买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽三联学院

摘要：本发明涉及物联网领域，公开了基于通讯标识信息的物联网通信平台和物联网通信方法，该平台包括物联网设备、云端服务器、设备智能管理模块、应用服务器、网络服务器及档案信息管理器；该基于通讯标识信息的物联网通信方法包括以下步骤：收集各种类型的数据，并将数据转换为数字信号；对转化为数字信号的数据进行存储、分析、处理及展示，并提供服务及应用；对物联网设备进行智能化的管理；通过若干方式与物联网设备交换通信数据；接收、处理和转发应用服务器发送的通信数据；存储和管理预设通讯标识信息的数据库，根据不同的通讯标识信息将通信数据分配给相应的网络服务器。实现对用户的个性化和智能化的服务，提高用户体验和满意度。

主权项：1.基于通讯标识信息的物联网通信平台，其特征在于，该基于通讯标识信息的物联网通信平台包括物联网设备、云端服务器、设备智能管理模块、应用服务器、网络服务器及档案信息管理器；其中，所述物联网设备，用于收集各种类型的数据，并将数据转换为数字信号；所述云端服务器，用于对转化为数字信号的数据进行存储、分析、处理及展示，并提供服务及应用；所述设备智能管理模块，用于对所述物联网设备进行智能化的管理；所述应用服务器，用于通过若干方式与物联网设备交换通信数据；所述网络服务器，用于接收、处理和转发应用服务器发送的通信数据；所述档案信息管理器，用于存储和管理预设通讯标识信息的数据库，根据不同的通讯标识信息将通信数据分配给相应的网络服务器；所述设备智能管理模块包括指令获取模块、词义提取模块、语音特征提取模块、分类模块及情感识别模块；其中，所述指令获取模块，用于获取用户与物联网设备的若干轮对话信息，并提取若干轮对话信息对应的n条对话指令，其中，对话指令是指用户通过语音和文本输入的表达需求的语句或命令；所述词义提取模块，用于从对话指令中提取文本内容，并利用词嵌入技术将文本内容转换为词向量；所述语音特征提取模块，用于利用压缩时延网络从对话指令中提取出语音特征，并与相应的词向量组合为混合特征；所述分类模块，用于通过卷积神经网络根据预先设定的关键词库进行语音关键点定位并给出需求分类结果；所述情感识别模块，用于对混合特征的情感进行识别；所述词义提取模块包括文本提取模块、词嵌入模块及语义拼接模块；其中，所述文本提取模块，用于使用分词技术，将文本内容切分为若干单个词语；所述词嵌入模块，用于使用词嵌入技术，将每个词语映射为一个高维稠密向量，并表示语义信息；所述语义拼接模块，用于将所有表示语义信息的词向量拼接为固定长度的向量，作为文本内容的向量表示；所述语音特征提取模块包括语音特征提取模块、能量谱获取模块、滤波模块、语音拼接模块及混合模块；其中，所述语音特征提取模块，用于从对话指令中提取出语音特征，并将语音特征分割为固定长度的帧，且每帧包含若干数量的采样点；所述能量谱获取模块，用于对每帧语音特征进行快速傅里叶变换，得到频域上的能量谱；所述滤波模块，用于对能量谱进行滤波器组处理，得到梅尔频率倒谱系数作为语音信号的特征向量；所述语音拼接模块，用于将相邻的若干梅尔频率倒谱系数特征向量拼接为一个高维向量，并输入到压缩时延网络中；所述混合模块，用于将压缩时延网络的输出作为语音特征，并与文本内容的向量表示进行拼接，得到混合特征；所述分类模块中，卷积神经网络用于处理混合特征，且通过卷积层学习混合特征，通过全连接层将混合特征映射为需求分类结果；所述情感识别模块包括图构造模块、优化模块及情感预测模块；其中，所述图构造模块，用于利用语音特征及文本内容构造两个图结构，并分别表示声学模态及文本模态；所述优化模块，用于利用GCN深度学习模型对文本内容和声学特征进行优化、重构和融合，得到最终的融合图；所述情感预测模块，用于利用图增强和图卷积网络对融合后的图进行节点标签预测，实现语音情感识别；所述图构造模块包括语音特征图构建模块及文本内容图构建模块；其中，所述语音特征图构建模块，用于通过语音特征构建语音特征图结构，其中，语音特征图结构G＝V，A，V表示语音特征的节点集合，A表示语音特征的邻接矩阵，其元素为两个节点之间的相似度；其中，相似度计算公式为： 式中，ai及aj分别表示第i个及第j个语音特征向量；||ai-aj||μ表示欧几里德距离，μ是所有语音特征的欧几里德距离均值，d表示一个尺度参数，exp表示指数函数；所述文本内容图构建模块，用于通过文本内容构建文本内容图结构，且定义文本内容的节点集合及文本内容的邻接矩阵；所述优化模块包括预处理模块、重构模块及多模态特征融合模块；其中，所述预处理模块，用于利用GCN深度学习模型对文本内容构建的图结构进行节点特征优化，并对文本内容的邻接矩阵进行归一化处理，且得到优化后的文本内容表示；所述重构模块，用于利用GCN深度学习模型的第二个隐藏层的节点特征对基于文本内容和基于声学特征的邻接矩阵进行重构，得到重构后的文本内容邻接矩阵及声学特征邻接矩阵，同时将文本内容邻接矩阵及声学特征邻接矩阵进行融合，得到融合后邻接矩阵；所述多模态特征融合模块，用于利用优化后的文本内容与未优化的声学特征进行融合，得到最终的融合特征，且通过融合后邻接矩阵及最终的融合特征构造最终的融合图。

全文数据：

权利要求：

百度查询： 安徽三联学院 基于通讯标识信息的物联网通信平台和物联网通信方法