CN116610745B - 应用数字孪生技术的ai场景信息推送处理方法及系统 - Google Patents
应用数字孪生技术的ai场景信息推送处理方法及系统 Download PDFInfo
- Publication number
- CN116610745B CN116610745B CN202310672983.2A CN202310672983A CN116610745B CN 116610745 B CN116610745 B CN 116610745B CN 202310672983 A CN202310672983 A CN 202310672983A CN 116610745 B CN116610745 B CN 116610745B
- Authority
- CN
- China
- Prior art keywords
- scene information
- scene
- information
- representation
- feature
- 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
- 238000005516 engineering process Methods 0.000 title claims abstract description 40
- 238000003672 processing method Methods 0.000 title claims abstract description 29
- 238000012512 characterization method Methods 0.000 claims abstract description 115
- 230000002776 aggregation Effects 0.000 claims abstract description 56
- 238000004220 aggregation Methods 0.000 claims abstract description 56
- 238000005065 mining Methods 0.000 claims abstract description 40
- 230000004927 fusion Effects 0.000 claims abstract description 18
- 238000012216 screening Methods 0.000 claims description 48
- 238000009826 distribution Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 15
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000001228 spectrum Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 238000003491 array Methods 0.000 claims description 4
- 238000009877 rendering Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013507 mapping Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供的应用数字孪生技术的AI场景信息推送处理方法及系统，涉及人工智能技术领域。在本发明中，确定出场景信息特征表示；形成场景信息分类集合；基于场景内容表征数据，挖掘出场景内容数据特征表示，分析出与场景内容数据特征表示关联的关联场景信息；对每一个场景信息分类集合中包括的关联场景信息的场景信息特征表示进行融合操作，以形成关联场景信息特征表示；对场景内容数据特征表示和关联场景信息特征表示进行聚合操作，以形成多维度场景聚合特征表示；依据多维度场景聚合特征表示，分析出匹配场景信息，将匹配场景信息推送给目标场景应用终端设备。基于上述内容，可以在一定程度上提高场景信息推送的可靠度。
Description
技术领域
本发明涉及人工智能技术领域，具体而言，涉及一种应用数字孪生技术的AI场景信息推送处理方法及系统。
背景技术
数字孪生（Digital Twin）：是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生，有时候也用来指代将一个工厂的厂房及产线，在没有建造之前，就完成数字化模型。从而在虚拟的赛博空间中对工厂进行仿真和模拟，并将真实参数传给实际的工厂建设。而工房和产线建成之后，在日常的运维中二者继续进行信息交互。值得注意的是：Digital Twin不是构型管理的工具，不是制成品的3D尺寸模型，不是制成品的MBD定义。
Digital Twin是一个物理产品的数字化表达，以便于我们能够在这个数字化产品上看到实际物理产品可能发生的情况，与此相关的技术包括增强现实和虚拟现实。DigitalThread在设计与生产的过程中，仿真分析模型的参数，可以传递到产品定义的全三维几何模型，再传递到数字化生产线加工成真实的物理产品，再通过在线的数字化检测/测量系统反映到产品定义模型中，进而又反馈到仿真分析模型中。
人工智能(Artificial Intelligence，简称AI)，是利用数字计算机或者数字计算机控制的计算模拟、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。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。
其中，在人工智能技术的诸多应用中，包括基于人工智能技术对基于数字孪生技术的数字虚拟形象（如虚拟人等）进行场景匹配推送等操作，但是，在现有技术中，存在着可靠度不高的问题。
发明内容
有鉴于此，本发明的目的在于提供一种应用数字孪生技术的AI场景信息推送处理方法及系统，以在一定程度上提高场景信息推送的可靠度。
为实现上述目的，本发明实施例采用如下技术方案：
一种应用数字孪生技术的AI场景信息推送处理方法，所述AI场景信息推送处理方法包括：
对于场景信息候选簇中的场景信息，基于所述场景信息之间的场景应用关系信息，确定出用于反映场景应用关系的场景信息特征表示；
依据所述场景应用关系信息，将所述场景信息候选簇中的场景信息进行信息分类操作，以形成至少一个场景信息分类集合；
基于待处理场景信息的场景内容表征数据，挖掘出对应的场景内容数据特征表示，以及，在所述场景信息候选簇中，分析出与所述场景内容数据特征表示关联的关联场景信息，所述场景内容表征数据与所述场景应用关系信息属于不同维度的数据；
分别对每一个所述场景信息分类集合中包括的关联场景信息的场景信息特征表示进行融合操作，以形成至少一个关联场景信息特征表示，每一个所述关联场景信息特征表示对应于包括有关联场景信息的一个场景信息分类集合，且该关联场景信息特征表示通过对该场景信息分类集合中包括的各关联场景信息的场景信息特征表示进行融合操作以形成；
对所述场景内容数据特征表示和至少一个所述关联场景信息特征表示进行特征表示的聚合操作，以形成对应的多维度场景聚合特征表示；
依据所述多维度场景聚合特征表示，在所述场景信息候选簇中，分析出与所述待处理场景信息匹配的场景信息，并对该场景信息进行标记操作，以标记为所述待处理场景信息对应的匹配场景信息，以及，将所述匹配场景信息推送给所述待处理场景信息对应的目标场景应用终端设备，使得所述目标场景应用终端设备将所述匹配场景信息和所述待处理场景信息进行融合，以形成目标场景信息，所述目标场景信息用于在数字虚拟形象交互中作为目标数字虚拟形象的场景渲染依据，所述场景信息候选簇中的场景信息和所述待处理场景信息至少包括图像数据。
在一些优选的实施例中，在上述应用数字孪生技术的AI场景信息推送处理方法中，所述对于场景信息候选簇中的场景信息，基于所述场景信息之间的场景应用关系信息，确定出用于反映场景应用关系的场景信息特征表示的步骤，包括：
提取到所述场景信息候选簇中场景信息的场景应用关系信息，所述场景应用关系信息包括所述场景信息之间的共现数字虚拟形象数据和所述共现数字虚拟形象数据对应的重要度表征参数，所述共现数字虚拟形象数据属于所述场景信息之间共同应用的数字虚拟形象的描述数据；
基于所述场景信息之间的共现数字虚拟形象数据和所述共现数字虚拟形象数据对应的重要度表征参数进行关系分析操作，以输出所述场景信息之间的场景应用关系表征参数；
基于所述场景信息之间的场景应用关系表征参数进行特征表示生成操作，使得针对每一个所述场景信息确定出用于反映场景应用关系的场景信息特征表示。
在一些优选的实施例中，在上述应用数字孪生技术的AI场景信息推送处理方法中，所述基于所述场景信息之间的场景应用关系表征参数进行特征表示生成操作，使得针对每一个所述场景信息确定出用于反映场景应用关系的场景信息特征表示的步骤，包括：
对所述场景信息之间的场景应用关系表征参数进行标记，以标记为阵列构成对象，以确定出所述场景信息之间的场景应用关系参数分布，在所述场景应用关系参数分布中，第n行、第m列分布的参数，为第n个场景信息和第m个场景信息之间的场景应用关系表征参数；
依据所述场景应用关系参数分布进行特征挖掘操作，以输出每一个所述场景信息对应的应用关系挖掘特征表示，从而得到每一个所述场景信息对应的用于反映场景应用关系的场景信息特征表示。
在一些优选的实施例中，在上述应用数字孪生技术的AI场景信息推送处理方法中，所述依据所述场景应用关系参数分布进行特征挖掘操作，以输出每一个所述场景信息对应的应用关系挖掘特征表示，从而得到每一个所述场景信息对应的用于反映场景应用关系的场景信息特征表示的步骤，包括：
在所述场景信息候选簇中进行场景信息的筛选操作，以筛选出目标数量个筛选场景信息；
依据所述场景应用关系参数分布，将每一个所述筛选场景信息进行应用场景信息的筛选操作，以输出每一个筛选场景信息对应的相关筛选场景信息和非相关筛选场景信息，所述相关筛选场景信息属于与所述筛选场景信息之间的场景应用关系表征参数大于预先配置的参考应用关系表征参数的各场景信息中的一个场景信息，所述非相关筛选场景信息属于与所述筛选场景信息之间的场景应用关系表征参数不大于所述参考应用关系表征参数的各场景信息中的一个场景信息；
分别依据每一个所述筛选场景信息、每一个所述筛选场景信息对应的相关筛选场景信息和每一个所述筛选场景信息对应的非相关筛选场景信息进行分组操作，以得到每一个所述筛选场景信息对应的多场景信息组合；
将每一个所述多场景信息组合中的相关筛选场景信息和非相关筛选场景信息的差异扩大作为调整方向，以将原始的特征表示分布进行更新调整操作，以形成每一个所述场景信息的应用关系挖掘特征表示，所述更新调整操作的对象属于所述原始的特征表示分布中的原始特征表示，且调整后的特征表示作为所述应用关系挖掘特征表示，其中，所述原始的特征表示分布包括的原始特征表示的数量等于所述场景信息的数量，所述原始的特征表示分布的维度数目等于所述原始特征表示的维度数目，且所述原始特征表示属于将对应的所述场景信息进行原始特征配置操作以形成；
对每一个所述场景信息对应的应用关系挖掘特征表示进行标记，以分别标记为每一个所述场景信息对应的用于反映场景应用关系的场景信息特征表示。
在一些优选的实施例中，在上述应用数字孪生技术的AI场景信息推送处理方法中，每两个所述场景信息之间包括至少一个所述共现数字虚拟形象数据，每一个共现数字虚拟形象数据对应一个重要度表征参数；
所述基于所述场景信息之间的共现数字虚拟形象数据和所述共现数字虚拟形象数据对应的重要度表征参数进行关系分析操作，以输出所述场景信息之间的场景应用关系表征参数的步骤，包括：
依据每两个所述场景信息之间的至少一个所述共现数字虚拟形象数据，分别确定出每一个所述共现数字虚拟形象数据的数据丰富性表征参数；
将每一个所述共现数字虚拟形象数据的数据丰富性表征参数和每一个所述共现数字虚拟形象数据对应的重要度表征参数进行融合操作，以形成每两个所述场景信息之间的场景应用关系表征参数。
在一些优选的实施例中，在上述应用数字孪生技术的AI场景信息推送处理方法中，所述场景应用关系信息包括所述场景信息之间的共现数字虚拟形象数据，每两个所述场景信息之间包括至少一个所述共现数字虚拟形象数据；
所述依据所述场景应用关系信息，将所述场景信息候选簇中的场景信息进行信息分类操作，以形成至少一个场景信息分类集合的步骤，包括：
对所述场景信息进行标记，以标记为知识图谱成员，以及，对所述场景信息之间的每一个共现数字虚拟形象数据的数据丰富性表征参数进行标记，以标记为知识图谱成员之间的成员关系表征线，以创建出所述场景信息之间的应用关系知识图谱；
依据所述应用关系知识图谱进行群体分割操作，使得对所述场景信息候选簇中的场景信息进行分割操作，以形成对应的至少一个场景信息群体，每一个所述场景信息群体对应一个场景信息分类集合，以形成至少一个场景信息分类集合。
在一些优选的实施例中，在上述应用数字孪生技术的AI场景信息推送处理方法中，所述依据所述应用关系知识图谱进行群体分割操作，使得对所述场景信息候选簇中的场景信息进行分割操作，以形成对应的至少一个场景信息群体的步骤，包括：
对所述应用关系知识图谱中的至少一个第一知识图谱成员分别进行初始分割操作，以形成对应的一个候选信息群体；
依据每一个所述候选信息群体对应的关系第一表征参数和关系第二表征参数，分析出每一个所述候选信息群体的群体表征参数，所述关系第一表征参数用于反映所述候选信息群体中知识图谱成员之间成员关系表征线的累积数量，所述关系第二表征参数用于反映所述候选信息群体中知识图谱成员与所述候选信息群体以外的其它知识图谱成员之间成员关系表征线的累积数量，所述群体表征参数和所述关系第一表征参数之间具有正相关的对应关系，所述群体表征参数和所述关系第二表征参数的平方值之间具有正相关的对应关系；
基于每一个所述候选信息群体的群体表征参数和扩展群体表征参数的之间的变化表征参数，对所述其它知识图谱成员中知识图谱成员进行分配操作，以分配到每一个所述候选信息群体，从而形成至少一个场景信息群体，所述扩展群体表征参数属于所述其它知识图谱成员中知识图谱成员分配到所述候选信息群体后形成的扩展信息群体的群体表征参数。
在一些优选的实施例中，在上述应用数字孪生技术的AI场景信息推送处理方法中，所述基于待处理场景信息的场景内容表征数据，挖掘出对应的场景内容数据特征表示，以及，在所述场景信息候选簇中，分析出与所述场景内容数据特征表示关联的关联场景信息的步骤，包括：
基于待处理场景信息的场景内容表征数据进行特征挖掘操作，以挖掘出所述场景内容表征数据对应的场景内容数据特征表示；
基于每一个所述关联场景信息对应的场景信息分类集合，对包括的各所述关联场景信息进行聚合操作，以形成对应的至少一个场景信息分类从集合；
分别对每一个所述场景信息分类从集合中的关联场景信息的场景信息特征表示进行均值运算操作，以得到每一个所述场景信息分类从集合对应的关联场景信息特征表示，从而形成至少一个关联场景信息特征表示。
在一些优选的实施例中，在上述应用数字孪生技术的AI场景信息推送处理方法中，所述对所述场景内容数据特征表示和至少一个所述关联场景信息特征表示进行特征表示的聚合操作，以形成对应的多维度场景聚合特征表示的步骤，包括：
基于每一个所述关联场景信息的场景内容表征数据，挖掘出每一个所述关联场景信息的关联场景内容数据特征表示；
分别对每一个所述场景信息分类集合中包括的所述关联场景信息的关联场景内容数据特征表示进行聚合操作，以形成至少一个聚合关联场景信息特征表示；
对至少一个所述聚合关联场景信息特征表示、所述场景内容数据特征表示和至少一个所述关联场景信息特征表示进行多特征表示的聚合操作，以形成对应的多维度场景聚合特征表示。
本发明实施例还提供一种应用数字孪生技术的AI场景信息推送处理系统，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现上述的应用数字孪生技术的AI场景信息推送处理方法。
本发明实施例提供的应用数字孪生技术的AI场景信息推送处理方法及系统，可以先确定出场景信息特征表示；形成场景信息分类集合；基于场景内容表征数据，挖掘出场景内容数据特征表示，分析出与场景内容数据特征表示关联的关联场景信息；对每一个场景信息分类集合中包括的关联场景信息的场景信息特征表示进行融合操作，以形成关联场景信息特征表示；对场景内容数据特征表示和关联场景信息特征表示进行聚合操作，以形成多维度场景聚合特征表示；依据多维度场景聚合特征表示，分析出匹配场景信息，将匹配场景信息推送给目标场景应用终端设备。基于前述的步骤，由于会将场景信息候选簇分为一些场景信息分类集合，场景信息分类集合的多样化可以为场景信息推送提供多样性的基础，进一步的，基于关联场景信息与待处理场景信息的初步关联性，可以较为可靠地提取各场景信息分类集合的关联场景信息特征表示，从而可以较为可靠地确定出多维度场景聚合特征表示，进而可以较为可靠地基于多维度场景聚合特征表示进行匹配场景信息的确定和推送，因此，可以在一定程度上提高场景信息推送的可靠度，改善现有技术中存在的可靠度不高的问题。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
图1为本发明实施例提供的应用数字孪生技术的AI场景信息推送处理系统的结构框图。
图2为本发明实施例提供的应用数字孪生技术的AI场景信息推送处理方法包括的各步骤的流程示意图。
图3为本发明实施例提供的应用数字孪生技术的AI场景信息推送处理装置包括的各模块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明实施例提供了一种应用数字孪生技术的AI场景信息推送处理系统。其中，所述应用数字孪生技术的AI场景信息推送处理系统可以包括存储器和处理器。
详细地，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件（firmware）的形式，存在的软件功能模块（计算机程序）。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例提供的应用数字孪生技术的AI场景信息推送处理方法。
可以理解的是，在一些可行的实施方式中，所述存储器可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-Only Memory，PROM），可擦除只读存储器（ErasableProgrammable Read-Only Memory，EPROM），电可擦除只读存储器（Electric ErasableProgrammable Read-Only Memory，EEPROM）等。
可以理解的是，在一些可行的实施方式中，所述处理器可以是一种通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）、片上系统(System on Chip，SoC)等；还可以是数字信号处理器（DSP）、专用集成电路（ASIC）、现场可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以理解的是，在一些可行的实施方式中，所述应用数字孪生技术的AI场景信息推送处理系统可以是一种具备数据处理能力的服务器。
结合图2，本发明实施例还提供一种应用数字孪生技术的AI场景信息推送处理方法，可应用于上述应用数字孪生技术的AI场景信息推送处理系统。其中，所述应用数字孪生技术的AI场景信息推送处理方法有关的流程所定义的方法步骤，可以由所述应用数字孪生技术的AI场景信息推送处理系统实现。下面将对图2所示的具体流程，进行详细阐述。
步骤S110，对于场景信息候选簇中的场景信息，基于所述场景信息之间的场景应用关系信息，确定出用于反映场景应用关系的场景信息特征表示。
在本发明实施例中，所述应用数字孪生技术的AI场景信息推送处理系统可以对于场景信息候选簇中的场景信息，基于所述场景信息之间的场景应用关系信息，确定出用于反映场景应用关系的场景信息特征表示。
步骤S120，依据所述场景应用关系信息，将所述场景信息候选簇中的场景信息进行信息分类操作，以形成至少一个场景信息分类集合。
在本发明实施例中，所述应用数字孪生技术的AI场景信息推送处理系统可以依据所述场景应用关系信息，将所述场景信息候选簇中的场景信息进行信息分类操作，以形成至少一个场景信息分类集合。
步骤S130，基于待处理场景信息的场景内容表征数据，挖掘出对应的场景内容数据特征表示，以及，在所述场景信息候选簇中，分析出与所述场景内容数据特征表示关联的关联场景信息。
在本发明实施例中，所述应用数字孪生技术的AI场景信息推送处理系统可以基于待处理场景信息的场景内容表征数据，挖掘出对应的场景内容数据特征表示，以及，在所述场景信息候选簇中，分析出与所述场景内容数据特征表示关联的关联场景信息。所述场景内容表征数据与所述场景应用关系信息属于不同维度的数据，例如，所述场景内容表征数据可以是对所述待处理场景信息进行描述的数据，或场景本身，如场景图像，如此，可以对所述场景内容表征数据进行特征挖掘，以形成对应的场景内容数据特征表示，然后，可以将该场景内容数据特征表示与场景信息候选簇中每一个场景信息的场景内容数据特征表示进行匹配，以确定特征表示匹配参数大于预设匹配参数的场景信息属于对应的关联场景信息，所述预设匹配参数的具体数值不受限制，可以根据实际需求进行配置。
步骤S140，分别对每一个所述场景信息分类集合中包括的关联场景信息的场景信息特征表示进行融合操作，以形成至少一个关联场景信息特征表示。
在本发明实施例中，所述应用数字孪生技术的AI场景信息推送处理系统可以分别对每一个所述场景信息分类集合中包括的关联场景信息的场景信息特征表示进行融合操作，以形成至少一个关联场景信息特征表示。每一个所述关联场景信息特征表示对应于包括有关联场景信息的一个场景信息分类集合，且该关联场景信息特征表示通过对该场景信息分类集合中包括的各关联场景信息的场景信息特征表示进行融合操作以形成。
步骤S150，对所述场景内容数据特征表示和至少一个所述关联场景信息特征表示进行特征表示的聚合操作，以形成对应的多维度场景聚合特征表示。
在本发明实施例中，所述应用数字孪生技术的AI场景信息推送处理系统可以对所述场景内容数据特征表示和至少一个所述关联场景信息特征表示进行特征表示的聚合操作，以形成对应的多维度场景聚合特征表示。
步骤S160，依据所述多维度场景聚合特征表示，在所述场景信息候选簇中，分析出与所述待处理场景信息匹配的场景信息，并对该场景信息进行标记操作，以标记为所述待处理场景信息对应的匹配场景信息，以及，将所述匹配场景信息推送给所述待处理场景信息对应的目标场景应用终端设备，使得所述目标场景应用终端设备将所述匹配场景信息和所述待处理场景信息进行融合，以形成目标场景信息。
在本发明实施例中，所述应用数字孪生技术的AI场景信息推送处理系统可以依据所述多维度场景聚合特征表示，在所述场景信息候选簇中，分析出与所述待处理场景信息匹配的场景信息，并对该场景信息进行标记操作，以标记为所述待处理场景信息对应的匹配场景信息，以及，将所述匹配场景信息推送给所述待处理场景信息对应的目标场景应用终端设备，使得所述目标场景应用终端设备将所述匹配场景信息和所述待处理场景信息进行融合，可以参照相关的现有的图像融合技术，在此不做具体的限定和描述，以形成目标场景信息。所述目标场景信息用于在数字虚拟形象交互中作为目标数字虚拟形象的场景渲染依据，所述场景信息候选簇中的场景信息和所述待处理场景信息至少包括图像数据，也就是说，可以将所述目标场景信息作为所述目标数字虚拟形象所在的场景，即背景图像。
基于上述步骤，由于会将场景信息候选簇分为一些场景信息分类集合，场景信息分类集合的多样化可以为场景信息推送提供多样性的基础，进一步的，基于关联场景信息与待处理场景信息的初步关联性，可以较为可靠地提取各场景信息分类集合的关联场景信息特征表示，从而可以较为可靠地确定出多维度场景聚合特征表示，进而可以较为可靠地基于多维度场景聚合特征表示进行匹配场景信息的确定和推送，因此，可以在一定程度上提高场景信息推送的可靠度，改善现有技术中存在的可靠度不高的问题。
可以理解的是，在一些可行的实施方式中，上述内容中的步骤S110，即所述对于场景信息候选簇中的场景信息，基于所述场景信息之间的场景应用关系信息，确定出用于反映场景应用关系的场景信息特征表示的步骤，进一步可以包括以下描述的子步骤：
提取到所述场景信息候选簇中场景信息的场景应用关系信息，所述场景应用关系信息包括所述场景信息之间的共现数字虚拟形象数据和所述共现数字虚拟形象数据对应的重要度表征参数，所述共现数字虚拟形象数据属于所述场景信息之间共同应用的数字虚拟形象的描述数据，例如，一个数字虚拟形象将场景信息1和场景信息2都作为过背景图像，因此，场景信息1和场景信息2之间有共同应用该数字虚拟形象，如此，可以将该数字虚拟形象的描述数据作为场景信息1和场景信息2之间的共现数字虚拟形象数据，所述重要度表征参数可以是相应的管理用户预先根据实际需求配置的参数，或者，也可以基于其它操作进行分析得到；
基于所述场景信息之间的共现数字虚拟形象数据和所述共现数字虚拟形象数据对应的重要度表征参数进行关系分析操作，以输出所述场景信息之间的场景应用关系表征参数；
基于所述场景信息之间的场景应用关系表征参数进行特征表示生成操作，使得针对每一个所述场景信息确定出用于反映场景应用关系的场景信息特征表示。
可以理解的是，在一些可行的实施方式中，每两个所述场景信息之间包括至少一个所述共现数字虚拟形象数据，每一个共现数字虚拟形象数据对应一个重要度表征参数，基于此，所述基于所述场景信息之间的共现数字虚拟形象数据和所述共现数字虚拟形象数据对应的重要度表征参数进行关系分析操作，以输出所述场景信息之间的场景应用关系表征参数的步骤，进一步可以包括以下描述的子步骤：
依据每两个所述场景信息之间的至少一个所述共现数字虚拟形象数据，分别确定出每一个所述共现数字虚拟形象数据的数据丰富性表征参数，所述数据丰富性表征参数可以用于表征所述共现数字虚拟形象数据的内容丰富程度，可以基于相应的经过训练的神经网络进行评估以得到，或者，也可以基于所述共现数字虚拟形象数据的数据量等信息确定；
将每一个所述共现数字虚拟形象数据的数据丰富性表征参数和每一个所述共现数字虚拟形象数据对应的重要度表征参数进行融合操作，如进行加权求和计算，以形成每两个所述场景信息之间的场景应用关系表征参数。
可以理解的是，在一些可行的实施方式中，所述基于所述场景信息之间的场景应用关系表征参数进行特征表示生成操作，使得针对每一个所述场景信息确定出用于反映场景应用关系的场景信息特征表示的步骤，进一步可以包括以下描述的子步骤：
对所述场景信息之间的场景应用关系表征参数进行标记，以标记为阵列构成对象，以确定出所述场景信息之间的场景应用关系参数分布，在所述场景应用关系参数分布中，第n行、第m列分布的参数，为第n个场景信息和第m个场景信息之间的场景应用关系表征参数，另外，第m行、第n列分布的参数，为第m个场景信息和第n个场景信息之间的场景应用关系表征参数，所述场景应用关系参数分布可以为一个矩阵；
依据所述场景应用关系参数分布进行特征挖掘操作，以输出每一个所述场景信息对应的应用关系挖掘特征表示，从而得到每一个所述场景信息对应的用于反映场景应用关系的场景信息特征表示。
可以理解的是，在一些可行的实施方式中，所述依据所述场景应用关系参数分布进行特征挖掘操作，以输出每一个所述场景信息对应的应用关系挖掘特征表示，从而得到每一个所述场景信息对应的用于反映场景应用关系的场景信息特征表示的步骤，进一步可以包括以下描述的子步骤：
在所述场景信息候选簇中进行场景信息的筛选操作，以筛选出目标数量个筛选场景信息，所述目标数量可以是预先配置的，并且，在筛选的过程中，可以进行随机的、任意的筛选；
依据所述场景应用关系参数分布，将每一个所述筛选场景信息进行应用场景信息的筛选操作，以输出每一个筛选场景信息对应的相关筛选场景信息和非相关筛选场景信息，所述相关筛选场景信息属于与所述筛选场景信息之间的场景应用关系表征参数大于预先配置的参考应用关系表征参数的各场景信息中的一个场景信息，所述非相关筛选场景信息属于与所述筛选场景信息之间的场景应用关系表征参数不大于所述参考应用关系表征参数的各场景信息中的一个场景信息，所述参考应用关系表征参数可以根据实际需求进行配置，具体数值不受限制，如等于0等数值；
分别依据每一个所述筛选场景信息、每一个所述筛选场景信息对应的相关筛选场景信息和每一个所述筛选场景信息对应的非相关筛选场景信息进行分组操作，以得到每一个所述筛选场景信息对应的多场景信息组合；
将每一个所述多场景信息组合中的相关筛选场景信息和非相关筛选场景信息的差异扩大作为调整方向（如使得该差异最大化，该差异可以是对应的特征表示之间的向量距离），以将原始的特征表示分布进行更新调整操作，以形成每一个所述场景信息的应用关系挖掘特征表示，所述更新调整操作的对象属于所述原始的特征表示分布中的原始特征表示，且调整后的特征表示作为所述应用关系挖掘特征表示，其中，所述原始的特征表示分布包括的原始特征表示的数量等于所述场景信息的数量，所述原始的特征表示分布的维度数目等于所述原始特征表示的维度数目，且所述原始特征表示属于将对应的所述场景信息进行原始特征配置操作以形成；
对每一个所述场景信息对应的应用关系挖掘特征表示进行标记，以分别标记为每一个所述场景信息对应的用于反映场景应用关系的场景信息特征表示。
可以理解的是，在一些可行的实施方式中，所述场景应用关系信息包括所述场景信息之间的共现数字虚拟形象数据，每两个所述场景信息之间包括至少一个所述共现数字虚拟形象数据，基于此，上述内容中的步骤S120，即所述依据所述场景应用关系信息，将所述场景信息候选簇中的场景信息进行信息分类操作，以形成至少一个场景信息分类集合的步骤，进一步可以包括以下描述的子步骤：
对所述场景信息进行标记，以标记为知识图谱成员，以及，对所述场景信息之间的每一个共现数字虚拟形象数据的数据丰富性表征参数进行标记，以标记为知识图谱成员之间的成员关系表征线（即成员关系表征线的权重），以创建出所述场景信息之间的应用关系知识图谱；
依据所述应用关系知识图谱进行群体分割操作，使得对所述场景信息候选簇中的场景信息进行分割操作，以形成对应的至少一个场景信息群体，每一个所述场景信息群体对应一个场景信息分类集合，以形成至少一个场景信息分类集合。
可以理解的是，在一些可行的实施方式中，所述依据所述应用关系知识图谱进行群体分割操作，使得对所述场景信息候选簇中的场景信息进行分割操作，以形成对应的至少一个场景信息群体的步骤，进一步可以包括以下描述的子步骤：
对所述应用关系知识图谱中的至少一个第一知识图谱成员分别进行初始分割操作，以形成对应的一个候选信息群体，也就是说，在一个所述候选信息群体中，当前包括对应的一个知识图谱成员，即第一知识图谱成员；
依据每一个所述候选信息群体对应的关系第一表征参数和关系第二表征参数，分析出每一个所述候选信息群体的群体表征参数，所述关系第一表征参数用于反映所述候选信息群体中知识图谱成员之间成员关系表征线的累积数量，所述关系第二表征参数用于反映所述候选信息群体中知识图谱成员与所述候选信息群体以外的其它知识图谱成员之间成员关系表征线的累积数量，所述群体表征参数和所述关系第一表征参数之间具有正相关的对应关系，所述群体表征参数和所述关系第二表征参数的平方值之间具有正相关的对应关系，例如，可以先计算所述关系第一表征参数和第一参数之间的比值，得到第一比值，并计算所述关系第二表征参数和第二参数之间的比值，得到第二比值，第一参数可以等于第二参数，如都等于2，然后，可以计算第二比值的平方值，之后，可以计算第一比值和该平方值之间的差值，再将该差值作为对应的群体表征参数；
基于每一个所述候选信息群体的群体表征参数和扩展群体表征参数的之间的变化表征参数，对所述其它知识图谱成员中知识图谱成员进行分配操作，以分配到每一个所述候选信息群体，从而形成至少一个场景信息群体，所述扩展群体表征参数属于所述其它知识图谱成员中知识图谱成员分配到所述候选信息群体后形成的扩展信息群体的群体表征参数，例如，可以计算扩展群体表征参数和群体表征参数之间的差值，得到变化表征参数，然后，可以将该变化表征参数和预先配置的参考变化表征参数进行大小对比，如果，该变化表征参数大于该参考变化表征参数，可以将知识图谱成员进行分配操作，以分配到所述候选信息群体中，所述参考变化表征参数的具体数值不受限制，例如，所述参考变化表征参数可以等于0。
可以理解的是，在一些可行的实施方式中，上述内容中的步骤S140，即所述分别对每一个所述场景信息分类集合中包括的关联场景信息的场景信息特征表示进行融合操作，以形成至少一个关联场景信息特征表示的步骤，进一步可以包括以下描述的子步骤：
基于每一个所述关联场景信息对应的场景信息分类集合，对包括的各所述关联场景信息进行聚合操作，以形成对应的至少一个场景信息分类从集合，例如，对于每一个所述场景信息分类集合，可以将该场景信息分类集合中的各所述关联场景信息进行组合，以形成场景信息分类从集合；
分别对每一个所述场景信息分类从集合中的关联场景信息的场景信息特征表示进行均值运算操作，以得到每一个所述场景信息分类从集合对应的关联场景信息特征表示，从而形成至少一个关联场景信息特征表示，即将各场景信息特征表示的均值，作为关联场景信息特征表示，举例来说，具有20个关联场景信息，所述场景信息分类集合包括3个，一个情况下，第一个场景信息分类集合中可以包括5个关联场景信息，这5个关联场景信息形成一个场景信息分类从集合，第二个场景信息分类集合中可以包括15个关联场景信息，这15个关联场景信息形成一个场景信息分类从集合，第三个场景信息分类集合中不包括关联场景信息，因此，可以不形成对应的场景信息分类从集合，即可以形成对应的2个场景信息分类从集合；如此，可以将每一个场景信息分类从集合中的关联场景信息的场景信息特征表示分别进行处理，可以避免对不包括关联场景信息分类集合的场景信息分类集合进行处理，以高效生成至少一个关联场景信息特征表示。
可以理解的是，在一些可行的实施方式中，上述内容中的步骤S150，即所述对所述场景内容数据特征表示和至少一个所述关联场景信息特征表示进行特征表示的聚合操作，以形成对应的多维度场景聚合特征表示的步骤，进一步可以包括以下描述的子步骤：
基于每一个所述关联场景信息的场景内容表征数据，挖掘出每一个所述关联场景信息的关联场景内容数据特征表示；
分别对每一个所述场景信息分类集合中包括的所述关联场景信息的关联场景内容数据特征表示进行聚合操作，如进行均值计算，以形成至少一个聚合关联场景信息特征表示；
对至少一个所述聚合关联场景信息特征表示、所述场景内容数据特征表示和至少一个所述关联场景信息特征表示进行多特征表示的聚合操作，以形成对应的多维度场景聚合特征表示。
其中，可以理解的是，在一些可行的实施方式中，所述对至少一个所述聚合关联场景信息特征表示、所述场景内容数据特征表示和至少一个所述关联场景信息特征表示进行多特征表示的聚合操作，以形成对应的多维度场景聚合特征表示的步骤，进一步可以包括以下描述的子步骤：
依据所述场景内容数据特征表示和至少一个所述聚合关联场景信息特征表示进行聚焦权重分析操作，以输出所述场景内容数据特征表示和每一个所述聚合关联场景信息特征表示之间的聚焦权重参数；
对同一个场景信息分类集合对应的关联场景信息特征表示和聚焦权重参数进行加权操作，以输出对应的至少一个加权场景信息特征表示；
对所述至少一个加权场景信息特征表示进行多特征表示的聚合操作，如进行级联组合操作等，以形成对应的多维度场景聚合特征表示，如{加权场景信息特征表示1，加权场景信息特征表示2，加权场景信息特征表示3，加权场景信息特征表示4，...，加权场景信息特征表示n}。
其中，可以理解的是，在一些可行的实施方式中，所述依据所述场景内容数据特征表示和至少一个所述聚合关联场景信息特征表示进行聚焦权重分析操作，以输出所述场景内容数据特征表示和每一个所述聚合关联场景信息特征表示之间的聚焦权重参数的步骤，进一步包括以下描述的子步骤：
分别对所述场景内容数据特征表示和每一个所述聚合关联场景信息特征表示进行相乘运算，以输出每一个所述聚合关联场景信息特征表示对应的相乘运算特征表示；
分别对所述场景内容数据特征表示、每一个所述聚合关联场景信息特征表示和每一个所述聚合关联场景信息特征表示对应的相乘运算特征表示进行级联组合操作，以形成所述场景内容数据特征表示和每一个所述聚合关联场景信息特征表示之间的级联组合特征表示；
依据所述级联组合特征表示进行聚焦权重分析操作，以输出所述场景内容数据特征表示和每一个所述聚合关联场景信息特征表示之间的聚焦权重参数，例如，可以对所述级联组合特征表示和所述级联组合特征表示的转置结果进行相乘计算，以得到对应的聚焦权重系数，或者说，可以基于相应神经网络包括的第一映射矩阵和第二映射矩阵，对所述级联组合特征表示分别进行映射操作（如相乘运算），以形成对应的第一映射特征表示和第二映射特征表示，然后，可以对所述第一映射特征表示和所述第二映射特征表示的转置结果进行相乘计算，以得到对应的聚焦权重系数。
其中，可以理解的是，在一些可行的实施方式中，上述内容中的步骤S160，即所述依据所述多维度场景聚合特征表示，在所述场景信息候选簇中，分析出与所述待处理场景信息匹配的场景信息，并对该场景信息进行标记操作，以标记为所述待处理场景信息对应的匹配场景信息的步骤，进一步可以包括以下描述的子步骤：
分析出所述多维度场景聚合特征表示和所述场景信息候选簇中每一个场景信息的整体信息特征表示之间的特征表示匹配参数，所述整体信息特征表示通过对所述场景信息对应的场景应用关系信息和场景内容表征数据进行特征挖掘操作以形成；
基于所述特征表示匹配参数，在所述场景信息候选簇中，分析出与所述待处理场景信息匹配的场景信息（如对应的特征表示匹配参数最大的场景信息），并对该场景信息进行标记操作，以标记为所述待处理场景信息对应的匹配场景信息。
结合图3，本发明实施例还提供一种应用数字孪生技术的AI场景信息推送处理装置，可应用于上述应用数字孪生技术的AI场景信息推送处理系统。其中，所述应用数字孪生技术的AI场景信息推送处理装置：
第一场景信息处理模块，用于对于场景信息候选簇中的场景信息，基于所述场景信息之间的场景应用关系信息，确定出用于反映场景应用关系的场景信息特征表示；
信息分类模块，用于依据所述场景应用关系信息，将所述场景信息候选簇中的场景信息进行信息分类操作，以形成至少一个场景信息分类集合；
第二场景信息处理模块，用于基于待处理场景信息的场景内容表征数据，挖掘出对应的场景内容数据特征表示，以及，在所述场景信息候选簇中，分析出与所述场景内容数据特征表示关联的关联场景信息，所述场景内容表征数据与所述场景应用关系信息属于不同维度的数据；
特征表示融合模块，用于分别对每一个所述场景信息分类集合中包括的关联场景信息的场景信息特征表示进行融合操作，以形成至少一个关联场景信息特征表示，每一个所述关联场景信息特征表示对应于包括有关联场景信息的一个场景信息分类集合，且该关联场景信息特征表示通过对该场景信息分类集合中包括的各关联场景信息的场景信息特征表示进行融合操作以形成；
特征表示聚合模块，用于对所述场景内容数据特征表示和至少一个所述关联场景信息特征表示进行特征表示的聚合操作，以形成对应的多维度场景聚合特征表示；
场景信息推送模块，用于依据所述多维度场景聚合特征表示，在所述场景信息候选簇中，分析出与所述待处理场景信息匹配的场景信息，并对该场景信息进行标记操作，以标记为所述待处理场景信息对应的匹配场景信息，以及，将所述匹配场景信息推送给所述待处理场景信息对应的目标场景应用终端设备，使得所述目标场景应用终端设备将所述匹配场景信息和所述待处理场景信息进行融合，以形成目标场景信息，所述目标场景信息用于在数字虚拟形象交互中作为目标数字虚拟形象的场景渲染依据，所述场景信息候选簇中的场景信息和所述待处理场景信息至少包括图像数据。
综上所述，本发明提供的应用数字孪生技术的AI场景信息推送处理方法及系统，可以先确定出场景信息特征表示；形成场景信息分类集合；基于场景内容表征数据，挖掘出场景内容数据特征表示，分析出与场景内容数据特征表示关联的关联场景信息；对每一个场景信息分类集合中包括的关联场景信息的场景信息特征表示进行融合操作，以形成关联场景信息特征表示；对场景内容数据特征表示和关联场景信息特征表示进行聚合操作，以形成多维度场景聚合特征表示；依据多维度场景聚合特征表示，分析出匹配场景信息，将匹配场景信息推送给目标场景应用终端设备。基于前述的步骤，由于会将场景信息候选簇分为一些场景信息分类集合，场景信息分类集合的多样化可以为场景信息推送提供多样性的基础，进一步的，基于关联场景信息与待处理场景信息的初步关联性，可以较为可靠地提取各场景信息分类集合的关联场景信息特征表示，从而可以较为可靠地确定出多维度场景聚合特征表示，进而可以较为可靠地基于多维度场景聚合特征表示进行匹配场景信息的确定和推送，因此，可以在一定程度上提高场景信息推送的可靠度，改善现有技术中存在的可靠度不高的问题。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种应用数字孪生技术的AI场景信息推送处理方法，其特征在于，所述AI场景信息推送处理方法包括：
对于场景信息候选簇中的场景信息，基于所述场景信息之间的场景应用关系信息，确定出用于反映场景应用关系的场景信息特征表示；
依据所述场景应用关系信息，将所述场景信息候选簇中的场景信息进行信息分类操作，以形成至少一个场景信息分类集合；
基于待处理场景信息的场景内容表征数据，挖掘出对应的场景内容数据特征表示，以及，在所述场景信息候选簇中，分析出与所述场景内容数据特征表示关联的关联场景信息，所述场景内容表征数据与所述场景应用关系信息属于不同维度的数据；
分别对每一个所述场景信息分类集合中包括的关联场景信息的场景信息特征表示进行融合操作，以形成至少一个关联场景信息特征表示，每一个所述关联场景信息特征表示对应于包括有关联场景信息的一个场景信息分类集合，且该关联场景信息特征表示通过对该场景信息分类集合中包括的各关联场景信息的场景信息特征表示进行融合操作以形成；
对所述场景内容数据特征表示和至少一个所述关联场景信息特征表示进行特征表示的聚合操作，以形成对应的多维度场景聚合特征表示；
依据所述多维度场景聚合特征表示，在所述场景信息候选簇中，分析出与所述待处理场景信息匹配的场景信息，并对该场景信息进行标记操作，以标记为所述待处理场景信息对应的匹配场景信息，以及，将所述匹配场景信息推送给所述待处理场景信息对应的目标场景应用终端设备，使得所述目标场景应用终端设备将所述匹配场景信息和所述待处理场景信息进行融合，以形成目标场景信息，所述目标场景信息用于在数字虚拟形象交互中作为目标数字虚拟形象的场景渲染依据，所述场景信息候选簇中的场景信息和所述待处理场景信息至少包括图像数据；
所述对于场景信息候选簇中的场景信息，基于所述场景信息之间的场景应用关系信息，确定出用于反映场景应用关系的场景信息特征表示的步骤，包括：
提取到所述场景信息候选簇中场景信息的场景应用关系信息，所述场景应用关系信息包括所述场景信息之间的共现数字虚拟形象数据和所述共现数字虚拟形象数据对应的重要度表征参数，所述共现数字虚拟形象数据属于所述场景信息之间共同应用的数字虚拟形象的描述数据；
基于所述场景信息之间的共现数字虚拟形象数据和所述共现数字虚拟形象数据对应的重要度表征参数进行关系分析操作，以输出所述场景信息之间的场景应用关系表征参数；
基于所述场景信息之间的场景应用关系表征参数进行特征表示生成操作，使得针对每一个所述场景信息确定出用于反映场景应用关系的场景信息特征表示；
所述基于待处理场景信息的场景内容表征数据，挖掘出对应的场景内容数据特征表示，以及，在所述场景信息候选簇中，分析出与所述场景内容数据特征表示关联的关联场景信息的步骤，包括：
基于待处理场景信息的场景内容表征数据进行特征挖掘操作，以挖掘出所述场景内容表征数据对应的场景内容数据特征表示；
基于每一个所述关联场景信息对应的场景信息分类集合，对包括的各所述关联场景信息进行聚合操作，以形成对应的至少一个场景信息分类从集合；
分别对每一个所述场景信息分类从集合中的关联场景信息的场景信息特征表示进行均值运算操作，以得到每一个所述场景信息分类从集合对应的关联场景信息特征表示，从而形成至少一个关联场景信息特征表示。
2.如权利要求1所述的应用数字孪生技术的AI场景信息推送处理方法，其特征在于，所述基于所述场景信息之间的场景应用关系表征参数进行特征表示生成操作，使得针对每一个所述场景信息确定出用于反映场景应用关系的场景信息特征表示的步骤，包括：
对所述场景信息之间的场景应用关系表征参数进行标记，以标记为阵列构成对象，以确定出所述场景信息之间的场景应用关系参数分布，在所述场景应用关系参数分布中，第n行、第m列分布的参数，为第n个场景信息和第m个场景信息之间的场景应用关系表征参数；
依据所述场景应用关系参数分布进行特征挖掘操作，以输出每一个所述场景信息对应的应用关系挖掘特征表示，从而得到每一个所述场景信息对应的用于反映场景应用关系的场景信息特征表示。
3.如权利要求2所述的应用数字孪生技术的AI场景信息推送处理方法，其特征在于，所述依据所述场景应用关系参数分布进行特征挖掘操作，以输出每一个所述场景信息对应的应用关系挖掘特征表示，从而得到每一个所述场景信息对应的用于反映场景应用关系的场景信息特征表示的步骤，包括：
在所述场景信息候选簇中进行场景信息的筛选操作，以筛选出目标数量个筛选场景信息；
依据所述场景应用关系参数分布，将每一个所述筛选场景信息进行应用场景信息的筛选操作，以输出每一个筛选场景信息对应的相关筛选场景信息和非相关筛选场景信息，所述相关筛选场景信息属于与所述筛选场景信息之间的场景应用关系表征参数大于预先配置的参考应用关系表征参数的各场景信息中的一个场景信息，所述非相关筛选场景信息属于与所述筛选场景信息之间的场景应用关系表征参数不大于所述参考应用关系表征参数的各场景信息中的一个场景信息；
分别依据每一个所述筛选场景信息、每一个所述筛选场景信息对应的相关筛选场景信息和每一个所述筛选场景信息对应的非相关筛选场景信息进行分组操作，以得到每一个所述筛选场景信息对应的多场景信息组合；
将每一个所述多场景信息组合中的相关筛选场景信息和非相关筛选场景信息的差异扩大作为调整方向，以将原始的特征表示分布进行更新调整操作，以形成每一个所述场景信息的应用关系挖掘特征表示，所述更新调整操作的对象属于所述原始的特征表示分布中的原始特征表示，且调整后的特征表示作为所述应用关系挖掘特征表示，其中，所述原始的特征表示分布包括的原始特征表示的数量等于所述场景信息的数量，所述原始的特征表示分布的维度数目等于所述原始特征表示的维度数目，且所述原始特征表示属于将对应的所述场景信息进行原始特征配置操作以形成；
对每一个所述场景信息对应的应用关系挖掘特征表示进行标记，以分别标记为每一个所述场景信息对应的用于反映场景应用关系的场景信息特征表示。
4.如权利要求1所述的应用数字孪生技术的AI场景信息推送处理方法，其特征在于，每两个所述场景信息之间包括至少一个所述共现数字虚拟形象数据，每一个共现数字虚拟形象数据对应一个重要度表征参数；
所述基于所述场景信息之间的共现数字虚拟形象数据和所述共现数字虚拟形象数据对应的重要度表征参数进行关系分析操作，以输出所述场景信息之间的场景应用关系表征参数的步骤，包括：
依据每两个所述场景信息之间的至少一个所述共现数字虚拟形象数据，分别确定出每一个所述共现数字虚拟形象数据的数据丰富性表征参数；
将每一个所述共现数字虚拟形象数据的数据丰富性表征参数和每一个所述共现数字虚拟形象数据对应的重要度表征参数进行融合操作，以形成每两个所述场景信息之间的场景应用关系表征参数。
5.如权利要求1所述的应用数字孪生技术的AI场景信息推送处理方法，其特征在于，所述场景应用关系信息包括所述场景信息之间的共现数字虚拟形象数据，每两个所述场景信息之间包括至少一个所述共现数字虚拟形象数据；
所述依据所述场景应用关系信息，将所述场景信息候选簇中的场景信息进行信息分类操作，以形成至少一个场景信息分类集合的步骤，包括：
对所述场景信息进行标记，以标记为知识图谱成员，以及，对所述场景信息之间的每一个共现数字虚拟形象数据的数据丰富性表征参数进行标记，以标记为知识图谱成员之间的成员关系表征线，以创建出所述场景信息之间的应用关系知识图谱；
依据所述应用关系知识图谱进行群体分割操作，使得对所述场景信息候选簇中的场景信息进行分割操作，以形成对应的至少一个场景信息群体，每一个所述场景信息群体对应一个场景信息分类集合，以形成至少一个场景信息分类集合。
6.如权利要求5所述的应用数字孪生技术的AI场景信息推送处理方法，其特征在于，所述依据所述应用关系知识图谱进行群体分割操作，使得对所述场景信息候选簇中的场景信息进行分割操作，以形成对应的至少一个场景信息群体的步骤，包括：
对所述应用关系知识图谱中的至少一个第一知识图谱成员分别进行初始分割操作，以形成对应的一个候选信息群体；
依据每一个所述候选信息群体对应的关系第一表征参数和关系第二表征参数，分析出每一个所述候选信息群体的群体表征参数，所述关系第一表征参数用于反映所述候选信息群体中知识图谱成员之间成员关系表征线的累积数量，所述关系第二表征参数用于反映所述候选信息群体中知识图谱成员与所述候选信息群体以外的其它知识图谱成员之间成员关系表征线的累积数量，所述群体表征参数和所述关系第一表征参数之间具有正相关的对应关系，所述群体表征参数和所述关系第二表征参数的平方值之间具有正相关的对应关系；
基于每一个所述候选信息群体的群体表征参数和扩展群体表征参数的之间的变化表征参数，对所述其它知识图谱成员中知识图谱成员进行分配操作，以分配到每一个所述候选信息群体，从而形成至少一个场景信息群体，所述扩展群体表征参数属于所述其它知识图谱成员中知识图谱成员分配到所述候选信息群体后形成的扩展信息群体的群体表征参数。
7.如权利要求1-6任意一项所述的应用数字孪生技术的AI场景信息推送处理方法，其特征在于，所述对所述场景内容数据特征表示和至少一个所述关联场景信息特征表示进行特征表示的聚合操作，以形成对应的多维度场景聚合特征表示的步骤，包括：
基于每一个所述关联场景信息的场景内容表征数据，挖掘出每一个所述关联场景信息的关联场景内容数据特征表示；
分别对每一个所述场景信息分类集合中包括的所述关联场景信息的关联场景内容数据特征表示进行聚合操作，以形成至少一个聚合关联场景信息特征表示；
对至少一个所述聚合关联场景信息特征表示、所述场景内容数据特征表示和至少一个所述关联场景信息特征表示进行多特征表示的聚合操作，以形成对应的多维度场景聚合特征表示。
8.一种应用数字孪生技术的AI场景信息推送处理系统，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现权利要求1-7任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310672983.2A CN116610745B (zh) | 2023-06-08 | 2023-06-08 | 应用数字孪生技术的ai场景信息推送处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310672983.2A CN116610745B (zh) | 2023-06-08 | 2023-06-08 | 应用数字孪生技术的ai场景信息推送处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116610745A CN116610745A (zh) | 2023-08-18 |
| CN116610745B true CN116610745B (zh) | 2023-12-26 |
Family
ID=87685338
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310672983.2A Active CN116610745B (zh) | 2023-06-08 | 2023-06-08 | 应用数字孪生技术的ai场景信息推送处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116610745B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117235559B (zh) * | 2023-11-14 | 2024-02-06 | 四川万物纵横科技股份有限公司 | 一种基于边缘计算的物联网数据采集方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111291266A (zh) * | 2020-02-13 | 2020-06-16 | 腾讯科技（北京）有限公司 | 基于人工智能的推荐方法、装置、电子设备及存储介质 |
| CN112600893A (zh) * | 2020-12-04 | 2021-04-02 | 褚萌萌 | 基于大数据定位的软件应用数据挖掘方法及软件服务平台 |
| CN113590928A (zh) * | 2021-01-19 | 2021-11-02 | 腾讯科技（深圳）有限公司 | 内容推荐方法、装置及计算机可读存储介质 |
| CN113761349A (zh) * | 2021-03-01 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种推荐信息的挖掘方法和装置 |
| WO2022095382A1 (zh) * | 2020-11-03 | 2022-05-12 | 平安科技（深圳）有限公司 | 基于知识图谱的电子卡片生成推送方法、装置 |
| CN114610998A (zh) * | 2022-03-11 | 2022-06-10 | 江西师范大学 | 一种元宇宙虚拟人物行为个性化信息推荐方法及系统 |
| CN114741587A (zh) * | 2021-01-08 | 2022-07-12 | 腾讯科技（深圳）有限公司 | 一种物品推荐方法、装置、介质及设备 |
| KR20220154062A (ko) * | 2021-11-30 | 2022-11-21 | 베이징 바이두 넷컴 사이언스 테크놀로지 컴퍼니 리미티드 | 내용 추천 및 정렬 모델 훈련 방법, 장치, 기기, 저장 매체 및 컴퓨터 프로그램 |
| CN116108673A (zh) * | 2023-02-03 | 2023-05-12 | 北京天玛智控科技股份有限公司 | 一种煤矿井下数字孪生现实仿真方法及设备 |
-
2023
- 2023-06-08 CN CN202310672983.2A patent/CN116610745B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111291266A (zh) * | 2020-02-13 | 2020-06-16 | 腾讯科技（北京）有限公司 | 基于人工智能的推荐方法、装置、电子设备及存储介质 |
| WO2022095382A1 (zh) * | 2020-11-03 | 2022-05-12 | 平安科技（深圳）有限公司 | 基于知识图谱的电子卡片生成推送方法、装置 |
| CN112600893A (zh) * | 2020-12-04 | 2021-04-02 | 褚萌萌 | 基于大数据定位的软件应用数据挖掘方法及软件服务平台 |
| CN114741587A (zh) * | 2021-01-08 | 2022-07-12 | 腾讯科技（深圳）有限公司 | 一种物品推荐方法、装置、介质及设备 |
| CN113590928A (zh) * | 2021-01-19 | 2021-11-02 | 腾讯科技（深圳）有限公司 | 内容推荐方法、装置及计算机可读存储介质 |
| CN113761349A (zh) * | 2021-03-01 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种推荐信息的挖掘方法和装置 |
| KR20220154062A (ko) * | 2021-11-30 | 2022-11-21 | 베이징 바이두 넷컴 사이언스 테크놀로지 컴퍼니 리미티드 | 내용 추천 및 정렬 모델 훈련 방법, 장치, 기기, 저장 매체 및 컴퓨터 프로그램 |
| CN114610998A (zh) * | 2022-03-11 | 2022-06-10 | 江西师范大学 | 一种元宇宙虚拟人物行为个性化信息推荐方法及系统 |
| CN116108673A (zh) * | 2023-02-03 | 2023-05-12 | 北京天玛智控科技股份有限公司 | 一种煤矿井下数字孪生现实仿真方法及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116610745A (zh) | 2023-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111931931B (zh) | 一种针对病理全场图像的深度神经网络训练方法、装置 | |
| CN116610745B (zh) | 应用数字孪生技术的ai场景信息推送处理方法及系统 | |
| CN116109121B (zh) | 基于大数据分析的用户需求挖掘方法及系统 | |
| CN113673697A (zh) | 基于相邻卷积的模型剪枝方法、装置及存储介质 | |
| CN111738351A (zh) | 模型训练方法、装置、存储介质及电子设备 | |
| CN110543616A (zh) | 基于工业大数据的smt锡膏印刷体积预测方法 | |
| CN116109630B (zh) | 基于传感器采集和人工智能的图像分析方法及系统 | |
| CN111026063A (zh) | 数字孪生体构建方法、装置、计算机设备及存储介质 | |
| CN115718846B (zh) | 用于智能化交互网络的大数据挖掘方法及系统 | |
| CN113377964B (zh) | 知识图谱链接预测方法、装置、设备及存储介质 | |
| CN112883265A (zh) | 信息推荐方法、装置、服务器及计算机可读存储介质 | |
| CN112529068B (zh) | 一种多视图图像分类方法、系统、计算机设备和存储介质 | |
| CN116028886A (zh) | 一种基于bim的数据处理方法、系统及云平台 | |
| CN113110961B (zh) | 设备异常检测方法、装置、计算机设备及可读存储介质 | |
| CN111325221B (zh) | 基于图像深度信息的图像特征提取方法 | |
| CN110866609B (zh) | 解释信息获取方法、装置、服务器和存储介质 | |
| CN116628138A (zh) | 应用于深度学习的物流订单文本挖掘方法及系统 | |
| CN116776859A (zh) | 基于智慧工厂的订单文本分析方法及系统 | |
| CN116070149A (zh) | 基于人工智能的数据分析方法、系统及云平台 | |
| CN116414832A (zh) | 一种基于bim与人工智能的数据档案存储方法及系统 | |
| CN115456039A (zh) | 点击率预估模型训练方法、点击率预估方法及电子设备 | |
| CN115757900A (zh) | 应用人工智能模型的用户需求分析方法及系统 | |
| CN114580761A (zh) | 蒸汽量异常确定方法、装置、电子设备和可读存储介质 | |
| CN114462707A (zh) | 一种基于特征深度融合的Web服务多维QoS联合预测方法 | |
| CN116662415B (zh) | 基于数据挖掘的智能匹配方法及系统 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231129 Address after: B601, Jieshun Technology Center, No. 5 Guansheng Second Road, Luhu Community, Guanhu Street, Longhua District, Shenzhen City, Guangdong Province, 518000 Applicant after: Shenzhen Juling Digital Co.,Ltd. Address before: No. 538 Jinwa Road, Panlong District, Kunming City, Yunnan Province, 650000 Applicant before: Yunnan Yongmu Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |