[发明专利]一种基于深度学习的信息处理系统和方法有效

专利信息
申请号: 201810799283.9 申请日: 2018-07-19
公开(公告)号: CN109002537B 公开(公告)日: 2021-05-14
发明(设计)人: 樊棠怀;赵嘉;刘宝宏;吕莉;樊飞燕;栾辉;姚占峰 申请(专利权)人: 南昌工程学院
主分类号: G06F16/9535 分类号: G06F16/9535;G06F16/50
代理公司: 西安铭泽知识产权代理事务所(普通合伙) 61223 代理人: 俞晓明
地址: 330099 江西省南*** 国省代码: 江西;36
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 深度 学习 信息处理 系统 方法
【权利要求书】:

1.一种基于深度学习的信息处理方法,其特征在于:所述方法借用以下系统实现:所述系统包括输入模块、处理器、行为日志库、图像查询模块、存储器、关键字搜索模块和反馈模块,所述输入模块的输出端与处理器的输入端连接,所述处理器的数据端口通过数据线分别与行为日志库和图像查询模块连接,所述图像查询模块的数据端口通过数据线与存储器连接,所述处理器的输出端通过数据线分别与处理器、关键字搜索模块和反馈模块的输入端连接;

所述输入模块的输入硬件端,通过输入模块输入目标的特征点,特征点作为关键词,且特征点为单个或者多个;

所述处理器作为基于深度学习的信息处理系统的数据处理中心,负责接收信息和处理数据;

所述行为日志库记载用户历史网络访问对象和访问频率,所述行为日志库记载的用户访问信息作为对用户行为判断的依据之一;

所述图像查询模块包括存储单元、图像采集模块、对比单元和处理芯片,所述存储单元的数据端口通过数据线分别与对比单元、图像采集模块和处理器连接,所述对比单元的数据端口通过数据线与处理芯片连接,所述图像采集模块的数据端口通过数据线与存储器连接,所述图像采集模块采集图像信息,所述存储单元内存储处理器传输的输入的特征点,所述处理芯片识别特征点内容和图像采集模块采集的图像信息,并通过对比单元将图像信息与特征点对比,判断采集的图像信息与需求的对象是否一致或者有共同点,将图像信息与需求的对象一致或者有共同点的图像信息保留,过滤去不符合要求的图像信息;

所述存储器用于存储搜索后的数据信息;

所述关键字搜索模块接入互联网,所述关键字搜索模块接收处理器发出的输入的特征点,并根据输入的特征点在网络上进行索取对象;

所述反馈模块将符合图像信息与需求的对象一致或者有共同点的图像信息要求的图像信息反馈至用户;

所述方法的具体步骤如下:

a)输入目标关键词:根据用户需要的目标图像信息,进行输入图像相应的特征点,特征点作为该目标图像信息的描述关键词,以特征点作为搜索目标图像的依据之一;

b)根据关键词和行为日志确立搜索对象:调取行为日志记载的用户浏览信息,以频率较高的地址作为主要的搜索目的地,按照频率从高到低逐一搜索,查询与关键词描述的重合度较高的图像,并排除重合度较低的图像,将重合度较高的图像保存;

c)在搜索的对象结果上进一步筛选:将步骤b)内存储的重合度较高的图像信息做进一步筛选,筛选重合度达到50%以上的图像,并将不满足条件的图像信息删除;

d)最终筛选的对象合集反馈至用户:将步骤c)最终保留的图像信息反馈至用户端。

2.根据权利要求1所述的一种基于深度学习的信息处理方法,其特征在于:所述输入模块为鼠标、键盘或者触摸输入屏。

3.根据权利要求1所述的一种基于深度学习的信息处理方法,其特征在于:所述行为日志库设定存储的时间范围,时间范围为3个月到6个月,所述行为日志库提供记载信息按照时间顺序排列。

4.根据权利要求1所述的一种基于深度学习的信息处理方法,其特征在于:所述关键字搜索模块的搜索对象的先后顺序由用户浏览频率高的地址向浏览频率低的地址。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南昌工程学院,未经南昌工程学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810799283.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top