[发明专利]智能学习型媒体互动分析方法及装置

权利要求书

1.一种智能学习型媒体互动分析方法，其特征在于，所述分析方法包括：

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的分析及相关性分析，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；

所述阈值的分析包括：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；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；

在将所述目标内容推送给客体及目标数据之后，所述阈值的分析包括：

如果假设不同的两个总体，用Z_β代表相交区域、Z_α/2代表两侧相分离区域，其中Z_β代表标准正态分布的β分位数，Z_α/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：

或

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＝μ₁-μ₂，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，π₁是总体1的概率，π₂是总体2的概率；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，Z_α/2为正态分布Z检验的单侧u值，Z_β为正态分布Z检验的双侧u值，ρ为总体相关系数；其中，每一个样本总体中，第i个值为(X_i,Y_i)，样本数为m，

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所述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。