本發(fā)明涉及數(shù)據(jù)處理，尤其涉及一種搭載ai數(shù)字人的智能數(shù)據(jù)處理方法、裝置及電子設(shè)備。

背景技術(shù)：

1、智能數(shù)據(jù)看板是一種先進的數(shù)據(jù)可視化工具，它通過集成多種數(shù)據(jù)源、應(yīng)用高級分析技術(shù)和提供豐富的交互功能，幫助企業(yè)用戶更高效地理解和利用數(shù)據(jù)。智能數(shù)據(jù)看板不僅展示了數(shù)據(jù)，還通過智能化的方式提供了深入的數(shù)據(jù)洞察，支持決策制定。

2、現(xiàn)有技術(shù)在智能數(shù)據(jù)看板系統(tǒng)的交互性和智能性開發(fā)過程中，存在如下問題：

3、1.數(shù)據(jù)展示的被動性：傳統(tǒng)的數(shù)據(jù)看板主要以圖表和圖形形式呈現(xiàn)數(shù)據(jù)，用戶需要主動瀏覽和解讀數(shù)據(jù)，缺乏智能引導(dǎo)和交互。

4、2.復(fù)雜數(shù)據(jù)解讀困難：對于非技術(shù)人員而言，復(fù)雜的多維數(shù)據(jù)和交叉分析結(jié)果較難理解，傳統(tǒng)的數(shù)據(jù)看板無法直觀提供數(shù)據(jù)解讀。

5、3.實時互動/交互不足：現(xiàn)有的數(shù)據(jù)看板雖然具備基本的實時數(shù)據(jù)更新功能，但缺乏基于自然語言處理（nlp）和人工智能技術(shù)的實時互動功能，用戶無法通過自然語言快速獲取分析結(jié)論。

6、4.個性化數(shù)據(jù)分析能力有限：傳統(tǒng)系統(tǒng)通常缺乏根據(jù)用戶需求和偏好自動生成個性化數(shù)據(jù)分析和建議的能力。

7、上述問題成為需要解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明實施例提供了一種搭載ai數(shù)字人的智能數(shù)據(jù)處理方法、裝置及電子設(shè)備，至少部分解決現(xiàn)有技術(shù)中存在的問題。

2、第一方面，本發(fā)明實施例提供了一種搭載ai數(shù)字人的智能數(shù)據(jù)處理方法，包括：

3、在數(shù)字看板中嵌入ai數(shù)字人，所述ai數(shù)字人通過語音、文本或手勢與用戶進行交互，獲取用戶的需求信息q1；

4、基于用戶的需求信息q1，生成多維度的數(shù)據(jù)可視化圖表t，并基于圖表選擇自適應(yīng)算法，實時分析數(shù)據(jù)特性動態(tài)調(diào)整圖表布局、樣式和交互方式；

5、利用深度學(xué)習(xí)模型分析用戶的交互歷史jh，并基于所述交互歷史為用戶生成歷史分析數(shù)據(jù)d1和未來預(yù)測數(shù)據(jù)d2；

6、獲取用戶針對數(shù)據(jù)可視化圖表t、歷史分析數(shù)據(jù)d1和未來預(yù)測數(shù)據(jù)d2的反饋信息q2，并基于所述反饋信息q2，確定用戶的社交媒體賬號信息m；

7、對用戶的社交媒體賬號信息m進行真?zhèn)涡则炞C，并基于真?zhèn)涡则炞C的結(jié)果，生成不同類型的ai數(shù)字人表情。

8、根據(jù)本發(fā)明實施例的一種具體實現(xiàn)方式，所述在數(shù)字看板中嵌入ai數(shù)字人，所述ai數(shù)字人通過語音、文本或手勢與用戶進行交互，獲取用戶的需求信息q1，包括：

9、使用語音識別api將用戶的語音輸入轉(zhuǎn)換為文本qt；

10、使用自然語言處理技術(shù)解析用戶的文本輸入qr；

11、捕捉用戶的肢體動作，將用戶手勢映射到具體的交互命令qm；

12、基于文本qt、文本輸入qr以及交互命令qm，生成用戶的需求信息q1。

13、根據(jù)本發(fā)明實施例的一種具體實現(xiàn)方式，所述基于用戶的需求信息q1，生成多維度的數(shù)據(jù)可視化圖表t，并基于圖表選擇自適應(yīng)算法，實時分析數(shù)據(jù)特性動態(tài)調(diào)整圖表布局、樣式和交互方式，包括：

14、解析用戶的需求信息q1，確定與所述需求信息q1對應(yīng)的數(shù)據(jù)源、時間范圍、數(shù)據(jù)類型以及圖表類型；

15、從指定的數(shù)據(jù)源獲取數(shù)據(jù)，并對獲取到的數(shù)據(jù)進行預(yù)處理，得到圖表數(shù)據(jù)；

16、使用數(shù)據(jù)可視化庫將所述圖表數(shù)據(jù)轉(zhuǎn)化為多維度數(shù)據(jù)可視化圖表t。

17、根據(jù)本發(fā)明實施例的一種具體實現(xiàn)方式，所述基于用戶的需求信息q1，生成多維度的數(shù)據(jù)可視化圖表t，并基于圖表選擇自適應(yīng)算法，實時分析數(shù)據(jù)特性動態(tài)調(diào)整圖表布局、樣式和交互方式，還包括：

18、實時分析數(shù)據(jù)的特性，包括數(shù)據(jù)量大小、數(shù)據(jù)分布特點、數(shù)據(jù)變化趨勢，識別數(shù)據(jù)的關(guān)鍵特征；

19、根據(jù)數(shù)據(jù)特性，自動選擇對應(yīng)的圖表類型；

20、根據(jù)數(shù)據(jù)量和圖表類型，動態(tài)調(diào)整圖表的布局。

21、根據(jù)本發(fā)明實施例的一種具體實現(xiàn)方式，所述利用深度學(xué)習(xí)模型分析用戶的交互歷史jh，并基于所述交互歷史為用戶生成歷史分析數(shù)據(jù)d1和未來預(yù)測數(shù)據(jù)d2，包括：

22、構(gòu)建深度學(xué)習(xí)模型的狀態(tài)更新公式：

23、

24、為遺忘門的輸出，為sigmoid激活函數(shù)，輸出范圍在0到1之間，用于控制信息的保留程度,為遺忘門的權(quán)重矩陣，為前一時刻的隱藏狀態(tài)，為當(dāng)前時刻的輸入，為遺忘門的偏置向量；

25、

26、為輸入門的輸出，為輸入門的權(quán)重矩陣，為輸入門的偏置向量；

27、

28、為候選細胞狀態(tài)，是通過當(dāng)前輸入和前一時刻的隱藏狀態(tài)計算得到的新信息，為雙曲正切激活函數(shù)，輸出范圍在-1到1之間，為候選細胞狀態(tài)的權(quán)重矩陣，為候選細胞狀態(tài)的偏置向量；

29、

30、為當(dāng)前時刻的記憶細胞狀態(tài)，為逐元素乘法操作，為前一時刻的記憶細胞狀態(tài)；

31、

32、為輸出門的輸出，為輸出門的權(quán)重矩陣，為輸出門的偏置向量；

33、

34、為當(dāng)前時刻的隱藏狀態(tài)，用于傳遞給下一個時間步，為記憶細胞狀態(tài)經(jīng)過雙曲正切激活函數(shù)后的值；

35、使用加法模型將時間序列分解為趨勢、季節(jié)性和隨機成分：

36、

37、為原始時間序列數(shù)據(jù)，為趨勢成分，表示數(shù)據(jù)的長期趨勢，為季節(jié)性成分，表示數(shù)據(jù)的周期性波動，為隨機成分，表示數(shù)據(jù)中的隨機噪聲或不可預(yù)測部分。

38、根據(jù)本發(fā)明實施例的一種具體實現(xiàn)方式，所述獲取用戶針對數(shù)據(jù)可視化圖表t、歷史分析數(shù)據(jù)d1和未來預(yù)測數(shù)據(jù)d2的反饋信息q2，并基于所述反饋信息q2，確定用戶的社交媒體賬號信息m，包括：

39、使用邏輯回歸模型分析用戶反饋的情感極性，計算用戶反饋為正面情感的概率p(y=1|x)：

40、

41、是sigmoid激活函數(shù)，w是權(quán)重向量，x是特征向量，b是偏置項；

42、基于用戶反饋信息q2的情感分析結(jié)果，結(jié)合用戶在系統(tǒng)中的行為數(shù)據(jù)，確定用戶的社交媒體賬號信息m。

43、根據(jù)本發(fā)明實施例的一種具體實現(xiàn)方式，所述對用戶的社交媒體賬號信息m進行真?zhèn)涡则炞C，并基于真?zhèn)涡则炞C的結(jié)果，生成不同類型的ai數(shù)字人表情，包括：

44、計算用戶的社交媒體賬號信息m的信任評分s：

45、

46、s是信任評分，α,β,γ,δ,?是特征權(quán)重，a是用戶賬號年齡，c是用戶賬號連接數(shù)，p是用戶賬號發(fā)布內(nèi)容的數(shù)量，f是用戶賬號關(guān)注用戶的數(shù)量，l是用戶賬戶的點贊數(shù)量；

47、基于信任評分，確定用戶的社交媒體賬號信息m的真?zhèn)涡浴?/p>

48、根據(jù)本發(fā)明實施例的一種具體實現(xiàn)方式，所述對用戶的社交媒體賬號信息m進行真?zhèn)涡则炞C，并基于真?zhèn)涡则炞C的結(jié)果，生成不同類型的ai數(shù)字人表情，還包括：

49、使用多層感知模型預(yù)測表情選擇概率：

50、

51、y為輸出向量，表示各個表情的選擇概率，每個元素表示選擇第i個表情的概率，為softmax函數(shù)，用于將輸出向量轉(zhuǎn)換為概率分布，softmax函數(shù)的定義為：

52、

53、其中z是輸入向量，k是輸出類別數(shù)；

54、為第二層的權(quán)重矩陣，用于將隱藏層的輸出轉(zhuǎn)換為最終的輸出層，為激活函數(shù)：

55、

56、為第一層的權(quán)重矩陣，用于將輸入特征向量x轉(zhuǎn)換為隱藏層的輸入，?x為輸入特征向量，包含從用戶反饋、社交媒體賬號信息提取的特征，為第一層的偏置向量，用于調(diào)整隱藏層的輸入，為第二層的偏置向量，用于調(diào)整輸出層的輸入。

57、第二方面，本發(fā)明實施例提供了一種搭載ai數(shù)字人的智能數(shù)據(jù)處理裝置，包括：

58、獲取模塊，在數(shù)字看板中嵌入ai數(shù)字人，所述ai數(shù)字人通過語音、文本或手勢與用戶進行交互，獲取用戶的需求信息q1；

59、生成模塊，基于用戶的需求信息q1，生成多維度的數(shù)據(jù)可視化圖表t，并基于圖表選擇自適應(yīng)算法，實時分析數(shù)據(jù)特性動態(tài)調(diào)整圖表布局、樣式和交互方式；

60、分析模塊，利用深度學(xué)習(xí)模型分析用戶的交互歷史jh，并基于所述交互歷史為用戶生成歷史分析數(shù)據(jù)d1和未來預(yù)測數(shù)據(jù)d2；

61、確定模塊，獲取用戶針對數(shù)據(jù)可視化圖表t、歷史分析數(shù)據(jù)d1和未來預(yù)測數(shù)據(jù)d2的反饋信息q2，并基于所述反饋信息q2，確定用戶的社交媒體賬號信息m；

62、驗證模塊，對用戶的社交媒體賬號信息m進行真?zhèn)涡则炞C，并基于真?zhèn)涡则炞C的結(jié)果，生成不同類型的ai數(shù)字人表情。

63、第三方面，本發(fā)明實施例還提供了一種電子設(shè)備，該電子設(shè)備包括：

64、至少一個處理器；以及，

65、與該至少一個處理器通信連接的存儲器；其中，

66、該存儲器存儲有可被該至少一個處理器執(zhí)行的指令，該指令被該至少一個處理器執(zhí)行，以使該至少一個處理器能夠執(zhí)行前述任第一方面或第一方面的任一實現(xiàn)方式中的搭載ai數(shù)字人的智能數(shù)據(jù)處理方法。

67、第四方面，本發(fā)明實施例還提供了一種非暫態(tài)計算機可讀存儲介質(zhì)，該非暫態(tài)計算機可讀存儲介質(zhì)存儲計算機指令，該計算機指令用于使該計算機執(zhí)行前述第一方面或第一方面的任一實現(xiàn)方式中的搭載ai數(shù)字人的智能數(shù)據(jù)處理方法。

68、第五方面，本發(fā)明實施例還提供了一種計算機程序產(chǎn)品，該計算機程序產(chǎn)品包括存儲在非暫態(tài)計算機可讀存儲介質(zhì)上的計算程序，該計算機程序包括程序指令，當(dāng)該程序指令被計算機執(zhí)行時，使該計算機執(zhí)行前述第一方面或第一方面的任一實現(xiàn)方式中的搭載ai數(shù)字人的智能數(shù)據(jù)處理方法。

69、本發(fā)明實施例中的搭載ai數(shù)字人的智能數(shù)據(jù)處理方案，包括：在數(shù)字看板中嵌入ai數(shù)字人，所述ai數(shù)字人通過語音、文本或手勢與用戶進行交互，獲取用戶的需求信息q1；基于用戶的需求信息q1，生成多維度的數(shù)據(jù)可視化圖表t，并基于圖表選擇自適應(yīng)算法，實時分析數(shù)據(jù)特性動態(tài)調(diào)整圖表布局、樣式和交互方式；利用深度學(xué)習(xí)模型分析用戶的交互歷史jh，并基于所述交互歷史為用戶生成歷史分析數(shù)據(jù)d1和未來預(yù)測數(shù)據(jù)d2；獲取用戶針對數(shù)據(jù)可視化圖表t、歷史分析數(shù)據(jù)d1和未來預(yù)測數(shù)據(jù)d2的反饋信息q2，并基于所述反饋信息q2，確定用戶的社交媒體賬號信息m；對用戶的社交媒體賬號信息m進行真?zhèn)涡则炞C，并基于真?zhèn)涡则炞C的結(jié)果，生成不同類型的ai數(shù)字人表情。本發(fā)明具有如下有益效果：

70、a?ai數(shù)字人深度嵌入數(shù)據(jù)分析系統(tǒng)：

71、通過先進的表情合成、語音生成和自然語言處理技術(shù)，ai數(shù)字人成為用戶的智能化數(shù)據(jù)分析助手，打破了傳統(tǒng)數(shù)據(jù)看板的被動展示模式。

72、b基于情感計算的智能交互：

73、系統(tǒng)通過實時分析用戶情感，動態(tài)調(diào)整交互內(nèi)容和展示方式，使用戶體驗更加人性化和個性化。

74、c智能推薦與預(yù)測的深度自學(xué)習(xí)能力：

75、通過結(jié)合深度學(xué)習(xí)和協(xié)同過濾算法，系統(tǒng)能夠不斷學(xué)習(xí)用戶偏好，自動生成未來趨勢預(yù)測，幫助用戶快速決策。

76、d多模態(tài)交互技術(shù)創(chuàng)新：

77、支持語音、手勢、文本等多種交互方式融合，用戶可以自由選擇最適合的交互方式，極大提升了用戶操作的靈活性和體驗感。