智能信息处理方法及系统与流程

本发明涉及人工智能技术领域，尤其涉及智能信息处理方法及系统。

背景技术：

在人们进行例如写作、绘画等创作时，根据自己的思路进行创作，但是由于各种因素的影响，创作思路出现中断时，需要花时间思考，例如在写作时不能不知道使用哪些词语，或者在绘画时，不知道使用什么样的线条或者颜色，这往往都需要花时间进行思考，影响创作效率。

技术实现要素：

本发明的主要目的在于提供一种智能信息处理方法，旨提高创作效率。

为实现上述目的，本发明提供的一种智能信息处理方法包括以下步骤：

采集原始数据，所述原始数据包括用户的创作内容；

根据所述原始数据生成用于机器学习的训练数据；

发送所述训练数据至云端知识库，所述训练数据用于所述云端知识库进行机器学习，并接收从所述云端知识库返回的提示数据；

接收用户对所述提示数据的反馈，并上传至所述云端知识库。

优选地，所述采集原始数据，所述原始数据包括用户的创作内容包括：

获取用于创作所述创作内容的笔尖的运动信息；

转换所述运动信息为用于数字化处理的原始数据。

优选地，所述采集原始数据，所述原始数据包括用户的创作内容包括：

通过摄像装置实时获取用于创作所述创作内容的影像；

转换所述影像作为用于数字化处理的原始数据。

优选地，所述采集原始数据，所述原始数据包括用户的创作内容：

获取电子画板正在创作对象的图像；

根据图像识别技术转换所述图像为用于数字化处理的所述原始数据。

优选地，所述根据所述原始数据生成用于机器学习的训练数据包括；

对所述原始数据进行降噪处理；

根据降噪后的所述原始数据生成所述训练数据。

此外，为实现上述目的，本发明还提供一种智能信息处理系统，所述智能信息处理系统包括：采集模块，用于采集原始数据，所述原始数据包括用户的创作内容；

生成模块，用于根据所述原始数据生成用于机器学习的训练数据；

发送模块，用于发送所述训练数据至云端知识库，所述训练数据用于所述云端知识库进行机器学习，并接收从所述云端知识库返回的提示数据；

接收模块，用于接收用户对所述提示数据的反馈，并上传至所述云端知识库。

优选地，所述采集模块包括：

第一获取单元，用于获取用于创作所述创作内容的笔尖的运动信息；

第一转换单元，用于转换所述运动信息为用于数字化处理的原始数据。

优选地，所述采集模块包括：第二获取单元，用于通过摄像装置实时获取用于创作所述创作内容的影像；

第二转换单元，用于转换所述影像作为用于数字化处理的原始数据。

优选地，所述采集模块包括：

第三获取单元，用于获取电子画板正在创作对象的图像；

第三转换单元，用于根据图像识别技术转换所述图像为用于数字化处理的所述原始数据。

优选地，所述生成模块包括：

降噪单元，用于对所述原始数据进行降噪处理；

生成单元，用于根据降噪后的所述原始数据生成所述训练数据。

本发明通过采集原始数据，所述原始数据包括用户的创作内容；根据所述原始数据生成用于机器学习的训练数据；发送所述训练数据至云端知识库，所述训练数据用于所述云端知识库进行机器学习，并接收从所述云端知识库返回的提示数据；接收用户对所述提示数据的反馈，并上传至所述云端知识库。使用转化用户的创作内容为人工智能的训练数据，还使用户对人工智提示信息的进一步确认，实现对人工智能的训练，为人工智能的训练提供了方便的方法；同时因为训练是在真实情况下产生，保证了训练的真实性；此外训练过程中用户也可以随时获取正确的提示，帮助用户进行创作，提高创作效率。

附图说明

图1为本发明智能信息处理方法第一实施例的流程示意图；

图2为本发明智能信息处理方法第二实施例中的细化流程示意图；

图3为本发明智能信息处理方法第三实施例中的细化流程示意图；

图4为本发明智能信息处理方法第四实施例中细化流程示意图；

图5为本发明智能信息处理方法第五实施例中的细化流程示意图；

图6为本发明智能信息处理系统第一实施例的功能模块示意图；

图7为本发明智能信息处理系统第二实施例中采集模块的细化功能模块示意图；

图8为本发明智能信息处理系统第三实施例中采集模块的细化功能模块示意图；

图9为本发明智能信息处理系统第四实施例中采集模块的细化功能模块示意图；

图10为本发明智能信息处理系统第五实施例中生成模块的细化功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供一种智能信息处理方法，请参照图1，在本发明智能信息处理方法第一实施例中，该智能信息处理方法包括：

步骤S10，采集原始数据，所述原始数据包括用户的创作内容；

在用户在进行创作时，通过传感器获取用户的创作内容，例如：对应为书写的内容，绘画的内容，肢体表达出的内容，吹奏旋律的内容等。

步骤S20，根据所述原始数据生成用于机器学习的训练数据；

通过传感器把用户创作的内容转化为原始数据后，进一步对数据进行处理，使其达到可用于进行人工智能训练的训练数据。

步骤S30，发送所述训练数据至云端知识库，所述训练数据用于所述云端知识库进行机器学习，并接收从所述云端知识库返回的提示数据；

通过把云端知识库设置在远端服务器，使得训练数据的获得和机器学习的训练在不同的机器上运行，机器学习与获取训练数据使用资源互不干扰，避免冲突；同时在云端知识库根据已经获得的人工智能对原始数据进行判断，并生成提示数据，例如，当训练数据为手写文本“1+1”时，提示数据为“＝2”。

步骤S40，接收用户对所述提示数据的反馈，并上传至所述云端知识库。

通过根据用户对提示信息的反馈，进一步训练所述云端知识库的人工智能。具体在本实施例中，所述云端知识库设有帮助人提高绘画能力的人工智能，用户端进行绘画时，通过相机获取用户所画的内容，根据所述内容生成人工智能训练数据，并上传至云端知识库对所述绘画的内容进行分析后，输出人工智能自己的创作结果，更具地，当获取用户绘制完成两个动物耳朵后，云端知识库返回一个兔子的图画给用户，如果用户本来想画兔子，则反馈给云端知识库的人工智能，所输出的结果正确；如果用户本来想画的是马，则反馈给云端知识库的人工智能，所输出的结果错误，训练人工智能获取绘画中兔子的特征向量。通过转化用户的创作内容为人工智能的训练数据，还让用户对人工智提示信息的进一步确认，实现对人工智能的训练，为人工智能的训练提供了方便的方法；同时因为训练是在真实情况下产生，保证了训练的真实性；此外训练过程中用户也可以随时获取正确的提示，帮助用户进行创作，提高创作效率。

请参照图2，基于本发明智能信息处理方法第一实施例，在本发明智能信息处理方法第二实施例中，所述步骤S10包括：

步骤S11，获取用于创作所述创作内容的笔尖的运动信息；

步骤S12，转换所述运动信息为用于数字化处理的原始数据。

在本实施例中，所述笔尖内安装有陀螺仪，通过持续获取所述笔尖的移动方向，移动速度，移动时间等信息，分析出用户的书写内容，转换所述用户的书写内容为电子文档数据，并进一步转换所述电子文档数据为训练人工智能的训练数据。应当说明的是，在有些实施例中在用户写作容器上使用压力传感器获取所述笔尖的移动速度。

通过把笔尖的运动信息转换为训练人工智能的原始数据，因为通过笔尖书写是一种普遍行为，所以数据量大，使得在训练有关文本方面的人工智能时，能获得足够多的数据，加快了人工智能的训练；同时通过为用户提供人工智能的提示，也提升了用户书写时的体验。

在有些实施例中，所述笔尖创作内容为为笔画，在用户还未完全输入的笔尖运动信息，转化所述笔尖运动信息为用于数字化处理的原始数据，并上传至云端知识库，云端知识库使用人工智能判断出用户所要书写的文字，并返回给用户，如果用户确认则所述人工智能判断正确，练了人工智能，也进一步提升了用户体验。

在另一些实施例中，所述笔尖创作内容为为图画，在每个预设时间后，自动上传根据所述笔尖运动信息产生数据至云端知识库，云端知识库使用人工智能判断出用户所要绘制的内容，并返回所述判断出用户所要绘制的内容至客户端供用户参考，如果用户确认则所述人工智能判断正确，练了人工智能，也进一步提升了用户体验。

请参照图3，基于本发明智能信息处理方法第一实施例，在本发明智能信息处理方法第三实施例中，所述步骤S10包括：

步骤S13，通过摄像装置实时获取用于创作所述创作内容的影像；

步骤S14，转换所述影像作为用于数字化处理的原始数据。

更具体地，通过监测用户影像，获取用户动作预判用户行为。例如：得到用户在拿起指挥棒并作出特定起手势的数据后传至云端知识库，经过分析得出用户想要练习乐曲指挥的结果，并通过播放预设的音乐进一步观察用户是否进行指挥练习作为反馈，如果用户跟随乐曲练习指挥，则机器判断正确；如果放下指挥棒，则机器判断错误，进而根据上述反馈训练人工智能。

在本实施例中，通过摄像机持续获取用户的影像，分析所述影像，得到用户的动作数据，转换所述动作数据为训练人工智能的训练数据，加快了人工智能的训练；同时通过使用人工智能预判用户的动作，并为用户提前提供相应服务，提升了用户体验。

在有些实施例中，所述摄像装置实时获取的用户绘制的图画，转化所述用户绘制的图画为原始数据并上传所述图画至云端知识库，云端知识库经过分析得出用户想要绘制的内容，并生成提示性图片发给客户端，如果用户下一步绘制的内容和所述提示性图片相符合则机器判断正确；如果所述提示性图片和所述用户下一步绘制的内容不一致，则机器判断错误，根据上述反馈训练人工智能，进一步提升用户体验。

而在另一些实施例中，所述摄像装置实时获取的用户书写的内容，转化所述用户书写的内容为原始数据并上传所述图画至云端知识库，云端知识库经过分析得出用户想要书写的内容，并生成提示性文字发给客户端，如果用户下一步书写的文字和所述提示性文字相符合则机器判断正确；如果所述提示性图片和所述用户下一步绘制的内容不一致，则机器判断错误，根据上述反馈训练人工智能，进一步提升用户体验。

请参照图4，基于本发明智能信息处理方法第一实施例，在本发明智能信息处理方法第四实施例中，所述步骤S10包括：

步骤S15，获取电子画板正在创作对象的图像；

步骤S16，根据图像识别技术转换所述图像为用于数字化处理的所述原始数据。

在本实施例中，用户在电子画板上的作图，获取用户在所述电子画板上的图形，根据新生成线条的走向，实时发送给云端知识库的人工智能，并让人工智能做出输出，直接通过电子画板上的图形和颜色，生成下一步预测的内容，仔经过用户对所述人工智能的输出结果进行判断，加快了人工智能的训练；同时人工智能的输出提示，又帮助用户提高了作图效率。

请参照图5，基于本发明智能信息处理方法第一实施例，在本发明智能信息处理方法第五实施例中，所述步骤S20包括：

步骤S21，对所述原始数据进行降噪处理；

在对人工智能进行训练时，为了减少计算量，对原始数据进行分析，去除不必要的特征，例如在对笔尖进行监测，并获取书写内容时，只提取部分的文本作为训练对象；在绘画时，自动去除画面的背景元素。

步骤S22，根据降噪后的所述原始数据生成所述训练数据。

在本实施例中，在获取用户的绘画内容后，自动去除绘画内容中的背景元素，只保留绘画中心区域，并使用剪裁过后的图片作为训练数据。通过对原始数据进行降噪，进一步提高了训练的质量，减少机器学习的时间；同时也提高了机器学习的准确度。

本发明提供一种智能信息处理系统，请参照图6，在本发明智能信息处理方法第一实施例中，该智能信息处理系统包括：

采集模块10，用于采集原始数据，所述原始数据包括用户的创作内容；

在用户在进行创作时，通过传感器获取用户的创作内容，例如：对应为书写的内容，绘画的内容，肢体表达出的内容，吹奏旋律的内容等。

生成模块20，用于根据所述原始数据生成用于机器学习的训练数据；

通过传感器把用户创作的内容转化为原始数据后，进一步对数据进行处理，使其达到可用于进行人工智能训练的训练数据。

发送模块30，用于发送所述训练数据至云端知识库，所述训练数据用于所述云端知识库进行机器学习，并接收从所述云端知识库返回的提示数据；

通过把云端知识库设置在远端服务器，使得训练数据的获得和机器学习的训练在不同的机器上运行，机器学习与获取训练数据使用资源互不干扰，避免冲突；同时在云端知识库根据已经获得的人工智能对原始数据进行判断，并生成提示数据，例如，当训练数据为手写文本“1+1”时，提示数据为“＝2”。

接收模块40，用于接收用户对所述提示数据的反馈，并上传至所述云端知识库。

通过根据用户对提示信息的反馈，进一步训练所述云端知识库的人工智能。具体在本实施例中，所述云端知识库设有帮助人提高绘画能力的人工智能，用户端进行绘画时，采集模块10通过相机获取用户所画的内容，生成模块20根据所述内容生成人工智能训练数据，发送模块30上传至云端知识库对所述绘画的内容进行分析后，接收模块40输出人工智能自己的创作结果，更具地，当获取用户绘制完成两个动物耳朵后，云端知识库返回一个兔子的图画给用户，如果用户本来想画兔子，则反馈给云端知识库的人工智能，所输出的结果正确；如果用户本来想画的是马，则反馈给云端知识库的人工智能，所输出的结果错误，训练人工智能获取绘画中兔子的特征向量。通过转化用户的创作内容为人工智能的训练数据，还让用户对人工智提示信息的进一步确认，实现对人工智能的训练，为人工智能的训练提供了方便的方法；同时因为训练是在真实情况下产生，保证了训练的真实性；此外训练过程中用户也可以随时获取正确的提示，帮助用户进行创作，提高创作效率。

请参照图7，基于本发明智能信息处理系统第一实施例，在本发明智能信息处理方法系统第二实施例中，所述采集模块10包括：

第一获取单元11，用于获取用于创作所述创作内容的笔尖的运动信息；

第一转换单元12，用于转换所述运动信息为用于数字化处理的原始数据。

在本实施例中，所述笔尖内安装有陀螺仪，第一获取单元11通过持续获取所述笔尖的移动方向，移动速度，移动时间等信息，分析出用户的书写内容，第一转换单元12转换所述用户的书写内容为电子文档数据，并进一步转换所述电子文档数据为训练人工智能的训练数据。

通过把笔尖的运动信息转换为训练人工智能的原始数据，因为通过笔尖书写是一种普遍行为，所以数据量大，使得在训练有关文本方面的人工智能时，能获得足够多的数据，加快了人工智能的训练；同时通过为用户提供人工智能的提示，也提升了用户书写时的体验，应当说明的是，在有些实施例中在用户写作容器上使用压力传感器获取所述笔尖的移动速度。

在有些实施例中，所述笔尖创作内容为为笔画，第一获取单元11在用户还未完全输入的笔尖运动信息，第一转换单元12转化所述笔尖运动信息为用于数字化处理的原始数据，并上传至云端知识库，云端知识库使用人工智能判断出用户所要书写的文字，并返回给用户，如果用户确认则所述人工智能判断正确，练了人工智能，也进一步提升了用户体验。

在另一些实施例中，所述笔尖创作内容为为图画，在每个预设时间后，第一获取单元11在用户获取预设时间内所述笔尖的运动信息，第一转换单元12转化所述笔尖运动信息为用于数字化处理的原始数据，并上传至云端知识库，云端知识库使用人工智能判断出用户所要绘制的内容，并返回所述判断出用户所要绘制的内容至客户端供用户参考，如果用户确认则所述人工智能判断正确，练了人工智能，也进一步提升了用户体验。

请参照图8，基于本发明智能信息处理系统第一实施例，在本发明智能信息处理系统第三实施例中，所述采集模块10包括：

第二获取单元13，用于通过摄像装置实时获取用于创作所述创作的影像；

第二转换单元14，用于转换所述影像作为用于数字化处理的原始数据。

更具体地，通过监测用户影像，获取用户动作预判用户行为。例如：得到用户在拿起指挥棒并作出特定起手势的数据后传至云端知识库，经过分析得出用户想要练习乐曲指挥的结果，并通过播放预设的音乐进一步观察用户是否进行指挥练习作为反馈，如果用户跟随乐曲练习指挥，则机器判断正确；如果放下指挥棒，则机器判断错误，进而根据上述反馈训练人工智能。

在本实施例中，第二获取单元13通过摄像机持续获取用户的影像，第二转换单元14分析所述影像，得到用户的动作数据，转换所述动作数据为训练人工智能的训练数据，加快了人工智能的训练；同时通过使用人工智能预判用户的动作，并为用户提前提供相应服务，提升了用户体验。

在有些实施例中，第二获取单元13使用所述摄像装置实时获取的用户绘制的图画，第二转换单元14转化所述用户绘制的图画为原始数据并上传所述图画至云端知识库，云端知识库经过分析得出用户想要绘制的内容，并生成提示性图片发给客户端，如果用户下一步绘制的内容和所述提示性图片相符合则机器判断正确；如果所述提示性图片和所述用户下一步绘制的内容不一致，则机器判断错误，根据上述反馈训练人工智能，进一步提升用户体验。

而在另一些实施例中，第二获取单元13使用所述摄像装置实时获取的用户书写的内容，第二转换单元14转化所述用户书写的内容为原始数据并上传所述图画至云端知识库，云端知识库经过分析得出用户想要书写的内容，并生成提示性文字发给客户端，如果用户下一步书写的文字和所述提示性文字相符合则机器判断正确；如果所述提示性图片和所述用户下一步绘制的内容不一致，则机器判断错误，根据上述反馈训练人工智能，进一步提升用户体验。

请参照图9，基于本发明智能信息处理系统第一实施例，在本发明智能信息处理系统第四实施例中，所述采集模块10包括：

第三获取单元15，获取电子画板正在创作对象的图像；

第三转换单元16，根据图像识别技术转换所述图像为用于数字化处理的所述原始数据。

在本实施例中，用户在电子画板上的作图，第三获取单元15获取用户在所述电子画板上的图形，第三转换单元16根据新生成线条生成原始数据，实时发送给云端知识库的人工智能，并让人工智能做出输出，直接通过电子画板上的图形和颜色，生成下一步预测的内容，仔经过用户对所述人工智能的输出结果进行判断，加快了人工智能的训练；同时人工智能的输出提示，又帮助用户提高了作图效率。

请参照图10，基于本发明智能信息处理系统第一实施例，在本发明智能信息处理系统第五实施例中，所述生成模块20包括：

降噪单元21，用于对所述原始数据进行降噪处理；

在对人工智能进行训练时，为了减少计算量，对原始数据进行分析，去除不必要的特征，例如在对笔尖进行监测，并获取书写内容时，只提取部分的文本作为训练对象；在绘画时，自动去除画面的背景元素。

生成单元22，用于根据降噪后的所述原始数据生成所述训练数据。

在本实施例中，在获取用户的绘画内容后，降噪单元21自动去除绘画内容中的背景元素，只保留绘画中心区域，生成单元22使用剪裁过后的图片作为训练数据。通过对原始数据进行降噪，进一步提高了训练的质量，减少机器学习的时间；同时也提高了机器学习的准确度。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。