[发明专利]基于卷积分解深度模型的多模态数据采集及综合分析平台

说明书

本发明公开了一种基于卷积分解深度模型的多模态数据采集及综合分析平台，包括如下步骤：S1，建立数据交互模块；S2，建立数据分析模块；S3，建立用户服务模块。本发明同时支持文本、语音、图片等多元数据形式；在数据收集方面，本发明默认用户为数据的主要提供来源，因此提供了良好的交互方式与高并发高可用的数据库管理方式；在数据分析上，基于深度学习CNN与RNN网络对图片进行训练与分类，运用NLP中TF‑IDF词频网络进行文本抽取与归并；使用的基于tensorflow下的标准keras模块和tf.keras模块构建的BP神经网络，实现对音频进行收集和准确分类。

技术领域

本发明涉及一种基于卷积分解深度模型的多模态数据采集及综合分析平台，属于计算机技术领域。

背景技术

人工智能产业正处于蓬勃发展的时期，核心算法不断被突破，计算能力显著提高，对各类数据和学习样本的需求呈现爆炸式增长的态势；第二，人工智能的细分领域众多，智能手机、智能汽车、智能家居、智能机器人、互联网娱乐社交领域等诸多层面的应用，势必导致数据集需求日益精细化，方向化。用户希望得到他们期望的数据集，却往往发现互联网上的海量数据过于粗糙或者离散，难以满足其需求。

从现目前的宏观环境来看，第一，人工智能产业正处于蓬勃发展的时期，核心算法不断被突破，计算能力显著提高，对各类数据和学习样本的需求呈现爆炸式增长的态势；第二，人工智能的细分领域众多，智能手机、智能汽车、智能家居、智能机器人、互联网娱乐社交领域等诸多层面的应用，势必导致数据集需求日益精细化，方向化。因此，从以上分析，一个以服务于用户为导向，数据精细化的AI数据采集平台的需求日益扩大。而现有的数据采集平台往往存在着以下问题：第一，用户希望得到他们期望的数据集，却往往发现采集平台上的海量数据过于粗糙或者离散，难以满足其精细化的使用标准；第二，检索匹配往往不够优化与智能，这使得用户在对数据的操作上往往发生偏移。第三，平台与用户交互性不高，并且难以完成高并发高可用的设计需求。

发明内容

为了克服现有技术的以上不足，本发明提供了一种基于卷积分解深度模型的多模态数据采集及综合分析平台，同时支持文本、语音、图片等多元数据形式；在数据收集方面，本发明默认用户为数据的主要提供来源，因此提供了良好的交互方式与高并发高可用的数据库管理方式；在数据分析上，基于深度学习CNN与RNN网络对图片进行训练与分类，运用NLP中TF-IDF词频网络进行文本抽取与归并；使用的基于tensorflow下的标准keras模块和tf.keras模块构建的BP神经网络，实现对音频进行收集和准确分类。

本发明的技术路径如下：

征求数据者在客户端发布任务，该任务信息(如需求量、主题等)将被存储于mysql数据库中，方便于后面的调用和比对，同时，该类任务信息将被展现在APP界面。接收任务者可以上传相应数据，后台验证上传数据与需求数据的匹配性之后，如果相似性高于某个预定的的阙值，则上传成功，否则将不予上传。成功上传任务者可以领取相应的奖励。

具体包括以下步骤：

S1，建立数据交互模块；

S2，建立数据分析模块；

S3，建立用户服务模块。

在所述步骤S1中，建立数据交互模块，包括以下过程：

S11，基于Tomcat的web后端数据传输。

S12，基于IDEA的Android开发。

S13，使用数据哈希的方式及服务连接池实现服务层完成对数据库的水平拓展。

在所述步骤S2中，步骤S2是功能的核心模块，包括以下过程：

首先对于图片和文本形式的数据的识别和分类，基于Tensorflow框架,使用pycharm ide搭建相关网络，构造匹配算法。