基于深度学习的人工智能应用处理系统设计

栾学德

（潍坊科技学院，山东 潍坊 262700）

0 引言

最近几年，在我国科技水平的不断提高下，深度学习技术应运而生，该技术凭借着自身精确度高、安全性高、灵活性强等特征，被广泛地应用于人工智能应用处理系统设计中，不仅可以实现系统重要数据的智能化、精确化推荐，还能保证数据处理效果，为提高用户使用体验提供重要的技术支持。因此，在深度学习技术的应用背景下，如何科学设计人工智能应用处理系统是技术人员必须思考和解决的问题。

1 系统需求分析

系统需求分析作为系统设计基础内容，在正式进入人工智能应用处理系统设计之前，技术人员要从以下两个维度出发，做好对系统需求分析。（1）用户需求分析。该系统所涉及的用户主要包含业务用户和系统用户两类，用户类型不同，其系统需求也存在的一定的差异。（2）功能需求分析。系统功能主要包含两大核心模块，分别是数据处理模块和推荐算法模块，技术人员要重点做好对这些功能模块的设计和实现，以保证用户的使用体验。

2 系统总体设计

2.1 系统总体架构设计

该系统总体架构在具体的设计中，采用了C/S设计模式，主要由以下三个部分组成：（1）用户端。用户端可以实时进行人机交互操作，如手机App、网站等。（2）客户端。客户端主要负责向用户提供相应的界面，然后采用http请求的方式[1]，与服务端建立起有效的连接，以保证数据通信的高效性和快捷性。（3）服务端。服务端通过对用户端所提交的业务进行处理，以实现对相关核心功能的调用[2]，并向数据库反馈最终数据调用结果。服务端主要由以下两大部分组成，分别是业务程序和数据库[3]。系统总体框架设计示意图如图1所示。

图1 系统总体框架设计示意图

2.2 系统数据库设计

数据库作为人工智能应用处理系统的重要组成部分，为实现数据的安全传输、存储和管理打下坚实的基础，因此，要想进一步提高人工智能应用处理系统的运行性能[4]，保证系统核心功能的实现效果，技术人员要做好对系统数据库设计。现以表1、表2、表3所示的“新闻表、历史浏览表、推荐记录表”为例，对数据库具体设计进行介绍。

表1 新闻表

表2 历史浏览表

表3 推荐记录表

3 系统详细设计

在深度学习技术的应用背景下，为了更好地提高人工智能应用处理系统的运行性能，满足用户的多样化使用需求，现将该系统划分为以下两大核心模块[5]，分别是数据处理模块和推荐算法模块。系统功能模块设计示意图如图2所示。

图2 系统功能模块设计示意图

3.1 数据处理模块设计

数据处理模块主要包含以下三大子模块：（1）数据库构建。要针对人工智能应用处理系统的使用需求，构建相应的数据库，以实现对系统重要信息数据的安全化、可靠化存储和管理。（2）数据更新。该子模块在具体的设计中，要根据用户实际情况，定期对数据库内的信息数据进行更新，如添加新用户信息、新点击记录信息、新闻信息和推荐结果信息等。（3）文本处理。该子模块在具体的设计中，要从文本信息处理、文本生成特征嵌入式处理两个环节出发，构建相应的模型[6]，并对该模型进行训练和预测。同时，还要将文本处理划分为以下两个部分，一个是TF-IDF特征提取；另一个是文本嵌入向量表示。在对TF-IDF特征进行提取期间，要从新闻样本集中，对某个词的重要程度进行评估和预测。在对文本嵌入向量进行表示期间，要根据当前文本嵌入矩阵，在充分结合数据集训练模型的基础上，为单个文本构建相应的矩阵，以实现对相关词组的高效化统计。

3.2 推荐算法模块设计

推荐算法模块作为人工智能应用处理系统的核心模块，充分利用了深度学习技术，为用户提供了良好的智能化服务体验。该模块在具体的设计中，主要运用了基于深度模型的推荐算法。深度模型预测流程如图3所示。通过借助数据爬虫模块，获取新闻相关信息，并将其安全存储于指定的数据库中，然后，进入模型训练阶段，在该阶段中，系统可以从数据库中获取用户感兴趣的信息，并对其进行一系列处理，从而形成比较规范的数据格式，接着，通过利用数据调用模块，实现对用户特征信息和商品特征信息的精确化提取和收集，使得系统具有较高的模型学习能力。

图3 深度模型预测流程

4 系统实现

4.1 系统环境和数据

在开发系统核心功能期间，技术人员要将该系统直接部署于相应的服务器上，并完成对相关信息的配置，系统用到的硬件主要包含16GB内存和强E5-2600型号的CPU，系统用到的软件主要包含5.7.14版本的MySQL数据库以及3.5版本的Python编程语言。系统用到的新闻数据主要包含以下两大部分，分别是新闻通知数据和网易新闻数据，其中，网易新闻数据主要包含科技信息、娱乐信息等。

4.2 系统结果显示

通过借助Django框架，将系统与数据库之间建立起有效的连接，并对这些信息进行增删改查处理，当系统获取用户特征信息后，会使用户的喜好信息传输到深度模型中，进行一系列训练，并形成如图4所示的问答系统记录的推荐结果。从图4中可以看出，用户通过利用问答系统，可以精确记录主动咨询信息，此时，系统根据用户的咨询信息，为用户推荐相关答案，以满足用户的个性化使用需求。

图4 对于问答系统记录的推荐结果

综上所述，本文所设计的人工智能应用处理系统主要包含以下两大核心模块，分别是数据处理模块和推荐算法模块。其中，数据处理模块不仅可以实现对数据格式的定义，还能实现对相关内容的安全化存储，极大地提高数据库内信息处理能力。智能推荐模块可根据用户实际情况，调用合适的推荐算法，从而推荐出用户感兴趣的信息，为用户带来良好的使用体验。由此可见，在深度学习技术的应用背景下，人工智能应用处理系统具有非常高的应用价值和应用前景，值得被进一步推广和应用。