(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211527475.7 (22)申请日 2022.12.01 (71)申请人 江苏联弘信科技发展 有限公司 地址 210000 江苏省南京市 鼓楼区中山北 路28号170 3室 (72)发明人 宋玉柱　 (74)专利代理 机构 南京华恒专利代理事务所 (普通合伙) 32335 专利代理师 宋方园 (51)Int.Cl. G06Q 50/00(2012.01) G06F 16/901(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种电子信息数据交 互系统及方法 (57)摘要 本发明涉及通信技术领域， 具体公开了一种 电子信息数据交互系统及方法， 所述方法包括： 获取多模态输入信息， 获取候选话题 集和相似用 户集； 构建二分图， 获得交互话题； 数据库获取N 个意图信号源； 对LSTM算法进行建模和训练， 得 到意图信号源的匹配值 以及重要程度进行评价 预测， 重新排序， 将意图信号源反馈至输入者； 查 看用户接受意向； 若不满意重复上述步骤， 直至 获取最终的用户意图， 完成数据交互。 本发明可 以实现多方交互， 且交互各方可以根据需要对多 个共享方的屏幕数据进行快捷、 方便、 灵活地交 互和分享， 尤其是能够选择性地从屏幕中选取部 分区域以针对性地进行关注和操作， 从而大大提 升交互效率。 权利要求书3页 说明书7页 附图3页 CN 115545960 A 2022.12.30 CN 115545960 A 1.一种电子信息数据交 互方法， 其特 征在于： 所述方法包括： S1： 获取多模态输入信息， 根据信息输入者的社交关系和行为历史获取候选话题集和 相似用户集； S2： 根据候选话题集和相似用户集构建用户 ‑话题二分图， 并对其进行二分图建模； 获 得交互话题； S3： 将所述交互话题通过传输信道传送至数据库， 数据库根据交互话题搜索获取N个意 图信号源； 对意图信号源进行编号： ， 其中， An表示第n个意图信号源的序 号， ； 每一个信号源 对应的传输信道为Sn； S4： 在S3中获得的N个意图信号源， 对LSTM长短期记忆递归神经网络算法进行建模和训 练， 从而得到意图信号源的匹配值以及重要程度进行评价预测， S5： 根据S4中的评价预测值， 根据预测值大小重新排序， 从而将意图信号源反馈至输入 者； 查看用户接受意向； S6： 如果用户认为查询结果并不是个人所需的结果， 用户重新输入信息， 重复操作步骤 S1‑S5， 直至获取最终的用户意图， 完成数据交 互。 2.根据权利要求1所述的一种电子信 息数据交互方法， 其特征在于： 步骤S2中对二分图 建模的方法为： 二分图建模表示为G＝(V， S， E)， 其中C表示数据交互系统中请求接入的用户集合， N表 示用户相近的交互话题 集合， 共有m个用户和n个类似交互话题， E表示用户和交互话题之间 可选链路的集合， 也是二分图中的边e＝(v， s),e∈E， v∈V， s∈S， 每条边都有权值l， 边的权 值lm,n即为匹配度。 3.根据权利要求1所述的一种电子信 息数据交互方法， 其特征在于： 步骤S3 中数据库获 取意图信号源的过程， 包括： S31： 数据库根据对应交互话题产生的网络拓扑图， 从而确定意图信号源， 其中， 在网络 拓扑图中确定出所述交互话题所对应的节点作为初始节点， 并在网络拓扑图中确定出以所 述交互话题所对应的初始节点的连线 所对应的节 点作为终端节点， 从而根据终端节点来确 定出意图信号源； S32： 当确定出的终端节点为多个时， 将各个终端节点对应的意图信号源作为候选意 图， 根据网络 拓扑图中各个节点连线的权 重来对这些候选意图进行排序。 4.根据权利要求1所述的一种电子信息数据交互方法， 其特征在于： 所述LSTM长短期记 忆递归神经网络算法模型对意图信号源的处 理还包括以下步骤， S41： 对意图信号源进行归一 化处理； S42： 利用网络训练结果学习逼近； S43： 计算权值并判断其是否满足偏差， 若不满足则进一 步修正权值直至满足； S44： 当权值满足偏差时输出 所述意图信号源所属的类别。 5.根据权利要求1所述的一种电子信 息数据交互方法， 其特征在于： 所述对意图信号源 的处理还包括， 将经过模型处理的各意图信号源的结果进行识别并输出类型， 得到不同类 型的对象结果。 6.根据权利 要求1所述的一种电子信息数据交互方法， 其特征在于： 对步骤S4中LSTM长权　利　要　求　书 1/3 页 2 CN 115545960 A 2短期记忆递归神经网络算法， 在每个时间步下， 结合上一节 点的输出值， 通过门结构对当前 状态的信息进行 添加或删除， LSTM 长短期记 忆递归神经网络基本单 元具体包括： 遗忘门： 输入门： 输出门： 记忆单元结构： 其中： 、 、 与 、 、 为通过该LSTM层的网络 结构参数， 即在训练中通过损失 函数反馈后进行调整的参数， 为遗忘门控， 控制上一状态的 具体的遗忘部分， 为输入门控， 控制对于输入 的记忆， 为输出门控， 控制当前状态的输出， 、 、 通过sigmoid激励函数转化成为0到1之间的数值， 将结果通过非线性函 数tanh转 化为‑1到1之间的值。 7.根据权利要求6所述的一种电子信息数据交互方法， 其特征在于： 通过LSTM层融合数 据对意图信号源权 重关联性再次分析， 具体如下 所示： ； 式中， M代表匹配度以及重要程度； 、 、 、 为识别模型中的一级权重， 且 =1； 、 、 、 为识别模型中的二级权重， 并且 、 、 、 ； 、 、 、 为识别模型中的三级权 重； 其中一级权重表示数据库下， 关于交互话题所涉及的第一分类领域， 该第一分类下关 于交互话题的相关数据权重为 、 、 、 ， 权重具体数值由LSTM长短期记忆递归神经网络 算法训练可 得； 同理， 二级权重表示第一分类领域下的第二分类领域， 该第二分类下关于交互话题的 相关数据权重为 、 、 、 ， 权重具体数值由LSTM长短期记忆递归神经网络算法训练可 得； i指代具体第一分类领域下的第二分类领域中的具体指标； 同理， 三级权重表示第二分类领域下的第三分类领域， 该第三分类下关于交互话题的 相关数据权重为 、 、 、 ， 权重具体数值由LSTM长短期记忆递归神经网络算法训练可权　利　要　求　书 2/3 页 3 CN 115545960 A 3