一种基于数据处理的自动推理平台的制作方法

本发明涉及网络数据处理系统，具体为一种基于数据处理的自动推理平台。

背景技术：

1、数学机械化的发展离不开计算机，数学机械化理论的应用更需要计算机软件的支撑。数学机械化二十余年的研究，在理论和方法上取得了创造性的发展。基于数据处理的自动推理平台是一种人工智能技术，它通过计算机程序实现逻辑推理，以推导出结论。这种技术可以用于自动化处理和解决诸如数学定理证明、软件验证、安全性检查、知识表示和推理等领域的问题。自动推理的过程通常采用形式逻辑，如一阶逻辑、模态逻辑、时态逻辑等作为基础，使用推理规则和算法，自动检查逻辑公式的真假，并推导出结论。逻辑推理过程可以被分为定理证明和模型检查这两种主要类型。定理证明是通过逻辑公式的形式，自动证明数学定理和形式化语言的公理和定理，模型检查则是检查系统的行为是否符合给定的规范。此外，自动推理是计算机科学的一个重要领域，它的目标是为系统或程序的行为提供保证，这种保证基于数学证明。在70年代专家系统和知识工程的出现后，人们意识到，仅仅研究从真前提得出真结果的古典推理方法是不够的，因为在充满不确定信息的环境中，人类需要进行有效的思考和推理。因此，自动推理作为一种可以在计算机支持下实现推理的方法，得到了广泛的关注和研究。

2、目前，传统的数据处理自动推理平台推理流程，根据用户输入指令，查阅筛选大量数据后，通过单一路径分析得出推理结果，存在数据偏差的问题，进而影响其在实际使用过程中的应用效果。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足，本发明提供了一种基于数据处理的自动推理平台，具备推理逻辑清晰结果准确、分析数据偏差小等优点，解决了单一路径分析推理数据结果存在偏差的问题。

3、(二)技术方案

4、为实现上述目的，本发明提供如下技术方案：一种基于数据处理的自动推理平台，所述数据采集模块包括关键信息单元，所述关键信息单元与数据采集模块通过网络连接，所述数据采集模块通过关键信息单元采集用户指令数据集和关键信息数据集，所述用户指令数据集由图像数据集、文字数据集和语音数据集组成，所述关键信息单元根据用户指令数据集特征对其进行分类编号，所述数据采集模块根据图像数据集编号tx、文字数据集编号wz和语音数据集编号yu，通过网络连接大数据云端采集对应的关键信息数据集，所述关键信息数据集由关键图像数据集、关键文字数据集和关键语音数据集组成，所述数据采集模块根据关键信息数据集特征对其进行分类编号，并将数据集传输至数据分析模块中，所述数据采集模块通过网络与数据分析模块连接；

5、所述数据分析模块通过网络连接数据库建立推理逻辑数据集模型，并对其进行编号，所述推理逻辑数据集编号与关键信息数据集编号一一对应，所述推理逻辑数据集模型由形式逻辑数据集、模糊逻辑数据集、贝叶斯逻辑数据集、非单调逻辑数据集、多值逻辑数据集、描述逻辑数据集和类比逻辑数据集组成，所述数据分析模块包括终算单元，所述终算单元与数据分析模块通过网络连接，所述终算单元根据形式逻辑数据集编号xs、模糊逻辑数据集编号mh、贝叶斯逻辑数据集编号bys、非单调逻辑数据集编号fdd、多值逻辑数据集编号dz、描述逻辑数据集编号ms和类比逻辑数据集编号lb，计算出图像推理结果txjg、文字推理结果wzjg和语音推理结果yujg，并将数据传输至数据输出模块中，所述数据分析模块通过网络与数据输出模块连接；

6、所述数据输出模块包括图像输出单元、文字输出单元和语音输出单元，所述数据输出模块将图像推理结果txjg、文字推理结果wzjg和语音推理结果yujg以图像、文字以及语音的形式将推理结果反馈给用户，所述数据输出模块通过网络连接平台采集用户评价数据集，所述用户评价数据集由图像评价数据集、文字评价数据集和语音评价数据集组成，所述数据输出模块根据用户评价数据集特征对其进行编号，所述数据输出模块根据用户指令数据集，计算出误差指数wczz，并将数值储存至数据分析模块中，用于调整推理逻辑数据集模型。

7、优选的，所述关键信息单元根据用户指令数据集特征分别对图像数据集、文字数据集和语音数据集进行编号，所述图像数据集编号为tx1、tx2、tx3、...txn，所述文字数据集编号为wz1、wz2、wz3、...wzn，所述语音数据集编号为yu1、yu2、yu3、...yun。

8、优选的，所述数据采集模块根据关键信息数据集特征分别对关键图像数据集、关键文字数据集和关键语音数据集进行编号，并与用户指令数据集一一对应，所述关键图像数据集编号为gjtx1、gjtx2、gjtx3、...gjtxn，所述文字数据集编号为gjwz1、gjwz2、gjwz3、...gjwzn，所述语音数据集编号为gjyu1、gjyu2、gjyu3、...gjyun。

9、优选的，所述数据分析模块根据推理逻辑数据集模型特征对形式逻辑数据集、模糊逻辑数据集、贝叶斯逻辑数据集、非单调逻辑数据集、多值逻辑数据集、描述逻辑数据集和类比逻辑数据集进行编号，并与关键信息数据集编号一一对应，所述形式逻辑数据集编号为xsgjtx、xsgjwz、和xsgjyu，所述模糊逻辑数据集编号为mhgjtx、mhgjwz、和mhgjyu，所述贝叶斯逻辑数据集编号为bysgjtx、bysgjwz、和bysgjyu，所述非单调逻辑数据集编号为fddgjtx、fddgjwz、和fddgjyu，所述多值逻辑数据集编号为dzgjtx、dzgjwz和dzgjyu，所述描述逻辑数据集编号为msgjtx、msgjwz、和msgjyu，所述类比逻辑数据集编号为lbgjtx、lbgjwz、和lbgjyu。

10、优选的，所述终算单元根据形式逻辑数据集编号xs、模糊逻辑数据集编号mh、贝叶斯逻辑数据集编号bys、非单调逻辑数据集编号fdd、多值逻辑数据集编号dz、描述逻辑数据集编号ms和类比逻辑数据集编号lb，计算出图像推理结果，其计算公式如下：

11、

12、公式中，txjg表示图像推理结果，gjtxn表述用户指令对应的关键图像数据，mhgjtx+xsgjtx+dzgjtx+fddgjtx表示经过模糊图像推理确定形式后，根据图像多元属性预测动态未来流程后的数据，bysxyz表示分析后预估的三维图像x轴y轴z轴分布概率。

13、优选的，所述终算单元根据形式逻辑数据集编号xs、模糊逻辑数据集编号mh、贝叶斯逻辑数据集编号bys、非单调逻辑数据集编号fdd、多值逻辑数据集编号dz、描述逻辑数据集编号ms和类比逻辑数据集编号lb，计算出文字推理结果，其计算公式如下：

14、wzjg＝∑gjwzn+xsgjwz*msgjwz+lbgjwz

15、公式中，wzjg表示文字推理结果，gjwzn表示用户指令对应的关键文字数据集，xsgjwz*msgjwz表示经过形式推理逻辑一致后进行详细描述的数据，lbgjwz表示基于关键文字相似的类比推理数据。

16、优选的，所述终算单元根据形式逻辑数据集编号xs、模糊逻辑数据集编号mh、贝叶斯逻辑数据集编号bys、非单调逻辑数据集编号fdd、多值逻辑数据集编号dz、描述逻辑数据集编号ms和类比逻辑数据集编号lb，计算出语音推理结果，其计算公式如下：

17、

18、公式中，yujg表示语音推理结果，gjyun+msgjyu表示根据模糊逻辑推理后的关键语音数据，fddgjyu表示根据动态变化知识推理预测的语音数据，lbgjyu表示基于关键语音相似的类比推理数据。

19、优选的，所述数据输出模块根据用户评价数据集特征对图像评价数据集、文字评价数据集和语音评价数据集进行编号，所述图像评价数据集编号为tp1、tp2、tp3、...tpn，所述文字数据集编号为wp1、wp2、wp3、...wpn，所述语音数据集编号为yp1、yp2、yp3、...ypn。

20、优选的，所述数据输出模块根据图像评价数据集、文字评价数据集和语音评价数据集，计算出误差指数，其计算公式如下：

21、

22、公式中，wczz表示误差指数，tpn+wpn+ypn表示用户对图像、文字和语音推理结果的综合评价系数，k表示平台预估用户高满意度的评价系数。

23、优选的，所述数据分析模块根据误差指数wczz判定调整推理逻辑数据集模型，所述误差指数wczz在75-100％之间时，用户满意度高，所述误差指数wczz＜75％，用户满意度低，需要立即调整推理逻辑数据集模型。

24、与现有技术相比，本发明提供了一种基于数据处理的自动推理平台，具备以下有益效果：

25、1、本发明通过数据关键信息单元采集用户指令数据集，数据采集模块根据用户指令数据集对应采集关键信息数据集，数据分析模块建立推理逻辑数据集模型并进行编号，且与关键信息数据集编号一一对应，计算出图像推理结果txjg、文字推理结果wzjg和语音推理结果yujg，推理逻辑清晰，通过多种推理逻辑数据集模型结合推算结果更准确。分析数据偏差小

26、2、本发明通过数据输出模块将图像推理结果txjg、文字推理结果wzjg和语音推理结果yujg以图像、文字以及语音的形式将推理结果反馈给用户，数据输出模块通过网络连接平台采集用户评价数据集，计算出误差指数wczz，并将数值储存至数据分析模块中，数据分析模块根据误差指数wczz判定用户满意度而调整推理逻辑数据集模型，有效分析数据偏差更小。