CN113590951A - 一种感知数据处理方法及系统 - Google Patents
一种感知数据处理方法及系统 Download PDFInfo
- Publication number
- CN113590951A CN113590951A CN202110860977.0A CN202110860977A CN113590951A CN 113590951 A CN113590951 A CN 113590951A CN 202110860977 A CN202110860977 A CN 202110860977A CN 113590951 A CN113590951 A CN 113590951A
- Authority
- CN
- China
- Prior art keywords
- perception
- user
- operation behavior
- behavior data
- user operation
- 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
- 230000008447 perception Effects 0.000 title claims abstract description 256
- 238000003672 processing method Methods 0.000 title abstract description 4
- 239000013598 vector Substances 0.000 claims abstract description 100
- 238000004458 analytical method Methods 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 2
- 230000000295 complement effect Effects 0.000 claims 2
- 230000006399 behavior Effects 0.000 description 125
- 238000004590 computer program Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供的一种感知数据处理方法及系统根据该用户感知指示获取用户操作行为数据集,可进一步确定用户感知标准列队,智能终端在确定出用户感知标准列队后,根据用户感知标准列队进行用户操作行为数据的提示,以得到满足该用户感知指示所包括的用户感知种类标签的目标用户操作行为数据,从而可在事先设置的数据库中分析目标用户操作行为数据,使得智能终端可根据用户对用户操作行为数据的提示需求进行用户操作行为数据的提示,使得在事先设置的数据库展示的用户操作行为数据是满足事先设置的感知标准特征向量的标准,可有效提升用户操作行为数据的准确性,并可提用户操作行为数据的事先设置的完整度。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种感知数据处理方法及系统。
背景技术
随着数据处理技术的不断完善,感知标准是指由能快速、准确地感知数据的含义,并能及时提供提示的机构、制度等构成的感知标准系统,其作用在于超前反馈、及时布置、防风险于未然。
通过大数据能更加快速和实时的对感知数据进行分析,提高获取感知数据处理的效率,这样能最大限度的保证感知数据含义的准确性,然而,相关用户感知技术中还存在一些缺陷。
发明内容
鉴于此,本申请提供了一种感知数据处理方法及系统。
第一方面,提供一种一种感知数据处理方法,包括:
响应于用户操作行为数据的用户感知指示,获取待处理用户操作行为数据集,所述用户感知指示包括有用户感知种类标签;
确定所述用户操作行为数据集中的各用户操作行为数据在事先设置的数据库对应的用户感知标准列队;
根据所述用户感知标准列队,从所述用户操作行为数据集中确定出满足所述用户感知种类标签的目标用户操作行为数据;
在所述事先设置的数据库分析所述目标用户操作行为数据。
进一步地,所述方法还包括:
在所述事先设置的数据库输出用户感知状态,所述用户感知状态包括感知描述线程,并用于对所述用户感知种类标签进行描述;
获取对所述感知描述线程的补差操作,并根据所述补差操作生成所述用户感知种类标签。
进一步地,所述用户感知种类标签包括事先设置的感知矢量,所述获取对所述感知描述线程的补差操作,并根据所述补差操作生成所述用户感知种类标签,包括:
获取对所述感知描述线程的补差操作,并根据所述补差操作确定所述感知描述线程对应的线程系数;
获取所述感知描述线程的系数和感知标准系数之间的一一对应关系;
根据所述一一对应关系确定所述线程系数对应的目标感知,并将所述目标感知作为所述事先设置的感知矢量。
进一步地,所述确定所述用户操作行为数据集中的各用户操作行为数据在事先设置的数据库对应的用户感知标准列队,包括:
确定所述用户操作行为数据集中其中一个用户操作行为数据中数据内容的误差数据特征向量,所述误差数据特征向量包括以下一种或多种:误差分析特征向量、误差修正特征向量、误差范围特征向量和误差弥补特征向量;根据所述误差数据特征向量确定所述其中一个用户操作行为数据在事先设置的数据库中的用户感知标准列队。
进一步地,所述根据所述误差数据特征向量确定所述其中一个用户操作行为数据在事先设置的数据库中的用户感知标准列队,包括:
在所述其中一个用户操作行为数据的数据内容包括误差分析特征向量时,统计所述数据内容的全部内容,并根据所述全部内容和误差分析事先设置的感知方向,确定所述误差分析特征向量的其中一个用户操作行为数据在事先设置的数据库的用户感知标准列队;
在所述其中一个用户操作行为数据的数据内容包括误差修正特征向量时,获取所述误差修正特征向量的数据内容的指示感知标准,并将所述指示感知标准作为所述误差修正特征向量的其中一个用户操作行为数据中数据在所述事先设置的数据库的用户感知标准列队;
在所述其中一个用户操作行为数据的数据内容包括误差范围特征向量时,统计所述数据内容的误差范围特征向量,并根据所述误差范围特征向量和误差范围事先设置的感知方向,确定所述误差范围特征向量的其中一个用户操作行为数据在所述事先设置的数据库的用户感知标准列队;
在所述其中一个用户操作行为数据的数据内容包括误差弥补特征向量时,获取所述误差弥补特征向量的数据内容的指示感知标准,并将所述指示感知标准作为所述误差弥补特征向量的其中一个用户操作行为数据在所述事先设置的数据库的用户感知标准列队。
第二方面,提供一种一种感知数据处理系统,包括数据采集端和智能终端,所述数据采集端和所述智能终端通信连接,所述智能终端具体用于:
响应于用户操作行为数据的用户感知指示,获取待处理用户操作行为数据集,所述用户感知指示包括有用户感知种类标签;
确定所述用户操作行为数据集中的各用户操作行为数据在事先设置的数据库对应的用户感知标准列队;
根据所述用户感知标准列队,从所述用户操作行为数据集中确定出满足所述用户感知种类标签的目标用户操作行为数据;
在所述事先设置的数据库分析所述目标用户操作行为数据。
进一步地,所述智能终端具体还用于:
在所述事先设置的数据库输出用户感知状态,所述用户感知状态包括感知描述线程,并用于对所述用户感知种类标签进行描述;
获取对所述感知描述线程的补差操作,并根据所述补差操作生成所述用户感知种类标签。
进一步地,所述智能终端具体用于:
获取对所述感知描述线程的补差操作,并根据所述补差操作确定所述感知描述线程对应的线程系数;
获取所述感知描述线程的系数和感知标准系数之间的一一对应关系;
根据所述一一对应关系确定所述线程系数对应的目标感知,并将所述目标感知作为所述事先设置的感知矢量。
进一步地,所述智能终端具体用于:
确定所述用户操作行为数据集中其中一个用户操作行为数据中数据内容的误差数据特征向量,所述误差数据特征向量包括以下一种或多种:误差分析特征向量、误差修正特征向量、误差范围特征向量和误差弥补特征向量;根据所述误差数据特征向量确定所述其中一个用户操作行为数据在事先设置的数据库中的用户感知标准列队。
进一步地,所述智能终端具体用于:
在所述其中一个用户操作行为数据的数据内容包括误差分析特征向量时,统计所述数据内容的全部内容,并根据所述全部内容和误差分析事先设置的感知方向,确定所述误差分析特征向量的其中一个用户操作行为数据在事先设置的数据库的用户感知标准列队;
在所述其中一个用户操作行为数据的数据内容包括误差修正特征向量时,获取所述误差修正特征向量的数据内容的指示感知标准,并将所述指示感知标准作为所述误差修正特征向量的其中一个用户操作行为数据中数据在所述事先设置的数据库的用户感知标准列队;
在所述其中一个用户操作行为数据的数据内容包括误差范围特征向量时,统计所述数据内容的误差范围特征向量,并根据所述误差范围特征向量和误差范围事先设置的感知方向,确定所述误差范围特征向量的其中一个用户操作行为数据在所述事先设置的数据库的用户感知标准列队;
在所述其中一个用户操作行为数据的数据内容包括误差弥补特征向量时,获取所述误差弥补特征向量的数据内容的指示感知标准,并将所述指示感知标准作为所述误差弥补特征向量的其中一个用户操作行为数据在所述事先设置的数据库的用户感知标准列队。
本申请实施例所提供的一种感知数据处理方法及系统,所述智能终端在接收到用户操作行为数据的用户感知指示后,可根据该用户感知指示获取用户操作行为数据集,并可进一步确定该用户操作行为数据中各用户操作行为数据在事先设置的数据库中的用户感知标准列队,所述智能终端在确定出所述用户感知标准列队后,可根据所述用户感知标准列队进行用户操作行为数据的提示,以得到满足该用户感知指示所包括的用户感知种类标签的目标用户操作行为数据,从而可在事先设置的数据库中分析所述目标用户操作行为数据,使得智能终端可根据用户对用户操作行为数据的提示需求进行用户操作行为数据的提示,使得在事先设置的数据库展示的用户操作行为数据是满足事先设置的感知标准特征向量的标准,可有效提升用户操作行为数据的准确性,并可提用户操作行为数据的事先设置的完整度。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例所提供的一种一种感知数据处理方法的流程图。
图2为本申请实施例所提供的一种一种感知数据处理装置的框图。
图3为本申请实施例所提供的一种一种感知数据处理系统的架构图。
具体实施方式
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本申请技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1,示出了一种一种感知数据处理方法,该方法可以包括以下步骤100-步骤400所描述的技术方案。
步骤100,响应于用户操作行为数据的用户感知指示,获取待处理用户操作行为数据集。
举例而言,所述用户感知指示包括有用户感知种类标签。
步骤200,确定所述用户操作行为数据集中的各用户操作行为数据在事先设置的数据库对应的用户感知标准列队。
举例而言,用户感知标准列队表示预先设置的用户感知警戒线。
步骤300,根据所述用户感知标准列队,从所述用户操作行为数据集中确定出满足所述用户感知种类标签的目标用户操作行为数据。
举例而言,目标用户操作行为数据表示用户操作行为数据集中与用户感知标准列队相对应的数据。
步骤400,在所述事先设置的数据库分析所述目标用户操作行为数据。
举例而言,目标用户操作行为数据表示实时更新后的用户感知数据。
可以理解,在执行上述步骤100-步骤400所描述的技术方案时,所述智能终端在接收到用户操作行为数据的用户感知指示后,可根据该用户感知指示获取用户操作行为数据集,并可进一步确定该用户操作行为数据中各用户操作行为数据在事先设置的数据库中的用户感知标准列队,所述智能终端在确定出所述用户感知标准列队后,可根据所述用户感知标准列队进行用户操作行为数据的提示,以得到满足该用户感知指示所包括的用户感知种类标签的目标用户操作行为数据,从而可在事先设置的数据库中分析所述目标用户操作行为数据,使得智能终端可根据用户对用户操作行为数据的提示需求进行用户操作行为数据的提示,使得在事先设置的数据库展示的用户操作行为数据是满足事先设置的感知标准特征向量的标准,可有效提升用户操作行为数据的准确性,并可提用户操作行为数据的事先设置的完整度。
基于上述基础,还可以包括以下步骤q1和步骤q2所描述的技术方案。
步骤q1,在所述事先设置的数据库输出用户感知状态,所述用户感知状态包括感知描述线程,并用于对所述用户感知种类标签进行描述。
步骤q2,获取对所述感知描述线程的补差操作,并根据所述补差操作生成所述用户感知种类标签。
可以理解,在执行上述步骤q1和步骤q2所描述的技术方案时,通过用户感知状态,能够准确地对进行补差,从而提高用户感知种类标签的精度。
在一种可替换的实施例中,发明人发现,用户感知种类标签包括事先设置的感知矢量,所述获取对所述感知描述线程的补差操作,并根据所述补差操作生成所述用户感知种类标签时,存在补差操作不准确的问题,从而难以准确的生成用户感知种类标签,为了改善上述技术问题,步骤q2所描述的用户感知种类标签包括事先设置的感知矢量,所述获取对所述感知描述线程的补差操作,并根据所述补差操作生成所述用户感知种类标签的步骤,具体可以包括以下步骤q2a1-步骤q2a3所描述的技术方案。
步骤q2a1,获取对所述感知描述线程的补差操作,并根据所述补差操作确定所述感知描述线程对应的线程系数。
步骤q2a2,获取所述感知描述线程的系数和感知标准系数之间的一一对应关系。
步骤q2a3,根据所述一一对应关系确定所述线程系数对应的目标感知,并将所述目标感知作为所述事先设置的感知矢量。
可以理解,在执行上述步骤q2a1-步骤q2a3所描述的技术方案时,用户感知种类标签包括事先设置的感知矢量,所述获取对所述感知描述线程的补差操作,并根据所述补差操作生成所述用户感知种类标签时,避免补差操作不准确的问题,从而能够准确的生成用户感知种类标签。
在一种可替换的实施例中,发明人发现,确定所述用户操作行为数据集中的各用户操作行为数据在事先设置的数据库对应的用户感知标准列队时,存在多种用户误差指示,导致不能准确地确定用户感知标准列队,为了改善上述技术问题,步骤200所描述的确定所述用户操作行为数据集中的各用户操作行为数据在事先设置的数据库对应的用户感知标准列队的步骤,具体可以包括以下步骤w1所描述的技术方案。
步骤w1,确定所述用户操作行为数据集中其中一个用户操作行为数据中数据内容的误差数据特征向量,所述误差数据特征向量包括以下一种或多种:误差分析特征向量、误差修正特征向量、误差范围特征向量和误差弥补特征向量;根据所述误差数据特征向量确定所述其中一个用户操作行为数据在事先设置的数据库中的用户感知标准列队。
可以理解,在执行上述步骤w1所描述的技术方案时,确定所述用户操作行为数据集中的各用户操作行为数据在事先设置的数据库对应的用户感知标准列队时,避免多种用户误差指示,从而能够准确地确定用户感知标准列队。
在一种可替换的实施例中,发明人发现,根据所述误差数据特征向量时,存在用户操作行为数据多种情况分析而导致分析混乱的问题,从而难以精确地确定所述其中一个用户操作行为数据在事先设置的数据库中的用户感知标准列队,为了改善上述技术问题,步骤w1所描述的根据所述误差数据特征向量确定所述其中一个用户操作行为数据在事先设置的数据库中的用户感知标准列队的步骤,具体可以包括以下步骤w1a1-步骤w1a4所描述的技术方案。
步骤w1a1,在所述其中一个用户操作行为数据的数据内容包括误差分析特征向量时,统计所述数据内容的全部内容,并根据所述全部内容和误差分析事先设置的感知方向,确定所述误差分析特征向量的其中一个用户操作行为数据在事先设置的数据库的用户感知标准列队。
步骤w1a2,在所述其中一个用户操作行为数据的数据内容包括误差修正特征向量时,获取所述误差修正特征向量的数据内容的指示感知标准,并将所述指示感知标准作为所述误差修正特征向量的其中一个用户操作行为数据中数据在所述事先设置的数据库的用户感知标准列队。
步骤w1a3,在所述其中一个用户操作行为数据的数据内容包括误差范围特征向量时,统计所述数据内容的误差范围特征向量,并根据所述误差范围特征向量和误差范围事先设置的感知方向,确定所述误差范围特征向量的其中一个用户操作行为数据在所述事先设置的数据库的用户感知标准列队。
步骤w1a4,在所述其中一个用户操作行为数据的数据内容包括误差弥补特征向量时,获取所述误差弥补特征向量的数据内容的指示感知标准,并将所述指示感知标准作为所述误差弥补特征向量的其中一个用户操作行为数据在所述事先设置的数据库的用户感知标准列队。
可以理解,在执行上述步骤w1a1-步骤w1a4所描述的技术方案时,据所述误差数据特征向量时,避免用户操作行为数据多种情况分析而导致分析混乱的问题,从而能够精确地确定所述其中一个用户操作行为数据在事先设置的数据库中的用户感知标准列队。
基于上述基础,所述事先设置的数据库分析所述目标用户操作行为数据之前,还可以包括以下步骤e1所描述的技术方案。
步骤e1,获取所述目标用户操作行为数据的用户感知标签,并在所述事先设置的数据库分析所述用户感知标签;所述在所述事先设置的数据库分析所述目标用户操作行为数据,包括:响应于对所述用户感知标签的选择误差类别,在所述事先设置的数据库分析所述目标用户操作行为数据中的数据内容。
可以理解,在执行上述步骤e1所描述的技术方案时,通过用户感知标签能精确地确定误差种类,从而提高目标用户操作行为数据的精度。
基于上述基础,目标用户操作行为数据的数量为多个,还可以包括以下步骤r1和步骤r2所描述的技术方案。
步骤r1,获取当前在所述事先设置的数据库分析的数据内容的当前用户感知标准列队,并确定所述用户感知种类标签指示的事先设置的感知矢量。
步骤r2,根据所述当前用户感知标准列队和所述事先设置的感知矢量,更新所述目标用户操作行为数据。
可以理解,在执行上述步骤r1和步骤r2所描述的技术方案时,通过精确地确定用户感知种类标签指示的事先设置的感知矢量,从而提高更新目标用户操作行为数据的精度。
在一种可能的实施例中,发明人发现,根据所述当前用户感知标准列队和所述事先设置的感知矢量,存在不精确的相关数据的问题,从而难以精确地更新所述目标用户操作行为数据,为了改善上述技术问题,步骤r2所描述的根据所述当前用户感知标准列队和所述事先设置的感知矢量,更新所述目标用户操作行为数据的步骤,具体可以包括以下步骤r2a1所描述的技术方案。
步骤r2a1,根据所述当前用户感知标准列队和所述事先设置的感知矢量,确定局部事先设置的感知;剔除所述目标用户操作行为数据中对应用户感知标准列队匹配所述局部事先设置的感知的用户操作行为数据,以更新所述目标用户操作行为数据。
可以理解,在执行上述步骤r2a1所描述的技术方案时,根据所述当前用户感知标准列队和所述事先设置的感知矢量,避免不精确的相关数据的问题,从而能够精确地更新所述目标用户操作行为数据。
在上述基础上,请结合参阅图2,提供了一种一种感知数据处理装置200,应用于智能终端,所述装置包括:
数据获取模块210,用于响应于用户操作行为数据的用户感知指示,获取待处理用户操作行为数据集,所述用户感知指示包括有用户感知种类标签;
标准确定模块220,用于确定所述用户操作行为数据集中的各用户操作行为数据在事先设置的数据库对应的用户感知标准列队;
数据确定模块230,用于根据所述用户感知标准列队,从所述用户操作行为数据集中确定出满足所述用户感知种类标签的目标用户操作行为数据;
数据更新模块240,用于在所述事先设置的数据库分析所述目标用户操作行为数据。
在上述基础上,请结合参阅图3,示出了一种一种感知数据处理系统300,包括互相之间通信的处理器310和存储器320,所述处理器310用于从所述存储器320中读取计算机程序并执行,以实现上述的方法。
在上述基础上,还提供了一种计算机可读存储介质,其上存储的计算机程序在运行时实现上述的方法。
综上,基于上述方案,所述智能终端在接收到用户操作行为数据的用户感知指示后,可根据该用户感知指示获取用户操作行为数据集,并可进一步确定该用户操作行为数据中各用户操作行为数据在事先设置的数据库中的用户感知标准列队,所述智能终端在确定出所述用户感知标准列队后,可根据所述用户感知标准列队进行用户操作行为数据的提示,以得到满足该用户感知指示所包括的用户感知种类标签的目标用户操作行为数据,从而可在事先设置的数据库中分析所述目标用户操作行为数据,使得智能终端可根据用户对用户操作行为数据的提示需求进行用户操作行为数据的提示,使得在事先设置的数据库展示的用户操作行为数据是满足事先设置的感知标准特征向量的标准,可有效提升用户操作行为数据的准确性,并可提用户操作行为数据的事先设置的完整度。
应当理解,上述所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种一种感知数据处理方法,其特征在于,包括:
响应于用户操作行为数据的用户感知指示,获取待处理用户操作行为数据集,所述用户感知指示包括有用户感知种类标签;
确定所述用户操作行为数据集中的各用户操作行为数据在事先设置的数据库对应的用户感知标准列队;
根据所述用户感知标准列队,从所述用户操作行为数据集中确定出满足所述用户感知种类标签的目标用户操作行为数据;
在所述事先设置的数据库分析所述目标用户操作行为数据。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述事先设置的数据库输出用户感知状态,所述用户感知状态包括感知描述线程,并用于对所述用户感知种类标签进行描述;
获取对所述感知描述线程的补差操作,并根据所述补差操作生成所述用户感知种类标签。
3.根据权利要求2所述的方法,其特征在于,所述用户感知种类标签包括事先设置的感知矢量,所述获取对所述感知描述线程的补差操作,并根据所述补差操作生成所述用户感知种类标签,包括:
获取对所述感知描述线程的补差操作,并根据所述补差操作确定所述感知描述线程对应的线程系数;
获取所述感知描述线程的系数和感知标准系数之间的一一对应关系;
根据所述一一对应关系确定所述线程系数对应的目标感知,并将所述目标感知作为所述事先设置的感知矢量。
4.根据权利要求1所述的方法,其特征在于,所述确定所述用户操作行为数据集中的各用户操作行为数据在事先设置的数据库对应的用户感知标准列队,包括:
确定所述用户操作行为数据集中其中一个用户操作行为数据中数据内容的误差数据特征向量,所述误差数据特征向量包括以下一种或多种:误差分析特征向量、误差修正特征向量、误差范围特征向量和误差弥补特征向量;根据所述误差数据特征向量确定所述其中一个用户操作行为数据在事先设置的数据库中的用户感知标准列队。
5.根据权利要求4所述的方法,其特征在于,所述根据所述误差数据特征向量确定所述其中一个用户操作行为数据在事先设置的数据库中的用户感知标准列队,包括:
在所述其中一个用户操作行为数据的数据内容包括误差分析特征向量时,统计所述数据内容的全部内容,并根据所述全部内容和误差分析事先设置的感知方向,确定所述误差分析特征向量的其中一个用户操作行为数据在事先设置的数据库的用户感知标准列队;
在所述其中一个用户操作行为数据的数据内容包括误差修正特征向量时,获取所述误差修正特征向量的数据内容的指示感知标准,并将所述指示感知标准作为所述误差修正特征向量的其中一个用户操作行为数据中数据在所述事先设置的数据库的用户感知标准列队;
在所述其中一个用户操作行为数据的数据内容包括误差范围特征向量时,统计所述数据内容的误差范围特征向量,并根据所述误差范围特征向量和误差范围事先设置的感知方向,确定所述误差范围特征向量的其中一个用户操作行为数据在所述事先设置的数据库的用户感知标准列队;
在所述其中一个用户操作行为数据的数据内容包括误差弥补特征向量时,获取所述误差弥补特征向量的数据内容的指示感知标准,并将所述指示感知标准作为所述误差弥补特征向量的其中一个用户操作行为数据在所述事先设置的数据库的用户感知标准列队。
6.一种一种感知数据处理系统,其特征在于,包括数据采集端和智能终端,所述数据采集端和所述智能终端通信连接,所述智能终端具体用于:
响应于用户操作行为数据的用户感知指示,获取待处理用户操作行为数据集,所述用户感知指示包括有用户感知种类标签;
确定所述用户操作行为数据集中的各用户操作行为数据在事先设置的数据库对应的用户感知标准列队;
根据所述用户感知标准列队,从所述用户操作行为数据集中确定出满足所述用户感知种类标签的目标用户操作行为数据;
在所述事先设置的数据库分析所述目标用户操作行为数据。
7.根据权利要求6所述的系统,其特征在于,所述智能终端具体还用于:
在所述事先设置的数据库输出用户感知状态,所述用户感知状态包括感知描述线程,并用于对所述用户感知种类标签进行描述;
获取对所述感知描述线程的补差操作,并根据所述补差操作生成所述用户感知种类标签。
8.根据权利要求7所述的系统,其特征在于,所述智能终端具体用于:
获取对所述感知描述线程的补差操作,并根据所述补差操作确定所述感知描述线程对应的线程系数;
获取所述感知描述线程的系数和感知标准系数之间的一一对应关系;
根据所述一一对应关系确定所述线程系数对应的目标感知,并将所述目标感知作为所述事先设置的感知矢量。
9.根据权利要求6所述的系统,其特征在于,所述智能终端具体用于:
确定所述用户操作行为数据集中其中一个用户操作行为数据中数据内容的误差数据特征向量,所述误差数据特征向量包括以下一种或多种:误差分析特征向量、误差修正特征向量、误差范围特征向量和误差弥补特征向量;根据所述误差数据特征向量确定所述其中一个用户操作行为数据在事先设置的数据库中的用户感知标准列队。
10.根据权利要求9所述的系统,其特征在于,所述智能终端具体用于:
在所述其中一个用户操作行为数据的数据内容包括误差分析特征向量时,统计所述数据内容的全部内容,并根据所述全部内容和误差分析事先设置的感知方向,确定所述误差分析特征向量的其中一个用户操作行为数据在事先设置的数据库的用户感知标准列队;
在所述其中一个用户操作行为数据的数据内容包括误差修正特征向量时,获取所述误差修正特征向量的数据内容的指示感知标准,并将所述指示感知标准作为所述误差修正特征向量的其中一个用户操作行为数据中数据在所述事先设置的数据库的用户感知标准列队;
在所述其中一个用户操作行为数据的数据内容包括误差范围特征向量时,统计所述数据内容的误差范围特征向量,并根据所述误差范围特征向量和误差范围事先设置的感知方向,确定所述误差范围特征向量的其中一个用户操作行为数据在所述事先设置的数据库的用户感知标准列队;
在所述其中一个用户操作行为数据的数据内容包括误差弥补特征向量时,获取所述误差弥补特征向量的数据内容的指示感知标准,并将所述指示感知标准作为所述误差弥补特征向量的其中一个用户操作行为数据在所述事先设置的数据库的用户感知标准列队。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110860977.0A CN113590951A (zh) | 2021-07-29 | 2021-07-29 | 一种感知数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110860977.0A CN113590951A (zh) | 2021-07-29 | 2021-07-29 | 一种感知数据处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113590951A true CN113590951A (zh) | 2021-11-02 |
Family
ID=78251450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110860977.0A Pending CN113590951A (zh) | 2021-07-29 | 2021-07-29 | 一种感知数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113590951A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101175085A (zh) * | 2007-10-30 | 2008-05-07 | 北京航空航天大学 | 面向协同式网格应用的动态协作感知模型的构建方法 |
CN102799873A (zh) * | 2012-07-23 | 2012-11-28 | 青岛科技大学 | 一种人体异常行为识别方法 |
CN102855321A (zh) * | 2012-09-07 | 2013-01-02 | 陕西师范大学 | 人体行为识别方法 |
CN103295145A (zh) * | 2012-02-28 | 2013-09-11 | 北京星源无限传媒科技有限公司 | 一种基于用户消费特征向量的手机广告投放方法 |
CN107180088A (zh) * | 2017-05-10 | 2017-09-19 | 广西师范学院 | 基于模糊c均值聚类算法的新闻推荐方法 |
CN110263024A (zh) * | 2019-05-20 | 2019-09-20 | 平安普惠企业管理有限公司 | 数据处理方法、终端设备及计算机存储介质 |
US20190318267A1 (en) * | 2018-04-12 | 2019-10-17 | Baidu Usa Llc | System and method for training a machine learning model deployed on a simulation platform |
CN112597695A (zh) * | 2020-12-03 | 2021-04-02 | 浙江大学 | 一种基于感知特征聚类的计算机辅助设计方法及系统 |
CN113065067A (zh) * | 2021-03-31 | 2021-07-02 | 达而观信息科技(上海)有限公司 | 一种物品推荐方法、装置、计算机设备及存储介质 |
-
2021
- 2021-07-29 CN CN202110860977.0A patent/CN113590951A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101175085A (zh) * | 2007-10-30 | 2008-05-07 | 北京航空航天大学 | 面向协同式网格应用的动态协作感知模型的构建方法 |
CN103295145A (zh) * | 2012-02-28 | 2013-09-11 | 北京星源无限传媒科技有限公司 | 一种基于用户消费特征向量的手机广告投放方法 |
CN102799873A (zh) * | 2012-07-23 | 2012-11-28 | 青岛科技大学 | 一种人体异常行为识别方法 |
CN102855321A (zh) * | 2012-09-07 | 2013-01-02 | 陕西师范大学 | 人体行为识别方法 |
CN107180088A (zh) * | 2017-05-10 | 2017-09-19 | 广西师范学院 | 基于模糊c均值聚类算法的新闻推荐方法 |
US20190318267A1 (en) * | 2018-04-12 | 2019-10-17 | Baidu Usa Llc | System and method for training a machine learning model deployed on a simulation platform |
CN110263024A (zh) * | 2019-05-20 | 2019-09-20 | 平安普惠企业管理有限公司 | 数据处理方法、终端设备及计算机存储介质 |
CN112597695A (zh) * | 2020-12-03 | 2021-04-02 | 浙江大学 | 一种基于感知特征聚类的计算机辅助设计方法及系统 |
CN113065067A (zh) * | 2021-03-31 | 2021-07-02 | 达而观信息科技(上海)有限公司 | 一种物品推荐方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113886468A (zh) | 基于互联网的在线互动数据挖掘方法及系统 | |
CN113903473A (zh) | 基于人工智能的医疗信息智能交互的方法及系统 | |
CN113590951A (zh) | 一种感知数据处理方法及系统 | |
CN113485203B (zh) | 一种智能控制网络资源共享的方法及系统 | |
CN114187552A (zh) | 一种机房动力环境监控方法及系统 | |
CN113605980A (zh) | 基于物联网的智能预警矿井安全的方法及系统 | |
CN113380363B (zh) | 基于人工智能的医疗数据质量评价方法及系统 | |
CN114417076A (zh) | 基于人工智能的生产线智能预警方法及系统 | |
CN113947709A (zh) | 基于人工智能的图像处理方法及系统 | |
CN113610373A (zh) | 基于智能制造的信息决策处理方法及系统 | |
CN113626538A (zh) | 基于大数据的医疗信息智能分类的方法及系统 | |
CN113420158B (zh) | 一种标准医疗术语录入方法及系统 | |
CN114135992A (zh) | 基于数据中心的空调制冷方法及系统 | |
CN113610123B (zh) | 基于物联网的多源异构数据融合方法及系统 | |
CN113645604B (zh) | 基于智慧医疗的病房呼救方法及系统 | |
CN115279127A (zh) | 一种喷淋式液冷机调控数据中心的温度控制方法及系统 | |
CN113609931A (zh) | 基于神经网络的人脸识别方法及系统 | |
CN115345143A (zh) | 基于数据中心的能耗检测方法及系统 | |
CN115345226A (zh) | 结合云计算的能耗统计方法及系统 | |
CN114169437A (zh) | 一种智能关键数据属性融合方法及系统 | |
CN113613288A (zh) | 基于5g的智能数据分流的方法及系统 | |
CN113611425A (zh) | 基于软件定义的智能化区域医疗集成数据库的方法及系统 | |
CN113609362A (zh) | 基于5g的数据管理方法及系统 | |
CN114398967A (zh) | 一种城市雨污水管网水质采样装置及方法 | |
CN115454014A (zh) | 基于自适应神经模糊的控制器性能测试方法及系统 |
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 |