基于人工智能的智能管理云平台及管理方法与流程

本技术涉及智能管理，且更为具体地，涉及一种基于人工智能的智能管理云平台及管理方法。

背景技术：

1、随着人工智能技术的不断发展，智能管理云平台在各个领域得到了广泛应用，其中，智能安防是一个重要的领域，涉及到公共安全和社会稳定。智能安防是指利用人工智能技术来提高安防系统的效率和效果，例如通过人脸识别、车牌识别、行为分析等技术来实现智能监控、智能报警、智能预警等功能。

2、警云报警系统是智能安防的一种应用，通过将报警设备与云平台相连接，实现对报警信息的实时监测、处理和响应。在警云报警系统中，警情查询是一项重要功能。用户可以通过输入相关的警情信息，查询与之匹配的备选警情数据。然而传统的警情查询方法通常基于关键词匹配，存在着语义理解不准确、结果匹配不精确等问题。

3、因此，期望一种优化的基于人工智能的智能管理云平台及管理方法，以解决上述技术问题。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术提供了一种基于人工智能的智能管理云平台及管理方法，其可以根据用户的警情查询输入，从备选警情数据中筛选出与之语义匹配的警情数据，并返回给用户，从而提升警情查询的准确性和效率，为用户提供更好的服务和支持。

2、根据本技术的一个方面，提供了一种基于人工智能的智能管理云平台，其包括：

3、警情查询输入模块，用于获取警情查询输入；

4、警情查询输入语义编码模块，用于对所述警情查询输入进行语义编码以得到警情查询输入语义编码特征向量；

5、第一备选警情数据获取模块，用于获取第一备选警情数据；

6、第一备选警情文本部分提取模块，用于从所述第一备选警情数据提取文本部分以得到第一备选警情文本部分；

7、第一备选警情词粒度语义编码模块，用于对所述第一备选警情文本部分进行基于词粒度的语义编码以得到第一备选警情词粒度语义编码特征向量的序列；

8、警情查询输入-第一备选警情语义匹配模块，用于对所述警情查询输入语义编码特征向量和所述第一备选警情词粒度语义编码特征向量的序列进行跨粒度语义匹配以得到警情查询输入-第一备选警情语义匹配特征；

9、第一备选警情数据匹配检测返回模块，用于基于所述警情查询输入-第一备选警情语义匹配特征，确定所述第一备选警情数据的匹配度是否超过预定阈值，并确定是否返回所述第一备选警情数据。

10、在上述的基于人工智能的智能管理云平台中，所述第一备选警情词粒度语义编码模块，用于：

11、对所述第一备选警情文本部分进行分词处理后通过包含词嵌入层的语义编码器以得到所述第一备选警情词粒度语义编码特征向量的序列。

12、在上述的基于人工智能的智能管理云平台中，所述警情查询输入-第一备选警情语义匹配模块，用于：

13、使用跨粒度语义匹配模块来计算所述警情查询输入语义编码特征向量和所述第一备选警情词粒度语义编码特征向量的序列之间的语义匹配结果以得到警情查询输入-第一备选警情语义匹配特征向量作为所述警情查询输入-第一备选警情语义匹配特征。

14、在上述的基于人工智能的智能管理云平台中，所述警情查询输入-第一备选警情语义匹配模块，用于：

15、使用所述跨粒度语义匹配模块以如下语义匹配公式计算所述警情查询输入语义编码特征向量和所述第一备选警情词粒度语义编码特征向量的序列之间的语义匹配结果以得到所述警情查询输入-第一备选警情语义匹配特征向量；

16、其中，所述语义匹配公式为：

17、

18、其中，v表示所述警情查询输入语义编码特征向量，a表示1×nw的矩阵，nw等于所述警情查询输入语义编码特征向量的尺度，b是1×nh的矩阵，nh等于所述第一备选警情词粒度语义编码特征向量的序列中第一备选警情词粒度语义编码特征向量的数量，σ是sigmoid函数，s为权重系数，mw和mh表示1×1卷积核的卷积操作，hi表示所述第一备选警情词粒度语义编码特征向量的序列中的第i个第一备选警情词粒度语义编码特征向量，n表示所述第一备选警情词粒度语义编码特征向量的序列中的各个第一备选警情词粒度语义编码特征向量的尺度，v′表示所述警情查询输入-第一备选警情语义匹配特征向量。

19、在上述的基于人工智能的智能管理云平台中，所述第一备选警情数据匹配检测返回模块，包括：

20、分类单元，用于将所述警情查询输入-第一备选警情语义匹配特征向量通过分类器以得到分类结果，所述分类结果用于表示第一备选警情数据的匹配度是否超过预定阈值；

21、警情数据返回单元，用于基于所述分类结果，确定是否返回所述第一备选警情数据。

22、在上述的基于人工智能的智能管理云平台中，还包括：训练模块，用于对所述包含词嵌入层的语义编码器、所述跨粒度语义匹配模块和所述分类器进行训练。

23、在上述的基于人工智能的智能管理云平台中，所述训练模块，包括：

24、训练警情查询输入获取单元，用于获取训练警情查询输入；

25、训练警情查询输入语义编码单元，用于对所述训练警情查询输入进行语义编码以得到训练警情查询输入语义编码特征向量；

26、训练第一备选警情数据获取单元，用于获取训练第一备选警情数据；

27、训练第一备选警情文本部分提取单元，用于从所述训练第一备选警情数据提取文本部分以得到训练第一备选警情文本部分；

28、训练第一备选警情词粒度语义编码单元，用于对所述训练第一备选警情文本部分进行分词处理后通过包含词嵌入层的语义编码器以得到训练第一备选警情词粒度语义编码特征向量的序列；

29、训练警情查询输入-第一备选警情语义匹配单元，用于使用跨粒度语义匹配模块来计算所述训练警情查询输入语义编码特征向量和所述训练第一备选警情词粒度语义编码特征向量的序列之间的语义匹配结果以得到训练警情查询输入-第一备选警情语义匹配特征向量；

30、优化单元，用于对所述训练警情查询输入-第一备选警情语义匹配特征向量进行优化以得到优化后训练警情查询输入-第一备选警情语义匹配特征向量；

31、分类损失单元，用于将所述优化后训练警情查询输入-第一备选警情语义匹配特征向量通过分类器以得到分类损失函数值；

32、迭代训练单元，用于基于所述分类损失函数值对所述包含词嵌入层的语义编码器、所述跨粒度语义匹配模块和所述分类器进行训练。

33、根据本技术的另一个方面，提供了基于人工智能的智能管理方法，其包括：

34、获取警情查询输入；

35、对所述警情查询输入进行语义编码以得到警情查询输入语义编码特征向量；

36、获取第一备选警情数据；

37、从所述第一备选警情数据提取文本部分以得到第一备选警情文本部分；

38、对所述第一备选警情文本部分进行基于词粒度的语义编码以得到第一备选警情词粒度语义编码特征向量的序列；

39、对所述警情查询输入语义编码特征向量和所述第一备选警情词粒度语义编码特征向量的序列进行跨粒度语义匹配以得到警情查询输入-第一备选警情语义匹配特征；

40、基于所述警情查询输入-第一备选警情语义匹配特征，确定所述第一备选警情数据的匹配度是否超过预定阈值，并确定是否返回所述第一备选警情数据。

41、在上述的基于人工智能的智能管理方法中，对所述第一备选警情文本部分进行基于词粒度的语义编码以得到第一备选警情词粒度语义编码特征向量的序列，包括：

42、对所述第一备选警情文本部分进行分词处理后通过包含词嵌入层的语义编码器以得到所述第一备选警情词粒度语义编码特征向量的序列。

43、在上述的基于人工智能的智能管理方法中，对所述警情查询输入语义编码特征向量和所述第一备选警情词粒度语义编码特征向量的序列进行跨粒度语义匹配以得到警情查询输入-第一备选警情语义匹配特征，包括：

44、使用跨粒度语义匹配模块来计算所述警情查询输入语义编码特征向量和所述第一备选警情词粒度语义编码特征向量的序列之间的语义匹配结果以得到警情查询输入-第一备选警情语义匹配特征向量作为所述警情查询输入-第一备选警情语义匹配特征。

45、与现有技术相比，本技术提供的基于人工智能的智能管理云平台及管理方法，其首先对警情查询输入进行语义编码以得到警情查询输入语义编码特征向量，接着从第一备选警情数据提取文本部分以得到第一备选警情文本部分，然后对所述第一备选警情文本部分进行基于词粒度的语义编码以得到第一备选警情词粒度语义编码特征向量的序列，接着对所述警情查询输入语义编码特征向量和所述第一备选警情词粒度语义编码特征向量的序列进行跨粒度语义匹配以得到警情查询输入-第一备选警情语义匹配特征，最后基于所述警情查询输入-第一备选警情语义匹配特征，确定所述第一备选警情数据的匹配度是否超过预定阈值，并确定是否返回所述第一备选警情数据，可以提升警情查询的准确性和效率。