基于5G与人工智能的信息处理方法及大数据云计算中心
技术领域
本申请涉及5G通信和人工智能技术领域，尤其涉及基于5G与人工智能的信息处理方法及大数据云计算中心。
背景技术
人工智能可以理解为具有独立思考能力的计算机程序。现目前，人工智能主要依靠云计算和终端处理。详细地，终端可以对自身的大量信息进行处理和提炼，然后进入云端的人工智能大脑进行统一处理。然而现阶段的人工智能运行速度慢且智能化程度低。究其原因，主要是终端处理能力和网络传输能力有限。随着5G技术的发展，通过将5G网络实现云端的人工智能大脑与终端之间的连接，并结合边缘计算技术能够将分布式架构匹配到人工智能中。这样能够有效提高人工智能的网络传输能力和智能化程度。但是，在将5G与人工智能进行结合并进行应用时，会出现过多的冗余信息，这样会导致信息处理效率低下。
发明内容
本申请提供基于5G与人工智能的信息处理方法及大数据云计算中心，以改善现有技术中存在过多冗余信息以及信息处理效率低下的技术问题。
首先提供一种基于5G与人工智能的信息处理方法，应用于与物联网设备以及人工智能服务器通信连接的大数据云计算中心，所述方法包括：
接收人工智能服务器发送的基于大数据云计算中心的线程日志确定出的标签标定指令；
根据所述标签标定指令配置用于对业务信息进行采集的接口参数脚本；在检测到物联网设备广播的信息上传请求时运行所述接口参数脚本，从所述物联网设备处采集原始业务信息并基于所述接口参数脚本对应的运行结果文件对采集到的原始业务信息添加一级标签得到第一目标信息；
将所述第一目标信息传输给所述人工智能服务器，使所述人工智能服务器基于所述线程日志对所述第一目标信息添加二级标签得到第二目标信息，使所述人工智能服务器基于所述一级标签和所述二级标签对所述第二目标信息进行筛分以得到第三目标信息，使所述人工智能服务器对所述第三目标信息进行处理得到信息处理结果。
可选地，所述标签标定指令具体通过以下方式确定：所述人工智能服务器调取所述大数据云计算中心的线程日志，对所述线程日志进行信息流量的统计以得到流量变化轨迹，根据所述流量变化轨迹生成所述标签标定指令。
可选地，在检测到物联网设备广播的信息上传请求时运行所述接口参数脚本，从所述物联网设备处采集原始业务信息，包括：
从检测到的信息上传请求中提取对应的物联网设备的设备签名密钥并采用所述设备签名密钥对所述信息上传请求进行校验计算得到第一校验结果；
运行所述接口参数脚本以开启信息采集链路，通过所述信息采集链路从所述物联网设备中提取待验证业务信息，采用所述设备签名密钥对所述待验证业务信息进行校验计算得到第二校验结果；
分别确定所述第一校验结果对应的第一身份信息以及所述第二校验结果对应的第二身份信息；在所述第一身份信息与所述第二身份信息相同时确定所述待验证业务信息为原始业务信息并将对应的设备签名密钥植入所述原始业务信息中；在所述第一身份信息与所述第二身份信息不相同时退回所述待验证业务信息。
可选地，基于所述接口参数脚本对应的运行结果文件对采集到的原始业务信息添加一级标签得到第一目标信息，包括：
确定所述接口参数脚本对应的运行结果文件中的多组文本信息以及每组文本信息对应的文本优先级；其中，所述文本信息用于表征所述运行结果文件的不同注册信息，所述文本优先级用于表征每组文本信息在时序上的先后顺序；
针对每组文本信息，确定该文本信息与其他文本信息之间的文本相似率以及文本优先级的优先级差值；基于所述文本相似率及其对应的优先级差值绘制每组文本信息对应的特征识别度曲线；其中，所述特征识别度曲线的横坐标为文本相似率，所述特征识别曲线的纵坐标为优先级之差；
针对确定出的每条特征识别度曲线，按照设定步长提取每条特征识别度曲线的斜率变化值并根据所述斜率变化值确定每条特征识别度曲线对应的斜率分布数组；采用多维特征均值模型对所述斜率分布数组进行聚类得到多个聚类集，分别计算每个聚类集的聚类中心度并按照所述聚类中心度由大到小的顺序将所述聚类集进行排序得到聚类集排序序列；从所述聚类集排序序列中选取排序靠前的设定数量个聚类集作为目标聚类集，将每个目标聚类集中的斜率分布数组对应的文本信息确定为用于进行标签识别的参考文本信息；
提取每组参考文本信息的信息编码并根据所述信息编码生成训练集；采用所述训练集对预设卷积神经网络进行训练得到目标神经网络；
将所述原始业务信息输入所述目标神经网络得到所述原始业务信息的多个信息特征，根据所述多个信息特征确定所述原始业务信息的属性类别，从预设数据库中确定出与所述属性类别存在关联关系的目标标签并将所述目标标签作为一级标签添加到所述原始业务信息中以得到所述第一目标信息。
可选地，将所述目标标签作为一级标签添加到所述原始业务信息中以得到所述第一目标信息，包括：
确定所述原始业务信息的多个信息封装标识，根据所述信息封装标识确定对应的信息内容；其中，所述信息内容以二进制编码与封装在所述信息封装标识对应的字段位中；
计算信息封装标识之间的标识关联系数最小且信息内容之间的相关性权重最小的第一信息封装标识和第二信息封装标识；
将所述目标标签作为一级标签封装到第一信息封装标识和第二信息封装标识中字段位空置率较低的信息封装标识中。
可选地，使所述人工智能服务器基于所述线程日志对所述第一目标信息添加二级标签得到第二目标信息，包括：
获取所述线程日志对应的日志事件清单，对所述日志事件清单进行事件队列分析，得到包括日志队列信息及所述日志队列信息对应的识别系数的第一分析结果；
确定所述第一目标信息对应的原始业务信息的信息容量值，基于所述信息容量值从所述第一分析结果中筛分出第二分析结果并获得所述第二分析结果对应的目标日志队列信息以及目标识别系数；
将所述信息容量值映射到所述目标识别系数在所述目标日志队列信息中的目标位置处，得到所述信息容量值对应的映射容量值并基于所述映射容量值确定所述原始业务信息与该原始业务信息对应的一级标签之间的指向权重，根据所述指向权重生成与所述一级标签对应的二级标签并添加到所述第一目标信息中得到第二目标信息。
可选地，使所述人工智能服务器基于所述一级标签和所述二级标签对所述第二目标信息进行筛分以得到第三目标信息，包括：
针对每两个第二目标信息，判断其中一个第二目标信息的一级标签与另一个第二目标信息的一级标签是否相同；
若其中一个第二目标信息的一级标签与另一个第二目标信息的一级标签相同，则判断其中一个第二目标信息的二级标签与另一个第二目标信息的二级标签是否相同；
若其中一个第二目标信息的二级标签与另一个第二目标信息的二级标签相同，判定其中一个第二目标信息与另一个第二目标信息为相似信息；
确定其中一个第二目标信息的第一增益指标数据以及另一个第二目标信息的第二增益指标数据，对所述第一增益指标数据和所述第二增益指标数据进行比较，保留所述第一增益指标数据和所述第二增益指标数据中较大的增益指标数据对应的第二目标信息并删除所述第一增益指标数据和所述第二增益指标数据中较小的增益指标数据对应的第二目标信息。
其次提供一种大数据云计算中心，所述大数据云计算中心与物联网设备以及人工智能服务器通信连接，所述大数据云计算中心用于：
接收人工智能服务器发送的基于大数据云计算中心的线程日志确定出的标签标定指令；
根据所述标签标定指令配置用于对业务信息进行采集的接口参数脚本；在检测到物联网设备广播的信息上传请求时运行所述接口参数脚本，从所述物联网设备处采集原始业务信息并基于所述接口参数脚本对应的运行结果文件对采集到的原始业务信息添加一级标签得到第一目标信息；
将所述第一目标信息传输给所述人工智能服务器，使所述人工智能服务器基于所述线程日志对所述第一目标信息添加二级标签得到第二目标信息，使所述人工智能服务器基于所述一级标签和所述二级标签对所述第二目标信息进行筛分以得到第三目标信息，使所述人工智能服务器对所述第三目标信息进行处理得到信息处理结果。
然后提供一种大数据云计算中心，包括：处理器，以及与处理器连接的内存和网络接口；所述网络接口与大数据云计算中心中的非易失性存储器连接；所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序，并通过所述内存运行所述计算机程序，以执行上述的方法。
最后提供一种应用于计算机的可读存储介质，所述可读存储介质烧录有计算机程序，所述计算机程序在大数据云计算中心的内存中运行时实现上述的方法。
本申请提供的基于5G与人工智能的信息处理方法，首先接收人工智能服务器发送的标签标定指令并基于标签标定指配置接口参数脚本，其次在检测到物联网设备广播的信息上传请求时运行接口参数脚本以采集原始业务信息，然后基于接口参数脚本对应的运行结果文件对采集到的原始业务信息添加一级标签得到第一目标信息，进一步将第一目标信息传输给人工智能服务器。能够使得人工智能服务器对第一目标信息添加二级标签得到第二目标信息并基于一级标签和二级标签对第二目标信息进行筛分以得到第三目标信息。如此，能够对业务信息进行准确分类，避免处理大量类似或重复的业务信息，减少信息处理结果中的冗余信息，提高信息处理效率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1是本申请根据一示例性实施例示出的一种5G与人工智能的交互示意图。
图2是本申请根据一示例性实施例示出的一种基于5G与人工智能的信息处理方法的流程图。
图3是本申请根据一示例性实施例示出的一种基于5G与人工智能的信息处理装置的一个实施例框图。
图4是本申请根据一示例性实施例示出的一种基于5G与人工智能的信息处理系统的架构示意图。
图5为图3所示的装置所在大数据云计算中心的一种硬件结构图。
具体实施方式
发明人对现有的5G与人工智能的交互架构进行了分析，如图1所示，为现有的5G与人工智能的交互示意图。在图1中，基于5G形成的万物互联系统100与大数据云计算中心200通信，大数据云计算中心200与人工智能服务器300通信。大数据云计算中心200从万物互联系统100中的物联网设备110处采集业务信息，并将业务信息输入人工智能服务器300，人工智能服务器300对业务信息进行分析和提取，并输出处理结果至大数据云计算中心200。
然而发明人发现，随着业务规模的扩大，大数据云计算中心200向人工智能服务器300输入的业务信息之间可能存在重复，这会使得人工智能服务器300对大量的类似或者重复的业务信息进行分析识别，不仅会降低人工智能服务器300的信息处理效率，还会导致人工智能服务器300输出的处理结果中存在大量冗余信息。
为改善上述问题，发明人对大数据云计算中心200和人工智能服务器300进行了改进，通过对业务信息进行多级标签的添加以实现对业务信息的准确分类，这样能够避免人工智能服务器300处理类似或重复的业务信息，减少处理结果中的冗余信息的产生，提高人工智能服务器300的信息处理效率。
在本实施例中，由于对大数据云计算中心200和人工智能服务器300均进行了改进，为了确保描述的逻辑性，首先以大数据云计算中心200为执行主体进行改进方法的说明。其中，本发明实施例提供了基于5G与人工智能的信息处理方法，所述方法可以应用于图1中的大数据云计算中心200，所述大数据云计算中心200在实现上述方法时具体执行如图2所示的以下步骤。
步骤S21，接收人工智能服务器发送的基于大数据云计算中心的线程日志确定出的标签标定指令。
在本实施例中，人工智能服务器300通过调取大数据云计算中心200的线程日志，并对线程日志进行信息流量的统计以得到流量变化轨迹，然后根据流量变化轨迹生成标签标定指令。
步骤S22，根据所述标签标定指令配置用于对业务信息进行采集的接口参数脚本；在检测到物联网设备广播的信息上传请求时运行所述接口参数脚本，从所述物联网设备处采集原始业务信息并基于所述接口参数脚本对应的运行结果文件对采集到的原始业务信息添加一级标签得到第一目标信息。
在本实施例中，接口参数脚本可以是大数据云计算中心200内置的信息采集线程的运行参数。信息上传请求用于表征物联网设备已开启业务信息的采集接口权限(表明同意大数据云计算中心200进行业务信息采集)。运行结果文件用于记录信息采集线程对应运行记录。一级标签用于对原始业务信息进行区分。
步骤S23，将所述第一目标信息传输给所述人工智能服务器，使所述人工智能服务器基于所述线程日志对所述第一目标信息添加二级标签得到第二目标信息，使所述人工智能服务器基于所述一级标签和所述二级标签对所述第二目标信息进行筛分以得到第三目标信息，使所述人工智能服务器对所述第三目标信息进行处理得到信息处理结果。
在本实施例中，第二标签为第一标签的下一级标签，用于对第一目标信息进行进一步区分。
在应用上述步骤S21-步骤S23所描述的内容时，首先接收人工智能服务器发送的基于大数据云计算中心的线程日志确定出的标签标定指令并基于标签标定指配置接口参数脚本，其次在检测到物联网设备广播的信息上传请求时运行接口参数脚本以采集原始业务信息，然后基于接口参数脚本对应的运行结果文件对采集到的原始业务信息添加一级标签得到第一目标信息，进一步将第一目标信息传输给人工智能服务器。如此，能够使得人工智能服务器对第一目标信息添加二级标签得到第二目标信息并基于一级标签和二级标签对第二目标信息进行筛分以得到第三目标信息。这样以来，能够对业务信息进行准确分类，避免处理大量类似或重复的业务信息，减少信息处理结果中的冗余信息，提高信息处理效率。
发明人在实施上述方案时发现，在配置接口参数脚本时会出现脚本缺失以及不完整的问题。进一步地，发明人对上述问题的产生原因进行了分析，推导出脚本缺失和不完整的是由于对标签标定指令的解析出现误差导致的。详细地，人工智能服务器300在向大数据云计算中心200发送标签标定指令时，为了确保数据安全性，会将标签标定指令中的部分指令编码进行隐藏并采用设定标识符进行替代，而大数据云计算中心200往往难以准确确定标签标定指令中的设定标识符，从而导致对标签标定指令的解析出现误差。为改善上述技术问题，步骤S22所描述的根据所述标签标定指令配置用于对业务信息进行采集的接口参数脚本，具体可以包括以下步骤S2211-步骤S2214所描述的内容。
步骤S2211，按照时序依次提取所述标签标定指令的多段连续的指令流并根据所述指令流之间的指令传递字段生成用于表征所述标签标定指令的标签类别的第一指令编码集以及用于表征所述标签标定指令的标签标定条件的第二指令编码集；其中，所述第一指令编码集和所述第二指令编码集中均包括多个数量相同且具有不同编码权重的编码字符串，所述第一指令编码集和所述第二指令编码集中的编码字符串通过分隔符进行划分。
步骤S2212，获取所述第一指令编码集中的编码字符串的字符串长度的分布信息，依据所述分布信息从所述第一指令编码集中提取最大标签热度对应的第一编码字符串对应的字符位信息；在提取所述字符位信息时并行地将所述第二指令编码集中的编码字符串按照其对应的编码权重的有大到小的顺序进行排序得到编码字符串序列，并从所述编码字符串序列中确定排序靠前的设定数量个编码字符串中的编码权重的变化率最小的第二编码字符串；其中，所述编码权重的变化率通过计算所述编码字符串序列中相邻两个编码字符串之间的编码权重的差值得到。
步骤S2213，从所述第二编码字符串中查找出与所述第一编码字符串对应的字符位信息相匹配的字符位标识并获取所述字符位标识的标识描述信息；在预设数据库中查找是否存在与所述标识描述信息相类似的目标描述信息，若存在，基于所述目标描述信息确定所述标签标定指令对应的多段指令流中存在隐藏标识的目标指令流。
步骤S2214，提取所述目标指令流的第一协议字段以及所述多段指令流中除所述目标指令流之外的其他指令流的第二协议字段；计算所述第一协议字段和所述第二协议字段的字段关联度，在所述字段关联度低于设定关联度时对所述第一协议字段进行转换得到第三协议字段并根据所述第三协议字段和所述第二协议字段配置所述接口参数脚本。
可以理解，通过执行上述步骤S2211-步骤S2214所描述的内容，能够基于第一协议字段和第二协议字段的字段关联度确定第一协议字段是否为隐藏的并采用设定标识符进行替代的指令编码，这样能够对第一协议字段进行转换以还原标签标定指令的指令编码，从而确保对标签标定指令的准确完整解析，确保配置出的接口参数脚本的完整性，避免接口参数脚本的缺失。
在一个可以实现的实施方式中，为了避免采集的原始业务信息之间的混淆，在步骤S22中，在检测到物联网设备广播的信息上传请求时运行所述接口参数脚本，从所述物联网设备处采集原始业务信息，示例性地可以包括以下步骤S2221-步骤S2223所描述的内容。
步骤S2221，从检测到的信息上传请求中提取对应的物联网设备的设备签名密钥并采用所述设备签名密钥对所述信息上传请求进行校验计算得到第一校验结果。
步骤S2222，运行所述接口参数脚本以开启信息采集链路，通过所述信息采集链路从所述物联网设备中提取待验证业务信息，采用所述设备签名密钥对所述待验证业务信息进行校验计算得到第二校验结果。
步骤S2223，分别确定所述第一校验结果对应的第一身份信息以及所述第二校验结果对应的第二身份信息；在所述第一身份信息与所述第二身份信息相同时确定所述待验证业务信息为原始业务信息并将对应的设备签名密钥植入所述原始业务信息中；在所述第一身份信息与所述第二身份信息不相同时退回所述待验证业务信息。
基于步骤S2221-步骤S2223，能够在接收到待验证业务信息时根据身份信息对待验证业务信息进行验证，这样可以避免采集的原始业务信息之间的混淆，确保原始业务信息的精准采集。
在实际应用中，为了实现一级标签的准确添加，需要考虑原始业务信息的多个维度的信息特征。为此，步骤S22所描述的基于所述接口参数脚本对应的运行结果文件对采集到的原始业务信息添加一级标签得到第一目标信息，进一步可以包括以下步骤S2231-步骤S2235所描述的内容。
步骤S2231，确定所述接口参数脚本对应的运行结果文件中的多组文本信息以及每组文本信息对应的文本优先级；其中，所述文本信息用于表征所述运行结果文件的不同注册信息，所述文本优先级用于表征每组文本信息在时序上的先后顺序。
步骤S2232，针对每组文本信息，确定该文本信息与其他文本信息之间的文本相似率以及文本优先级的优先级差值；基于所述文本相似率及其对应的优先级差值绘制每组文本信息对应的特征识别度曲线；其中，所述特征识别度曲线的横坐标为文本相似率，所述特征识别曲线的纵坐标为优先级之差。
步骤S2233，针对确定出的每条特征识别度曲线，按照设定步长提取每条特征识别度曲线的斜率变化值并根据所述斜率变化值确定每条特征识别度曲线对应的斜率分布数组；采用多维特征均值模型对所述斜率分布数组进行聚类得到多个聚类集，分别计算每个聚类集的聚类中心度并按照所述聚类中心度由大到小的顺序将所述聚类集进行排序得到聚类集排序序列；从所述聚类集排序序列中选取排序靠前的设定数量个聚类集作为目标聚类集，将每个目标聚类集中的斜率分布数组对应的文本信息确定为用于进行标签识别的参考文本信息。
步骤S2234，提取每组参考文本信息的信息编码并根据所述信息编码生成训练集；采用所述训练集对预设卷积神经网络进行训练得到目标神经网络。
步骤S2235，将所述原始业务信息输入所述目标神经网络得到所述原始业务信息的多个信息特征，根据所述多个信息特征确定所述原始业务信息的属性类别，从预设数据库中确定出与所述属性类别存在关联关系的目标标签并将所述目标标签作为一级标签添加到所述原始业务信息中以得到所述第一目标信息。
在本实施例中，通过实施上述步骤S2231-步骤S2235，能够考虑原始业务信息的多个维度的信息特征，从而实现一级标签的准确添加。
在上述步骤S2231-步骤S2235的基础上，为了确保在添加一级标签时不打乱原始业务信息的信息内容，步骤S2235所描述的将所述目标标签作为一级标签添加到所述原始业务信息中以得到所述第一目标信息具体可以包括以下步骤a-步骤c所描述的内容。
步骤a，确定所述原始业务信息的多个信息封装标识，根据所述信息封装标识确定对应的信息内容；其中，所述信息内容以二进制编码与封装在所述信息封装标识对应的字段位中。
步骤b，计算信息封装标识之间的标识关联系数最小且信息内容之间的相关性权重最小的第一信息封装标识和第二信息封装标识。
步骤c，将所述目标标签作为一级标签封装到第一信息封装标识和第二信息封装标识中字段位空置率较低的信息封装标识中。
可以理解，通过上述对信息封装标识之间的标识关联系数以及信息内容之间的相关性权重进行分析，可以确保将目标标签封装到不打乱原始业务信息的信息内容对应的信息封装标识的字段位中。这样可以保证原始业务信息的正常使用，避免原始业务信息在后续使用时出现异常。
在一个可能的实施方式中，为了确保二级标签和一级标签的从属关系的准确性，避免二级标签和一级标签之间存在混淆，需要考虑原始业务信息的信息容量。为实现这一目的，在步骤S23中，使所述人工智能服务器基于所述线程日志对所述第一目标信息添加二级标签得到第二目标信息，进一步地可以包括步骤S2311-步骤S2313所描述的内容。
步骤S2311，获取所述线程日志对应的日志事件清单，对所述日志事件清单进行事件队列分析，得到包括日志队列信息及所述日志队列信息对应的识别系数的第一分析结果。
步骤S2312，确定所述第一目标信息对应的原始业务信息的信息容量值，基于所述信息容量值从所述第一分析结果中筛分出第二分析结果并获得所述第二分析结果对应的目标日志队列信息以及目标识别系数。
步骤S2313，将所述信息容量值映射到所述目标识别系数在所述目标日志队列信息中的目标位置处，得到所述信息容量值对应的映射容量值并基于所述映射容量值确定所述原始业务信息与该原始业务信息对应的一级标签之间的指向权重，根据所述指向权重生成与所述一级标签对应的二级标签并添加到所述第一目标信息中得到第二目标信息。
可以理解，在执行上述步骤S2311-步骤S2313时，能够对原始业务信息的信息容量进行分析，从而确保生成的二级标签和一级标签的从属关系的准确性，避免二级标签和一级标签之间存在混淆。这样能够保证第二目标信息的标签的层级性。
在实际应用过程中，为了确保每个第三目标信息的独立性，避免第三目标信息之间存在过多的重复，步骤S23中所描述的使所述人工智能服务器基于所述一级标签和所述二级标签对所述第二目标信息进行筛分以得到第三目标信息，具体可以包括以下步骤S2321-步骤S2324所描述的内容。
步骤S2321，针对每两个第二目标信息，判断其中一个第二目标信息的一级标签与另一个第二目标信息的一级标签是否相同。
步骤S2322，若其中一个第二目标信息的一级标签与另一个第二目标信息的一级标签相同，则判断其中一个第二目标信息的二级标签与另一个第二目标信息的二级标签是否相同。
步骤S2323，若其中一个第二目标信息的二级标签与另一个第二目标信息的二级标签相同，判定其中一个第二目标信息与另一个第二目标信息为相似信息。
步骤S2324，确定其中一个第二目标信息的第一增益指标数据以及另一个第二目标信息的第二增益指标数据，对所述第一增益指标数据和所述第二增益指标数据进行比较，保留所述第一增益指标数据和所述第二增益指标数据中较大的增益指标数据对应的第二目标信息并删除所述第一增益指标数据和所述第二增益指标数据中较小的增益指标数据对应的第二目标信息。
如此，通过执行上述步骤S2321-步骤S2324，能够确保每个第三目标信息的独立性，避免第三目标信息之间存在过多的重复。
基于上述同样的发明构思，如图3所示，还提供了一种基于5G与人工智能的信息处理装置400，关于所述信息处理装置400的具体描述如下。
一种基于5G与人工智能的信息处理装置400，应用于与物联网设备以及人工智能服务器通信连接的大数据云计算中心，所述装置包括：
指令接收模块410，用于接收人工智能服务器发送的基于大数据云计算中心的线程日志确定出的标签标定指令；
标签添加模块420，用于根据所述标签标定指令配置用于对业务信息进行采集的接口参数脚本；在检测到物联网设备广播的信息上传请求时运行所述接口参数脚本，从所述物联网设备处采集原始业务信息并基于所述接口参数脚本对应的运行结果文件对采集到的原始业务信息添加一级标签得到第一目标信息；
信息处理模块430，用于将所述第一目标信息传输给所述人工智能服务器，使所述人工智能服务器基于所述线程日志对所述第一目标信息添加二级标签得到第二目标信息，使所述人工智能服务器基于所述一级标签和所述二级标签对所述第二目标信息进行筛分以得到第三目标信息，使所述人工智能服务器对所述第三目标信息进行处理得到信息处理结果。
可选地，所述标签添加模块420，具体用于：
按照时序依次提取所述标签标定指令的多段连续的指令流并根据所述指令流之间的指令传递字段生成用于表征所述标签标定指令的标签类别的第一指令编码集以及用于表征所述标签标定指令的标签标定条件的第二指令编码集；其中，所述第一指令编码集和所述第二指令编码集中均包括多个数量相同且具有不同编码权重的编码字符串，所述第一指令编码集和所述第二指令编码集中的编码字符串通过分隔符进行划分；
获取所述第一指令编码集中的编码字符串的字符串长度的分布信息，依据所述分布信息从所述第一指令编码集中提取最大标签热度对应的第一编码字符串对应的字符位信息；在提取所述字符位信息时并行地将所述第二指令编码集中的编码字符串按照其对应的编码权重的有大到小的顺序进行排序得到编码字符串序列，并从所述编码字符串序列中确定排序靠前的设定数量个编码字符串中的编码权重的变化率最小的第二编码字符串；其中，所述编码权重的变化率通过计算所述编码字符串序列中相邻两个编码字符串之间的编码权重的差值得到；
从所述第二编码字符串中查找出与所述第一编码字符串对应的字符位信息相匹配的字符位标识并获取所述字符位标识的标识描述信息；在预设数据库中查找是否存在与所述标识描述信息相类似的目标描述信息，若存在，基于所述目标描述信息确定所述标签标定指令对应的多段指令流中存在隐藏标识的目标指令流；
提取所述目标指令流的第一协议字段以及所述多段指令流中除所述目标指令流之外的其他指令流的第二协议字段；计算所述第一协议字段和所述第二协议字段的字段关联度，在所述字段关联度低于设定关联度时对所述第一协议字段进行转换得到第三协议字段并根据所述第三协议字段和所述第二协议字段配置所述接口参数脚本。
可选地，所述标签添加模块420，具体用于：
从检测到的信息上传请求中提取对应的物联网设备的设备签名密钥并采用所述设备签名密钥对所述信息上传请求进行校验计算得到第一校验结果；
运行所述接口参数脚本以开启信息采集链路，通过所述信息采集链路从所述物联网设备中提取待验证业务信息，采用所述设备签名密钥对所述待验证业务信息进行校验计算得到第二校验结果；
分别确定所述第一校验结果对应的第一身份信息以及所述第二校验结果对应的第二身份信息；在所述第一身份信息与所述第二身份信息相同时确定所述待验证业务信息为原始业务信息并将对应的设备签名密钥植入所述原始业务信息中；在所述第一身份信息与所述第二身份信息不相同时退回所述待验证业务信息。
可选地，所述标签添加模块420，具体用于：
确定所述接口参数脚本对应的运行结果文件中的多组文本信息以及每组文本信息对应的文本优先级；其中，所述文本信息用于表征所述运行结果文件的不同注册信息，所述文本优先级用于表征每组文本信息在时序上的先后顺序；
针对每组文本信息，确定该文本信息与其他文本信息之间的文本相似率以及文本优先级的优先级差值；基于所述文本相似率及其对应的优先级差值绘制每组文本信息对应的特征识别度曲线；其中，所述特征识别度曲线的横坐标为文本相似率，所述特征识别曲线的纵坐标为优先级之差；
针对确定出的每条特征识别度曲线，按照设定步长提取每条特征识别度曲线的斜率变化值并根据所述斜率变化值确定每条特征识别度曲线对应的斜率分布数组；采用多维特征均值模型对所述斜率分布数组进行聚类得到多个聚类集，分别计算每个聚类集的聚类中心度并按照所述聚类中心度由大到小的顺序将所述聚类集进行排序得到聚类集排序序列；从所述聚类集排序序列中选取排序靠前的设定数量个聚类集作为目标聚类集，将每个目标聚类集中的斜率分布数组对应的文本信息确定为用于进行标签识别的参考文本信息；
提取每组参考文本信息的信息编码并根据所述信息编码生成训练集；采用所述训练集对预设卷积神经网络进行训练得到目标神经网络；
将所述原始业务信息输入所述目标神经网络得到所述原始业务信息的多个信息特征，根据所述多个信息特征确定所述原始业务信息的属性类别，从预设数据库中确定出与所述属性类别存在关联关系的目标标签并将所述目标标签作为一级标签添加到所述原始业务信息中以得到所述第一目标信息。
可选地，所述标签添加模块420，具体用于：
确定所述原始业务信息的多个信息封装标识，根据所述信息封装标识确定对应的信息内容；其中，所述信息内容以二进制编码与封装在所述信息封装标识对应的字段位中；
计算信息封装标识之间的标识关联系数最小且信息内容之间的相关性权重最小的第一信息封装标识和第二信息封装标识；
将所述目标标签作为一级标签封装到第一信息封装标识和第二信息封装标识中字段位空置率较低的信息封装标识中。
可选地，所述信息处理模块430，具体用于：
获取所述线程日志对应的日志事件清单，对所述日志事件清单进行事件队列分析，得到包括日志队列信息及所述日志队列信息对应的识别系数的第一分析结果；
确定所述第一目标信息对应的原始业务信息的信息容量值，基于所述信息容量值从所述第一分析结果中筛分出第二分析结果并获得所述第二分析结果对应的目标日志队列信息以及目标识别系数；
将所述信息容量值映射到所述目标识别系数在所述目标日志队列信息中的目标位置处，得到所述信息容量值对应的映射容量值并基于所述映射容量值确定所述原始业务信息与该原始业务信息对应的一级标签之间的指向权重，根据所述指向权重生成与所述一级标签对应的二级标签并添加到所述第一目标信息中得到第二目标信息。
可选地，所述信息处理模块430，具体用于：
针对每两个第二目标信息，判断其中一个第二目标信息的一级标签与另一个第二目标信息的一级标签是否相同；
若其中一个第二目标信息的一级标签与另一个第二目标信息的一级标签相同，则判断其中一个第二目标信息的二级标签与另一个第二目标信息的二级标签是否相同；
若其中一个第二目标信息的二级标签与另一个第二目标信息的二级标签相同，判定其中一个第二目标信息与另一个第二目标信息为相似信息；
确定其中一个第二目标信息的第一增益指标数据以及另一个第二目标信息的第二增益指标数据，对所述第一增益指标数据和所述第二增益指标数据进行比较，保留所述第一增益指标数据和所述第二增益指标数据中较大的增益指标数据对应的第二目标信息并删除所述第一增益指标数据和所述第二增益指标数据中较小的增益指标数据对应的第二目标信息。
可选地，所述标签标定指令具体通过以下方式确定：所述人工智能服务器调取所述大数据云计算中心的线程日志，对所述线程日志进行信息流量的统计以得到流量变化轨迹，根据所述流量变化轨迹生成所述标签标定指令。
关于上述功能模块的说明请参阅对图2所示的方法的说明，在此不作赘述。
基于上述同样的发明构思，请结合参阅图4，还提供了一种基于5G与人工智能的信息处理系统500，具体描述如下。
一种基于5G与人工智能的信息处理系统500，包括物联网设备110、大数据云计算中心200以及人工智能服务器300，所述大数据云计算中心200分别与所述物联网设备110以及所述人工智能服务器300通信连接；
所述人工智能服务器300用于基于大数据云计算中心200的线程日志确定标签标定指令并将所述标签标定指令发送给所述大数据云计算中心200；
所述大数据云计算中心200用于接收所述标签标定指令，根据所述标签标定指令配置用于对业务信息进行采集的接口参数脚本；在检测到物联网设备110广播的信息上传请求时运行所述接口参数脚本，从所述物联网设备110处采集原始业务信息并基于所述接口参数脚本对应的运行结果文件对采集到的原始业务信息添加一级标签得到第一目标信息；将所述第一目标信息传输给所述人工智能服务器300；
所述人工智能服务器300用于基于所述线程日志对所述第一目标信息添加二级标签得到第二目标信息，基于所述一级标签和所述二级标签对所述第二目标信息进行筛分以得到第三目标信息，对所述第三目标信息进行处理得到信息处理结果。
可选地，所述标签标定指令具体通过以下方式确定：
所述人工智能服务器调取所述大数据云计算中心的线程日志，对所述线程日志进行信息流量的统计以得到流量变化轨迹，根据所述流量变化轨迹生成所述标签标定指令。
可选地，所述大数据云计算中心200在检测到物联网设备广播的信息上传请求时运行所述接口参数脚本，从所述物联网设备处采集原始业务信息具体包括：
从检测到的信息上传请求中提取对应的物联网设备的设备签名密钥并采用所述设备签名密钥对所述信息上传请求进行校验计算得到第一校验结果；
运行所述接口参数脚本以开启信息采集链路，通过所述信息采集链路从所述物联网设备中提取待验证业务信息，采用所述设备签名密钥对所述待验证业务信息进行校验计算得到第二校验结果；
分别确定所述第一校验结果对应的第一身份信息以及所述第二校验结果对应的第二身份信息；在所述第一身份信息与所述第二身份信息相同时确定所述待验证业务信息为原始业务信息并将对应的设备签名密钥植入所述原始业务信息中；在所述第一身份信息与所述第二身份信息不相同时退回所述待验证业务信息。
可选地，所述大数据云计算中心200基于所述接口参数脚本对应的运行结果文件对采集到的原始业务信息添加一级标签得到第一目标信息具体包括：
确定所述接口参数脚本对应的运行结果文件中的多组文本信息以及每组文本信息对应的文本优先级；其中，所述文本信息用于表征所述运行结果文件的不同注册信息，所述文本优先级用于表征每组文本信息在时序上的先后顺序；
针对每组文本信息，确定该文本信息与其他文本信息之间的文本相似率以及文本优先级的优先级差值；基于所述文本相似率及其对应的优先级差值绘制每组文本信息对应的特征识别度曲线；其中，所述特征识别度曲线的横坐标为文本相似率，所述特征识别曲线的纵坐标为优先级之差；
针对确定出的每条特征识别度曲线，按照设定步长提取每条特征识别度曲线的斜率变化值并根据所述斜率变化值确定每条特征识别度曲线对应的斜率分布数组；采用多维特征均值模型对所述斜率分布数组进行聚类得到多个聚类集，分别计算每个聚类集的聚类中心度并按照所述聚类中心度由大到小的顺序将所述聚类集进行排序得到聚类集排序序列；从所述聚类集排序序列中选取排序靠前的设定数量个聚类集作为目标聚类集，将每个目标聚类集中的斜率分布数组对应的文本信息确定为用于进行标签识别的参考文本信息；
提取每组参考文本信息的信息编码并根据所述信息编码生成训练集；采用所述训练集对预设卷积神经网络进行训练得到目标神经网络；
将所述原始业务信息输入所述目标神经网络得到所述原始业务信息的多个信息特征，根据所述多个信息特征确定所述原始业务信息的属性类别，从预设数据库中确定出与所述属性类别存在关联关系的目标标签并将所述目标标签作为一级标签添加到所述原始业务信息中以得到所述第一目标信息。
可选地，所述大数据云计算中心200将所述目标标签作为一级标签添加到所述原始业务信息中以得到所述第一目标信息具体包括：
确定所述原始业务信息的多个信息封装标识，根据所述信息封装标识确定对应的信息内容；其中，所述信息内容以二进制编码与封装在所述信息封装标识对应的字段位中；
计算信息封装标识之间的标识关联系数最小且信息内容之间的相关性权重最小的第一信息封装标识和第二信息封装标识；
将所述目标标签作为一级标签封装到第一信息封装标识和第二信息封装标识中字段位空置率较低的信息封装标识中。
可选地，所述人工智能服务器300基于所述线程日志对所述第一目标信息添加二级标签得到第二目标信息具体包括：
获取所述线程日志对应的日志事件清单，对所述日志事件清单进行事件队列分析，得到包括日志队列信息及所述日志队列信息对应的识别系数的第一分析结果；
确定所述第一目标信息对应的原始业务信息的信息容量值，基于所述信息容量值从所述第一分析结果中筛分出第二分析结果并获得所述第二分析结果对应的目标日志队列信息以及目标识别系数；
将所述信息容量值映射到所述目标识别系数在所述目标日志队列信息中的目标位置处，得到所述信息容量值对应的映射容量值并基于所述映射容量值确定所述原始业务信息与该原始业务信息对应的一级标签之间的指向权重，根据所述指向权重生成与所述一级标签对应的二级标签并添加到所述第一目标信息中得到第二目标信息。
可选地，所述人工智能服务器300基于所述一级标签和所述二级标签对所述第二目标信息进行筛分以得到第三目标信息具体包括：
针对每两个第二目标信息，判断其中一个第二目标信息的一级标签与另一个第二目标信息的一级标签是否相同；
若其中一个第二目标信息的一级标签与另一个第二目标信息的一级标签相同，则判断其中一个第二目标信息的二级标签与另一个第二目标信息的二级标签是否相同；
若其中一个第二目标信息的二级标签与另一个第二目标信息的二级标签相同，判定其中一个第二目标信息与另一个第二目标信息为相似信息；
确定其中一个第二目标信息的第一增益指标数据以及另一个第二目标信息的第二增益指标数据，对所述第一增益指标数据和所述第二增益指标数据进行比较，保留所述第一增益指标数据和所述第二增益指标数据中较大的增益指标数据对应的第二目标信息并删除所述第一增益指标数据和所述第二增益指标数据中较小的增益指标数据对应的第二目标信息。
由于上述系统的实现原理与图2所示的方法类似，因此在此不作赘述。
在上述基础上，请结合参阅图5，还提供了一种大数据云计算中心200，包括：处理器210，以及与处理器210连接的内存220和网络接口230；所述网络接口230与大数据云计算中心200中的非易失性存储器240连接；所述处理器210在运行时通过所述网络接口230从所述非易失性存储器240中调取计算机程序，并通过所述内存220运行所述计算机程序，以执行上述的方法。
鉴于图5所提供的大数据云计算中心200，本发明实施例还提供了一种应用于计算机的可读存储介质，所述可读存储介质烧录有计算机程序，所述计算机程序在图5所示的大数据云计算中心200的内存220中运行时实现上述的方法。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
