基于工业互联网和大数据的数据采集方法及系统与流程

1.本发明涉及数据处理技术领域，具体而言，涉及一种基于工业互联网和大数据的数据采集方法及系统。


背景技术：

2.工业互联网(industrialinternet)是新一代信息通信技术与工业经济深度融合的新型基础设施、应用模式和工业生态，通过对人、机、物、系统等的全面连接，构建起覆盖全产业链、全价值链的全新制造和服务体系，为工业乃至产业数字化、网络化、智能化发展提供了实现途径，是第四次工业革命的重要基石。
3.大数据(bigdata)，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。
4.随着在线业务交互、工业数字化服务交互的不断普及和发展，在线业务交互、工业数字化服务交互面临新的数据采集和处理需求。


技术实现要素：

5.第一方面，本发明实施例提供了一种基于工业互联网和大数据的数据采集方法，应用于人工智能系统，所述方法包括：
6.采集目标工业互联网用户对应的拟分析跨模态会话交互大数据；
7.对所述拟分析跨模态会话交互大数据进行会话交互活动解析，得到每个会话单元对应的会话单元活动变量；
8.获得所述拟分析跨模态会话交互大数据中的每个待处理图形会话行为事件；
9.依据所述会话单元活动变量，对每个所述待处理图形会话行为事件进行行为风险预测，得到每个目标图形会话行为事件对应的行为事件风险主题，其中，所述行为事件风险主题为所述目标工业互联网用户相较于每个所述目标图形会话行为事件的行为风险所对应的种类，所述目标图形会话行为事件为属于请求应答行为事件的所述待处理图形会话行为事件；
10.根据每个目标图形会话行为事件对应的行为事件风险主题，对所采集的拟分析跨模态会话交互大数据进行结构化存储。
11.在一些示例中，所述对所述拟分析跨模态会话交互大数据进行会话交互活动解析，得到每个会话单元对应的会话单元活动变量，包括：
12.提炼所述拟分析跨模态会话交互大数据中的每个所述会话单元对应的跨模态会话交互频繁项；
13.将所述跨模态会话交互频繁项确定为所述会话单元活动变量。
14.在一些示例中，所述提炼所述拟分析跨模态会话交互大数据中的每个所述会话单元对应的跨模态会话交互频繁项之后，所述方法还包括：
15.提炼所述拟分析跨模态会话交互大数据中的语音交互信息对应的语音交互声纹描述向量；
16.依据所述语音交互声纹描述向量对所述跨模态会话交互频繁项进行强化，得到所述会话单元活动变量。
17.在一些示例中，所述依据所述语音交互声纹描述向量对所述跨模态会话交互频繁项进行强化，得到所述会话单元活动变量，包括：
18.依据所述跨模态会话交互频繁项的向量尺度，对所述语音交互声纹描述向量进行尺度缩放，得到目标语音交互声纹描述向量；
19.将所述目标语音交互声纹描述向量和所述跨模态会话交互频繁项进行聚合，得到所述会话单元活动变量。
20.在一些示例中，所述获得所述拟分析跨模态会话交互大数据中的每个待处理图形会话行为事件，包括：
21.获得设定滑窗约束值，其中，所述设定滑窗约束值为所述待处理图形会话行为事件对应的最大会话单元覆盖面积；
22.在所述拟分析跨模态会话交互大数据中，从首个会话单元开始到末尾的会话单元，依据一个滑窗约束值至所述设定滑窗约束值进行目标图形会话行为事件捕捉，得到每个所述待处理图形会话行为事件。
23.在一些示例中，所述依据所述会话单元活动变量，对每个所述待处理图形会话行为事件进行行为风险预测，得到每个目标图形会话行为事件对应的行为事件风险主题，包括：
24.依据所述待处理图形会话行为事件中每个所述会话单元的所述会话单元活动变量，确定所述待处理图形会话行为事件对应的行为事件频繁项；
25.依据所述行为事件频繁项对每个所述待处理图形会话行为事件进行请求应答行为事件判别，得到每个所述目标图形会话行为事件；
26.依据所述行为事件频繁项对每个所述目标图形会话行为事件进行事件风险决策，得到每个所述目标图形会话行为事件对应的所述行为事件风险主题。
27.在一些示例中，所述依据所述行为事件频繁项对每个所述待处理图形会话行为事件进行请求应答行为事件判别，得到每个所述目标图形会话行为事件之前，所述方法还包括：提炼所述拟分析跨模态会话交互大数据对应的全局会话交互知识；
28.所述依据所述行为事件频繁项对每个所述待处理图形会话行为事件进行请求应答行为事件判别，得到每个所述目标图形会话行为事件，包括：将所述全局会话交互知识和所述待处理图形会话行为事件对应的会话单元规模中的至少一种，与所述行为事件频繁项进行融合，得到会话行为事件联动变量；依据所述会话行为事件联动变量对每个所述待处理图形会话行为事件进行请求应答行为事件判别，得到每个所述目标图形会话行为事件；
29.所述依据所述行为事件频繁项对每个所述目标图形会话行为事件进行事件风险决策，得到每个所述目标图形会话行为事件对应的所述行为事件风险主题，包括：依据所述全局会话交互知识和每个所述目标图形会话行为事件的所述行为事件频繁项的融合结果，对每个所述目标图形会话行为事件进行事件风险决策，得到每个所述目标图形会话行为事件对应的所述行为事件风险主题。
30.在一些示例中，所述提炼所述拟分析跨模态会话交互大数据对应的全局会话交互知识之后，所述方法还包括：
31.依据所述全局会话交互知识，对所述拟分析跨模态会话交互大数据进行语义解析，得到跨模态会话交互语义关键词；
32.从第一大数据风控策略池中，获得与所述跨模态会话交互语义关键词匹配的第一大数据风控策略；
33.向所述目标工业互联网用户下发所述第一大数据风控策略。
34.在一些示例中，所述依据所述会话单元活动变量，对每个所述待处理图形会话行为事件进行行为风险预测，得到每个目标图形会话行为事件对应的行为事件风险主题之后，所述方法还包括：
35.依据每个所述目标图形会话行为事件对应的所述行为事件风险主题，确定所述目标工业互联网用户对应的属于钓鱼陷阱主题的至少一个所述目标图形会话行为事件；
36.从第二大数据风控策略池中，获得与至少一个所述目标图形会话行为事件匹配的第二大数据风控策略；
37.向所述目标工业互联网用户下发所述第二大数据风控策略。
38.在一些示例中，所述从第二大数据风控策略池中，获得与至少一个所述目标图形会话行为事件匹配的第二大数据风控策略之后，所述方法还包括：
39.对于至少一个所述目标图形会话行为事件中的每个所述目标图形会话行为事件，汇总目标工业互联网用户集合；
40.向所述目标工业互联网用户集合中的每个所述目标工业互联网用户下发所述第二大数据风控策略。
41.在一些示例中，所述依据所述行为事件频繁项对每个所述待处理图形会话行为事件进行请求应答行为事件判别，得到每个所述目标图形会话行为事件，基于请求应答行为事件判别网络实施；
42.所述请求应答行为事件判别网络是基于如下步骤调试所得的：
43.获得行为事件调试样例，其中，所述行为事件调试样例包括待处理图形会话行为事件样例和行为事件先验注释；
44.利用待调试请求应答行为事件判别网络对所述待处理图形会话行为事件样例进行请求应答行为事件判别，得到行为事件推理结果；
45.依据所述行为事件推理结果与所述行为事件先验注释之间的区别，在所述待调试请求应答行为事件判别网络中进行反馈调试，得到所述请求应答行为事件判别网络。
46.在一些示例中，所述依据所述行为事件频繁项对每个所述目标图形会话行为事件进行事件风险决策，得到每个所述目标图形会话行为事件对应的所述行为事件风险主题，以及，所述依据所述全局会话交互知识，对所述拟分析跨模态会话交互大数据进行语义解析，得到跨模态会话交互语义关键词，基于深度决策树网络实施；
47.所述深度决策树网络是基于如下步骤调试所得的：
48.获得风险主题调试样例，其中，所述风险主题调试样例包括跨模态会话交互大数据样例、跨模态会话交互大数据样例对应的目标图形会话行为事件样例、语义关键词先验注释和风险主题先验注释；
49.利用待调试请求应答行为事件判别网络对所述跨模态会话交互大数据样例和所述跨模态会话交互大数据样例对应的所述目标图形会话行为事件样例进行多元决策，得到与所述跨模态会话交互大数据样例对应的会话交互语义推理关键词、以及与所述跨模态会话交互大数据样例的所述目标图形会话行为事件样例对应的风险主题推理结果；
50.依据所述语义关键词先验注释和所述会话交互语义推理关键词之间的区别、以及所述风险主题先验注释与所述风险主题推理结果之间的区别，在所述待调试深度决策树网络中进行反馈调试，得到所述深度决策树网络。
51.第二方面，本发明实施例还提供了一种人工智能系统，包括处理引擎、网络模块和存储器，所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎用于从所述存储器中读取计算机程序并运行，以实现上述的方法。
52.第三方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序运行时实现上述的方法。
53.在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前发明中的特征可以被实现和获得。
54.本发明实施例通过对拟分析跨模态会话交互大数据进行请求应答行为事件判别，并确定判别得到的每个目标图形会话行为事件对应的行为事件风险主题，可以精准确定目标工业互联网用户针对每个目标图形会话行为事件的风险趋势；进而依据目标工业互联网用户针对每个目标图形会话行为事件的风险趋势进行结构化存储时，是一种依据目标图形会话行为事件的事件细节特征进行的结构化存储的过程，在此基础上，能够结合每个目标图形会话行为事件对应的行为事件风险主题，对所采集的拟分析跨模态会话交互大数据进行精准分类和准确完整的结构化存储，便于后期在执行风险分析任务时能够快速、准确调用相应的内容进行处理。
附图说明
55.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
56.附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中参考数字在附图的各个视图中代表相似的机构。
57.图1是根据本发明的一些实施例所示的一种示例性人工智能系统中硬件和软件组成的示意图。
58.图2是根据本发明的一些实施例所示的一种示例性基于工业互联网和大数据的数据采集方法和/或过程的流程图。
具体实施方式
59.为了更好的理解上述技术方案，下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。
60.在下面的详细描述中，通过实例阐述了许多具体细节，以便提供对相关指导的全面了解。然而，对于本领域的技术人员来说，显然可以在没有这些细节的情况下实施本发明。在其他情况下，公知的方法、程序、系统、组成和/或电路已经在一个相对较高水平上被描述，没有细节，以避免不必要的模糊本发明的方面。
61.这些和其他特性、当前发明披露的功能、执行的方法、结构中相关元素的功能和部件的组合和生产经济性，在参照附图进行以下描述的考虑中可能会变得更加明显，所有这些形成本发明的一部分。然而，需要理解清楚的是，附图仅仅是为了说明和描述的目的，并不旨在限制本发明的范围。应当了解的是，这些图纸不是按比例绘制的。然而，应当明确理解的是，附图仅用于说明和描述的目的，并不意图限制本发明的范围。应当知晓的是，这些附图并不依照比例。
62.本发明中使用流程图说明根据本发明的实施例的系统所执行的执行过程。应当明确理解的是，流程图的执行过程可以不按顺序执行。相反，这些执行过程可以以相反的顺序或同时执行。另外，可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。
63.图1是根据本发明的一些实施例所示的一种人工智能系统100的结构组成框图，人工智能系统100可以包括处理引擎110、网络模块120和存储器130，处理引擎110和存储器130通过网络模块120通信。
64.处理引擎110可以处理相关的信息和/或数据以执行本发明中描述的一个或多个功能。例如，在一些实施例中，处理引擎110可以包括至少一个处理引擎(例如，单核处理引擎或多核处理器)。仅作为示例，处理引擎110可以包括中央处理单元(centralprocessingunit，cpu)、专用集成电路(application-specificintegratedcircuit，asic)、专用指令集处理器(application-specificinstruction-setprocessor，asip)、图形处理单元(graphicsprocessingunit，gpu)、物理处理单元(physicsprocessingunit，ppu)、数字信号处理器(digitalsignalprocessor，dsp)、现场可编程门阵列(fieldprogrammablegatearray，fpga)、可编程逻辑器件(programmable logicdevice，pld)、控制器、微控制器单元、精简指令集计算机(reduced instruction-setcomputer，risc)、微处理器等或其任意组合。
65.网络模块120可以促进信息和/或数据的交换。在一些实施例中，网络模块120可以是任何类型的有线或无线网络或其组合。仅作为示例，网络模块120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(localareanetwork，lan)、广域网(wideareanetwork，wan)、无线局域网络(wirelesslocalareanetwork，wlan)、城域网(metropolitanareanetwork，man)、公用电话交换网(publictelephone switchednetwork，pstn)、蓝牙网络、无线个域网络、近场通讯(nearfield communication，nfc)网络等或上述举例的任意组合。在一些实施例中，网络模块120可以包括至少一个网络接入点。例如，网络
模块120可以包括有线或无线网路接入点，如基站和/或网路接入点。
66.存储器130可以是，但不限于，随机存取存储器(randomaccessmemory，ram)，只读存储器(readonlymemory，rom)，可编程只读存储器(programmableread-onlymemory，prom)，可擦除只读存储器(erasable programmableread-onlymemory，eprom)，电可擦除只读存储器(electric erasableprogrammableread-onlymemory，eeprom)等。其中，存储器130用于存储程序，所述处理引擎110在接收到执行指令后，执行所述程序。
67.可以理解，图1所示的结构仅为示意，人工智能系统100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
68.图2是根据本发明的一些实施例所示的一种示例性基于工业互联网和大数据的数据采集方法和/或过程的流程图，基于工业互联网和大数据的数据采集方法应用于图1中的人工智能系统100，进一步可以包括步骤101-步骤104。
69.步骤101、获得目标工业互联网用户对应的拟分析跨模态会话交互大数据。
70.在本发明实施例中，人工智能系统用于对目标工业互联网用户对应的拟分析跨模态会话交互大数据进行请求应答行为事件判别；目标工业互联网用户是指参与在线业务交互、工业数字化服务交互的终端电子设备所对应的工业互联网用户。其中，拟分析跨模态会话交互大数据包括不同模态的会话数据的组合，比如语音音频、图像视频模态的会话数据的组合。所属领域技术人员可以根据实际情况获取不同的拟分析跨模态会话交互大数据。
71.步骤102、对拟分析跨模态会话交互大数据进行会话交互活动解析，得到每个会话单元对应的会话单元活动变量。
72.在本发明实施例中，人工智能系统通过分析拟分析跨模态会话交互大数据来对目标工业互联网用户所对应的目标图形会话行为事件进行结构化存储；人工智能系统在对拟分析跨模态会话交互大数据进行分析时，先获得每个会话单元(比如会话图像块)对应的会话单元活动变量，也即获得了相应的会话特征，进而以每个会话单元对应的会话单元活动变量为依据，对拟分析跨模态会话交互大数据进行处理。
73.步骤103、获得拟分析跨模态会话交互大数据中的每个待处理图形会话行为事件。
74.在本发明实施例中，人工智能系统对拟分析跨模态会话交互大数据中的会话单元进行组合，将拟分析跨模态会话交互大数据中至少一个关联的会话单元构成的会话单元集，确定为一个待处理图形会话行为事件；其中，待处理图形会话行为事件可能是请求应答行为事件，也可能不是请求应答行为事件。其中，请求应答行为事件用于表征存在请求行为和应答行为交互的事件，这类事件存在数据安全风险的概率较高，因而本发明实施例可以关注这类事件。
75.步骤104、依据会话单元活动变量，对每个待处理图形会话行为事件进行行为风险预测，得到每个目标图形会话行为事件对应的行为事件风险主题；根据每个目标图形会话行为事件对应的行为事件风险主题，对所采集的拟分析跨模态会话交互大数据进行结构化存储。
76.在本发明实施例中，人工智能系统依据拟分析跨模态会话交互大数据中的每个会话单元对应的会话单元活动变量，确定每个待处理图形会话行为事件中的至少一个关联的会话单元对应的至少一个会话单元活动变量，并依据确定的至少一个会话单元活动变量对
每个待处理图形会话行为事件进行请求应答行为事件判别，得到是请求应答行为事件的待处理图形会话行为事件，并将是请求应答行为事件的待处理图形会话行为事件确定为目标图形会话行为事件。然后，人工智能系统对目标工业互联网用户相较于每个目标图形会话行为事件的行为风险类别进行行为风险预测，解析出每个目标图形会话行为事件对应的行为事件风险主题。
77.进一步地，结构化存储能够将拟分析跨模态会话交互大数据中存在关联的数据块/信息块进行树状连接，通过文件目录的形式进行关联存储，这样可以便于后期快速调用和访问。
78.其中，目标图形会话行为事件是请求应答行为事件；行为事件风险主题为目标工业互联网用户相较于每个目标图形会话行为事件的行为风险所对应的种类，比如，信息窃取，流量攻击，碎片攻击等；目标图形会话行为事件为属于请求应答行为事件的待处理图形会话行为事件。
79.可以理解的是，人工智能系统在对目标工业互联网用户对应的拟分析跨模态会话交互大数据进行请求应答行为事件判别时，不仅解析出了拟分析跨模态会话交互大数据中的请求应答行为事件，还解析出了目标工业互联网用户对请求应答行为事件的风险趋势；因此，所获得的请求应答行为事件判别结果的丰富性得以保障，能够提升请求应答行为事件判别的效果。
80.在本发明实施例中，人工智能系统还用于进行结构化存储；从而，人工智能系统得到了每个目标图形会话行为事件对应的行为事件风险主题之后，还依据每个目标图形会话行为事件对应的行为事件风险主题，对目标工业互联网用户对应的目标图形会话行为事件进行结构化存储。
81.可以理解的是，人工智能系统在对目标工业互联网用户对应的拟分析跨模态会话交互大数据进行分析时，不仅能解析出拟分析跨模态会话交互大数据中的请求应答行为事件，还能够获得到目标工业互联网用户对判别得到的请求应答行为事件对应的行为事件风险主题，使得能够及时精准确定每个请求应答行为事件的行为事件风险类别，进而依据对每个请求应答行为事件的行为事件风险类别，准确地对目标工业互联网用户的目标图形会话行为事件进行结构化存储。
82.其中，步骤102可通过步骤1021和步骤1022实现。
83.步骤1021、提取拟分析跨模态会话交互大数据中的每个会话单元对应的跨模态会话交互频繁项。
84.可以理解，人工智能系统对拟分析跨模态会话交互大数据中的每个会话单元进行会话特征挖掘，也即提取到了每个会话单元对应的跨模态会话交互频繁项(会话图像特征)。
85.步骤1022、将跨模态会话交互频繁项确定为会话单元活动变量。
86.在本发明实施例中，人工智能系统可以直接将拟分析跨模态会话交互大数据中的每个会话单元对应的跨模态会话交互频繁项，确定为拟分析跨模态会话交互大数据中的每个会话单元对应的会话单元活动变量。
87.当拟分析跨模态会话交互大数据中还包括语音交互信息时，步骤1021之后还包括步骤1023和步骤1024。
88.步骤1023、提取拟分析跨模态会话交互大数据中的语音交互信息对应的语音交互声纹描述向量。
89.可以理解，如果拟分析跨模态会话交互大数据中还包括语音交互信息，人工智能系统提取拟分析跨模态会话交互大数据中的语音交互信息的特征，得到语音交互声纹描述向量，以将语音交互声纹描述向量与跨模态会话交互频繁项结合，得到会话单元活动变量。
90.步骤1024、依据语音交互声纹描述向量对跨模态会话交互频繁项进行强化，得到会话单元活动变量。
91.在本发明实施例中，人工智能系统将语音交互声纹描述向量与跨模态会话交互频繁项进行结合，以利用语音交互声纹描述向量对跨模态会话交互频繁项进行强化(特征增强处理)，并将结合后的结果确定为拟分析跨模态会话交互大数据中的每个会话单元对应的会话单元活动变量。
92.其中，步骤1024可通过步骤10241和步骤10242实现。
93.步骤10241、依据跨模态会话交互频繁项的向量尺度，对语音交互声纹描述向量进行尺度缩放，得到目标语音交互声纹描述向量。
94.可以理解，人工智能系统为了将语音交互声纹描述向量与跨模态会话交互频繁项结合，先依据跨模态会话交互频繁项的向量尺度，对语音交互声纹描述向量进行尺度缩放(维度变换)，以使尺度缩放后的语音交互声纹描述向量的维度与跨模态会话交互频繁项的维度一致；以保障跨模态会话交互频繁项和语音交互声纹描述向量可以结合；本发明实施例中，尺度缩放后的语音交互声纹描述向量即目标语音交互声纹描述向量。
95.在本发明实施例中，人工智能系统可以采用ai算法对拟分析跨模态会话交互大数据中的语音交互信息进行会话交互活动解析，得到语音交互声纹描述向量，再通过尺度缩放得到目标语音交互声纹描述向量；还可以依据跨模态会话交互频繁项的向量尺度，从ai算法的输出组件中，获得与跨模态会话交互频繁项的向量尺度相同的输出特征，以直接获得目标语音交互声纹描述向量。
96.步骤10242、将目标语音交互声纹描述向量和跨模态会话交互频繁项进行聚合，得到会话单元活动变量。
97.可以理解，人工智能系统将目标语音交互声纹描述向量与拟分析跨模态会话交互大数据中的每个会话单元对应的跨模态会话交互频繁项进行拼接，拼接得到的结果即拟分析跨模态会话交互大数据中的每个会话单元对应的会话单元活动变量。
98.其中，人工智能系统将拟分析跨模态会话交互大数据中的语音交互信息对应的语音交互声纹描述向量作为参考，用于对拟分析跨模态会话交互大数据中的每个会话单元的跨模态会话交互频繁项进行强化，进而获得特征表征性能更佳的会话单元活动变量；从而，在依据会话单元活动变量进行行为风险预测处理时，能够提升解析结果的精度。
99.在本发明实施例中，步骤103可通过步骤1031和步骤1032实现。
100.步骤1031、获得设定滑窗约束值。
101.可以理解，设定滑窗约束值为待处理图形会话行为事件对应的最大会话单元覆盖面积，也可以理解为图像处理过程中的感受野；另外，人工智能系统可以灵活确定设定滑窗约束值，还可以依据历史记录确定设定滑窗约束值，又可以依据拟分析跨模态会话交互大数据中的语句的会话单元规模确定设定滑窗约束值，以及可以依据目标图形会话行为事件
的会话单元规模确定设定滑窗约束值。
102.步骤1032、在拟分析跨模态会话交互大数据中，从首个会话单元开始到末尾的会话单元，依据一个滑窗约束值至设定滑窗约束值进行目标图形会话行为事件捕捉，得到每个待处理图形会话行为事件。
103.可以理解，人工智能系统从拟分析跨模态会话交互大数据的首个会话单元开始，直至拟分析跨模态会话交互大数据的末尾的会话单元，均依据一个滑窗约束值、两个滑窗约束值、等等、设定滑窗约束值，依次获得与每个会话单元对应的会话单元集，并将获得的每个会话单元集作为一个待处理图形会话行为事件，从而获得拟分析跨模态会话交互大数据对应的每个待处理图形会话行为事件。
104.在本发明实施例中，步骤104可通过步骤1041至步骤1043实现。
105.步骤1041、依据待处理图形会话行为事件中每个会话单元的会话单元活动变量，确定待处理图形会话行为事件对应的行为事件频繁项。
106.可以理解，由于每个待处理图形会话行为事件包括至少一个会话单元，因此，人工智能系统依据拟分析跨模态会话交互大数据中的每个会话单元对应的会话单元活动变量，确定每个待处理图形会话行为事件中每个会话单元的会话单元活动变量；然后，人工智能系统可以将待处理图形会话行为事件中每个会话单元的会话单元活动变量进行组合，得到待处理图形会话行为事件对应的行为事件频繁项。这里，人工智能系统可以将待处理图形会话行为事件中每个会话单元的会话单元活动变量进行基于权重的加和处理，得到行为事件频繁项；还可以将待处理图形会话行为事件中至少一个会话单元对应的至少一个会话单元活动变量进行平均化处理，得到行为事件频繁项。
107.步骤1042、依据行为事件频繁项对每个待处理图形会话行为事件进行请求应答行为事件判别，得到每个目标图形会话行为事件。
108.可以理解，人工智能系统可以直接对行为事件频繁项进行请求应答行为事件判别，以对每个待处理图形会话行为事件进行请求应答行为事件判别；还可以将行为事件频繁项与剩余特征频繁项组合，再对组合后的特征进行请求应答行为事件判别，以对每个待处理图形会话行为事件进行请求应答行为事件判别，其中，剩余特征频繁项比如为待处理图形会话行为事件的会话单元规模特征，又比如是拟分析跨模态会话交互大数据的全局会话交互知识。
109.步骤1043、依据行为事件频繁项对每个目标图形会话行为事件进行事件风险决策，得到每个目标图形会话行为事件对应的行为事件风险主题。
110.可以理解，人工智能系统可以直接对行为事件频繁项进行事件风险决策，以对每个目标图形会话行为事件进行事件风险决策；还可以将行为事件频繁项与拟分析跨模态会话交互大数据的全局会话交互知识(会话内容特征)组合，再对组合后的特征进行事件风险决策。
111.在本发明实施例中，步骤1042之前还包括步骤1044。
112.步骤1044、提取拟分析跨模态会话交互大数据对应的全局会话交互知识。
113.可以理解，人工智能系统提取的全局会话交互知识是指拟分析跨模态会话交互大数据的整体的会话图像描述。
114.在本发明实施例中，步骤1042可通过步骤10421和步骤10422实现。
115.步骤10421、将全局会话交互知识和待处理图形会话行为事件对应的会话单元规模中的至少一种，与行为事件频繁项进行融合，得到会话行为事件联动变量。
116.可以理解，人工智能系统可以将行为事件频繁项确定为会话行为事件联动变量，还可以将全局会话交互知识和行为事件频繁项融合为会话行为事件联动变量，又可以将待处理图形会话行为事件对应的会话单元规模和行为事件频繁项融合为会话行为事件联动变量，以及可以将全局会话交互知识、会话单元规模和行为事件频繁项融合为会话行为事件联动变量。
117.步骤10422、依据会话行为事件联动变量对每个待处理图形会话行为事件进行请求应答行为事件判别，得到每个目标图形会话行为事件。
118.在本发明实施例中，人工智能系统通过对会话行为事件联动变量进行请求应答行为事件判别，以实现对每个待处理图形会话行为事件的请求应答行为事件判别。
119.在本发明实施例中，步骤1043可通过步骤10431实现。
120.步骤10431、依据全局会话交互知识和每个目标图形会话行为事件的行为事件频繁项的融合结果，对每个目标图形会话行为事件进行事件风险决策，得到每个目标图形会话行为事件对应的行为事件风险主题。
121.可以理解，人工智能系统可以通过对行为事件频繁项进行事件风险决策来确定每个目标图形会话行为事件对应的行为事件风险主题，还可以通过对全局会话交互知识和行为事件频繁项的融合结果进行事件风险决策来确定每个目标图形会话行为事件对应的行为事件风险主题。
122.在本发明实施例中，步骤1044之后还包括步骤1045至步骤1047。
123.步骤1045、依据全局会话交互知识，对拟分析跨模态会话交互大数据进行语义解析，得到跨模态会话交互语义关键词。
124.可以理解，人工智能系统通过对全局会话交互知识进行语义解析，以确定拟分析跨模态会话交互大数据所对应的种类；其中，拟分析跨模态会话交互大数据所对应的种类即跨模态会话交互语义关键词。
125.步骤1046、从第一大数据风控策略池中，获得与跨模态会话交互语义关键词匹配的第一大数据风控策略。
126.步骤1047、向目标工业互联网用户下发第一大数据风控策略。
127.可以理解，第一大数据风控策略池是指信息与跨模态会话交互语义关键词的映射关系，人工智能系统依据信息与跨模态会话交互语义关键词的映射关系，获得与跨模态会话交互语义关键词匹配的第一大数据风控策略，并向目标工业互联网用户下发第一大数据风控策略，实现大数据风控策略下发，并为结构化存储提供相应的数据原料。
128.在本发明实施例中，人工智能系统依据每个目标图形会话行为事件对应的行为事件风险主题，对目标工业互联网用户进行策略匹配，包括步骤1051至步骤1053。
129.步骤1051、依据每个目标图形会话行为事件对应的行为事件风险主题，确定目标工业互联网用户对应的属于钓鱼陷阱主题的至少一个目标图形会话行为事件。
130.可以理解，人工智能系统依据每个目标图形会话行为事件对应的行为事件风险主题，从拟分析跨模态会话交互大数据对应的各个目标图形会话行为事件中获得属于钓鱼陷阱主题的至少一个目标图形会话行为事件。可以理解，属于钓鱼陷阱主题的至少一个目标
图形会话行为事件，是目标工业互联网用户所对应的请求应答行为事件。
131.步骤1052、从第二大数据风控策略池中，获得与至少一个目标图形会话行为事件匹配的第二大数据风控策略。
132.步骤1053、向目标工业互联网用户下发第二大数据风控策略。
133.可以理解，第二大数据风控策略池是指信息与目标图形会话行为事件的映射关系，人工智能系统依据信息与目标图形会话行为事件的映射关系，获得与至少一个目标图形会话行为事件匹配的第二大数据风控策略，并向目标工业互联网用户下发第二大数据风控策略，实现大数据风控策略下发，并为结构化存储提供相应的数据原料。
134.步骤1051之后还包括步骤1054和步骤1055；换言之，人工智能系统依据每个目标图形会话行为事件对应的行为事件风险主题，确定目标工业互联网用户对应的属于钓鱼陷阱主题的至少一个目标图形会话行为事件，包括步骤1054和步骤1055。
135.步骤1054、对于至少一个目标图形会话行为事件中的每个目标图形会话行为事件，汇总目标工业互联网用户集合。
136.可以理解，人工智能系统对每个目标工业互联网用户分别对应的拟分析跨模态会话交互大数据进行分析，获得每个目标工业互联网用户对应的属于钓鱼陷阱主题的至少一个目标图形会话行为事件；并依据每个目标工业互联网用户对应的至少一个目标图形会话行为事件，确定每个目标图形会话行为事件对应的目标工业互联网用户集合。可以理解，至少一个目标图形会话行为事件中的每个目标图形会话行为事件对应的目标工业互联网用户集合，均匹配该目标图形会话行为事件。
137.步骤1055、向目标工业互联网用户集合中的每个目标工业互联网用户下发第二大数据风控策略。
138.人工智能系统通过获得至少一个目标图形会话行为事件中的每个目标图形会话行为事件对应的目标工业互联网用户集合，并向目标工业互联网用户集合中的每个目标工业互联网用户下发第二大数据风控策略，实现了多个目标工业互联网用户的策略下发，从而为目标工业互联网用户、目标图形会话行为事件以及大数据风控策略的结构化存储提供数据原料。
139.在本发明实施例中，步骤1042可通过请求应答行为事件判别网络实现；换言之，人工智能系统依据行为事件频繁项对每个待处理图形会话行为事件进行请求应答行为事件判别，得到每个目标图形会话行为事件，基于请求应答行为事件判别网络实施；其中，请求应答行为事件判别网络是基于如下步骤调试所得的：人工智能系统获得行为事件调试样例，行为事件调试样例包括待处理图形会话行为事件样例和行为事件先验注释；利用待调试请求应答行为事件判别网络对待处理图形会话行为事件样例进行请求应答行为事件判别，得到行为事件推理结果；依据行为事件推理结果与行为事件先验注释之间的区别，在待调试请求应答行为事件判别网络中进行反馈调试，得到请求应答行为事件判别网络。
140.可以理解，待处理图形会话行为事件样例为待进行请求应答行为事件判别的会话单元集样例；行为事件先验注释是指待处理图形会话行为事件样例是否为请求应答行为事件的标注结果；行为事件推理结果是指待调试请求应答行为事件判别网络的预测结果。
141.可以理解的是，人工智能系统将用于请求应答行为事件判别的请求应答行为事件判别网络独立地作为一个调试任务，能够提升目标图形会话行为事件的准确度和鲁棒性。
142.在本发明实施例中，步骤1043和步骤1045可通过请求应答行为事件判别网络实现；换言之，人工智能系统依据行为事件频繁项对每个目标图形会话行为事件进行事件风险决策，得到每个目标图形会话行为事件对应的行为事件风险主题，以及，依据全局会话交互知识，对拟分析跨模态会话交互大数据进行语义解析，得到跨模态会话交互语义关键词，基于深度决策树网络实施；其中，深度决策树网络是基于如下步骤调试所得的：人工智能系统获得风险主题调试样例，风险主题调试样例包括跨模态会话交互大数据样例、跨模态会话交互大数据样例对应的目标图形会话行为事件样例、语义关键词先验注释和风险主题先验注释；利用待调试请求应答行为事件判别网络对跨模态会话交互大数据样例和跨模态会话交互大数据样例对应的目标图形会话行为事件样例分别进行多元决策，得到与跨模态会话交互大数据样例对应的会话交互语义推理关键词、以及与跨模态会话交互大数据样例的目标图形会话行为事件样例对应的风险主题推理结果；依据语义关键词先验注释和会话交互语义推理关键词之间的区别、以及风险主题先验注释与风险主题推理结果之间的区别，在待调试深度决策树网络中进行反馈调试，得到深度决策树网络。
143.可以理解，跨模态会话交互大数据样例为进行语义解析的跨模态会话交互大数据；跨模态会话交互大数据样例对应的目标图形会话行为事件样例为跨模态会话交互大数据样例中属于请求应答行为事件的会话单元集；语义关键词先验注释为跨模态会话交互大数据样例所对应的种类；风险主题先验注释为跨模态会话交互大数据样例对应的目标图形会话行为事件样例所对应的风险主题种类。另外，会话交互语义推理关键词是指待调试深度决策树网络输出的与跨模态会话交互大数据样例对应的结果；风险主题推理结果是指待调试深度决策树网络输出的与跨模态会话交互大数据样例的目标图形会话行为事件样例对应的结果。
144.通过将行为事件风险主题的解析和跨模态会话交互语义关键词的解析作为一个调试任务实现，不仅可以保障调试质量，还能够提高调试效率。
145.综上，在采集到目标工业互联网用户对应的拟分析跨模态会话交互大数据之后，一方面通过对拟分析跨模态会话交互大数据中的每个待处理图形会话行为事件进行行为事件风险主题预测，可以准确确定目标工业互联网用户相较于每个所述目标图形会话行为事件的行为风险所对应的种类，另一方面通过为目标工业互联网用户下发大数据风控策略，可以提高会话交互的风险防控，在此基础上还可以将目标工业互联网用户、目标图形会话行为事件、行为事件风险主题以及大数据风控策略进行关联结构化存储，从而实现对采集到的数据的加工处理，确保后序高效精准的数据调用和访问。
146.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅作为示例，而并不构成对本发明的限定。虽然此处并没有明确说明，本领域技术人员可以对本发明进行各种修改、改进和修正。该类修改、改进和修正在本发明中被建议，所以该类修改、改进、修正仍属于本发明示范实施例的精神和范围。
147.同时，本发明使用了特定术语来描述本发明的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本发明至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同部分两次或多次提到的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本发明的至少一个实施例中的某些特征、结构或特点可以进行适当的组合。
148.另外，本领域普通技术人员可以理解的是，本发明的各个方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们任何新的和有用的改进。相应地，本发明的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可以被称为“单元”、“组件”或“系统”。此外，本发明的各方面可以表现为位于至少一个计算机可读介质中的计算机产品，所述产品包括计算机可读程序编码。
149.计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤缆线、rf、或类似介质、或任何上述介质的组合。
150.本发明各方面执行所需的计算机程序码可以用一种或多种程序语言的任意组合编写，包括面向对象程序设计，如java、scala、smalltalk、eiffel、jade、emerald、c++、c#、vb.net，python等，或类似的常规程序编程语言，如c编程语言，visualbasic，fortran2003，perl，cobol2002，php，abap，动态编程语言如python，ruby和groovy或其它编程语言。所述程式设计编码可以完全在用户计算机上执行、或作为独立的软体包在用户计算机上执行、或部分在用户计算机上执行部分在远程计算机执行、或完全在远程计算机或服务器上执行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网络(lan)或广域网(wan)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(saas)。
151.此外，除非发明专利范围中明确说明，本发明所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用，并非用于限定本发明流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的发明专利范围并不仅限于披露的实施例，相反，发明专利范围旨在覆盖所有符合本发明实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件装置实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或行动装置上安装所描述的系统。
152.同样应当理解的是，为了简化本发明揭示的表述，从而帮助对至少一个发明实施例的理解，前文对本发明实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法幷不意味着本发明对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

技术特征：
1.一种基于工业互联网和大数据的数据采集方法，其特征在于，应用于人工智能系统，所述方法包括：采集目标工业互联网用户对应的拟分析跨模态会话交互大数据；对所述拟分析跨模态会话交互大数据进行会话交互活动解析，得到每个会话单元对应的会话单元活动变量；获得所述拟分析跨模态会话交互大数据中的每个待处理图形会话行为事件；依据所述会话单元活动变量，对每个所述待处理图形会话行为事件进行行为风险预测，得到每个目标图形会话行为事件对应的行为事件风险主题，其中，所述行为事件风险主题为所述目标工业互联网用户相较于每个所述目标图形会话行为事件的行为风险所对应的种类，所述目标图形会话行为事件为属于请求应答行为事件的所述待处理图形会话行为事件；根据每个目标图形会话行为事件对应的行为事件风险主题，对所采集的拟分析跨模态会话交互大数据进行结构化存储。2.根据权利要求1所述的方法，其特征在于，所述对所述拟分析跨模态会话交互大数据进行会话交互活动解析，得到每个会话单元对应的会话单元活动变量，包括：提炼所述拟分析跨模态会话交互大数据中的每个所述会话单元对应的跨模态会话交互频繁项；将所述跨模态会话交互频繁项确定为所述会话单元活动变量；其中，所述提炼所述拟分析跨模态会话交互大数据中的每个所述会话单元对应的跨模态会话交互频繁项之后，所述方法还包括：提炼所述拟分析跨模态会话交互大数据中的语音交互信息对应的语音交互声纹描述向量；依据所述语音交互声纹描述向量对所述跨模态会话交互频繁项进行强化，得到所述会话单元活动变量；其中，所述依据所述语音交互声纹描述向量对所述跨模态会话交互频繁项进行强化，得到所述会话单元活动变量，包括：依据所述跨模态会话交互频繁项的向量尺度，对所述语音交互声纹描述向量进行尺度缩放，得到目标语音交互声纹描述向量；将所述目标语音交互声纹描述向量和所述跨模态会话交互频繁项进行聚合，得到所述会话单元活动变量。3.根据权利要求1所述的方法，其特征在于，所述获得所述拟分析跨模态会话交互大数据中的每个待处理图形会话行为事件，包括：获得设定滑窗约束值，其中，所述设定滑窗约束值为所述待处理图形会话行为事件对应的最大会话单元覆盖面积；在所述拟分析跨模态会话交互大数据中，从首个会话单元开始到末尾的会话单元，依据一个滑窗约束值至所述设定滑窗约束值进行目标图形会话行为事件捕捉，得到每个所述待处理图形会话行为事件。4.根据权利要求1所述的方法，其特征在于，所述依据所述会话单元活动变量，对每个所述待处理图形会话行为事件进行行为风险预测，得到每个目标图形会话行为事件对应的行为事件风险主题，包括：依据所述待处理图形会话行为事件中每个所述会话单元的所述会话单元活动变量，确定所述待处理图形会话行为事件对应的行为事件频繁项；依据所述行为事件频繁项对每个所述待处理图形会话行为事件进行请求应答行为事
件判别，得到每个所述目标图形会话行为事件；依据所述行为事件频繁项对每个所述目标图形会话行为事件进行事件风险决策，得到每个所述目标图形会话行为事件对应的所述行为事件风险主题。5.根据权利要求4所述的方法，其特征在于，所述依据所述行为事件频繁项对每个所述待处理图形会话行为事件进行请求应答行为事件判别，得到每个所述目标图形会话行为事件之前，所述方法还包括：提炼所述拟分析跨模态会话交互大数据对应的全局会话交互知识；所述依据所述行为事件频繁项对每个所述待处理图形会话行为事件进行请求应答行为事件判别，得到每个所述目标图形会话行为事件，包括：将所述全局会话交互知识和所述待处理图形会话行为事件对应的会话单元规模中的至少一种，与所述行为事件频繁项进行融合，得到会话行为事件联动变量；依据所述会话行为事件联动变量对每个所述待处理图形会话行为事件进行请求应答行为事件判别，得到每个所述目标图形会话行为事件；所述依据所述行为事件频繁项对每个所述目标图形会话行为事件进行事件风险决策，得到每个所述目标图形会话行为事件对应的所述行为事件风险主题，包括：依据所述全局会话交互知识和每个所述目标图形会话行为事件的所述行为事件频繁项的融合结果，对每个所述目标图形会话行为事件进行事件风险决策，得到每个所述目标图形会话行为事件对应的所述行为事件风险主题。6.根据权利要求5所述的方法，其特征在于，所述提炼所述拟分析跨模态会话交互大数据对应的全局会话交互知识之后，所述方法还包括：依据所述全局会话交互知识，对所述拟分析跨模态会话交互大数据进行语义解析，得到跨模态会话交互语义关键词；从第一大数据风控策略池中，获得与所述跨模态会话交互语义关键词匹配的第一大数据风控策略；向所述目标工业互联网用户下发所述第一大数据风控策略。7.根据权利要求1所述的方法，其特征在于，所述依据所述会话单元活动变量，对每个所述待处理图形会话行为事件进行行为风险预测，得到每个目标图形会话行为事件对应的行为事件风险主题之后，所述方法还包括：依据每个所述目标图形会话行为事件对应的所述行为事件风险主题，确定所述目标工业互联网用户对应的属于钓鱼陷阱主题的至少一个所述目标图形会话行为事件；从第二大数据风控策略池中，获得与至少一个所述目标图形会话行为事件匹配的第二大数据风控策略；向所述目标工业互联网用户下发所述第二大数据风控策略；其中，所述从第二大数据风控策略池中，获得与至少一个所述目标图形会话行为事件匹配的第二大数据风控策略之后，所述方法还包括：对于至少一个所述目标图形会话行为事件中的每个所述目标图形会话行为事件，汇总目标工业互联网用户集合；向所述目标工业互联网用户集合中的每个所述目标工业互联网用户下发所述第二大数据风控策略。8.根据权利要求4所述的方法，其特征在于，所述依据所述行为事件频繁项对每个所述待处理图形会话行为事件进行请求应答行为事件判别，得到每个所述目标图形会话行为事件，基于请求应答行为事件判别网络实施；所述请求应答行为事件判别网络是基于如下步骤调试所得的：
获得行为事件调试样例，其中，所述行为事件调试样例包括待处理图形会话行为事件样例和行为事件先验注释；利用待调试请求应答行为事件判别网络对所述待处理图形会话行为事件样例进行请求应答行为事件判别，得到行为事件推理结果；依据所述行为事件推理结果与所述行为事件先验注释之间的区别，在所述待调试请求应答行为事件判别网络中进行反馈调试，得到所述请求应答行为事件判别网络。9.根据权利要求6所述的方法，其特征在于，所述依据所述行为事件频繁项对每个所述目标图形会话行为事件进行事件风险决策，得到每个所述目标图形会话行为事件对应的所述行为事件风险主题，以及，所述依据所述全局会话交互知识，对所述拟分析跨模态会话交互大数据进行语义解析，得到跨模态会话交互语义关键词，基于深度决策树网络实施；所述深度决策树网络是基于如下步骤调试所得的：获得风险主题调试样例，其中，所述风险主题调试样例包括跨模态会话交互大数据样例、跨模态会话交互大数据样例对应的目标图形会话行为事件样例、语义关键词先验注释和风险主题先验注释；利用待调试请求应答行为事件判别网络对所述跨模态会话交互大数据样例和所述跨模态会话交互大数据样例对应的所述目标图形会话行为事件样例进行多元决策，得到与所述跨模态会话交互大数据样例对应的会话交互语义推理关键词、以及与所述跨模态会话交互大数据样例的所述目标图形会话行为事件样例对应的风险主题推理结果；依据所述语义关键词先验注释和所述会话交互语义推理关键词之间的区别、以及所述风险主题先验注释与所述风险主题推理结果之间的区别，在所述待调试深度决策树网络中进行反馈调试，得到所述深度决策树网络。10.一种人工智能系统，其特征在于，包括处理引擎、网络模块和存储器，所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎用于从所述存储器中读取计算机程序并运行，以实现权利要求1-9任一项所述的方法。

技术总结
本发明是关于基于工业互联网和大数据的数据采集方法及系统，通过对拟分析跨模态会话交互大数据进行请求应答行为事件判别，并确定判别得到的每个目标图形会话行为事件对应的行为事件风险主题，可以精准确定目标工业互联网用户针对每个目标图形会话行为事件的风险趋势；进而依据目标工业互联网用户针对每个目标图形会话行为事件的风险趋势进行结构化存储时，是一种依据目标图形会话行为事件的事件细节特征进行的结构化存储的过程，能够结合每个目标图形会话行为事件对应的行为事件风险主题，对所采集的拟分析跨模态会话交互大数据进行精准分类和准确完整的结构化存储，便于后期在执行风险分析任务时能够快速、准确调用相应的内容进行处理。应的内容进行处理。应的内容进行处理。


技术研发人员：张欢
受保护的技术使用者：安徽华尔鑫管道阀门有限公司
技术研发日：2023.07.12
技术公布日：2023/9/9