供基础应用服务,可以为电子设备进行系统智能优化,还可以为用户提供个性化智能服务。
此外,全景感知架构中还可以包括多种算法,每一种算法都可以用于对数据进行分析处理,所述多种算法可以构成算法库。例如,所述算法库中可以包括马尔科夫算法、隐含狄里克雷分布算法、贝叶斯分类算法、支持向量机、K均值聚类算法、K近邻算法、条件随机场、残差网络、长短期记忆网络、卷积神经网络、循环神经网络等算法。
本申请实施例提供一种信息处理方法,信息处理方法可以应用于电子设备中。电子设备可以是智能手机、平板电脑、游戏设备、AR(Augmented Reality,增强现实)设备、汽车、数据存储装置、音频播放装置、视频播放装置、笔记本、桌面计算设备、可穿戴设备诸如手表、眼镜、头盔、电子手链、电子项链、电子衣物等设备。
参考图2,图2为本申请实施例提供的信息处理方法的第一种流程示意图。其中,信息处理方法包括以下步骤:
110,获取多个第一信息。
通过电子设备的各个功能部件获取第一信息。第一信息可以包括电子设备的运行信息、电子设备的配置信息、用户信息、当前环境信息等。具体的,可以通过传感器获取当前环境信息。例如,通过距离传感器、磁场传感器、光线传感器、加速度传感器、指纹传感器、霍尔传感器、位置传感器、陀螺仪、惯性传感器、姿态感应器、气压计、血压传感器、脉搏传感器、心率传感器等中的至少一个获取当前环境信息和电子设备的相关信息。其中,当前环境信息包括用户的身体信息,如血压、脉搏、心率等。电子设备的相关信息包括电子设备的运行信息、电子设备的配置信息、电子设备内存储的用户信息等。其中,用户信息包括用户的身份信息、个人爱好、浏览记录、个人收藏等人机交互的信息。电子设备的运行信息包括开机时间、关机时间、待机时间、各个时间点的内存使用率、各个时间点的主芯片使用率、当前运行程序信息、后台运行程序信息、各个程序的运行时长、各个程序的下载量等。
120,将多个第一信息存储在第一存储器中。
得到多个第一信息后,将其存储在第一存储器中。如,可以将多个第一信息存储在硬盘中。其中,可以设置一个数据库,将多个第一信息存储进该数据库中,该数据库存储在硬盘中。需要说明的是,数据库中不仅可以存储当前获取的第一信息,还可以存储之前存储的第一信息。对应智能手机而言,智能手机包括手机运行内存及手机非运行内存,第一存储器可以理解为手机非运行内存,即将多个第一信息存储在手机非运行内存中。
130,对第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息。
对第一存储中的所有第一信息进行聚类,将同类的第一信息聚合在一起,形成一个信息集合,从而得到多类第一信息的多个信息集合。并且,获取对应每个信息集合中的索引信息。
其中,第一信息可以根据信息的硬件属性进行分类,如主芯片相关的信息、显示屏相关的信息、硬盘相关的信息、内存相关的信息、各类传感器相关的信息等。第一信息还可以根据对应的应用程序进行分类,如系统应用程序相关的信息、安装的应用程序相关的信息;其中安装的应用程序相关的信息又可以根据具体的应用程序进行再分类,如即时通讯应用程序相关的信息、地图应用程序相关的信息、购物应用程序相关的信息等。
根据每个信息集合中的多个第一信息的时间信息进行处理,得到每个第一信息的索引,即获取每个信息集合中每个第一信息的索引信息,可以通过该索引信息快速查找到对应的第一信息。对应每个信息集合中多个第一信息的索引信息可以按时间顺序进行排列。
索引信息提供指向存储在第一存储器中指定位置的待处理数据值的指针,然后根据时间排序顺序对这些指针排序。使用索引信息以找到特定的第一信息。
140,将对应每个信息集合的索引信息存储到第二存储器中,用以根据索引信息查找对应的第一信息。
将对应每个信息集合的索引信息存储在第二存储器中,以便系统其他模块根据索引信息在第一存储器中查找到对应的第一信息。其中,在智能手机中,第二存储器可以理解为手机运行内存。第二存储器中不需要存储大量的第一信息,只需要存储对应的索引信息即可。通过聚类的方法对多源异构的第一信息进行时间序列聚类,有效地对原始第一信息进行压缩,减少了第一信息的冗余信息的同时,实现了实时的第一信息的索引和访问。因为电子设备的运算资源和存储资源有限,合理地对第一信息进行访问和分配,能够加快第一信息的检索速度。
在一些实施例中,该方法还包括:获取索引信息的数据量;当数据量大于预设存储阈值时,将超出预设存储阈值的索引信息存储在第一存储器中。
电子设备中所有程序的运行都是在第二存储器中进行的,第二存储器的存储空间有限,因此需要对索引信息的存储进行管控,当检测到数据量大于预设存储阈值时,将超出预设存储阈值的索引信息存储在第一存储器中,可以节约第二存储器的存储空间。其中,第二存储器存储空间远大于第一存储器的存储空间,第二存储空间不作为电子设备程序运行的载体。
参考图3,图3为本申请实施例提供的信息处理方法的另一应用场景图。其中,data1、data 2、…、data n对应各个功能部件获取的n个第一信息,具体的,可以通过n个传感器获取n个第一信息。然后,将n个第一信息存储到对应的一级存储(如硬盘)中,并且在二级存储(如硬盘或云端服务器)中备份。聚类模块对一级存储中的第一信息进行聚类,并得到对应的索引信息,将索引信息存储到内存模块和数据库中,智能服务层可以通过索引信息查找对应的第一信息,用户可以通过智能服务层或数据库查找对应的第一信息。在内存存储索引信息时,若索引信息的序列超出序列预设长度值,则将超出的部分保存在聚类存储(如硬盘)中。
参考图4,图4为本申请实施例提供的信息处理方法的第二种流程示意图。其中,信息处理方法包括以下步骤:
210,获取多个第一信息。
可以实时获取多个第一信息。第一信息可以包括电子设备的运行信息、电子设备的配置信息、用户信息、当前环境信息等。
在一些实施例中,获取多个第一信息可以具体包括:
实时获取电子设备的运行信息、以及获取多个不同传感器采集的当前环境信息;
获取电子设备的配置信息、用户信息;
将运行信息、配置信息、用户信息和当前环境信息作为第一信息。
可以通过传感器获取当前环境信息。例如,通过距离传感器、磁场传感器、光线传感器、加速度传感器、指纹传感器、霍尔传感器、位置传感器、陀螺仪、惯性传感器、姿态感应器、气压计、血压传感器、脉搏传感器、心率传感器等中的至少一个获取当前环境信息和电子设备的相关信息。其中,当前环境信息包括用户的身体信息,如血压、脉搏、心率等。电子设备的相关信息包括电子设备的运行信息、电子设备的配置信息、电子设备内存储的用户信息等。其中,用户信息包括用户的身份信息、个人爱好、浏览记录、个人收藏等人机交互的信息。电子设备的运行信息包括开机时间、关机时间、待机时间、各个时间点的内存使用率、各个时间点的主芯片使用率、当前运行程序信息、后台运行程序信息、各个程序的运行时长、各个程序的下载量等。
220,将多个第一信息存储在第一存储器中。
得到多个第一信息后,将其存储在第一存储器中。如,可以将多个第一信息存储在硬盘中。其中,可以设置一个数据库,将多个第一信息存储进该数据库中,该数据库存储在硬盘中。需要说明的是,数据库中不仅可以存储当前获取的第一信息,还可以存储之前存储的第一信息。对应智能手机而言,智能手机包括手机运行内存及手机非运行内存,第一存储器可以理解为手机非运行内存,即将多个第一信息存储在手机非运行内存中。
230,对第一存储器中的第一信息进行聚类,得到多个信息集合。
对第一存储中的所有第一信息进行聚类,将同类的第一信息聚合在一起,形成一个信息集合,从而得到多类第一信息的多个信息集合。
在一些实施例中,对第一存储器中的第一信息进行聚类具体可以包括:
根据信息的类别,对第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息,其中,不同类别的信息对应不同的信息集合。
其中,第一信息可以根据信息的类别如硬件属性进行分类,如主芯片相关的信息、显示屏相关的信息、硬盘相关的信息、内存相关的信息、各类传感器相关的信息等。第一信息还可以根据类别如对应的应用程序进行分类,如系统应用程序相关的信息、安装的应用程序相关的信息;其中安装的应用程序相关的信息又可以根据具体的应用程序进行再分类,如即时通讯应用程序相关的信息、地图应用程序相关的信息、购物应用程序相关的信息等。
在一些实施例中,对第一存储器中的第一信息进行聚类具体可以包括:
根据传感器的类型,对第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息,其中,不同的传感器对应不同的信息集合。
电子设备通过传感器的类型获取不同类型的第一信息,将同一类传感器获取的第一信息作为一个信息集合。例如,对应距离传感器、磁场传感器、光线传感器、加速度传感器、指纹传感器、霍尔传感器、位置传感器、陀螺仪、惯性传感器、姿态感应器、气压计、血压传感器、脉搏传感器、心率传感器等分别得到一个信息集合。
240,将每个信息集合中不同时间点获取的同一目标第一信息进行整合,得到一个目标第一信息和对应的时间点信息。
在每个信息集合中,对应不同时间点获取的同一目标第一信息进行整合,只保留一个目标第一信息、以及对应的时间点信息。
250,根据目标第一信息和时间点信息得到信息集合的索引信息。
得到目标第一信息和时间点信息后,根据时间点信息得到目标第一信息的索引信息。
以第一信息为WiFi传感器信息为例,具体的,首先对WiFi传感器信息进行收集,其中,可以按照WiFi传感器开启的时间顺序进行记录,如在一周内的5个工作日,用户每天早上都会连接公司WiFi信号,每天晚上都会连接家里WiFi信号,其余时间使用移动网络信号,为了能够快速实时地检索用户WiFi开启情况如果使用默认的方式将会查询到5条WiFi记录信息,每条WiFi记录信息包括目标第一信息(WiFi开启特征)和时间点信息(WiFi开启时间点)。
然后对上述5条记录进行聚类,并给出对应得到索引信息。WiFi记录信息中的WiFi开启特征对应为数据库记录信息为s1,在时间t1、t8、t11、t12、t50、t110都具有相同的记录信息s1,通过聚类算法只记录下s1及其对应的索引信息。简化了存储内容,只需要存储一个s1即可,不用存储5个s1。而且,通过索引信息进行排列,可以快速查找到s1、以及对应的开启时间信息。
260,将对应每个信息集合的索引信息使用队列的形式存储到第二存储器中,用以根据索引信息查找对应的第一信息。
将对应每个信息集合的索引信息使用队列的形式存储在第二存储器(如内存)中,以便系统其他模块根据索引信息在第一存储器中查找到对应的第一信息。第二存储器中不需要存储大量的第一信息,只需要存储对应的索引信息即可。其中,在智能手机中,第二存储器可以理解为手机运行内存。
通过聚类的方法对多源异构的第一信息进行时间序列聚类,有效地对原始第一信息进行压缩,减少了第一信息的冗余信息的同时,实现了实时的第一信息的索引和访问。因为电子设备的运算资源和存储资源有限,合理地对第一信息进行访问和分配,能够加快第一信息的检索速度。
270,获取索引信息形成的队列的长度。
实时获取索引信息形成的队列的长度。
280,当长度大于预设长度值时,将超出预设长度值的索引信息存储在第一存储器中。
电子设备中所有程序的运行都是在第二存储器中进行的,第二存储器的存储空间有限,因此当检测到第二存储器中索引信息形成的队列的长度大于预设长度值时,将超出预设长度值的索引信息存储在第一存储器中,可以节约第二存储器的存储空间。其中,第二存储器存储空间远大于第一存储器的存储空间,第二存储空间不作为电子设备程序运行的载体。
在一些实施例中,将第一存储器中的所有第一信息进行冗余备份。
为了保证待处理数据的安全性,将第一存储器中的第一信息进行冗余备份。具体的,可以冗余备份在另一个第一存储器中,或第一存储器的另一个地方,或服务器中,或云服务器中。
若第一存储器为硬盘,则可以将硬盘划分为至少两个区域,第一信息存储在其中一个区域,冗余备份在另一个区域。
若第一存储器为硬盘,电子设备包括至少两个硬盘时,则可以冗余备份在另一硬盘中。其中,两个硬盘可以为相同类型的硬盘,如机械硬盘、固态硬盘、混合硬盘等。两个硬盘也可以为不同类型的硬盘,如机械硬盘、固态硬盘、混合硬盘中的两种等。
若第一存储器为硬盘,还可以冗余备份在云端服务器上。
需要说明的是,本实施例中的冗余备份可以备份一份,也可以备份多份。其中,备份多份可以使用同一种方式备份,也可以使用不同种方式备份,如包括另一硬盘备份和云端服务器备份等。
参考图5,图5为本申请实施例提供的信息处理方法的第三种流程示意图。其中,信息处理方法包括以下步骤:
310,获取多个第一信息。
信息感知层获取第一信息。第一信息可以包括电子设备的运行信息、电子设备的配置信息、用户信息、当前环境信息等。具体的,可以通过传感器获取当前环境信息。例如,通过距离传感器、磁场传感器、光线传感器、加速度传感器、指纹传感器、霍尔传感器、位置传感器、陀螺仪、惯性传感器、姿态感应器、气压计、血压传感器、脉搏传感器、心率传感器等中的至少一个获取当前环境信息和电子设备的相关信息。其中,当前环境信息包括用户的身体信息,如血压、脉搏、心率等。电子设备的相关信息包括电子设备的运行信息、电子设备的配置信息、电子设备内存储的用户信息等。其中,用户信息包括用户的身份信息、个人爱好、浏览记录、个人收藏等人机交互的信息。电子设备的运行信息包括开机时间、关机时间、待机时间、各个时间点的内存使用率、各个时间点的主芯片使用率、当前运行程序信息、后台运行程序信息、各个程序的运行时长、各个程序的下载量等。
320,将多个第一信息存储在第一存储器中。
得到多个第一信息后,数据处理层将其存储在第一存储器中。如,可以将多个第一信息存储在硬盘中。其中,可以设置一个数据库,将多个第一信息存储进该数据库中,该数据库存储在硬盘中。需要说明的是,数据库中不仅可以存储当前获取的第一信息,还可以存储之前存储的第一信息。对应智能手机而言,智能手机包括手机运行内存及手机非运行内存,第一存储器可以理解为手机非运行内存,即将多个第一信息存储在手机非运行内存中。
330,将第一存储器中的历史第一信息作为训练样本。
340,根据训练样本对预测模型进行训练,得到训练后的预测模型,并将训练后的预测模型设置于电子设备。
情景建模层将第一存储器中存储的历史第一信息作为训练样本,根据该训练样本对预测模型件训练,得到训练后的预测模型。
在一些实施例中,得到训练后的预测模型的同时,得到对应各类历史第一信息的重要等级;然后根据重要等级设置各类历史第一信息的采样频率。
350,对第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息。
数据处理层对第一存储中的所有第一信息进行聚类,将同类的第一信息聚合在一起,形成一个信息集合,从而得到多类第一信息的多个信息集合。并且,获取对应每个信息集合中的索引信息。
其中,第一信息可以根据信息的硬件属性进行分类,如主芯片相关的信息、显示屏相关的信息、硬盘相关的信息、内存相关的信息、各类传感器相关的信息等。第一信息还可以根据对应的应用程序进行分类,如系统应用程序相关的信息、安装的应用程序相关的信息;其中安装的应用程序相关的信息又可以根据具体的应用程序进行再分类,如即时通讯应用程序相关的信息、地图应用程序相关的信息、购物应用程序相关的信息等。
根据每个信息集合中的多个第一信息的时间信息进行处理,得到每个第一信息的索引,即获取每个信息集合中每个第一信息的索引信息,可以通过该索引信息快速查找到对应的第一信息。对应每个信息集合中多个第一信息的索引信息可以按时间顺序进行排列。
索引信息提供指向存储在第一存储器中指定位置的待处理数据值的指针,然后根据时间排序顺序对这些指针排序。使用索引信息以找到特定的第一信息。
在一些实施例中,针对不同的数据其聚类方式也可以是不相同,进行聚类的装置也是不相同的。因此可以通过时序数据库对不同的第一信息进行检索其对应的聚类方式。具体而言,时序数据库可以采用表格的形式进行表达,例如当前的数据为传感器wifi的信息,时序数据库中其对应的name为wifi,对应的聚类方式采用wifi簇,因此会对第一信息使用wifi簇聚类方式,从而在时序数据库中得到对应name为wifi的索引信息。
在一些实施例中,不同的数据可以使用不同的聚类方式。下面以光照传感器信息进行举例说明聚类方式,例如光照传感器以1秒50hz的采样频率对光照传感器的信息进行采样,那么1秒钟可以产生50个采样数据,如果当前5秒内都处于黑暗环境(即光照传感器的数据并没有变化),则对5秒内产生的250条时序数据进行合并,得到对应光照传感器信息的一个索引信息。
360,将对应每个信息集合的索引信息存储到第二存储器中。
数据处理层将对应每个信息集合的索引信息存储在第二存储器(如内存)中,以便系统其他模块根据索引信息在第一存储器中查找到对应的第一信息。第二存储器中不需要存储大量的第一信息,只需要存储对应的索引信息即可。其中,在智能手机中,第二存储器可以理解为手机运行内存。
通过聚类的方法对多源异构的第一信息进行时间序列聚类,有效地对原始第一信息进行压缩,减少了第一信息的冗余信息的同时,实现了实时的第一信息的索引和访问。因为电子设备的运算资源和存储资源有限,合理地对第一信息进行访问和分配,能够加快第一信息的检索速度。
例如,对全景活动或者全景情景进行全景建模的时候,需要抽取特征抽取层的数据,对数据进行聚类以及获取对应的索引信息,可以对数据进行压缩,不会产生大量的数据在服务器和终端客户端之间进行大量的数据交互、传输和回调,由于网络服务的有效性、数据处理的实时性等要求,当传输的数据越少,其稳定性会越高。
370,根据索引信息查找对应的第一信息,并将第一信息输入训练后的预测模型中,得到预测结果。
特征抽取层根据索引信息查找对应的第一信息,然后将第一信息输入训练后的预测模型中,得到预测结果。
例如,获取第一信息,第一信息为WiFi传感器信息,将获取的WiFi传感器信息输入训练后的预测模型中,得到预测结果。其中,WiFi传感器信息包括WiFi传感器最近一周的WiFi开启特征、以及开启的时间信息。
在一些实施例中,根据索引信息查找对应的第一信息,并将第一信息输入训练后的预测模型中具体可以包括:
根据索引信息查找对应的待处理第一信息,并确定与待处理第一信息匹配的目标采样频率;
将根据目标采样频率获取的待处理第一信息输入训练后的预测模型中。
可以减少训练后的预测模型的输入数据,从而减少计算量,提高反应效率。
380,根据预测结果控制电子设备。
智能服务层根据预测结果控制电子设备。预测结果包括WiFi传感器开启特征、以及对应的概率。若对应的概率大于预设概率如80%,则智能服务层控制电子设备开启WiFi传感器。
需要说明的是,根据实际使用情况,本实施中330和340对应的步骤可以设置在310对应的步骤之前,也可以设置在370对应的步骤之前。其中,对预测模型进行训练的过程可以在电子设备中进行。对预测模型进行训练的过程也可以在云服务器中进行,然后将训练后的预测模型移植到电子设备中。
应当理解,本申请实施例中,诸如术语“第一”、“第二”等仅用于区别类似的对象,而不必用于描述特定的顺序或先后次序,这样描述的对象在适当情况下可以互换。
具体实施时,本申请不受所描述的各个步骤的执行顺序的限制,在不产生冲突的情况下,某些步骤还可以采用其它顺序进行或者同时进行。
在一些实施例中,信息处理方法具体可以包括:首先通过信息感知层获取用户的电子设备的信息(如包括电子设备运行信息、用户行为信息、各个传感器获取的信息、电子设备状态信息、电子设备显示内容信息、电子设备上下载信息等),然后通过数据处理层对电子设备的信息进行处理(如无效数据删除等),接着再通过特征抽取层从数据处理层处理后的信息中提取出需要的第一信息(第一信息具体可参阅上述实施例的说明),数据处理层可以将第一信息存储在第一存储器(如非运行内存)中,同时将第一信息备份到另一存储器中(非运行内存的另一区域,如两个非运行内存芯片中的另一个,还可以为服务器),数据处理层还对第一存储器存储的第一信息进行聚类得到多个信息集合、以及对应每个信息集合的索引信息,然后将索引信息存储到第二存储器(如运行内存)中,以便情景建模层、智能服务层通过第二存储器的索引信息快速查找到需要的第一信息。其中,情景建模层中的预测模型可以根据第一信息进行训练或预测,智能服务层可以快速查收用户需要的第一信息。由上可知,本申请实施例提供的信息处理方法,首先获取多个第一信息;然后将多个第一信息存储在第一存储器中;接着对第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息;最后将对应每个信息集合的索引信息存储到第二存储器中,用以根据索引信息查找对应的第一信息。将对应每个信息集合的索引信息存储在第二存储器(如内存)中,以便系统其他模块根据索引信息在第一存储器中查找到对应的第一信息。第二存储器中不需要存储大量的第一信息,只需要存储对应的索引信息即可。通过聚类的方法对多源异构的第一信息进行时间序列聚类,有效地对原始第一信息进行压缩,减少了第一信息的冗余信息的同时,实现了实时的第一信息的索引和访问。因为电子设备的运算资源和存储资源有限,合理地对第一信息进行访问和分配,能够加快第一信息的检索速度。
参考图6,图6为本申请实施例提供的信息处理装置的结构示意图。其中,信息处理装置400可以集成在电子设备中,信息处理装置400包括获取模块401、第一存储模块402、处理模块403和第二存储模块404。
获取模块401,用于获取多个第一信息;
第一存储模块402,用于将多个第一信息存储在第一存储器中;
处理模块403,用于对第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息;
第二存储模块404,用于将对应每个信息集合的索引信息存储到第二存储器中,用以根据索引信息查找对应的第一信息。
在一些实施例中,对第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息中,处理模块403还用于:
对第一存储器中的第一信息进行聚类,得到多个信息集合;
将每个信息集合中不同时间点获取的同一目标第一信息进行整合,得到一个目标第一信息和对应的时间点信息;
根据目标第一信息和时间点信息得到信息集合的索引信息。
在一些实施例中,将对应每个信息集合的索引信息存储到第二存储器中,第二存储模块404还用于:
将对应每个信息集合的索引信息使用队列的形式存储在第二存储器中。
在一些实施例中,将对应每个信息集合的索引信息使用队列的形式存储在第二存储器中之后,第二存储模块404还用于:
获取索引信息形成的队列的长度;
当长度大于预设长度值时,将超出预设长度值的索引信息存储在第一存储器中。
在一些实施例中,将对应每个信息集合的索引信息使用队列的形式存储在第二存储器中之后,第二存储模块404还用于:
获取索引信息的数据量;
当数据量大于预设存储阈值时,将超出预设存储阈值的索引信息存储在第一存储器中。
在一些实施例中,装置还包括备份模块,备份模块用于将第一存储器中的所有第一信息进行冗余备份。
在一些实施例中,获取多个第一信息中,获取模块401还用于:
实时通过多个不同传感器采集当前环境信息;
将当前环境信息作为第一信息。
在一些实施例中,对第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息中,处理模块403还用于根据传感器的类型,对第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息,其中,不同类型的传感器对应不同的信息集合。
在一些实施例中,装置还包括训练模块,训练模块用于将第一存储器中的历史第一信息作为训练样本;根据训练样本对预测模型进行训练,得到训练后的预测模型,并将训练后的预测模型设置于电子设备。
将对应每个信息集合的索引信息存储到第二存储器中之后,处理模块403还用于根据索引信息查找对应的第一信息,并将第一信息输入训练后的预测模型中,得到预测结果;根据预测结果控制电子设备。
在一些实施例中,得到训练后的预测模型,处理模块403还用于:
得到训练后的预测模型、以及对应各类历史第一信息的重要等级;
根据重要等级设置各类历史第一信息的采样频率;
根据索引信息查找对应的待处理第一信息,并确定与待处理第一信息匹配的目标采样频率;
将根据目标采样频率获取的待处理第一信息输入训练后的预测模型中。
由上可知,本申请实施例提供了一种信息处理装置,首先获取模块401获取多个第一信息;然后第一存储模块402将多个第一信息存储在第一存储器中;接着处理模块403对第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息;最后第二存储模块404将对应每个信息集合的索引信息存储到第二存储器中,用以根据索引信息查找对应的第一信息。将对应每个信息集合的索引信息存储在第二存储器(如内存)中,以便系统其他模块根据索引信息在第一存储器中查找到对应的第一信息。第二存储器中不需要存储大量的第一信息,只需要存储对应的索引信息即可。通过聚类的方法对多源异构的第一信息进行时间序列聚类,有效地对原始第一信息进行压缩,减少了第一信息的冗余信息的同时,实现了实时的第一信息的索引和访问。因为电子设备的运算资源和存储资源有限,合理地对第一信息进行访问和分配,能够加快第一信息的检索速度。
本申请实施例还提供一种电子设备。电子设备可以是智能手机、平板电脑、游戏设备、增强现实(Augmented Reality,AR)设备、汽车、数据存储装置、音频播放装置、视频播放装置、笔记本、桌面计算设备、可穿戴设备诸如手表、眼镜、头盔、电子手链、电子项链、电子衣物等设备。其中,电子设备中设置有算法模型,算法模型包括第一算法模块,第一算法模块用于对预设任务进行处理。
参考图7,图7为本申请实施例提供的电子设备的第一种结构示意图。其中,电子设备600包括处理器601和存储器602。处理器601与存储器602电性连接。
处理器601是电子设备600的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或调用存储在存储器602内的计算机程序,以及调用存储在存储器602内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。
在本实施例中,电子设备600中的处理器601会按照如下的步骤,将一个或一个以上的计算机程序的进程对应的指令加载到存储器602中,并由处理器601来运行存储在存储器602中的计算机程序,从而实现各种功能:
获取多个第一信息;
将多个第一信息存储在第一存储器中;
对第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息;
将对应每个信息集合的索引信息存储到第二存储器中,用以根据索引信息查找对应的第一信息。
在一些实施例中,在对第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息时,处理器601执行以下步骤:
对第一存储器中的第一信息进行聚类,得到多个信息集合;
将每个信息集合中不同时间点获取的同一目标第一信息进行整合,得到一个目标第一信息和对应的时间点信息;
根据目标第一信息和时间点信息得到信息集合的索引信息。
在一些实施例中,在对第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息时,处理器601执行以下步骤:
在一些实施例中,在将对应每个信息集合的索引信息存储到第二存储器中时,处理器601执行以下步骤:
将对应每个信息集合的索引信息使用队列的形式存储在第二存储器中。
在一些实施例中,在将对应每个信息集合的索引信息使用队列的形式存储在第二存储器中之后,处理器601执行以下步骤:
获取索引信息形成的队列的长度;
当长度大于预设长度值时,将超出预设长度值的索引信息存储在第一存储器中。
在一些实施例中,将对应每个信息集合的索引信息存储到第二存储器中之后,处理器601执行以下步骤:
获取索引信息的数据量;
当数据量大于预设存储阈值时,将超出预设存储阈值的索引信息存储在第一存储器中。
在一些实施例中,处理器601执行以下步骤:
将第一存储器中的所有第一信息进行冗余备份。
在一些实施例中,在获取多个第一信息时,处理器601执行以下步骤:
实时通过多个不同传感器采集当前环境信息;
将当前环境信息作为第一信息。
在一些实施例中,在对第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息时,处理器601执行以下步骤:
根据传感器的类型,对第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息,其中,不同类型的传感器对应不同的信息集合。
在一些实施例中,处理器601执行以下步骤:
将第一存储器中的历史第一信息作为训练样本;
根据训练样本对预测模型进行训练,得到训练后的预测模型,并将训练后的预测模型设置于电子设备;
根据索引信息查找对应的第一信息,并将第一信息输入训练后的预测模型中,得到预测结果;
根据预测结果控制电子设备。
在一些实施例中,在得到训练后的预测模型时,处理器601执行以下步骤:
得到训练后的预测模型、以及对应各类历史第一信息的重要等级;
根据重要等级设置各类历史第一信息的采样频率;
根据索引信息查找对应的待处理第一信息,并确定与待处理第一信息匹配的目标采样频率;
将根据目标采样频率获取的待处理第一信息输入训练后的预测模型中。
在一些实施例中,参考图8,图8为本申请实施例提供的电子设备的第二种结构示意图。
其中,电子设备600还包括:显示屏603、控制电路604、输入单元605、传感器606以及电源607。其中,处理器601分别与显示屏603、控制电路604、输入单元605、传感器606以及电源607电性连接。
显示屏603可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口,这些图形用户接口可以由图像、文本、图标、视频和其任意组合来构成。
控制电路604与显示屏603电性连接,用于控制显示屏603显示信息。
输入单元605可用于接收输入的数字、字符信息或用户特征信息(例如指纹),以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。其中,输入单元605可以包括指纹识别模组。
传感器606用于采集电子设备自身的信息或者用户的信息或者外部环境信息。例如,传感器606可以包括距离传感器、磁场传感器、光线传感器、加速度传感器、指纹传感器、霍尔传感器、位置传感器、陀螺仪、惯性传感器、姿态感应器、气压计、心率传感器等多个传感器。
电源607用于给电子设备600的各个部件供电。在一些实施例中,电源607可以通过电源管理系统与处理器601逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管图8中未示出,电子设备600还可以包括摄像头、蓝牙模块等,在此不再赘述。
由上可知,本申请实施例提供了一种电子设备,电子设备中的处理器执行以下步骤:首先获取多个第一信息;然后将多个第一信息存储在第一存储器中;接着对第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息;最后将对应每个信息集合的索引信息存储到第二存储器中,用以根据索引信息查找对应的第一信息。将对应每个信息集合的索引信息存储在第二存储器(如内存)中,以便系统其他模块根据索引信息在第一存储器中查找到对应的第一信息。第二存储器中不需要存储大量的第一信息,只需要存储对应的索引信息即可。通过聚类的方法对多源异构的第一信息进行时间序列聚类,有效地对原始第一信息进行压缩,减少了第一信息的冗余信息的同时,实现了实时的第一信息的索引和访问。因为电子设备的运算资源和存储资源有限,合理地对第一信息进行访问和分配,能够加快第一信息的检索速度。
本申请实施例还提供一种存储介质,存储介质中存储有计算机程序,当计算机程序在计算机上运行时,计算机执行上述任一实施例所述的信息处理方法。
例如,在一些实施例中,当所述计算机程序在计算机上运行时,所述计算机执行以下步骤:
获取多个第一信息;
将多个第一信息存储在第一存储器中;
对第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息;
将对应每个信息集合的索引信息存储到第二存储器中,用以根据索引信息查找对应的第一信息。
需要说明的是,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过计算机程序来指令相关的硬件来完成,所述计算机程序可以存储于计算机可读存储介质中,所述存储介质可以包括但不限于:只读存储器(ROM,Read OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁盘或光盘等。
以上对本申请实施例所提供的信息处理方法、装置、存储介质及电子设备进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (13)
1.一种信息处理方法,其特征在于,包括:
获取多个第一信息;
将所述多个第一信息存储在第一存储器中;
对所述第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息;
将对应每个所述信息集合的所述索引信息存储到第二存储器中,用以根据所述索引信息查找对应的所述第一信息。
2.根据权利要求1所述的信息处理方法,其特征在于,所述对所述第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息包括:
对所述第一存储器中的第一信息进行聚类,得到多个信息集合;
将每个所述信息集合中不同时间点获取的同一目标第一信息进行整合,得到一个所述目标第一信息和对应的时间点信息;
根据所述目标第一信息和所述时间点信息得到所述信息集合的索引信息。
3.根据权利要求1所述的信息处理方法,其特征在于,所述将对应每个所述信息集合的所述索引信息存储到第二存储器中包括:
将对应每个所述信息集合的所述索引信息使用队列的形式存储在第二存储器中。
4.根据权利要求3所述的信息处理方法,其特征在于,所述将对应每个所述信息集合的所述索引信息使用队列的形式存储在第二存储器中之后还包括:
获取所述索引信息形成的队列的长度;
当所述长度大于预设长度值时,将超出所述预设预设长度值的索引信息存储在第一存储器中。
5.根据权利要求1所述的信息处理方法,其特征在于,所述将对应每个所述信息集合的所述索引信息存储到第二存储器中之后还包括:
获取所述索引信息的数据量;
当所述数据量大于预设存储阈值时,将超出所述预设存储阈值的所述索引信息存储在所述第一存储器中。
6.根据权利要求1所述的信息处理方法,其特征在于,所述将所述多个第一信息存储在第一存储器中之后,还包括:
将所述第一存储器中的所有第一信息进行冗余备份。
7.根据权利要求1所述的信息处理方法,其特征在于,所述获取多个第一信息包括:
实时通过多个不同传感器采集第一信息。
8.根据权利要求7所述的信息处理方法,其特征在于,所述对所述第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息包括:
根据所述传感器的类型,对所述第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息,其中,不同类型的所述传感器对应不同的所述信息集合。
9.根据权利要求1所述的信息处理方法,其特征在于,所述方法还包括:
将所述第一存储器中的历史第一信息作为训练样本;
根据所述训练样本对预测模型进行训练,得到训练后的预测模型,并将所述训练后的预测模型设置于电子设备;
所述将对应每个所述信息集合的所述索引信息存储到第二存储器中之后还包括:
根据所述索引信息查找对应的第一信息,并将所述第一信息输入所述训练后的预测模型中,得到预测结果;
根据所述预测结果控制所述电子设备。
10.根据权利要求9所述的信息处理方法,其特征在于,所述得到训练后的预测模型包括:
得到训练后的预测模型、以及对应各类历史第一信息的重要等级;
根据所述重要等级设置各类历史第一信息的采样频率;
所述根据所述索引信息查找对应的第一信息,并将所述第一信息输入所述训练后的预测模型中包括:
根据所述索引信息查找对应的待处理第一信息,并确定与所述待处理第一信息匹配的目标采样频率;
将根据所述目标采样频率获取的待处理所述第一信息输入所述训练后的预测模型中。
11.一种信息处理装置,其特征在于,包括:
获取模块,用于获取多个第一信息;
第一存储模块,用于将所述多个第一信息存储在第一存储器中;
处理模块,用于对所述第一存储器中的第一信息进行聚类,得到多个信息集合、以及对应每个信息集合的索引信息;
第二存储模块,用于将对应每个所述信息集合的所述索引信息存储到第二存储器中,用以根据所述索引信息查找对应的所述第一信息。
12.一种存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序在计算机上运行时,使得所述计算机执行如权利要求1至10任一项所述的信息处理方法。
13.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,用于执行权利要求如权利要求1至10任一项所述的信息处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910282432.9A CN111797227A (zh) | 2019-04-09 | 2019-04-09 | 信息处理方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910282432.9A CN111797227A (zh) | 2019-04-09 | 2019-04-09 | 信息处理方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111797227A true CN111797227A (zh) | 2020-10-20 |
Family
ID=72805342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910282432.9A Pending CN111797227A (zh) | 2019-04-09 | 2019-04-09 | 信息处理方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111797227A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115827651A (zh) * | 2022-11-22 | 2023-03-21 | 中国科学院软件研究所 | 一种低能耗的机载嵌入式数据库内存事务管理方法及系统 |
-
2019
- 2019-04-09 CN CN201910282432.9A patent/CN111797227A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115827651A (zh) * | 2022-11-22 | 2023-03-21 | 中国科学院软件研究所 | 一种低能耗的机载嵌入式数据库内存事务管理方法及系统 |
CN115827651B (zh) * | 2022-11-22 | 2023-07-04 | 中国科学院软件研究所 | 一种低能耗的机载嵌入式数据库内存事务管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3281103B1 (en) | System and method for extracting and sharing application-related user data | |
EP3493130A1 (en) | Image processing method, image processing device, computer device, and computer readable storage medium | |
CN111797288A (zh) | 数据筛选方法、装置、存储介质及电子设备 | |
GB2522754A (en) | Recording context for conducting searches | |
CN111797861A (zh) | 信息处理方法、装置、存储介质及电子设备 | |
CN111798259A (zh) | 应用推荐方法、装置、存储介质及电子设备 | |
CN111797870A (zh) | 算法模型的优化方法、装置、存储介质及电子设备 | |
CN111797302A (zh) | 模型处理方法、装置、存储介质及电子设备 | |
CN111800445B (zh) | 消息推送方法、装置、存储介质及电子设备 | |
CN111796925A (zh) | 算法模型的筛选方法、装置、存储介质和电子设备 | |
CN111797148A (zh) | 数据处理方法、装置、存储介质及电子设备 | |
CN111797175B (zh) | 数据存储方法、装置、存储介质及电子设备 | |
CN111178455B (zh) | 图像聚类方法、系统、设备及介质 | |
CN111797227A (zh) | 信息处理方法、装置、存储介质及电子设备 | |
CN111798019B (zh) | 意图预测方法、装置、存储介质及电子设备 | |
CN111797422A (zh) | 数据隐私保护查询方法、装置、存储介质及电子设备 | |
CN111797856B (zh) | 建模方法、装置、存储介质及电子设备 | |
CN111797867A (zh) | 系统资源优化方法、装置、存储介质及电子设备 | |
CN111797261A (zh) | 特征提取方法、装置、存储介质及电子设备 | |
CN111797874A (zh) | 行为预测方法、装置、存储介质及电子设备 | |
CN111797849A (zh) | 用户活动识别方法、装置、存储介质及电子设备 | |
CN108052506A (zh) | 自然语言处理方法、装置、存储介质及电子设备 | |
CN111796663B (zh) | 场景识别模型更新方法、装置、存储介质及电子设备 | |
CN111796871A (zh) | 服务唤醒方法、装置、存储介质及电子设备 | |
CN111612280A (zh) | 一种数据分析方法和装置 |
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 |