CN114553889A - 一种基于本地区域特性自学习的信息交流的方法及系统 - Google Patents
一种基于本地区域特性自学习的信息交流的方法及系统 Download PDFInfo
- Publication number
- CN114553889A CN114553889A CN202210428856.3A CN202210428856A CN114553889A CN 114553889 A CN114553889 A CN 114553889A CN 202210428856 A CN202210428856 A CN 202210428856A CN 114553889 A CN114553889 A CN 114553889A
- Authority
- CN
- China
- Prior art keywords
- data
- local
- learning
- self
- information
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/104—Peer-to-peer [P2P] networks
- H04L67/1074—Peer-to-peer [P2P] networks for supporting data block transmission mechanisms
- H04L67/1078—Resource delivery mechanisms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
Landscapes
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明涉及一种基于本地区域特性自学习的信息交流的方法及系统,该方法包括:设置本地终端,按照预设的信息分类表收集本地信息数据并存储在本地终端,进行筛查处理后存入本地信息数据私有链区块;对本地信息数据进行筛查处理后存入本地信息数据的公有链区块;接收本地区域特性的自学习需求,链接至响应服务区块从公有链区块调取对应的公共数据,按照自学习需求的策略要求,基于神经网络建立数据模型;在响应服务区块,将私有链区块中各个私有数据代入数据模型得到对应的本地区域特性自学习的私有推荐数据,发送至对应的本地终端。本发明能够通过本地终端收集本地用户的信息数据,生成本地区域特性自学习的方案并推送。
Description
技术领域
本发明涉及信息交流的技术领域,尤其涉及一种基于本地区域特性自学习的信息交流的方法及系统。
背景技术
随着互联网数据的快速发展,基于数据信息分析的交流技术逐步涌现,而人们生活中基于地域性、习惯性、文化性等能够体现出很多的信息特性,如何利用好本地区域内的数据,为后续操作提供预测数据已然成为了一项重要的研究课题。
虽然本地区域特性信息数据具有一定的规律性,但是要如何精准利用好,排除其中无效的数据,并形成循环推动的信息流也是一件很困难的事情。例如,在医疗健康领域,涌现出了很多智能的健康检测设备,这些健康检测设备每时每刻都在采集生成大量与个人息息相关的健康数据并对这些健康数据进行存储。
目前,这些采集到的健康数据并没有被有效的利用起来作为医生、心理师、康复师给病人看诊时的依据。当病人的病情十分严重需要进行专家会诊的情况下,要与各个专家取得联系,逐一协调专家时间,耗费大量的时间,使病人的即时诊断的需求无法得到满足,延误病人就医的时间。
如果能够基于本地区域特性信息进行自学习形成预测性的信息交流或精准专业性的信息交流,就能很好地避免日常生活、学习及工作中的很多上述问题。因此,如何提供一种基于本地区域特性自学习的信息交流的方案是本技术领域亟待解决的技术问题。
发明内容
为了解决上述问题,本发明提供了一种基于本地区域特性自学习的信息交流的方法及系统。
在本发明中,提供了一种基于本地区域特性自学习的信息交流的方法,包括:
预设区域特性服务器,在所述区域特性服务器上基于预设的本地区域特性与预设需求策略对照表,根据本地区域特性创建本地区域需求策略;根据所述本地区域需求策略以及预设推选策略在所述区域特性服务器上确定至少一个服务区块作为响应服务区块;
设置本地终端,根据预设的区域性链接合约连接至所述区域特性服务器,按照预设的信息分类表收集本地信息数据并存储在所述本地终端,根据预设的私有信息链接合约对所述本地信息数据进行筛查处理后存入本地信息数据私有链区块;根据预设的公用信息链接合约对所述本地信息数据进行筛查处理后存入本地信息数据的公有链区块;
接收本地区域特性的自学习需求,链接至所述响应服务区块从所述公有链区块调取对应的公共数据,按照所述自学习需求的策略要求,基于神经网络建立数据模型,并随机调取所述私有链区块中私有数据进行验证;在验证通过后将所述数据模型存储至所述响应服务区块;
在所述响应服务区块,将所述私有链区块中各个所述私有数据代入所述数据模型得到对应的本地区域特性自学习的私有推荐数据,发送至对应的所述本地终端。
可选地,其中,该方法还包括:
根据本地区域特性设置对应不同数据属性分类的信息分类表,并形成本地区域特性与所述信息分类表的对应关系表,存储至所述响应服务区块;
根据所述信息分类表中各个项设置与其对应的数据筛查处理策略,并对应存储至所述响应服务区块中。
可选地,其中,接收本地区域特性的自学习需求,链接至所述响应服务区块从所述公有链区块调取对应的公共数据,按照所述自学习需求的策略要求,基于神经网络建立数据模型,为:
在所述公有链区块基础上创建,以响应服务的所述本地终端以及预设自学习需求的所述本地终端为节点创建策略要求,与所述私有链区块链接,用于将所述响应所述本地终端、预设自学习需求发起的所述本地终端进行信息数据互通;
并根据数据分析处理策略以及所述自学习需求的策略要求分析所述公共数据,得到基于神经网络建立数据模型;将所述数据模型按照所述自学习需求的策略要求发送至对应的所述本地终端中。
可选地,其中,该方法还包括:
在所述本地信息数据的公有链区块上,根据本地终端上用户的身份、信用等级、工作性质与预设信息标识等级对应关系对照得到该本地终端上用户的本地终端标识,并存储至所述私有链区块;
将所述私有链区块中各个本地终端标识及预设的标识权重对应关系加入对应的所述私有数据。
可选地,其中,该方法还包括:
根据所述本地终端预设各自更新的信息数据量达到预设数据量阈值的更新策略;
接收本地信息的更新数据,在所述更新数据的数据量达到或超过所述数据量阈值时,根据所述更新策略,将所述更新数据加入所述本地信息数据并与现有数据一起替换原有数据。
另一方面,本发明还提供一种基于本地区域特性自学习的信息交流的系统,包括:区域特性设置模块、公有链数据收集模块、自学习数据模型建立模块及自学习信息交流模块;其中,
所述区域特性设置模块,预设区域特性服务器,在所述区域特性服务器上基于预设的本地区域特性与预设需求策略对照表,根据本地区域特性创建本地区域需求策略;根据所述本地区域需求策略以及预设推选策略在所述区域特性服务器上确定至少一个服务区块作为响应服务区块;
所述链数据收集模块,与所述区域特性设置模块相连接,设置本地终端,根据预设的区域性链接合约连接至所述区域特性服务器,按照预设的信息分类表收集本地信息数据并存储在所述本地终端,根据预设的私有信息链接合约对所述本地信息数据进行筛查处理后存入本地信息数据私有链区块;根据预设的公用信息链接合约对所述本地信息数据进行筛查处理后存入本地信息数据的公有链区块;
所述自学习数据模型建立模块,与所述区域特性设置模块及链数据收集模块相连接,接收本地区域特性的自学习需求,链接至所述响应服务区块从所述公有链区块调取对应的公共数据,按照所述自学习需求的策略要求,基于神经网络建立数据模型,并随机调取所述私有链区块中私有数据进行验证;在验证通过后将所述数据模型存储至所述响应服务区块;
所述自学习信息交流模块,与所述区域特性设置模块及自学习数据模型建立模块相连接,在所述响应服务区块,将所述私有链区块中各个所述私有数据代入所述数据模型得到对应的本地区域特性自学习的私有推荐数据,发送至对应的所述本地终端。
可选地,其中,该系统还包括:数据筛查处理策略设置模块,与所述区域特性设置模块相连接,根据本地区域特性设置对应不同数据属性分类的信息分类表,并形成本地区域特性与所述信息分类表的对应关系表,存储至所述响应服务区块;
根据所述信息分类表中各个项设置与其对应的数据筛查处理策略,并对应存储至所述响应服务区块中。
可选地,其中,该系统还包括:信息数据互通处理模块,与所述自学习数据模型建立模块相连接,在所述公有链区块基础上创建,以响应服务的所述本地终端以及预设自学习需求的所述本地终端为节点创建策略要求,与所述私有链区块链接,用于将所述响应所述本地终端、预设自学习需求发起的所述本地终端进行信息数据互通;
并根据数据分析处理策略以及所述自学习需求的策略要求分析所述公共数据,得到基于神经网络建立数据模型;将所述数据模型按照所述自学习需求的策略要求发送至对应的所述本地终端中。
可选地,其中,该系统还包括:基于本地终端身份标识的处理模块,与所述链数据收集模块相连接,在所述本地信息数据的公有链区块上,根据本地终端上用户的身份、信用等级、工作性质与预设信息标识等级对应关系对照得到该本地终端上用户的本地终端标识,并存储至所述私有链区块;
将所述私有链区块中各个本地终端标识及预设的标识权重对应关系加入对应的所述私有数据。
可选地,其中,该系统还包括:数据更新处理模块,与所述区域特性设置模块及链数据收集模块相连接,根据所述本地终端预设各自更新的信息数据量达到预设数据量阈值的更新策略;
接收本地信息的更新数据,在所述更新数据的数据量达到或超过所述数据量阈值时,根据所述更新策略,将所述更新数据加入所述本地信息数据并与现有数据一起替换原有数据。
本发明还提供一种基于区块链的综合健康保健医疗数据库的运行方法,包括:以用户终端为节点根据预设公有链策略创建公有链,根据加入到公有链的每一个用户终端形成一个公有链区块,根据公有链区块的属性特征从预设的公有链智能合约库中调取,或根据公有链智能合约策略对应生成得到第一智能合约,公有链区块签署第一智能合约;接收预设需求,以预设需求为基础进行分析,得到联盟条件,根据联盟条件从公有链区块中确定服务区块,将服务区块进行信息数据互通创建联盟链;根据预设需求从预设的联盟链智能合约库中调取,或根据联盟链智能合约策略对应生成得到第二智能合约,每个服务区块签署第二智能合约,并将签署的第二智能合约存储在服务区块对应链接的数据库中;联盟链根据预设需求以及预设推选策略在服务区块的基础上确定至少一个服务区块作为响应服务区块;在公有链基础上,链接响应服务区块以及预设需求发起区块创建私有链,并将私有链链接至子数据库;私有链以预设需求为基础运行,为预设需求发起区块提供服务。
进一步的,私有链以预设需求为基础运行,为预设需求发起区块提供服务包括:根据服务区块、预设需求发起区块的属性特征及预设需求从预设的私有链智能合约库中调取,或根据私有链智能合约策略对应生成得到第三智能合约;私有链中的预设需求发起区块、响应服务区块签署第三智能合约,并将第三智能合约分别存储在预设需求发起区块、响应服务区块对应链接的数据库中;私有链接收终端采集的综合健康保健医疗数据,根据预设需求分析综合健康保健医疗数据,得到综合健康保健医疗分类数据存储至对应的数据库中;综合健康保健医疗分类数据包括综合健康保健医疗方案以及在私有链运行过程中产生的数据。
进一步的,运行方法还包括:根据区块在区块链分析处理系统中的行为按照预设的价值分配策略为区块分配行为价值,其中:响应服务区块在完成服务后获得服务价值,服务价值根据预设的服务价值策略确定;预设需求发起区块在发起需求后获得发起价值,发起价值根据预设的发起价值策略确定;服务区块在推选出至少一个响应服务区块后获得推选价值,推选价值根据预设的推选价值策略确定;服务价值策略、发起价值策略、推选价值策略构成价值分配策略,服务价值、发起价值、推选价值构成行为价值。
本发明提供的基于本地区域特性自学习的信息交流的方法及系统,能够通过本地终端收集本地用户的信息数据,通过区块链分析处理系统以用户终端为节点创建公有链,根据用户需求创建私有链,私有链将各个本地区域特性自学习策略以及需求发起用户连接起来,建立数据分析处理的数据模型,根据用户需求运行,结合从终端采集的综合数据生成自学习的方案提供给需求发起用户,使需求发起用户的需求得到即时的满足。将区块链分析处理系统在运行过程中产生的综合分类数据存储至各个对应的数据库中,为之后的利用大数据技术对本地区域特性自学习数据进行挖掘分析打下坚实的数据基础。
附图说明
为了更清楚的说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见的,下面描述中的附图仅仅是本发明的一些实施例,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它附图。
图1为本发明实施例中一种基于本地区域特性自学习的信息交流的方法的流程示意图;
图2为本发明实施例中第二种基于本地区域特性自学习的信息交流的方法的流程示意图;
图3为本发明实施例中第三种基于本地区域特性自学习的信息交流的方法的流程示意图;
图4为本发明实施例中第四种基于本地区域特性自学习的信息交流的方法的流程示意图;
图5为本发明实施例中第五种基于本地区域特性自学习的信息交流的方法的流程示意图;
图6为本发明实施例中一种基于本地区域特性自学习的信息交流的系统的结构示意图;
图7为本发明实施例中第二种基于本地区域特性自学习的信息交流的系统的结构示意图;
图8为本发明实施例中第三种基于本地区域特性自学习的信息交流的系统的结构示意图;
图9为本发明实施例中第四种基于本地区域特性自学习的信息交流的系统的结构示意图;
图10为本发明实施例中第五种基于本地区域特性自学习的信息交流的系统的结构示意图。
具体实施方式
下面将结合本发明中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅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,本领域普通的技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例,都属于本发明的保护范围。
在本发明的一种实施例中,如图1所示,提供一种基于本地区域特性自学习的信息交流的方法的流程示意图,包括如下步骤:
步骤101、预设区域特性服务器,在区域特性服务器上基于预设的本地区域特性与预设需求策略对照表,根据本地区域特性创建本地区域需求策略;根据本地区域需求策略以及预设推选策略在区域特性服务器上确定至少一个服务区块作为响应服务区块。
步骤102、设置本地终端,根据预设的区域性链接合约连接至区域特性服务器,按照预设的信息分类表收集本地信息数据并存储在本地终端,根据预设的私有信息链接合约对本地信息数据进行筛查处理后存入本地信息数据私有链区块;根据预设的公用信息链接合约对本地信息数据进行筛查处理后存入本地信息数据的公有链区块。
具体的,本地终端,可以是家庭中联网使用的终端机,还可以是移动终端,如手机、平板、电脑等,还可以是机构的数据采集设备。
步骤103、接收本地区域特性的自学习需求,链接至响应服务区块从公有链区块调取对应的公共数据,按照自学习需求的策略要求,基于神经网络建立数据模型,并随机调取私有链区块中私有数据进行验证;在验证通过后将数据模型存储至响应服务区块。
步骤104、在响应服务区块,将私有链区块中各个私有数据代入数据模型得到对应的本地区域特性自学习的私有推荐数据,发送至对应的本地终端。
在一些可选的实施例中,如图2所示,提供第二种基于本地区域特性自学习的信息交流的方法的流程示意图,与图1中不同的是,还包括如下步骤:
步骤201、根据本地区域特性设置对应不同数据属性分类的信息分类表,并形成本地区域特性与信息分类表的对应关系表,存储至响应服务区块。
步骤202、根据信息分类表中各个项设置与其对应的数据筛查处理策略,并对应存储至响应服务区块中。
在一些可选的实施例中,如图3所示,提供第三种基于本地区域特性自学习的信息交流的方法的流程示意图,与图1中不同的是,接收本地区域特性的自学习需求,链接至响应服务区块从公有链区块调取对应的公共数据,按照自学习需求的策略要求,基于神经网络建立数据模型,包括如下步骤:
步骤301、在公有链区块基础上创建,以响应服务的本地终端以及预设自学习需求的本地终端为节点创建策略要求,与私有链区块链接,用于将响应本地终端、预设自学习需求发起的本地终端进行信息数据互通。
步骤302、并根据数据分析处理策略以及自学习需求的策略要求分析公共数据,得到基于神经网络建立数据模型;将数据模型按照自学习需求的策略要求发送至对应的本地终端中。
在一些可选的实施例中,如图4所示,提供第四种基于本地区域特性自学习的信息交流的方法的流程示意图,与图1中不同的是,还包括如下步骤:
步骤401、在本地信息数据的公有链区块上,根据本地终端上用户的身份、信用等级、工作性质与预设信息标识等级对应关系对照得到该本地终端上用户的本地终端标识,并存储至私有链区块。
步骤402、将私有链区块中各个本地终端标识及预设的标识权重对应关系加入对应的私有数据。
在一些可选的实施例中,如图5所示,提供第五种基于本地区域特性自学习的信息交流的方法的流程示意图,与图1中不同的是,还包括如下步骤:
步骤501、根据本地终端预设各自更新的信息数据量达到预设数据量阈值的更新策略。
步骤502、接收本地信息的更新数据,在更新数据的数据量达到或超过数据量阈值时,根据更新策略,将更新数据加入本地信息数据并与现有数据一起替换原有数据。
在另一些可选的实施例中,如图6所示,提供一种基于本地区域特性自学习的信息交流的系统600,用于实施上述基于本地区域特性自学习的信息交流的方法,具体地,该系统包括:区域特性设置模块601、链数据收集模块602、自学习数据模型建立模块603及自学习信息交流模块604。
其中,区域特性设置模块601,预设区域特性服务器,在区域特性服务器上基于预设的本地区域特性与预设需求策略对照表,根据本地区域特性创建本地区域需求策略;根据本地区域需求策略以及预设推选策略在区域特性服务器上确定至少一个服务区块作为响应服务区块。
链数据收集模块602,与区域特性设置模块601相连接,设置本地终端,根据预设的区域性链接合约连接至区域特性服务器,按照预设的信息分类表收集本地信息数据并存储在本地终端,根据预设的私有信息链接合约对本地信息数据进行筛查处理后存入本地信息数据私有链区块;根据预设的公用信息链接合约对本地信息数据进行筛查处理后存入本地信息数据的公有链区块。
自学习数据模型建立模块603,与区域特性设置模块601及链数据收集模块602相连接,接收本地区域特性的自学习需求,链接至响应服务区块从公有链区块调取对应的公共数据,按照自学习需求的策略要求,基于神经网络建立数据模型,并随机调取私有链区块中私有数据进行验证;在验证通过后将数据模型存储至响应服务区块。
自学习信息交流模块604,与区域特性设置模块601及自学习数据模型建立模块603相连接,在响应服务区块,将私有链区块中各个私有数据代入数据模型得到对应的本地区域特性自学习的私有推荐数据,发送至对应的本地终端。
在另一些可选的实施例中,如图7所示,为第二种基于本地区域特性自学习的信息交流的系统700的结构示意图,与图6中不同的是,还包括:数据筛查处理策略设置模块701,与区域特性设置模块601相连接,根据本地区域特性设置对应不同数据属性分类的信息分类表,并形成本地区域特性与所述信息分类表的对应关系表,存储至响应服务区块。
根据信息分类表中各个项设置与其对应的数据筛查处理策略,并对应存储至响应服务区块中。
在另一些可选的实施例中,如图8所示,为第三种基于本地区域特性自学习的信息交流的系统800的结构示意图,与图6中不同的是,还包括:信息数据互通处理模块801,与自学习数据模型建立模块603相连接,在公有链区块基础上创建,以响应服务的本地终端以及预设自学习需求的本地终端为节点创建策略要求,与私有链区块链接,用于将响应本地终端、预设自学习需求发起的本地终端进行信息数据互通。
并根据数据分析处理策略以及自学习需求的策略要求分析公共数据,得到基于神经网络建立数据模型;将数据模型按照自学习需求的策略要求发送至对应的本地终端中。
在另一些可选的实施例中,如图9所示,为第四种基于本地区域特性自学习的信息交流的系统900的结构示意图,与图6中不同的是,还包括:基于本地终端身份标识的处理模块901,与链数据收集模块602相连接,在本地信息数据的公有链区块上,根据本地终端上用户的身份、信用等级、工作性质与预设信息标识等级对应关系对照得到该本地终端上用户的本地终端标识,并存储至私有链区块。
将私有链区块中各个本地终端标识及预设的标识权重对应关系加入对应的私有数据。
在另一些可选的实施例中,如图10所示,为第五种基于本地区域特性自学习的信息交流的系统1000的结构示意图,还包括:数据更新处理模块1001,与区域特性设置模块601及链数据收集模块602相连接,根据本地终端预设各自更新的信息数据量达到预设数据量阈值的更新策略。
接收本地信息的更新数据,在更新数据的数据量达到或超过数据量阈值时,根据更新策略,将更新数据加入本地信息数据并与现有数据一起替换原有数据。
根据用户在本地终端的识别信息,每个自然人、法人或者社会团体都可以通过自己的终端自由的加入到基于本地区域特性自学习的信息交流的系统上,成为公有链中的一个公有链区块。在本发明中节点即是区块。当然,在加入到公有链上之后,也可以自由的退出公有链。具体的,自然人或者法人、社会团体可以向以个人需求为中心的链管理系统申请加入公有链区块,进行公有链区块的注册,从而成为公有链中的公有链区块。以个人需求为中心的本地区块链管理系统是用于创建、管理本发明提及的区块链分析处理系统的。
具体的,分析预设需求包括,将预设需求按照预设的语义识别策略进行识别,这里预设的语义识别策略可以是预先设置好语义识别对照表,将所有常见的需求以及该需求所对应的服务内容存储在语义识别对照表中,在接收到用户的预设需求后,在语义识别对照表中进行检索,获取所需的服务内容。
本实施例中的基于本地区域特性自学习的信息交流的数据库是闭合的数据存储管理库,从采集综合数据到分析处理数据得到综合分类数据分布式存储至对应的子数据库内,都是在整个体系内部运行,不需要外部干涉,从而提升了整个数据库的保密安全性、稳定性及合理性。
具体的,用户的身份代码指的是用户的身份证号码或者统一社会信用代码,终端的出厂编码是在终端设备出厂时厂家赋予的内部编码,用户的所在地区号代表了用户所在的位置,具体的可以使用邮政编码来表示。在本方案中,生成区块ID所采用的ID生成算法可以是哈希算法,当然也可以是其他的生成算法例如snowflake算法等等,本发明对此不作限定。进一步的,当用户新增或更换了终端,或者用户所在地区发生改变,用户区块的区块ID也会重新根据改变后的终端的出厂编号或者地区号重新计算。
区块ID存储在子数据库中,即使用户退出区块链分析处理系统,用户的区块ID也会保存下来,当用户再次加入到区块链分析处理系统中来时,可以直接调用子数据库中存储的区块ID直接分配给用户区块。可选的,将区块ID存储在子数据库的区块ID管理库中。
以上借助具体实施例对本发明做了进一步描述,但是应该理解的是,这里具体的描述,不应理解为对本发明的实质和范围的限定,本领域内的普通技术人员在阅读本说明书后对上述实施例做出的各种修改,都属于本发明所保护的范围。
Claims (10)
1.一种基于本地区域特性自学习的信息交流的方法,其特征在于,包括:
预设区域特性服务器,在所述区域特性服务器上基于预设的本地区域特性与预设需求策略对照表,根据本地区域特性创建本地区域需求策略;根据所述本地区域需求策略以及预设推选策略在所述区域特性服务器上确定至少一个服务区块作为响应服务区块;
设置本地终端,根据预设的区域性链接合约连接至所述区域特性服务器,按照预设的信息分类表收集本地信息数据并存储在所述本地终端,根据预设的私有信息链接合约对所述本地信息数据进行筛查处理后存入本地信息数据私有链区块;根据预设的公用信息链接合约对所述本地信息数据进行筛查处理后存入本地信息数据的公有链区块;
接收本地区域特性的自学习需求,链接至所述响应服务区块从所述公有链区块调取对应的公共数据,按照所述自学习需求的策略要求,基于神经网络建立数据模型,并随机调取所述私有链区块中私有数据进行验证;在验证通过后将所述数据模型存储至所述响应服务区块;
在所述响应服务区块,将所述私有链区块中各个所述私有数据代入所述数据模型得到对应的本地区域特性自学习的私有推荐数据,发送至对应的所述本地终端。
2.根据权利要求1所述的基于本地区域特性自学习的信息交流的方法,其特征在于,还包括:
根据本地区域特性设置对应不同数据属性分类的信息分类表,并形成本地区域特性与所述信息分类表的对应关系表,存储至所述响应服务区块;
根据所述信息分类表中各个项设置与其对应的数据筛查处理策略,并对应存储至所述响应服务区块中。
3.根据权利要求1所述的基于本地区域特性自学习的信息交流的方法,其特征在于,接收本地区域特性的自学习需求,链接至所述响应服务区块从所述公有链区块调取对应的公共数据,按照所述自学习需求的策略要求,基于神经网络建立数据模型,为:
在所述公有链区块基础上创建,以响应服务的所述本地终端以及预设自学习需求的所述本地终端为节点创建策略要求,与所述私有链区块链接,用于将所述响应所述本地终端、预设自学习需求发起的所述本地终端进行信息数据互通;
并根据数据分析处理策略以及所述自学习需求的策略要求分析所述公共数据,得到基于神经网络建立数据模型;将所述数据模型按照所述自学习需求的策略要求发送至对应的所述本地终端中。
4.根据权利要求1所述的基于本地区域特性自学习的信息交流的方法,其特征在于,还包括:
在所述本地信息数据的公有链区块上,根据本地终端上用户的身份、信用等级、工作性质与预设信息标识等级对应关系对照得到该本地终端上用户的本地终端标识,并存储至所述私有链区块;
将所述私有链区块中各个本地终端标识及预设的标识权重对应关系加入对应的所述私有数据。
5.根据权利要求1所述的基于本地区域特性自学习的信息交流的方法,其特征在于,还包括:
根据所述本地终端预设各自更新的信息数据量达到预设数据量阈值的更新策略;
接收本地信息的更新数据,在所述更新数据的数据量达到或超过所述数据量阈值时,根据所述更新策略,将所述更新数据加入所述本地信息数据并与现有数据一起替换原有数据。
6.一种基于本地区域特性自学习的信息交流的系统,其特征在于,包括:区域特性设置模块、公有链数据收集模块、自学习数据模型建立模块及自学习信息交流模块;其中,
所述区域特性设置模块,预设区域特性服务器,在所述区域特性服务器上基于预设的本地区域特性与预设需求策略对照表,根据本地区域特性创建本地区域需求策略;根据所述本地区域需求策略以及预设推选策略在所述区域特性服务器上确定至少一个服务区块作为响应服务区块;
所述链数据收集模块,与所述区域特性设置模块相连接,设置本地终端,根据预设的区域性链接合约连接至所述区域特性服务器,按照预设的信息分类表收集本地信息数据并存储在所述本地终端,根据预设的私有信息链接合约对所述本地信息数据进行筛查处理后存入本地信息数据私有链区块;根据预设的公用信息链接合约对所述本地信息数据进行筛查处理后存入本地信息数据的公有链区块;
所述自学习数据模型建立模块,与所述区域特性设置模块及链数据收集模块相连接,接收本地区域特性的自学习需求,链接至所述响应服务区块从所述公有链区块调取对应的公共数据,按照所述自学习需求的策略要求,基于神经网络建立数据模型,并随机调取所述私有链区块中私有数据进行验证;在验证通过后将所述数据模型存储至所述响应服务区块;
所述自学习信息交流模块,与所述区域特性设置模块及自学习数据模型建立模块相连接,在所述响应服务区块,将所述私有链区块中各个所述私有数据代入所述数据模型得到对应的本地区域特性自学习的私有推荐数据,发送至对应的所述本地终端。
7.根据权利要求6所述的基于本地区域特性自学习的信息交流的系统,其特征在于,还包括:数据筛查处理策略设置模块,与所述区域特性设置模块相连接,根据本地区域特性设置对应不同数据属性分类的信息分类表,并形成本地区域特性与所述信息分类表的对应关系表,存储至所述响应服务区块;
根据所述信息分类表中各个项设置与其对应的数据筛查处理策略,并对应存储至所述响应服务区块中。
8.根据权利要求6所述的基于本地区域特性自学习的信息交流的系统,其特征在于,还包括:信息数据互通处理模块,与所述自学习数据模型建立模块相连接,在所述公有链区块基础上创建,以响应服务的所述本地终端以及预设自学习需求的所述本地终端为节点创建策略要求,与所述私有链区块链接,用于将所述响应所述本地终端、预设自学习需求发起的所述本地终端进行信息数据互通;
并根据数据分析处理策略以及所述自学习需求的策略要求分析所述公共数据,得到基于神经网络建立数据模型;将所述数据模型按照所述自学习需求的策略要求发送至对应的所述本地终端中。
9.根据权利要求6所述的基于本地区域特性自学习的信息交流的系统,其特征在于,还包括:基于本地终端身份标识的处理模块,与所述链数据收集模块相连接,在所述本地信息数据的公有链区块上,根据本地终端上用户的身份、信用等级、工作性质与预设信息标识等级对应关系对照得到该本地终端上用户的本地终端标识,并存储至所述私有链区块;
将所述私有链区块中各个本地终端标识及预设的标识权重对应关系加入对应的所述私有数据。
10.根据权利要求6所述的基于本地区域特性自学习的信息交流的系统,其特征在于,还包括:数据更新处理模块,与所述区域特性设置模块及链数据收集模块相连接,根据所述本地终端预设各自更新的信息数据量达到预设数据量阈值的更新策略;
接收本地信息的更新数据,在所述更新数据的数据量达到或超过所述数据量阈值时,根据所述更新策略,将所述更新数据加入所述本地信息数据并与现有数据一起替换原有数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210428856.3A CN114553889B (zh) | 2022-04-22 | 2022-04-22 | 一种基于本地区域特性自学习的信息交流的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210428856.3A CN114553889B (zh) | 2022-04-22 | 2022-04-22 | 一种基于本地区域特性自学习的信息交流的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114553889A true CN114553889A (zh) | 2022-05-27 |
CN114553889B CN114553889B (zh) | 2022-07-22 |
Family
ID=81667693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210428856.3A Active CN114553889B (zh) | 2022-04-22 | 2022-04-22 | 一种基于本地区域特性自学习的信息交流的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114553889B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109360096A (zh) * | 2018-09-27 | 2019-02-19 | 中国联合网络通信集团有限公司 | 一种基于公有链的私有链的记账方法及系统 |
WO2020026098A1 (en) * | 2018-08-02 | 2020-02-06 | Park Smart S.R.L. | High innovation distributed system for the management of demarcated areas |
US20200084217A1 (en) * | 2018-09-12 | 2020-03-12 | International Business Machines Corporation | Database preference sharing and management |
WO2020151322A1 (zh) * | 2019-01-22 | 2020-07-30 | 平安科技(深圳)有限公司 | 基于区块链的身份管理方法、装置、设备及存储介质 |
CN112261674A (zh) * | 2020-09-30 | 2021-01-22 | 北京邮电大学 | 一种基于移动边缘计算及区块链协同赋能的物联网场景的性能优化方法 |
CN114006701A (zh) * | 2021-10-27 | 2022-02-01 | 中国建设银行股份有限公司 | 一种名单共享方法、装置、设备及存储介质 |
-
2022
- 2022-04-22 CN CN202210428856.3A patent/CN114553889B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020026098A1 (en) * | 2018-08-02 | 2020-02-06 | Park Smart S.R.L. | High innovation distributed system for the management of demarcated areas |
US20200084217A1 (en) * | 2018-09-12 | 2020-03-12 | International Business Machines Corporation | Database preference sharing and management |
CN109360096A (zh) * | 2018-09-27 | 2019-02-19 | 中国联合网络通信集团有限公司 | 一种基于公有链的私有链的记账方法及系统 |
WO2020151322A1 (zh) * | 2019-01-22 | 2020-07-30 | 平安科技(深圳)有限公司 | 基于区块链的身份管理方法、装置、设备及存储介质 |
CN112261674A (zh) * | 2020-09-30 | 2021-01-22 | 北京邮电大学 | 一种基于移动边缘计算及区块链协同赋能的物联网场景的性能优化方法 |
CN114006701A (zh) * | 2021-10-27 | 2022-02-01 | 中国建设银行股份有限公司 | 一种名单共享方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
JINOH KIM等: "A Machine Learning Approach to Peer Connectivity Estimation for Reliable Blockchain Networking", 《2021 IEEE 46TH CONFERENCE ON LOCAL COMPUTER NETWORKS (LCN)》 * |
刘敖迪等: "区块链技术及其在信息安全领域的研究进展", 《软件学报》 * |
周致成等: "基于区块链技术的生物特征和口令双因子跨域认证方案", 《计算机应用》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114553889B (zh) | 2022-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7606860B2 (en) | Peer discovery and connection management based on context sensitive social networks | |
CN110148001A (zh) | 一种实现欺诈交易智能预警的系统及方法 | |
CN109815344B (zh) | 基于参数共享的网络模型训练系统、方法、装置和介质 | |
CN110600092A (zh) | 一种应用于医疗领域的人员主索引的生成方法和系统 | |
US10943696B2 (en) | System and method for personalized migraine prediction powered by machine learning | |
Ulieru | Internet-enabled soft computing holarchies for e-health applications-soft computing enhancing the internet and the internet enhancing soft computing | |
CN110245875A (zh) | 欺诈风险评估方法、装置、设备及存储介质 | |
CN114283932B (zh) | 医疗资源管理方法、装置、电子设备以及存储介质 | |
CN104272327B (zh) | 作业管理方法以及管理系统 | |
CN113688135A (zh) | 一种基于患者主索引技术的医院信息集成方法 | |
CN107832333A (zh) | 基于分布式处理和dpi数据构建用户网络数据指纹的方法和系统 | |
CN114649074A (zh) | 一种病历数据处理方法、平台和装置 | |
CN115529232A (zh) | 汇聚分流设备的管控方法、装置及存储介质 | |
CN115237857A (zh) | 日志处理方法、装置、计算机设备及存储介质 | |
CN114553889B (zh) | 一种基于本地区域特性自学习的信息交流的方法及系统 | |
CN110246033A (zh) | 信贷风险监测方法、装置、设备及存储介质 | |
Ghattas et al. | A formal model for process context learning | |
CN111556090B (zh) | 智能物联网的功能聚合自组织系统及方法 | |
CN115883392B (zh) | 算力网络的数据感知方法、装置、电子设备及存储介质 | |
CN115510074B (zh) | 基于一张表的分布式数据管理及应用系统 | |
CN105074678A (zh) | 信息终端、访问系统、信息处理方法以及程序 | |
CN114171172A (zh) | 一种医疗信息匹配与分发的系统和方法 | |
CN115203545A (zh) | 基于深度学习和知识图谱的康养服务智能匹配方法和系统 | |
US20030220816A1 (en) | System and method for managing interactions between machine-generated and user-defined patient lists | |
Pallapa et al. | Precision: Privacy enhanced context-aware information fusion in ubiquitous healthcare |
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 |