基于深度學習的人工智能應用處理系統(tǒng)設計

欒學德

（濰坊科技學院，山東 濰坊 262700）

0 引言

最近幾年，在我國科技水平的不斷提高下，深度學習技術應運而生，該技術憑借著自身精確度高、安全性高、靈活性強等特征，被廣泛地應用于人工智能應用處理系統(tǒng)設計中，不僅可以實現(xiàn)系統(tǒng)重要數(shù)據(jù)的智能化、精確化推薦，還能保證數(shù)據(jù)處理效果，為提高用戶使用體驗提供重要的技術支持。因此，在深度學習技術的應用背景下，如何科學設計人工智能應用處理系統(tǒng)是技術人員必須思考和解決的問題。

1 系統(tǒng)需求分析

系統(tǒng)需求分析作為系統(tǒng)設計基礎內(nèi)容，在正式進入人工智能應用處理系統(tǒng)設計之前，技術人員要從以下兩個維度出發(fā)，做好對系統(tǒng)需求分析。（1）用戶需求分析。該系統(tǒng)所涉及的用戶主要包含業(yè)務用戶和系統(tǒng)用戶兩類，用戶類型不同，其系統(tǒng)需求也存在的一定的差異。（2）功能需求分析。系統(tǒng)功能主要包含兩大核心模塊，分別是數(shù)據(jù)處理模塊和推薦算法模塊，技術人員要重點做好對這些功能模塊的設計和實現(xiàn)，以保證用戶的使用體驗。

2 系統(tǒng)總體設計

2.1 系統(tǒng)總體架構設計

該系統(tǒng)總體架構在具體的設計中，采用了C/S設計模式，主要由以下三個部分組成：（1）用戶端。用戶端可以實時進行人機交互操作，如手機App、網(wǎng)站等。（2）客戶端?？蛻舳酥饕撠熛蛴脩籼峁┫鄳慕缑?，然后采用http請求的方式[1]，與服務端建立起有效的連接，以保證數(shù)據(jù)通信的高效性和快捷性。（3）服務端。服務端通過對用戶端所提交的業(yè)務進行處理，以實現(xiàn)對相關核心功能的調(diào)用[2]，并向數(shù)據(jù)庫反饋最終數(shù)據(jù)調(diào)用結果。服務端主要由以下兩大部分組成，分別是業(yè)務程序和數(shù)據(jù)庫[3]。系統(tǒng)總體框架設計示意圖如圖1所示。

圖1 系統(tǒng)總體框架設計示意圖

2.2 系統(tǒng)數(shù)據(jù)庫設計

數(shù)據(jù)庫作為人工智能應用處理系統(tǒng)的重要組成部分，為實現(xiàn)數(shù)據(jù)的安全傳輸、存儲和管理打下堅實的基礎，因此，要想進一步提高人工智能應用處理系統(tǒng)的運行性能[4]，保證系統(tǒng)核心功能的實現(xiàn)效果，技術人員要做好對系統(tǒng)數(shù)據(jù)庫設計?，F(xiàn)以表1、表2、表3所示的“新聞表、歷史瀏覽表、推薦記錄表”為例，對數(shù)據(jù)庫具體設計進行介紹。

表1 新聞表

表2 歷史瀏覽表

表3 推薦記錄表

3 系統(tǒng)詳細設計

在深度學習技術的應用背景下，為了更好地提高人工智能應用處理系統(tǒng)的運行性能，滿足用戶的多樣化使用需求，現(xiàn)將該系統(tǒng)劃分為以下兩大核心模塊[5]，分別是數(shù)據(jù)處理模塊和推薦算法模塊。系統(tǒng)功能模塊設計示意圖如圖2所示。

圖2 系統(tǒng)功能模塊設計示意圖

3.1 數(shù)據(jù)處理模塊設計

數(shù)據(jù)處理模塊主要包含以下三大子模塊：（1）數(shù)據(jù)庫構建。要針對人工智能應用處理系統(tǒng)的使用需求，構建相應的數(shù)據(jù)庫，以實現(xiàn)對系統(tǒng)重要信息數(shù)據(jù)的安全化、可靠化存儲和管理。（2）數(shù)據(jù)更新。該子模塊在具體的設計中，要根據(jù)用戶實際情況，定期對數(shù)據(jù)庫內(nèi)的信息數(shù)據(jù)進行更新，如添加新用戶信息、新點擊記錄信息、新聞信息和推薦結果信息等。（3）文本處理。該子模塊在具體的設計中，要從文本信息處理、文本生成特征嵌入式處理兩個環(huán)節(jié)出發(fā)，構建相應的模型[6]，并對該模型進行訓練和預測。同時，還要將文本處理劃分為以下兩個部分，一個是TF-IDF特征提取；另一個是文本嵌入向量表示。在對TF-IDF特征進行提取期間，要從新聞樣本集中，對某個詞的重要程度進行評估和預測。在對文本嵌入向量進行表示期間，要根據(jù)當前文本嵌入矩陣，在充分結合數(shù)據(jù)集訓練模型的基礎上，為單個文本構建相應的矩陣，以實現(xiàn)對相關詞組的高效化統(tǒng)計。

3.2 推薦算法模塊設計

推薦算法模塊作為人工智能應用處理系統(tǒng)的核心模塊，充分利用了深度學習技術，為用戶提供了良好的智能化服務體驗。該模塊在具體的設計中，主要運用了基于深度模型的推薦算法。深度模型預測流程如圖3所示。通過借助數(shù)據(jù)爬蟲模塊，獲取新聞相關信息，并將其安全存儲于指定的數(shù)據(jù)庫中，然后，進入模型訓練階段，在該階段中，系統(tǒng)可以從數(shù)據(jù)庫中獲取用戶感興趣的信息，并對其進行一系列處理，從而形成比較規(guī)范的數(shù)據(jù)格式，接著，通過利用數(shù)據(jù)調(diào)用模塊，實現(xiàn)對用戶特征信息和商品特征信息的精確化提取和收集，使得系統(tǒng)具有較高的模型學習能力。

圖3 深度模型預測流程

4 系統(tǒng)實現(xiàn)

4.1 系統(tǒng)環(huán)境和數(shù)據(jù)

在開發(fā)系統(tǒng)核心功能期間，技術人員要將該系統(tǒng)直接部署于相應的服務器上，并完成對相關信息的配置，系統(tǒng)用到的硬件主要包含16GB內(nèi)存和強E5-2600型號的CPU，系統(tǒng)用到的軟件主要包含5.7.14版本的MySQL數(shù)據(jù)庫以及3.5版本的Python編程語言。系統(tǒng)用到的新聞數(shù)據(jù)主要包含以下兩大部分，分別是新聞通知數(shù)據(jù)和網(wǎng)易新聞數(shù)據(jù)，其中，網(wǎng)易新聞數(shù)據(jù)主要包含科技信息、娛樂信息等。

4.2 系統(tǒng)結果顯示

通過借助Django框架，將系統(tǒng)與數(shù)據(jù)庫之間建立起有效的連接，并對這些信息進行增刪改查處理，當系統(tǒng)獲取用戶特征信息后，會使用戶的喜好信息傳輸?shù)缴疃饶Ｐ椭?，進行一系列訓練，并形成如圖4所示的問答系統(tǒng)記錄的推薦結果。從圖4中可以看出，用戶通過利用問答系統(tǒng)，可以精確記錄主動咨詢信息，此時，系統(tǒng)根據(jù)用戶的咨詢信息，為用戶推薦相關答案，以滿足用戶的個性化使用需求。

圖4 對于問答系統(tǒng)記錄的推薦結果

綜上所述，本文所設計的人工智能應用處理系統(tǒng)主要包含以下兩大核心模塊，分別是數(shù)據(jù)處理模塊和推薦算法模塊。其中，數(shù)據(jù)處理模塊不僅可以實現(xiàn)對數(shù)據(jù)格式的定義，還能實現(xiàn)對相關內(nèi)容的安全化存儲，極大地提高數(shù)據(jù)庫內(nèi)信息處理能力。智能推薦模塊可根據(jù)用戶實際情況，調(diào)用合適的推薦算法，從而推薦出用戶感興趣的信息，為用戶帶來良好的使用體驗。由此可見，在深度學習技術的應用背景下，人工智能應用處理系統(tǒng)具有非常高的應用價值和應用前景，值得被進一步推廣和應用。