基于人工智能的多端视频会议处理方法、系统及云平台

技术领域

本申请涉及视频会议和可视化技术领域，特别涉及一种基于人工智能的多端视频会议处理方法、系统及云平台。

背景技术

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。基于人工智能的视频会议系统是一种在位与两个或多个地点的多个用户之间提供语音和运动彩色画面的双向实时传送的视听会话型会议业务。大型视频会议系统在办公、商贸、医疗等领域有广泛的应用。视频会议系统能减少沟通成本，提高工作效率，扩展业务范围，减少碳排放等。

随着互联网通信技术的不断发展，基于人工智能的视频会议系统的应用也越来越广泛。然而在实际应用过程中，基于人工智能的视频会议系统仍然存在一些有待改进的地方。

发明内容

有鉴于此，本申请提供了一种基于人工智能的多端视频会议处理方法、系统及云平台。

本申请提供了一种基于大数据与人工智能的视频会议处理方法，应用于基于大数据与人工智能的视频会议处理系统，该方法包括：

获取针对目标工作视频会议事项的视频会议可视化信息集合，所述视频会议可视化信息集合包括至少两条视频会议可视化信息；

获得所述视频会议可视化信息集合中的各条视频会议可视化信息与所述目标工作视频会议事项之间的会议描述匹配度；

根据所述各条视频会议可视化信息对应的会议描述匹配度，以及所述各条视频会议可视化信息的可视化状态特征，对所述各条视频会议可视化信息进行整理，得到相应的视频会议可视化信息队列；

基于所述视频会议可视化信息队列生成针对所述目标工作视频会议事项的目标可视化需求标签队列，所述目标可视化需求队列包括至少两个目标可视化需求标签内容。

优选地，所述根据所述各条视频会议可视化信息对应的会议描述匹配度，以及所述各条视频会议可视化信息的可视化状态特征，对所述各条视频会议可视化信息进行整理，得到相应的视频会议可视化信息队列，具体包括：

根据所述各条视频会议可视化信息对应的会议描述匹配度，以及所述各条视频会议可视化信息的可视化状态特征，对所述各条视频会议可视化信息进行分类，得到至少两个视频会议可视化信息子集合；

对各个视频会议可视化信息子集合进行整理，并分别对所述各个视频会议可视化信息子集合中的各条视频会议可视化信息进行整理，得到所述视频会议可视化信息队列。

优选地，所述根据所述各条视频会议可视化信息对应的会议描述匹配度，以及所述各条视频会议可视化信息的可视化状态特征，对所述各条视频会议可视化信息进行分类，得到至少两个视频会议可视化信息子集合，具体包括：

分别根据所述各条视频会议可视化信息对应的会议描述匹配度，对所述各条视频会议可视化信息的可视化状态特征进行优化，得到所述各条视频会议可视化信息的动态可视化状态特征；

根据所述各条视频会议可视化信息的动态可视化状态特征对所述各条视频会议可视化信息进行聚类，得到至少两个视频会议可视化信息子集合。

优选地，所述对各个视频会议可视化信息子集合进行整理，并分别对所述各个视频会议可视化信息子集合中的各条视频会议可视化信息进行整理，得到所述视频会议可视化信息队列，具体包括：

根据各个视频会议可视化信息子集合所包含的视频会议可视化信息的数目，对所述各个视频会议可视化信息子集合进行整理；以及，针对所述各个视频会议可视化信息子集合，分别执行以下操作：

根据所述视频会议可视化信息子集合中各条视频会议可视化信息的可视化状态特征与所述视频会议可视化信息子集合的匹配程度，对所述视频会议可视化信息子集合中的各条视频会议可视化信息进行整理；

基于所述各个视频会议可视化信息子集合之间的整理结果，以及所述各个视频会议可视化信息子集合中各条视频会议可视化信息的整理结果，生成所述视频会议可视化信息队列。

优选地，

所述获得所述视频会议可视化信息集合中的各条视频会议可视化信息与所述目标工作视频会议事项之间的会议描述匹配度，具体包括：

分别将所述各条视频会议可视化信息输入已训练的可视化需求标签处理网络中，基于所述已训练的可视化需求标签处理网络中的时序层面的动态转换网络层对所述各条视频会议可视化信息进行描述特征处理，获得所述动态转换网络层输出的所述各条视频会议可视化信息对应的会议描述匹配度；

所述根据所述各条视频会议可视化信息对应的会议描述匹配度，以及所述各条视频会议可视化信息的可视化状态特征，对所述各条视频会议可视化信息进行整理，得到相应的视频会议可视化信息队列，具体包括：

分别将所述各条视频会议可视化信息，以及所述各条视频会议可视化信息对应的会议描述匹配度输入所述已训练的可视化需求标签处理网络中的可视化信息聚类整理网络层，基于所述可视化信息聚类整理网络层对所述各条视频会议可视化信息进行聚类和整理，获得所述可视化信息聚类整理网络层输出的视频内容层面的第一全局描述记录，所述第一全局描述记录中的各个视频会议可视化信息内容组合形成所述视频会议可视化信息队列；

所述基于所述视频会议可视化信息队列生成针对所述目标工作视频会议事项的目标可视化需求标签队列，具体包括：

将所述全局描述记录输入所述已训练的可视化需求标签处理网络中的可视化需求标签网络层，基于所述可视化需求标签网络层进行迭代描述特征处理，获得所述可视化需求标签网络层输出的所述目标可视化需求标签队列；其中，所述已训练的可视化需求标签处理网络是根据样本训练数据集训练得到的，所述样本训练数据集中的样本训练数据包括已添加匹配性标签的样本视频会议可视化信息，所述匹配性标签描述所述样本视频会议可视化信息与样本工作视频会议事项是否匹配。

优选地，所述分别将所述各条视频会议可视化信息输入已训练的可视化需求标签处理网络中，基于所述已训练的可视化需求标签处理网络中的时序层面的动态转换网络层对所述各条视频会议可视化信息进行描述特征处理，获得所述动态转换网络层输出的所述各条视频会议可视化信息对应的会议描述匹配度，具体包括：

分别将所述各条视频会议可视化信息输入所述动态转换网络层，基于所述动态转换网络层中的时序描述单元将所述各条视频会议可视化信息映射至可视化信息记录空间，得到所述各条视频会议可视化信息的描述记录；

通过设定状态调整方式将所述各条视频会议可视化信息的描述记录分别调整为对应的可视化状态记录；

基于所述动态转换网络层，分别提取所述各条视频会议可视化信息的可视化状态记录与除该条视频会议可视化信息之外的其他视频会议可视化信息的可视化状态记录之间的迭代特征；

基于所述各条视频会议可视化信息对应的迭代特征获得所述各条视频会议可视化信息与所述目标工作视频会议事项之间的会议描述匹配度。

优选地，所述基于所述可视化信息聚类整理网络层对所述各条视频会议可视化信息进行聚类和整理，获得所述可视化信息聚类整理网络层输出的视频内容层面的第一全局描述记录，具体包括：

基于所述已训练的可视化需求标签处理网络中的可视化信息聚类整理网络层，将所述各条视频会议可视化信息映射至可视化信息记录空间得到所述各条视频会议可视化信息对应的视频内容记录队列；

通过状态描述分析单元对所述各条视频会议可视化信息对应的视频内容记录队列进行状态描述分析处理，得到所述各条视频会议可视化信息的可视化状态描述记录；

分别根据所述各条视频会议可视化信息对应的会议描述匹配度，对所述各条视频会议可视化信息的可视化状态描述记录进行优化，得到所述各条视频会议可视化信息的动态可视化状态描述记录；

基于所述各条视频会议可视化信息的动态可视化状态描述记录进行聚类，得到至少两个视频会议可视化信息子集合；

将所有视频会议可视化信息子集合进行整理，并将每个视频会议可视化信息子集合中的各条视频会议可视化信息进行整理后，将各条视频会议可视化信息的动态可视化状态描述记录整合并进行视频内容层面转换得到所述第一全局描述记录。

优选地，所述将所述全局描述记录输入所述已训练的可视化需求标签处理网络中的可视化需求标签网络层，基于所述可视化需求标签网络层进行迭代描述特征处理，获得所述可视化需求标签网络层输出的所述目标可视化需求标签队列，具体包括：

采用设定处理方式，依次生成所述目标可视化需求标签队列中的各个可视化需求标签内容，所述目标可视化需求队列中的一个可视化需求标签至少包括一个可视化需求标签内容；

其中，在一次设定处理过程中，执行以下操作：

将上一次输出的目标可视化需求标签内容输入所述可视化需求标签网络层，其中，第一次输入所述可视化需求标签网络层的为预先设置的基准标签内容；

通过迭代策略分析所述上一次输出的目标可视化需求标签内容和所述样本队列中的各个视频会议可视化信息内容的匹配概率值，其中，所述匹配概率值表示所述视频会议可视化信息内容与所述上一次输出的可视化需求标签内容之间的迭代值；

将所述匹配概率值和所述视频会议可视化信息队列中的视频会议可视化信息内容的可视化状态记录队列进行优化，并输入到人工智能模型中，获得本次输出的所述视频会议可视化信息队列的目标可视化状态描述记录；

基于所述上一次输出的目标可视化需求标签内容以及所述目标可视化状态描述记录，生成本次输出的目标可视化需求标签内容。

优选地，在通过迭代策略分析所述上一次输出的目标可视化需求标签内容和所述样本队列中的各个视频会议可视化信息内容的匹配概率值之前，还包括：

将本次选取的目标视频会议可视化信息子集合以及所述目标视频会议可视化信息子集合的关联视频会议可视化信息集合作为热门的视频会议可视化信息子集合，将其他的视频会议可视化信息子集合作为外部的视频会议可视化信息子集合，其中，每次选取的目标视频会议可视化信息子集合是基于各个视频会议可视化信息子集合之间的顺序确定的；

为所述视频会议可视化信息队列中位于热门的视频会议可视化信息子集合中的视频会议可视化信息内容添加第一匹配特征，为所述视频会议可视化信息队列中位于外部的视频会议可视化信息子集合中的视频会议可视化信息内容添加第二匹配特征，得到所述样本队列中的各个视频会议可视化信息内容对应的第一匹配可视化状态记录；

以及为所述上一次输出的目标可视化需求标签内容添加所述第一匹配特征，得到对应的第二匹配可视化状态记录；

其中，所述通过迭代策略分析所述上一次输出的目标可视化需求标签内容和所述样本队列中的各个视频会议可视化信息内容的匹配概率值，具体包括：

结合所述样本队列中的各个视频会议可视化信息内容对应的第一匹配记录与上一次输出的目标可视化需求标签内容对应的第二匹配可视化状态记录，基于迭代策略分析所述上一次输出的目标可视化需求标签内容与所述样本队列中的各个视频会议可视化信息内容的匹配概率值。

本申请还提供了一种基于大数据与人工智能的视频会议处理系统，所述系统包括相互通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并运行，以实现上述的方法。

本申请还提供了一种云平台，所述云平台包括存储有程序的可读存储介质，以执行权利要求1中所述的基于大数据与人工智能的视频会议处理方法。

本申请的实施例提供的技术方案可以包括以下有益效果。

通过实施上述技术方案，能够获得视频会议可视化信息集合中的各条视频会议可视化信息与目标工作视频会议事项之间的会议描述匹配度，从而结合各条视频会议可视化信息的可视化状态特征对各条视频会议可视化信息进行整理得到相应的视频会议可视化信息队列，最后基于视频会议可视化信息队列生成针对目标工作视频会议事项的目标可视化需求标签队列。如此，可以将会议描述匹配度和可视化状态特征考虑在内，从而精准可靠地确定出目标可视化需求队列中包括的不同的目标可视化需求标签内容，这样可以确定出目标工作视频会议事项的目标可视化需求标签内容，以根据目标可视化需求标签内容进行相应的可视化配置处理，确保多端视频会议的顺利进行。

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，并于说明书一起用于解释本申请的原理。

图1是本申请实施例提供的一种基于大数据与人工智能的视频会议处理系统的硬件结构示意图。

图2是本申请实施例提供的一种基于大数据与人工智能的视频会议处理方法的流程图。

图3是本申请实施例提供的一种基于大数据与人工智能的视频会议处理方法的应用场景的通信架构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

本申请实施例所提供的方法实施例可以在基于大数据与人工智能的视频会议处理系统、计算机设备或者类似的运算装置中执行。以运行在基于大数据与人工智能的视频会议处理系统上为例，图1是本申请实施例的实施基于大数据与人工智能的视频会议处理方法的基于大数据与人工智能的视频会议处理系统的硬件结构框图。如图1所示，基于大数据与人工智能的视频会议处理系统10可以包括一个或多个（图1中仅示出一个）处理器102（处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）和用于存储数据的存储器104，可选地，上述基于大数据与人工智能的视频会议处理系统10还可以包括用于通信功能的传输装置106。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述基于大数据与人工智能的视频会议处理系统10的结构造成限定。例如，基于大数据与人工智能的视频会议处理系统10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本申请实施例中的基于大数据与人工智能的视频会议处理方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至基于大数据与人工智能的视频会议处理系统10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括基于大数据与人工智能的视频会议处理系统10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器（Network Interface Controller，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频（Radio Frequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。

在一种可选的实施例中，所述处理器用于从所述存储器中读取计算机程序并运行，以实现图2所示的方法。

请结合参阅图2，本实施例示出了一种基于大数据与人工智能的视频会议处理方法的流程示意图，该方法可以应用于基于大数据与人工智能的视频会议处理系统，该方法可以通过以下步骤210-步骤240所描述的技术方案实现。

步骤210、获取针对目标工作视频会议事项的视频会议可视化信息集合，所述视频会议可视化信息集合包括至少两条视频会议可视化信息。

在本申请实施例中，基于大数据与人工智能的视频会议处理系统可以与多个视频会议终端通信连接。目标工作视频会议事项可以是其中一个视频会议终端向基于大数据与人工智能的视频会议处理系统上传的会议事项，视频会议可视化信息集合中的视频会议可视化信息可以在视频会议终端侧进行展示。

步骤220、获得所述视频会议可视化信息集合中的各条视频会议可视化信息与所述目标工作视频会议事项之间的会议描述匹配度。

在本申请实施例中，会议描述匹配度可以理解为各条视频会议可视化信息与所述目标工作视频会议事项之间的相关度或者关联度。

在一种可替换的实施例中，步骤220所描述的获得所述视频会议可视化信息集合中的各条视频会议可视化信息与所述目标工作视频会议事项之间的会议描述匹配度，可以具体包括以下内容：分别将所述各条视频会议可视化信息输入已训练的可视化需求标签处理网络中，基于所述已训练的可视化需求标签处理网络中的时序层面的动态转换网络层对所述各条视频会议可视化信息进行描述特征处理，获得所述动态转换网络层输出的所述各条视频会议可视化信息对应的会议描述匹配度。

可以理解，已训练的可视化需求标签处理网络可以是卷积神经网络等，动态转换网络层是已训练的可视化需求标签处理网络中的其中一个网络层。进一步可以理解，通过在已训练的可视化需求标签处理网络中的动态转换网络层对各条视频会议可视化信息进行描述特征处理，能够确保会议描述匹配度的准确性以及完整性。

进一步地，在一些示例中，上述步骤所描述的分别将所述各条视频会议可视化信息输入已训练的可视化需求标签处理网络中，基于所述已训练的可视化需求标签处理网络中的时序层面的动态转换网络层对所述各条视频会议可视化信息进行描述特征处理，获得所述动态转换网络层输出的所述各条视频会议可视化信息对应的会议描述匹配度，可以通过以下步骤221-步骤224所描述的技术方案实现。

步骤221、分别将所述各条视频会议可视化信息输入所述动态转换网络层，基于所述动态转换网络层中的时序描述单元将所述各条视频会议可视化信息映射至可视化信息记录空间，得到所述各条视频会议可视化信息的描述记录。

步骤222、通过设定状态调整方式将所述各条视频会议可视化信息的描述记录分别调整为对应的可视化状态记录。

步骤223、基于所述动态转换网络层，分别提取所述各条视频会议可视化信息的可视化状态记录与除该条视频会议可视化信息之外的其他视频会议可视化信息的可视化状态记录之间的迭代特征。

步骤224、基于所述各条视频会议可视化信息对应的迭代特征获得所述各条视频会议可视化信息与所述目标工作视频会议事项之间的会议描述匹配度。

如此设计，通过考虑各条视频会议可视化信息对应的迭代特征，能够确保所述各条视频会议可视化信息与所述目标工作视频会议事项之间的会议描述匹配度的准确性。

步骤230、根据所述各条视频会议可视化信息对应的会议描述匹配度，以及所述各条视频会议可视化信息的可视化状态特征，对所述各条视频会议可视化信息进行整理，得到相应的视频会议可视化信息队列。

在本申请实施例中，可视化状态特征可以是各条视频会议可视化信息的进展状态。

在一种可替换的实施例中，步骤230所描述的根据所述各条视频会议可视化信息对应的会议描述匹配度，以及所述各条视频会议可视化信息的可视化状态特征，对所述各条视频会议可视化信息进行整理，得到相应的视频会议可视化信息队列，具体可以包括以下内容：

步骤2301、根据所述各条视频会议可视化信息对应的会议描述匹配度，以及所述各条视频会议可视化信息的可视化状态特征，对所述各条视频会议可视化信息进行分类，得到至少两个视频会议可视化信息子集合；

步骤2302、对各个视频会议可视化信息子集合进行整理，并分别对所述各个视频会议可视化信息子集合中的各条视频会议可视化信息进行整理，得到所述视频会议可视化信息队列。

执行步骤2301-步骤2302所描述的技术方案，首先对各条视频会议可视化信息进行分类，然后对完成分类的视频会议可视化信息子集合进行针对性地整理，这样能够避免整理出的视频会议可视化信息队列出现混乱的问题。

在一种可替换的实施例中，步骤2301所描述的根据所述各条视频会议可视化信息对应的会议描述匹配度，以及所述各条视频会议可视化信息的可视化状态特征，对所述各条视频会议可视化信息进行分类，得到至少两个视频会议可视化信息子集合，具体包括以下内容：分别根据所述各条视频会议可视化信息对应的会议描述匹配度，对所述各条视频会议可视化信息的可视化状态特征进行优化，得到所述各条视频会议可视化信息的动态可视化状态特征；根据所述各条视频会议可视化信息的动态可视化状态特征对所述各条视频会议可视化信息进行聚类，得到至少两个视频会议可视化信息子集合。如此，通过对各条视频会议可视化信息的可视化状态特征进行优化，并基于优化后的动态可视化状态特征对各条视频会议可视化信息进行聚类，这样能够提供信息处理的效率。

在一种可替换的实施例中，步骤2302所描述的对各个视频会议可视化信息子集合进行整理，并分别对所述各个视频会议可视化信息子集合中的各条视频会议可视化信息进行整理，得到所述视频会议可视化信息队列，具体包括：根据各个视频会议可视化信息子集合所包含的视频会议可视化信息的数目，对所述各个视频会议可视化信息子集合进行整理。其中，针对所述各个视频会议可视化信息子集合，分别执行以下操作：根据所述视频会议可视化信息子集合中各条视频会议可视化信息的可视化状态特征与所述视频会议可视化信息子集合的匹配程度，对所述视频会议可视化信息子集合中的各条视频会议可视化信息进行整理；基于所述各个视频会议可视化信息子集合之间的整理结果，以及所述各个视频会议可视化信息子集合中各条视频会议可视化信息的整理结果，生成所述视频会议可视化信息队列。

在另外的一些实施中，在上述步骤所描述的“分别将所述各条视频会议可视化信息输入已训练的可视化需求标签处理网络中，基于所述已训练的可视化需求标签处理网络中的时序层面的动态转换网络层对所述各条视频会议可视化信息进行描述特征处理，获得所述动态转换网络层输出的所述各条视频会议可视化信息对应的会议描述匹配度”的基础上，步骤230所描述的根据所述各条视频会议可视化信息对应的会议描述匹配度，以及所述各条视频会议可视化信息的可视化状态特征，对所述各条视频会议可视化信息进行整理，得到相应的视频会议可视化信息队列，还可以通过以下实施方式实现：分别将所述各条视频会议可视化信息，以及所述各条视频会议可视化信息对应的会议描述匹配度输入所述已训练的可视化需求标签处理网络中的可视化信息聚类整理网络层，基于所述可视化信息聚类整理网络层对所述各条视频会议可视化信息进行聚类和整理，获得所述可视化信息聚类整理网络层输出的视频内容层面的第一全局描述记录，所述第一全局描述记录中的各个视频会议可视化信息内容组合形成所述视频会议可视化信息队列。如此设计基于不同的网络层，能够确保在整理视频会议可视化信息队列的过程中不会出现视频会议可视化信息的丢失。

步骤240、基于所述视频会议可视化信息队列生成针对所述目标工作视频会议事项的目标可视化需求标签队列，所述目标可视化需求队列包括至少两个目标可视化需求标签内容。

在本申请实施例中，目标可视化需求标签队列记录了根据视频会议可视化信息队列确定出的目标工作视频会议事项所对应的多个会议需求标签，目标可视化需求标签内容用于表征不同的可视化需求信息，比如将不同的内容按照不同的方式进行展示。

在一些可能的实施例中，在上述内容“分别将所述各条视频会议可视化信息，以及所述各条视频会议可视化信息对应的会议描述匹配度输入所述已训练的可视化需求标签处理网络中的可视化信息聚类整理网络层，基于所述可视化信息聚类整理网络层对所述各条视频会议可视化信息进行聚类和整理，获得所述可视化信息聚类整理网络层输出的视频内容层面的第一全局描述记录，所述第一全局描述记录中的各个视频会议可视化信息内容组合形成所述视频会议可视化信息队列”的基础上，上述步骤240所描述的基于所述视频会议可视化信息队列生成针对所述目标工作视频会议事项的目标可视化需求标签队列，可以包括以下内容：将所述全局描述记录输入所述已训练的可视化需求标签处理网络中的可视化需求标签网络层，基于所述可视化需求标签网络层进行迭代描述特征处理，获得所述可视化需求标签网络层输出的所述目标可视化需求标签队列。

可以理解的是，所述已训练的可视化需求标签处理网络是根据样本训练数据集训练得到的，所述样本训练数据集中的样本训练数据包括已添加匹配性标签的样本视频会议可视化信息，所述匹配性标签描述所述样本视频会议可视化信息与样本工作视频会议事项是否匹配。

进一步地，在一些可能的示例中，上述步骤所描述的基于所述可视化信息聚类整理网络层对所述各条视频会议可视化信息进行聚类和整理，获得所述可视化信息聚类整理网络层输出的视频内容层面的第一全局描述记录，可以通过以下步骤241-步骤245所描述的技术方案实现。

步骤241、基于所述已训练的可视化需求标签处理网络中的可视化信息聚类整理网络层，将所述各条视频会议可视化信息映射至可视化信息记录空间得到所述各条视频会议可视化信息对应的视频内容记录队列。

步骤242、通过状态描述分析单元对所述各条视频会议可视化信息对应的视频内容记录队列进行状态描述分析处理，得到所述各条视频会议可视化信息的可视化状态描述记录。

步骤243、分别根据所述各条视频会议可视化信息对应的会议描述匹配度，对所述各条视频会议可视化信息的可视化状态描述记录进行优化，得到所述各条视频会议可视化信息的动态可视化状态描述记录。

步骤244、基于所述各条视频会议可视化信息的动态可视化状态描述记录进行聚类，得到至少两个视频会议可视化信息子集合。

步骤245、将所有视频会议可视化信息子集合进行整理，并将每个视频会议可视化信息子集合中的各条视频会议可视化信息进行整理后，将各条视频会议可视化信息的动态可视化状态描述记录整合并进行视频内容层面转换得到所述第一全局描述记录。

可以理解，通过实施上述步骤241-步骤245，能够确保第一全局描述记录的完整性。

在一些可能的实施例中，上述步骤所描述的将所述全局描述记录输入所述已训练的可视化需求标签处理网络中的可视化需求标签网络层，基于所述可视化需求标签网络层进行迭代描述特征处理，获得所述可视化需求标签网络层输出的所述目标可视化需求标签队列，可以通过以下方式实现：采用设定处理方式，依次生成所述目标可视化需求标签队列中的各个可视化需求标签内容，所述目标可视化需求队列中的一个可视化需求标签至少包括一个可视化需求标签内容。

在上述内容的基础上，在一次设定处理过程中，可以执行以下操作：将上一次输出的目标可视化需求标签内容输入所述可视化需求标签网络层，其中，第一次输入所述可视化需求标签网络层的为预先设置的基准标签内容；通过迭代策略分析所述上一次输出的目标可视化需求标签内容和所述样本队列中的各个视频会议可视化信息内容的匹配概率值，其中，所述匹配概率值表示所述视频会议可视化信息内容与所述上一次输出的可视化需求标签内容之间的迭代值；将所述匹配概率值和所述视频会议可视化信息队列中的视频会议可视化信息内容的可视化状态记录队列进行优化，并输入到人工智能模型中，获得本次输出的所述视频会议可视化信息队列的目标可视化状态描述记录；基于所述上一次输出的目标可视化需求标签内容以及所述目标可视化状态描述记录，生成本次输出的目标可视化需求标签内容。

如此设计，能够考虑不同目标可视化需求标签内容之间的关联性，从而确保每次得到的目标可视化需求标签内容的准确性。

在一些可选的实施例中，在通过迭代策略分析所述上一次输出的目标可视化需求标签内容和所述样本队列中的各个视频会议可视化信息内容的匹配概率值之前，该方法还可以包括以下内容：将本次选取的目标视频会议可视化信息子集合以及所述目标视频会议可视化信息子集合的关联视频会议可视化信息集合作为热门的视频会议可视化信息子集合，将其他的视频会议可视化信息子集合作为外部的视频会议可视化信息子集合，其中，每次选取的目标视频会议可视化信息子集合是基于各个视频会议可视化信息子集合之间的顺序确定的；为所述视频会议可视化信息队列中位于热门的视频会议可视化信息子集合中的视频会议可视化信息内容添加第一匹配特征，为所述视频会议可视化信息队列中位于外部的视频会议可视化信息子集合中的视频会议可视化信息内容添加第二匹配特征，得到所述样本队列中的各个视频会议可视化信息内容对应的第一匹配可视化状态记录；以及为所述上一次输出的目标可视化需求标签内容添加所述第一匹配特征，得到对应的第二匹配可视化状态记录。

可以理解的是，在确定了第一匹配可视化状态记录和第二匹配可视化状态记录的基础上，上述步骤所描述的通过迭代策略分析所述上一次输出的目标可视化需求标签内容和所述样本队列中的各个视频会议可视化信息内容的匹配概率值，可以包括以下技术方案：结合所述样本队列中的各个视频会议可视化信息内容对应的第一匹配记录与上一次输出的目标可视化需求标签内容对应的第二匹配可视化状态记录，基于迭代策略分析所述上一次输出的目标可视化需求标签内容与所述样本队列中的各个视频会议可视化信息内容的匹配概率值。如此设计，通过考虑第一匹配可视化状态记录和第二匹配可视化状态记录，能够尽可能减少匹配概率值的误差。

在一些选择性的实施例中，上述的可视化需求标签处理网络是通过如下过程训练得到的：获取针对至少一个样本工作视频会议事项的所述样本训练数据集；根据所述样本训练数据集中的样本训练数据，对未训练的可视化需求标签处理网络执行迭代训练，以获得所述已训练的可视化需求标签处理网络；其中，每一次迭代训练过程包括以下操作：从所述样本训练数据集中选取针对同一样本工作视频会议事项的一组样本训练数据，分别将选取的各个样本训练数据包含的样本视频会议可视化信息输入所述未训练的可视化需求标签处理网络中的时序层面的动态转换网络层，获得所述动态转换网络层输出的各条样本视频会议可视化信息对应的会议描述匹配度；基于所述各条样本视频会议可视化信息对应的会议描述匹配度与对应的匹配性标签之前的偏差，构建第一模型性能指标；以及分别将选取的各个样本训练数据中的样本视频会议可视化信息，以及所述各条样本视频会议可视化信息对应的会议描述匹配度输入所述未训练的可视化需求标签处理网络中的可视化信息聚类整理网络层，基于所述可视化信息聚类整理网络层对所述各条样本视频会议可视化信息进行聚类，获得至少两个视频会议可视化信息子集合；基于所述可视化信息聚类整理网络层对各个视频会议可视化信息子集合进行整理，获得所述可视化信息聚类整理网络层输出的视频内容层面的第二全局描述记录；将所述第二全局描述记录输入所述未训练的可视化需求标签处理网络中的可视化需求标签网络层，基于所述可视化需求标签网络层进行迭代描述特征处理，获得所述可视化需求标签网络层输出的一组待测试可视化需求标签队列，所述待测试可视化需求标签队列包括至少两个待测试可视化需求标签内容；基于所述待测试可视化需求标签队列中的待测试可视化需求标签内容与实际可视化需求标签队列中的实际可视化需求标签内容的分布偏差，构建第二模型性能指标；以及，基于各个视频会议可视化信息子集合中视频会议可视化信息内容的迭代值，构建第三模型性能指标；根据所述第一模型性能指标，所述第二模型性能指标和所述第三模型性能指标，对所述未训练的可视化需求标签处理网络进行网络配置参数调整。

在本申请实施例中，不同的模型性能指标可以表示不同的损失函数，通过对不同维度的损失函数进行分析，能够确保对所述未训练的可视化需求标签处理网络进行网络配置 调整的可靠性，从而保证可视化需求标签处理网络的模型稳定性，减少可视化需求识别过程中的误差。

在一些选择性的实施例中，上述的基于所述待测试可视化需求标签队列中的待测试可视化需求标签内容与实际可视化需求标签队列中的实际可视化需求标签内容的分布偏差，构建第二模型性能指标，进一步可以包括：对于任意一个待测试可视化需求标签内容，基于所述待测试可视化需求标签内容在预设的可视化需求标签内容集合中的分布比例，以及所述待测试可视化需求标签内容在所述视频会议可视化信息集合中的分布比例，确定所述待测试可视化需求标签队列中的待测试可视化需求标签内容与实际可视化需求标签队列中的实际可视化需求标签内容的分布偏差；基于确定的分布偏差构建所述第二模型性能指标。

综上，通过实施上述技术方案，能够获得视频会议可视化信息集合中的各条视频会议可视化信息与目标工作视频会议事项之间的会议描述匹配度，从而结合各条视频会议可视化信息的可视化状态特征对各条视频会议可视化信息进行整理得到相应的视频会议可视化信息队列，最后基于视频会议可视化信息队列生成针对目标工作视频会议事项的目标可视化需求标签队列。如此，可以将会议描述匹配度和可视化状态特征考虑在内，从而精准可靠地确定出目标可视化需求队列中包括的不同的目标可视化需求标签内容，这样可以确定出目标工作视频会议事项的目标可视化需求标签内容，以根据目标可视化需求标签内容进行相应的可视化配置处理，确保多端视频会议的顺利进行。

在上述基础上，请结合图3，基于上述同样的发明构思，本申请还提供了一种基于大数据与人工智能的视频会议处理方法的应用场景，在该应用场景下所述系统包括相互通信的基于大数据与人工智能的视频会议处理系统10及多个视频会议终端20；所述基于大数据与人工智能的视频会议处理系统10获取针对其中一个视频会议终端20上传的目标工作视频会议事项的视频会议可视化信息集合，所述视频会议可视化信息集合包括至少两条视频会议可视化信息；获得所述视频会议可视化信息集合中的各条视频会议可视化信息与所述目标工作视频会议事项之间的会议描述匹配度；根据所述各条视频会议可视化信息对应的会议描述匹配度，以及所述各条视频会议可视化信息的可视化状态特征，对所述各条视频会议可视化信息进行整理，得到相应的视频会议可视化信息队列；基于所述视频会议可视化信息队列生成针对所述目标工作视频会议事项的目标可视化需求标签队列，所述目标可视化需求队列包括至少两个目标可视化需求标签内容。

进一步地，本申请还提供了一种可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。

进一步地，本申请还提供了一种云平台，所述云平台包括存储有程序的可读存储介质，以执行权利要求1中所述的基于大数据与人工智能的视频会议处理方法。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本申请的范围仅由所附的权利要求来限制。