CN117596375B - 千人级虚拟演艺云数据交换方法、装置及储存介质 - Google Patents
千人级虚拟演艺云数据交换方法、装置及储存介质 Download PDFInfo
- Publication number
- CN117596375B CN117596375B CN202410072257.1A CN202410072257A CN117596375B CN 117596375 B CN117596375 B CN 117596375B CN 202410072257 A CN202410072257 A CN 202410072257A CN 117596375 B CN117596375 B CN 117596375B
- Authority
- CN
- China
- Prior art keywords
- data
- data block
- cloud
- distributed
- interaction
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 230000003993 interaction Effects 0.000 claims abstract description 108
- 238000012545 processing Methods 0.000 claims abstract description 96
- 230000005540 biological transmission Effects 0.000 claims abstract description 28
- 239000013598 vector Substances 0.000 claims description 42
- 230000002452 interceptive effect Effects 0.000 claims description 18
- 238000000638 solvent extraction Methods 0.000 claims description 17
- 230000000903 blocking effect Effects 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 15
- 230000009467 reduction Effects 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000007499 fusion processing Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/106—Processing image signals
- H04N13/122—Improving the 3D impression of stereoscopic images by modifying image signal contents, e.g. by filtering or adding monoscopic depth cues
- H04N13/125—Improving the 3D impression of stereoscopic images by modifying image signal contents, e.g. by filtering or adding monoscopic depth cues for crosstalk reduction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/106—Processing image signals
- H04N13/161—Encoding, multiplexing or demultiplexing different image signal components
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/194—Transmission of image signals
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及数据交互技术领域，揭露了一种千人级虚拟演艺云数据交换方法、装置及储存介质，包括：对虚拟演艺云数据进行编码处理，得到编码演艺云数据，对编码演艺云数据进行数据分块处理，得到云数据块；对云数据块进行分布式处理，得到分布式数据块，计算分布式数据块对应的传输时延，确定分布式数据块的交互优先级；提取分布式数据块的数据块特征，计算数据块特征之间的特征支持度，确定分布式数据块中的关联数据块，对关联数据块进行集成处理，得到集成数据块；创建集成数据块对应的交互链路，构建集成数据块对应的交互平台，在交互平台中执行集成数据块的交互处理，得到交互结果。本发明在于提高千人级虚拟演艺云数据的交换效率。
Description
技术领域
本发明涉及数据交互技术领域，尤其涉及一种千人级虚拟演艺云数据交换方法、装置及储存介质。
背景技术
千人级虚拟演艺是指利用虚拟现实技术和图像渲染技术，将大规模的演艺活动通过虚拟现实设备呈现给观众，观众可以身临其境地参与到演艺活动中，并与虚拟的演员、舞台、音乐等进行互动，千人级表示虚拟演艺活动中会产生大量的虚拟云数据，为了提高观众的观看效果，因此对虚拟云数据的交互处理非常重要。
现有的虚拟演艺云数据交换方法主要过程为：通过收集虚拟演艺产生的云数据，并对云数据进行压缩处理，对压缩后的数据进行优化处理，并将优化后的数据打包成数据包，然后将数据包传输到对应的处理平台中，利用平台中的服务器对数据包进行解码处理，并将解码后的数据通过显示设备进行播放，但是该方法是根据云数据产生的顺序进行处理，可能会出现部分类似的数据反复出现，进而导致服务器的访问频率增加，并且通过数据包的方式进行数据交互，会导致数据交互的传输速度变慢，进而使得千人级虚拟演艺云数据交换效率下降，因此需要一种能够提高千人级虚拟演艺云数据交换效率的方法。
发明内容
本发明提供一种千人级虚拟演艺云数据交换方法、装置及储存介质，其主要目的在于提高千人级虚拟演艺云数据的交换效率。
为实现上述目的，第一方面，本发明提供一种千人级虚拟演艺云数据交换方法，包括：
获取待交换的虚拟演艺云数据，对所述虚拟演艺云数据进行编码处理，得到编码演艺云数据，对所述编码演艺云数据进行数据分块处理，得到云数据块；
对所述云数据块进行分布式处理，得到分布式数据块，计算所述分布式数据块对应的传输时延，检测所述虚拟演艺云数据对应的演艺时序，根据所述数据块时延和所述演艺时序，确定所述分布式数据块的交互优先级；
提取所述分布式数据块的数据块特征，计算所述数据块特征之间的特征支持度，结合所述特征支持度，确定所述分布式数据块中的关联数据块，对所述关联数据块进行集成处理，得到集成数据块；
创建所述集成数据块对应的交互链路，根据所述数据块特征和所述交互链路，构建所述集成数据块对应的交互平台，在所述交互平台中执行所述集成数据块的交互处理，得到交互结果。
可选地，所述对所述编码演艺云数据进行数据分块处理，得到云数据块，包括：
对所述编码演艺云数据进行数据去噪处理，得到去噪云数据；
识别所述去噪云数据对应的数据架构，根据所述数据架构，确定所述去噪云数据对应的数据类型；
查询所述数据类型对应的分块规则，剔除所述去噪云数据中的离散数据，得到目标云数据；
构建所述目标云数据对应的数据图表，根据所述数据图表，确定所述目标云数据对应的数据边界点；
根据所述数据边界点和所述分块规则，执行所述目标云数据的分块处理，得到云数据块。
可选地，所述对所述云数据块进行分布式处理，得到分布式数据块，包括：
分析所述云数据块对应的数据块属性，计算所述数据块属性对应的属性权重值；
根据所述属性权重值，确定所述数据块属性中的关键属性，计算所述关键属性对应的属性值；
根据所述属性值，划分所述云数据块对应的水平分布等级，计算所述关键属性之间的属性相似度；
根据所述属性相似度，分析所述关键属性之间的线性关系，根据所述线性关系，划分所述云数据块对应的垂直分布等级；
根据所述水平分布等级和所述垂直分布等级，对所述云数据块进行分布式处理，得到分布式数据块。
可选地，所述计算所述分布式数据块对应的传输时延，包括：
通过下述公式计算所述分布式数据块对应的传输时延：
；
其中，A表示分布式数据块对应的传输时延，表示分布式数据块对应的重配置时间，/>表示分布式数据块中第a个数据块对应的配置矩阵，/>表示分布式数据块的传输配置对应的加速比值，a表示分布式数据块的数据块序列号，q表示分布式数据块的数据块数量，表示分布式数据块中第a个数据块的配置矩阵权重，/>表示分布式数据块中第a个数据块的传输效率。
可选地，所述提取所述分布式数据块的数据块特征，包括：
对所述分布式数据块进行特征提取，得到初始数据块特征；
对所述初始数据块特征进行降维处理，得到降维数据块特征；
计算所述降维数据块特征之间的特征匹配度；
根据所述特征匹配度，对所述降维数据块特征进行特征组合，得到组合特征；
计算所述组合特征对应的信息增益值；
根据所述信息增益值，从所述组合特征中筛选出所述分布式数据块的数据块特征。
可选地，所述计算所述数据块特征之间的特征支持度，包括：
通过下述公式计算所述数据块特征之间的特征支持度：
；
其中，F表示数据块特征之间的特征支持度，Q表示数据块特征之间的特征数量，b表示数据块特征的特征序列号，表示数据块特征中第b个特征对应的概率值，/>表示数据块特征中第b+1个特征的概率值，G表示第b个特征和第b+1个特征对应的向量长度。
可选地，所述对所述关联数据块进行集成处理，得到集成数据块，包括：
获取所述关联数据块内的数据对应的数据标签，计算所述数据标签对应的标签交互权值；
根据所述标签交互权值，确定所述数据标签中的关键标签，对所述关键标签进行向量化处理，得到标签向量；
对所述标签向量进行向量融合处理，得到融合向量；
计算所述融合向量中每个向量之间的向量相似度，根据所述向量相似度，对所述关联数据块进行集成处理，得到集成数据快。
可选地，所述创建所述集成数据块对应的交互链路，包括：
识别所述集成数据块内每个数据对应的数据元素，计算所述数据元素中每个元素对应的元素哈希值；
根据所述元素哈希值，提取所述数据元素中的元素摘要；
根据所述元素摘要，确定所述集成数据块内每个数据对应的数据交互规约；
根据所述数据交互规约，定义所述集成数据块对应的交互协议，提取所述集成数据块内每个数据对应的数据参数；
结合所述数据参数和所述交互协议，创建所述集成数据块对应的交互链路。
第二方面，本发明提供一种千人级虚拟演艺云数据交换装置，所述装置包括：
数据分块模块，用于获取待交换的虚拟演艺云数据，对所述虚拟演艺云数据进行编码处理，得到编码演艺云数据，对所述编码演艺云数据进行数据分块处理，得到云数据块；
交互优先级计算模块，用于对所述云数据块进行分布式处理，得到分布式数据块，计算所述分布式数据块对应的传输时延，检测所述虚拟演艺云数据对应的演艺时序，根据所述数据块时延和所述演艺时序，确定所述分布式数据块的交互优先级；
数据块集成模块，用于提取所述分布式数据块的数据块特征，计算所述数据块特征之间的特征支持度，结合所述特征支持度，确定所述分布式数据块中的关联数据块，对所述关联数据块进行集成处理，得到集成数据块；
交互处理模块，用于创建所述集成数据块对应的交互链路，根据所述数据块特征和所述交互链路，构建所述集成数据块对应的交互平台，在所述交互平台中执行所述集成数据块的交互处理，得到交互结果。
第三方面，本发明提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的千人级虚拟演艺云数据交换方法。
本发明通过对所述虚拟演艺云数据进行编码处理，可以去除所述虚拟演艺云数据中冗余信息，以提高所述虚拟演艺云数据的数据质量，并且为后续的数据分块处理提供了保障，本发明通过对所述云数据块进行分布式处理，可以将所述云数据块根据相应的属性划分成具有层次的数据块，降低所述云数据块的复杂性，本发明通过对所述分布式数据块进行特征提取，可以得到所述分布式数据块的表征，增加了对所述分布式数据块的了解，并且为后续关联数据块的确定提供了保障，本发明通过创建所述集成数据块对应的交互链路，可以将不同的数据通过不同的链路传输，以提高数据交互的可靠性和数据安全性，避免交互过程中出现数据丢失，同时提高了所述集成数据块内的数据交互效率。因此，本发明实施例提供的一种千人级虚拟演艺云数据交换方法、装置及储存介质，能够提高千人级虚拟演艺云数据的交换效率。
附图说明
图1为本发明一实施例提供的一种千人级虚拟演艺云数据交换方法的流程示意图；
图2为本发明一实施例提供的一种千人级虚拟演艺云数据交换装置的功能模块图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种千人级虚拟演艺云数据交换方法。本申请实施例中，所述一种千人级虚拟演艺云数据交换方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述一种千人级虚拟演艺云数据交换方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的一种千人级虚拟演艺云数据交换方法的流程示意图。在本实施例中，所述一种千人级虚拟演艺云数据交换方法包括步骤S1—S4。
S1、获取待交换的虚拟演艺云数据，对所述虚拟演艺云数据进行编码处理，得到编码演艺云数据，对所述编码演艺云数据进行数据分块处理，得到云数据块。
本发明通过对所述虚拟演艺云数据进行编码处理，可以去除所述虚拟演艺云数据中冗余信息，以提高所述虚拟演艺云数据的数据质量，并且为后续的数据分块处理提供了保障，其中，所述虚拟演艺云数据是指在虚拟演艺领域中生成、存储和处理的数据集合，包括各种与虚拟演艺相关的数据，如虚拟角色的模型数据、动作捕捉数据、场景数据、音频数据等，所述编码演艺云数据是所述虚拟演艺云数据经过压缩编码处理后得到的数据，可选地，对所述虚拟演艺云数据进行编码处理可以通过无损压缩算法实现。
本发明通过对所述编码演艺云数据进行数据分块处理，可以将所述编码演艺云数据中的数据分成小块，提高了数据的灵活性，并且提高了后续的数据处理效率，其中，所述云数据块是所述编码演艺云数据经过划分后得到的数据块。
作为本发明的一个实施例，所述对所述编码演艺云数据进行数据分块处理，得到云数据块，包括：对所述编码演艺云数据进行数据去噪处理，得到去噪云数据，识别所述去噪云数据对应的数据架构，根据所述数据架构，确定所述去噪云数据对应的数据类型，查询所述数据类型对应的分块规则，剔除所述去噪云数据中的离散数据，得到目标云数据，构建所述目标云数据对应的数据图表，根据所述数据图表，确定所述目标云数据对应的数据边界点，根据所述数据边界点和所述分块规则，执行所述目标云数据的分块处理，得到云数据块。
其中，所述去噪云数据是所述编码演艺云数据中存在的干扰或者噪声经过去除后得到的数据，所述数据架构是所述去噪云数据的数据结构，所述数据类型是所述去噪云数据的数据种类，如语音、文本以及图像等类型，所述分块规则是所述数据类型对应的分块处理法则，所述数据图表是所述目标云数据对应的展示图表，如柱形图或者曲线图等，所述数据边界点是所述目标云数据对应的分块点。
可选的，对所述编码演艺云数据进行数据去噪处理可以通过高通滤波器实现，识别所述去噪云数据对应的数据架构可以通过格式识别器实现，所述格式识别器是由脚本语言编译，所述数据类型对应的分块规则可以通过人机交互的方式从互联网查询得到，剔除所述去噪云数据中的离散数据可以通过标准差方法实现，具体步骤为：计算所述去噪云数据的数据标准差，将超过数据标准差的数据判定为离散数据，并对离散数据进行剔除，得到目标云数据，构建所述目标云数据对应的数据图表可以通过制图工具实现，如visio制图工具，可以通过识别所述数据图表中的谷值，根据谷值确定所述目标云数据对应的数据边界点，执行所述目标云数据的分块处理可以通过分块算法实现，所述分块算法是由编程语言编译。
S2、对所述云数据块进行分布式处理，得到分布式数据块，计算所述分布式数据块对应的传输时延，检测所述虚拟演艺云数据对应的演艺时序，根据所述数据块时延和所述演艺时序，确定所述分布式数据块的交互优先级。
本发明通过对所述云数据块进行分布式处理，可以将所述云数据块根据相应的属性划分成具有层次的数据块，降低所述云数据块的复杂性，其中，所述分布式数据块是所述云数据块经过分布式处理后得到的数据块。
作为本发明的一个实施例，所述对所述云数据块进行分布式处理，得到分布式数据块，包括：分析所述云数据块对应的数据块属性，计算所述数据块属性对应的属性权重值，根据所述属性权重值，确定所述数据块属性中的关键属性，计算所述关键属性对应的属性值，根据所述属性值，划分所述云数据块对应的水平分布等级，计算所述关键属性之间的属性相似度，根据所述属性相似度，分析所述关键属性之间的线性关系，根据所述线性关系，划分所述云数据块对应的垂直分布等级，根据所述水平分布等级和所述垂直分布等级，对所述云数据块进行分布式处理，得到分布式数据块。
其中，所述数据块属性是所述云数据块对应的描述信息，所述属性权重值表示所述数据块属性对应的重要程度，所述关键属性是所述数据块属性中所述属性权重值最大的属性，所述属性值是所述关键属性对应的数值，所述水平分布等级是所述云数据块进行分布式处理时对应的水平方向的扩展程度，所述属性相似度表示所述关键属性之间的相似程度，所述线性关系是所述关键属性之间的从属关系，所述垂直分布等级是所述云数据块进行分布式处理时对应的垂直方向的拓展程度。
可选的，分析所述云数据块对应的数据块属性可以通过主成分分析法实现，计算所述数据块属性对应的属性权重值可以通过权重计算器实现，所述关键属性对应的属性值可以通过根据计算所述关键属性对应的属性参数值得到，所述云数据块对应的水平分布等级可以通过根据所述属性值对应的数值范围划分，计算所述关键属性之间的属性相似度可以通过余弦相似度算法计算得到，所述关键属性之间的线性关系可以通过根据所述属性相似度的数值大小分析得到，对所述云数据块进行分布式处理可以通过Paxos算法实现。
本发明通过计算所述分布式数据块对应的传输时延，可以得到所述分布式数据块在传输过程中对应的时间，进而便于后续的交互优先级的确定，其中，所述传输时延是所述分布式数据块交互传输时对应的时间。
作为本发明的一个实施例，所述计算所述分布式数据块对应的传输时延，包括：
通过下述公式计算所述分布式数据块对应的传输时延：
；
其中，A表示分布式数据块对应的传输时延，表示分布式数据块对应的重配置时间，/>表示分布式数据块中第a个数据块对应的配置矩阵，/>表示分布式数据块的传输配置对应的加速比值，a表示分布式数据块的数据块序列号，q表示分布式数据块的数据块数量，表示分布式数据块中第a个数据块的配置矩阵权重，/>表示分布式数据块中第a个数据块的传输效率。
本发明通过根据所述数据块时延和所述演艺时序，确定所述分布式数据块的交互优先级，可以更好的满足数据交互时的执行顺序要求，进而可以避免出现数据交互等待的问题，并加快数据交互的完成时间，其中，所述演艺时序是所述演艺项目对应的表演时间顺序，所述交互优先级表示所述分布式数据块进行数据交互时的优先级别，可选的，可以通过检测所述虚拟演艺云数据对应的时间戳信息，根据时间戳信息确定演艺时序，可以通过结合所述数据块时延的长短和所述演艺时序的先后顺序，以此来确定所述分布式数据块的交互优先级。
S3、提取所述分布式数据块的数据块特征，计算所述数据块特征之间的特征支持度，结合所述特征支持度，确定所述分布式数据块中的关联数据块，对所述关联数据块进行集成处理，得到集成数据块。
本发明通过对所述分布式数据块进行特征提取，可以得到所述分布式数据块的表征，增加了对所述分布式数据块的了解，并且为后续关联数据块的确定提供了保障，其中，所述数据块特征是所述分布式数据具有代表性的数据块表征。
作为本发明的一个实施例，所述提取所述分布式数据块的数据块特征，包括：对所述分布式数据块进行特征提取，得到初始数据块特征，对所述初始数据块特征进行降维处理，得到降维数据块特征，计算所述降维数据块特征之间的特征匹配度，根据所述特征匹配度，对所述降维数据块特征进行特征组合，得到组合特征，计算所述组合特征对应的信息增益值，根据所述信息增益值，从所述组合特征中筛选出所述分布式数据块的数据块特征。
其中，所述初始数据块特征是所述分布式数据块的所有子特征，所述降维数据块特征是所述初始数据块特征降低到低维度后得到的特征，所述特征匹配度表示所述降维数据块特征之间的匹配程度，所述组合特征是所述降维数据块特征中的特征组合到一起后形成的特征，所述信息增益值表示所述组合特征对应的重要性。
可选的，对所述分布式数据块进行特征提取可以通过卷积神经网络模型实现，对所述初始数据块特征进行降维处理可以通过LDA降维方法实现，可以通过计算所述降维数据块特征的协方差矩阵，根据协方差矩阵确定所述降维数据块特征之间的协同程度，根据协同程度得到特征匹配度，对所述降维数据块特征进行特征组合可以通过交叉组合法实现，计算所述组合特征对应的信息增益值可以通过决策树算法实现。
本发明通过计算所述数据块特征之间的特征支持度，可以得到所述数据块特征之间的支持程度，进而可以分析出所述数据块特征之间的相互依赖关系，并且提高了确定关联数据块的准确性，其中，所述特征支持度表示所述数据块特征之间的支持程度。
作为本发明的一个实施例，所述计算所述数据块特征之间的特征支持度，包括：
通过下述公式计算所述数据块特征之间的特征支持度：
；
其中，F表示数据块特征之间的特征支持度，Q表示数据块特征之间的特征数量，b表示数据块特征的特征序列号，表示数据块特征中第b个特征对应的概率值，/>表示数据块特征中第b+1个特征的概率值，G表示第b个特征和第b+1个特征对应的向量长度。
本发明通过结合所述特征支持度，确定所述分布式数据块中的关联数据块，可以得到所述分布式数据块中具有关联关系的数据块，为后续所述关联数据块的集成处理提供了保障，其中，所述关联数据块是所述分布式数据块中具有关联关系的数据块，可选的，可以通过提取所述分布式数据块中每个数据块对应的数据块标识，计算数据块标识对应的关联系数，结合关联系数和所述特征支持度，确定所述分布式数据块中的关联数据块。
本发明通过对所述关联数据块进行集成处理，可以将类似的数据块集中到一起，进而减少类似的的数据块读取和处理操作的步骤，从而提高数据交互的效率，其中，所述集成数据块是所述关联数据块中类似的数据块集中到一起后得到的数据块。
作为本发明的一个实施例，所述对所述关联数据块进行集成处理，得到集成数据块，包括：获取所述关联数据块内的数据对应的数据标签，计算所述数据标签对应的标签交互权值，根据所述标签交互权值，确定所述数据标签中的关键标签，对所述关键标签进行向量化处理，得到标签向量，对所述标签向量进行向量融合处理，得到融合向量，计算所述融合向量中每个向量之间的向量相似度，根据所述向量相似度，对所述关联数据块进行集成处理，得到集成数据快。
其中，所述数据标签是所述关联数据块内的数据对应的数据描述信息或者数据标记，所述标签交互权值表示所述数据标签中每个标签对其他标签的影响程度，可以作为判断所述数据标签中重要标签的依据，所述标签向量是所述关键标签的向量表达形式，所述融合向量是所述标签向量经过向量合并处理后得到的向量，所述向量相似度表示所述融合向量中每个向量之间的相似程度。
可选的，获取所述关联数据块内的数据对应的数据标签可以通过标签提取工具实现，所述标签提取工具是由JAVA语言编译，计算所述数据标签对应的标签交互权值可以通过Jaccard相似系数法实现，所述数据标签中的关键标签可以通过根据所述标签交互权值的数值大小进行确定，对所述关键标签进行向量化处理可以通过word2vec算法实现，对所述标签向量进行向量融合处理可以通过向量运算法则实现，如向量加法法则，计算所述融合向量中每个向量之间的向量相似度可以通过上述的余弦相似度算法实现，对所述关联数据块进行集成处理可以通过迭代对称集成法实现。
S4、创建所述集成数据块对应的交互链路，根据所述数据块特征和所述交互链路，构建所述集成数据块对应的交互平台，在所述交互平台中执行所述集成数据块的交互处理，得到交互结果。
本发明通过创建所述集成数据块对应的交互链路，可以将不同的数据通过不同的链路传输，以提高数据交互的可靠性和数据安全性，避免交互过程中出现数据丢失，同时提高了所述集成数据块内的数据交互效率，其中，所述交互链路是所述集成数据块中的数据进行交互时的传输链路。
作为本发明的一个实施例，所述创建所述集成数据块对应的交互链路，包括：识别所述集成数据块内每个数据对应的数据元素，计算所述数据元素中每个元素对应的元素哈希值，根据所述元素哈希值，提取所述数据元素中的元素摘要，根据所述元素摘要，确定所述集成数据块内每个数据对应的数据交互规约，根据所述数据交互规约，定义所述集成数据块对应的交互协议，提取所述集成数据块内每个数据对应的数据参数，结合所述数据参数和所述交互协议，创建所述集成数据块对应的交互链路。
其中，所述数据元素是所述集成数据块内每个数据的基本组成单位，所述元素哈希值表示所述数据元素中每个元素对应的唯一标识符，所述元素摘要是所述数据元素中每个元素对应的代表信息，所述数据交互规约是所述集成数据块内每个数据在交互过程中对应的规则和约束，所述交互协议是所述集成数据块中每个数据块对应的交互规则，所述数据参数是所述集成数据块内每个数据对应的数据介绍信息，如数据内存参数。
可选的，识别所述集成数据块内每个数据对应的数据元素可以通过数据解析器实现，计算所述数据元素中每个元素对应的元素哈希值可以通过哈希函数实现，可以通过根据所述元素哈希值的数值大小提取所述数据元素中的元素摘要，可以通过所述元素摘要分析所述集成数据块内每个数据的数据含义、用途以及格式，根据数据含义、用途以及格式确定所述集成数据块内每个数据对应的数据规约信息，根据规约信息得到数据交互规约，根据所述数据交互规约，定义所述集成数据块对应的交互协议，提取所述集成数据块内每个数据对应的数据参数可以通过参数提取工具实现，所述参数提取工具是由脚本语言编译，创建所述集成数据块对应的交互链路可以通过链路聚合法实现。
本发明通过构建所述集成数据块对应的交互平台，在所述交互平台中执行所述集成数据块的交互处理，从而可以对数据进行批量化交互处理，以提高所述集成数据块的交互效率，可选的，可以通过编程所述数据块特征和所述交互链路对应的源代码，并通过Java开发基于交互框架，结合交互框架和源代码，构建所述集成数据块对应的交互平台。
本发明通过对所述虚拟演艺云数据进行编码处理，可以去除所述虚拟演艺云数据中冗余信息，以提高所述虚拟演艺云数据的数据质量，并且为后续的数据分块处理提供了保障，本发明通过对所述云数据块进行分布式处理，可以将所述云数据块根据相应的属性划分成具有层次的数据块，降低所述云数据块的复杂性，本发明通过对所述分布式数据块进行特征提取，可以得到所述分布式数据块的表征，增加了对所述分布式数据块的了解，并且为后续关联数据块的确定提供了保障，本发明通过创建所述集成数据块对应的交互链路，可以将不同的数据通过不同的链路传输，以提高数据交互的可靠性和数据安全性，避免交互过程中出现数据丢失，同时提高了所述集成数据块内的数据交互效率。因此，本发明实施例提供的一种千人级虚拟演艺云数据交换方法，能够提高千人级虚拟演艺云数据的交换效率。
如图2所示，是本发明一实施例提供的一种千人级虚拟演艺云数据交换装置的功能模块图。
本发明所述一种千人级虚拟演艺云数据交换装置100可以安装于电子设备中。根据实现的功能，所述一种千人级虚拟演艺云数据交换装置100可以包括数据分块模块101、交互优先级计算模块102、数据块集成模块103及交互处理模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述数据分块模块101，用于获取待交换的虚拟演艺云数据，对所述虚拟演艺云数据进行编码处理，得到编码演艺云数据，对所述编码演艺云数据进行数据分块处理，得到云数据块；
所述交互优先级计算模块102，用于对所述云数据块进行分布式处理，得到分布式数据块，计算所述分布式数据块对应的传输时延，检测所述虚拟演艺云数据对应的演艺时序，根据所述数据块时延和所述演艺时序，确定所述分布式数据块的交互优先级；
所述数据块集成模块103，用于提取所述分布式数据块的数据块特征，计算所述数据块特征之间的特征支持度，结合所述特征支持度，确定所述分布式数据块中的关联数据块，对所述关联数据块进行集成处理，得到集成数据块；
所述交互处理模块104，用于创建所述集成数据块对应的交互链路，根据所述数据块特征和所述交互链路，构建所述集成数据块对应的交互平台，在所述交互平台中执行所述集成数据块的交互处理，得到交互结果。
详细地，本申请实施例中所述一种千人级虚拟演艺云数据交换装置100中所述的各模块在使用时采用与上述图1中所述的一种千人级虚拟演艺云数据交换方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取待交换的虚拟演艺云数据，对所述虚拟演艺云数据进行编码处理，得到编码演艺云数据，对所述编码演艺云数据进行数据分块处理，得到云数据块；
对所述云数据块进行分布式处理，得到分布式数据块，计算所述分布式数据块对应的传输时延，检测所述虚拟演艺云数据对应的演艺时序，根据所述数据块时延和所述演艺时序，确定所述分布式数据块的交互优先级；
提取所述分布式数据块的数据块特征，计算所述数据块特征之间的特征支持度，结合所述特征支持度，确定所述分布式数据块中的关联数据块，对所述关联数据块进行集成处理，得到集成数据块；
创建所述集成数据块对应的交互链路，根据所述数据块特征和所述交互链路，构建所述集成数据块对应的交互平台，在所述交互平台中执行所述集成数据块的交互处理，得到交互结果。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或系统也可以由一个单元或系统通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (9)
1.一种千人级虚拟演艺云数据交换方法，其特征在于，所述方法包括：
获取待交换的虚拟演艺云数据，对所述虚拟演艺云数据进行编码处理，得到编码演艺云数据，对所述编码演艺云数据进行数据分块处理，得到云数据块；
对所述云数据块进行分布式处理，得到分布式数据块，计算所述分布式数据块对应的传输时延，检测所述虚拟演艺云数据对应的演艺时序，根据所述数据块时延和所述演艺时序，确定所述分布式数据块的交互优先级；
提取所述分布式数据块的数据块特征，计算所述数据块特征之间的特征支持度，结合所述特征支持度，确定所述分布式数据块中的关联数据块，对所述关联数据块进行集成处理，得到集成数据块；
创建所述集成数据块对应的交互链路，根据所述数据块特征和所述交互链路，构建所述集成数据块对应的交互平台，在所述交互平台中执行所述集成数据块的交互处理，得到交互结果；
所述对所述编码演艺云数据进行数据分块处理，得到云数据块，包括：
对所述编码演艺云数据进行数据去噪处理，得到去噪云数据；
识别所述去噪云数据对应的数据架构，根据所述数据架构，确定所述去噪云数据对应的数据类型；
查询所述数据类型对应的分块规则，剔除所述去噪云数据中的离散数据，得到目标云数据；
构建所述目标云数据对应的数据图表，根据所述数据图表，确定所述目标云数据对应的数据边界点；
根据所述数据边界点和所述分块规则，执行所述目标云数据的分块处理，得到云数据块。
2.如权利要求1所述的一种千人级虚拟演艺云数据交换方法，其特征在于，所述对所述云数据块进行分布式处理，得到分布式数据块，包括：
分析所述云数据块对应的数据块属性，计算所述数据块属性对应的属性权重值；
根据所述属性权重值，确定所述数据块属性中的关键属性，计算所述关键属性对应的属性值；
根据所述属性值，划分所述云数据块对应的水平分布等级，计算所述关键属性之间的属性相似度；
根据所述属性相似度，分析所述关键属性之间的线性关系，根据所述线性关系，划分所述云数据块对应的垂直分布等级；
根据所述水平分布等级和所述垂直分布等级，对所述云数据块进行分布式处理，得到分布式数据块。
3.如权利要求1所述的一种千人级虚拟演艺云数据交换方法，其特征在于，所述计算所述分布式数据块对应的传输时延，包括：
通过下述公式计算所述分布式数据块对应的传输时延：
；
其中，A表示分布式数据块对应的传输时延，表示分布式数据块对应的重配置时间，表示分布式数据块中第a个数据块对应的配置矩阵，/>表示分布式数据块的传输配置对应的加速比值，a表示分布式数据块的数据块序列号，q表示分布式数据块的数据块数量，表示分布式数据块中第a个数据块的配置矩阵权重，/>表示分布式数据块中第a个数据块的传输效率。
4.如权利要求1所述的一种千人级虚拟演艺云数据交换方法，其特征在于，所述提取所述分布式数据块的数据块特征，包括：
对所述分布式数据块进行特征提取，得到初始数据块特征；
对所述初始数据块特征进行降维处理，得到降维数据块特征；
计算所述降维数据块特征之间的特征匹配度；
根据所述特征匹配度，对所述降维数据块特征进行特征组合，得到组合特征；
计算所述组合特征对应的信息增益值；
根据所述信息增益值，从所述组合特征中筛选出所述分布式数据块的数据块特征。
5.如权利要求1所述的一种千人级虚拟演艺云数据交换方法，其特征在于，所述计算所述数据块特征之间的特征支持度，包括：
通过下述公式计算所述数据块特征之间的特征支持度：
；
其中，F表示数据块特征之间的特征支持度，Q表示数据块特征之间的特征数量，b表示数据块特征的特征序列号，表示数据块特征中第b个特征对应的概率值，/>表示数据块特征中第b+1个特征的概率值，G表示第b个特征和第b+1个特征对应的向量长度。
6.如权利要求1所述的一种千人级虚拟演艺云数据交换方法，其特征在于，所述对所述关联数据块进行集成处理，得到集成数据块，包括：
获取所述关联数据块内的数据对应的数据标签，计算所述数据标签对应的标签交互权值；
根据所述标签交互权值，确定所述数据标签中的关键标签，对所述关键标签进行向量化处理，得到标签向量；
对所述标签向量进行向量融合处理，得到融合向量；
计算所述融合向量中每个向量之间的向量相似度，根据所述向量相似度，对所述关联数据块进行集成处理，得到集成数据快。
7.如权利要求1所述的一种千人级虚拟演艺云数据交换方法，其特征在于，所述创建所述集成数据块对应的交互链路，包括：
识别所述集成数据块内每个数据对应的数据元素，计算所述数据元素中每个元素对应的元素哈希值；
根据所述元素哈希值，提取所述数据元素中的元素摘要；
根据所述元素摘要，确定所述集成数据块内每个数据对应的数据交互规约；
根据所述数据交互规约，定义所述集成数据块对应的交互协议，提取所述集成数据块内每个数据对应的数据参数；
结合所述数据参数和所述交互协议，创建所述集成数据块对应的交互链路。
8.一种千人级虚拟演艺云数据交换装置，其特征在于，所述装置包括：
数据分块模块，用于获取待交换的虚拟演艺云数据，对所述虚拟演艺云数据进行编码处理，得到编码演艺云数据，对所述编码演艺云数据进行数据分块处理，得到云数据块；所述对所述编码演艺云数据进行数据分块处理，得到云数据块，包括：
对所述编码演艺云数据进行数据去噪处理，得到去噪云数据；
识别所述去噪云数据对应的数据架构，根据所述数据架构，确定所述去噪云数据对应的数据类型；
查询所述数据类型对应的分块规则，剔除所述去噪云数据中的离散数据，得到目标云数据；
构建所述目标云数据对应的数据图表，根据所述数据图表，确定所述目标云数据对应的数据边界点；
根据所述数据边界点和所述分块规则，执行所述目标云数据的分块处理，得到云数据块；
交互优先级计算模块，用于对所述云数据块进行分布式处理，得到分布式数据块，计算所述分布式数据块对应的传输时延，检测所述虚拟演艺云数据对应的演艺时序，根据所述数据块时延和所述演艺时序，确定所述分布式数据块的交互优先级；
数据块集成模块，用于提取所述分布式数据块的数据块特征，计算所述数据块特征之间的特征支持度，结合所述特征支持度，确定所述分布式数据块中的关联数据块，对所述关联数据块进行集成处理，得到集成数据块；
交互处理模块，用于创建所述集成数据块对应的交互链路，根据所述数据块特征和所述交互链路，构建所述集成数据块对应的交互平台，在所述交互平台中执行所述集成数据块的交互处理，得到交互结果。
9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的千人级虚拟演艺云数据交换方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410072257.1A CN117596375B (zh) | 2024-01-18 | 2024-01-18 | 千人级虚拟演艺云数据交换方法、装置及储存介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410072257.1A CN117596375B (zh) | 2024-01-18 | 2024-01-18 | 千人级虚拟演艺云数据交换方法、装置及储存介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117596375A CN117596375A (zh) | 2024-02-23 |
| CN117596375B true CN117596375B (zh) | 2024-03-19 |
Family
ID=89918695
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410072257.1A Active CN117596375B (zh) | 2024-01-18 | 2024-01-18 | 千人级虚拟演艺云数据交换方法、装置及储存介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117596375B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112148682A (zh) * | 2020-11-03 | 2020-12-29 | 江苏开放大学（江苏城市职业学院） | 基于云存储的多异构文件联合延迟尾概率凸优化算法 |
| CN112184872A (zh) * | 2020-10-17 | 2021-01-05 | 蔡娟 | 基于大数据和云计算的游戏渲染优化方法及云端计算中心 |
| CN114357694A (zh) * | 2021-11-17 | 2022-04-15 | 国电南瑞科技股份有限公司 | 一种基于大规模点云的变电站数字孪生方法及装置 |
| WO2023062271A1 (en) * | 2021-10-14 | 2023-04-20 | Nokia Technologies Oy | A method, an apparatus and a computer program product for video coding |
| CN117251825A (zh) * | 2023-11-20 | 2023-12-19 | 浙江大学 | 一种新能源电站多传感器数据融合平台 |
-
2024
- 2024-01-18 CN CN202410072257.1A patent/CN117596375B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112184872A (zh) * | 2020-10-17 | 2021-01-05 | 蔡娟 | 基于大数据和云计算的游戏渲染优化方法及云端计算中心 |
| CN112862941A (zh) * | 2020-10-17 | 2021-05-28 | 蔡娟 | 基于云计算的图形渲染引擎优化方法及系统 |
| CN112148682A (zh) * | 2020-11-03 | 2020-12-29 | 江苏开放大学（江苏城市职业学院） | 基于云存储的多异构文件联合延迟尾概率凸优化算法 |
| WO2023062271A1 (en) * | 2021-10-14 | 2023-04-20 | Nokia Technologies Oy | A method, an apparatus and a computer program product for video coding |
| CN114357694A (zh) * | 2021-11-17 | 2022-04-15 | 国电南瑞科技股份有限公司 | 一种基于大规模点云的变电站数字孪生方法及装置 |
| CN117251825A (zh) * | 2023-11-20 | 2023-12-19 | 浙江大学 | 一种新能源电站多传感器数据融合平台 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117596375A (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114330312B (zh) | 标题文本处理方法、装置、存储介质和程序 | |
| CN112199411B (zh) | 应用于云计算通信架构的大数据分析方法及人工智能平台 | |
| CN116978011B (zh) | 一种用于智能目标识别的图像语义通信方法及系统 | |
| CN113778894B (zh) | 测试用例的构建方法、装置、设备及存储介质 | |
| CN111431819A (zh) | 一种基于序列化的协议流特征的网络流量分类方法和装置 | |
| CN113332729A (zh) | 基于深度学习的云游戏漏洞检测方法及人工智能服务器 | |
| CN115171199B (zh) | 图像处理方法、装置及计算机设备、存储介质 | |
| CN115100717A (zh) | 特征提取模型的训练方法、卡通对象的识别方法及装置 | |
| CN116977457A (zh) | 一种数据处理方法、设备以及计算机可读存储介质 | |
| CN113724163A (zh) | 基于神经网络的图像矫正方法、装置、设备及介质 | |
| CN114422271B (zh) | 数据处理方法、装置、设备及可读存储介质 | |
| WO2022053163A1 (en) | Distributed trace anomaly detection with self-attention based deep learning | |
| CN113536770B (zh) | 基于人工智能的文本解析方法、装置、设备及存储介质 | |
| CN117596375B (zh) | 千人级虚拟演艺云数据交换方法、装置及储存介质 | |
| CN114677611A (zh) | 数据识别方法、存储介质及设备 | |
| CN118015639A (zh) | 表格关系分析方法、装置、计算机设备及存储介质 | |
| US11949971B2 (en) | System and method for automatically identifying key dialogues in a media | |
| CN115934484B (zh) | 基于扩散模型数据增强的异常检测方法、存储介质及设备 | |
| CN115392238A (zh) | 一种设备识别方法、装置、设备及可读存储介质 | |
| CN113886547A (zh) | 基于人工智能的客户实时对话转接方法、装置和电子设备 | |
| CN114332561A (zh) | 超分辨率模型的训练方法、装置、设备及介质 | |
| CN113868417A (zh) | 一种敏感评论识别方法、装置、终端设备和存储介质 | |
| CN113822135A (zh) | 基于人工智能的视频处理方法、装置、设备及存储介质 | |
| CN111062800A (zh) | 数据处理方法、装置、电子设备及计算机可读介质 | |
| CN113569122B (zh) | 一种地图瓦片数据爬虫的识别方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |