基于深度學習的人工智能應用處理系統設計

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設計中，不僅可以實現系統重要數據的智能化、精確化推薦，還能保證數據處理效果，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是技術人員必須思考和解決的問題。

1 系統需求分析

系統需求分析作為系統設計基礎內容，在正式進入人工智能應用處理系統設計之前，技術人員要從以下兩個維度出發，做好對系統需求分析。（1）用戶需求分析。該系統所涉及的用戶主要包含業務用戶和系統用戶兩類，用戶類型不同，其系統需求也存在的一定的差異。（2）功能需求分析。系統功能主要包含兩大核心模塊，分別是數據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，以保證用戶的使用體驗。

2 系統總體設計

2.1 系統總體架構設計

該系統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、網站等。（2）客戶端。客戶端主要負責向用戶提供相應的界面，然后采用http請求的方式[1]，與服務端建立起有效的連接，以保證數據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務進行處理，以實現對相關核心功能的調用[2]，并向數據庫反饋最終數據調用結果。服務端主要由以下兩大部分組成，分別是業務程序和數據庫[3]。系統總體框架設計示意圖如圖1所示。

圖1 系統總體框架設計示意圖

2.2 系統數據庫設計

數據庫作為人工智能應用處理系統的重要組成部分，為實現數據的安全傳輸、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的運行性能[4]，保證系統核心功能的實現效果，技術人員要做好對系統數據庫設計。現以表1、表2、表3所示的“新聞表、歷史瀏覽表、推薦記錄表”為例，對數據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的運行性能，滿足用戶的多樣化使用需求，現將該系統劃分為以下兩大核心模塊[5]，分別是數據處理模塊和推薦算法模塊。系統功能模塊設計示意圖如圖2所示。

圖2 系統功能模塊設計示意圖

3.1 數據處理模塊設計

數據處理模塊主要包含以下三大子模塊：（1）數據庫構建。要針對人工智能應用處理系統的使用需求，構建相應的數據庫，以實現對系統重要信息數據的安全化、可靠化存儲和管理。（2）數據更新。該子模塊在具體的設計中，要根據用戶實際情況，定期對數據庫內的信息數據進行更新，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節出發，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，要根據當前文本嵌入矩陣，在充分結合數據集訓練模型的基礎上，為單個文本構建相應的矩陣，以實現對相關詞組的高效化統計。

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。通過借助數據爬蟲模塊，獲取新聞相關信息，并將其安全存儲于指定的數據庫中，然后，進入模型訓練階段，在該階段中，系統可以從數據庫中獲取用戶感興趣的信息，并對其進行一系列處理，從而形成比較規范的數據格式，接著，通過利用數據調用模塊，實現對用戶特征信息和商品特征信息的精確化提取和收集，使得系統具有較高的模型學習能力。

圖3 深度模型預測流程

4 系統實現

4.1 系統環境和數據

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

4.2 系統結果顯示

通過借助Django框架，將系統與數據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，當系統獲取用戶特征信息后，會使用戶的喜好信息傳輸到深度模型中，進行一系列訓練，并形成如圖4所示的問答系統記錄的推薦結果。從圖4中可以看出，用戶通過利用問答系統，可以精確記錄主動咨詢信息，此時，系統根據用戶的咨詢信息，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主要包含以下兩大核心模塊，分別是數據處理模塊和推薦算法模塊。其中，數據處理模塊不僅可以實現對數據格式的定義，還能實現對相關內容的安全化存儲，極大地提高數據庫內信息處理能力。智能推薦模塊可根據用戶實際情況，調用合適的推薦算法，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。