倪守娟，顏 艷，初元鴿
（1.青島民航凱亞系統集成有限公司，山東 青島 266108；2.青島國際機場集團有限公司，山東 青島 266308）
0 引 言
電子信息交互系統指通過電子設備、網絡和軟件等技術手段，實現人與計算機之間、計算機之間信息傳遞、數據交換和操作互動的系統[1]。這類系統廣泛應用于各個領域，包括但不限于計算機應用、通信、娛樂、商業以及教育等[2]。然而，隨著數據量的爆炸性增長和用戶需求的多樣化，傳統的電子信息交互系統面臨著諸多挑戰[3]。人工智能技術的引入為解決這些問題提供了新的可能性。因此，文章旨在探討如何利用人工智能技術優化電子信息交互系統的設計，以適應現代信息社會的需求。文章提出一個4層的系統架構設計，包括數據層、處理層、應用層以及交互層，并對每一層的功能和設計要點進行了詳細闡述。同時，進行系統測試實驗，通過對比不同時間節點的性能數據，證明優化設計的有效性。
1 基于人工智能技術的電子信息交互系統框架設計
電子信息交互系統是當今社會中不可或缺的一部分，而基于人工智能技術的優化設計可以顯著提升其性能和用戶體驗[4]。基于人工智能技術的電子信息交互系統框架設計如圖1 所示。
圖1 基于人工智能技術的電子信息交互系統框架設計
數據層是系統的基礎，負責數據的采集、存儲和管理，主要用于確保信息量充足且有序，為系統提供必要的數據支持。數據層的設計和實現直接影響信息的可訪問性和后續處理的效率。處理層主要負責對數據進行分析和處理，包括特征提取、智能算法實現等。其主要負責將原始數據轉化為有用的信息，支持決策制定和功能實現。處理層的效率和準確性對系統性能至關重要。應用層包含系統的核心功能和服務，其將處理層的結果應用到具體的業務邏輯中。這一層的用處在于將信息轉化為用戶可以直接利用的服務或功能，如智能推薦、語音識別等。交互層是用戶與系統之間的接口，包括用戶界面設計和交互流程，能夠提供直觀、友好的用戶界面，確保用戶能夠輕松地與系統進行交互，提升用戶體驗。
總的來說，這些層級共同構成了電子信息交互系統的總架構，各層次之間相互協作，確保系統能夠高效、穩定地運行，同時提供良好的用戶體驗。在設計時，需要充分考慮每個層級的特點和需求，以及各層級之間的相互關系，以實現最佳的系統性能和用戶體驗。
2 系統各模塊設計
2.1 數據層
在基于人工智能技術的電子信息交互系統中，數據層設計是至關重要的，負責收集、存儲以及管理所有形式的數據，為系統提供必要的數據支持[5]。首先，系統需要確定數據源，包括用戶輸入、傳感器數據、外部數據庫等。其次，根據需求設計數據采集策略，實時采集并批量導入數據。采集的數據通常需要經過預處理后才能用于后續的分析。預處理步驟包括數據清洗（去除噪聲、糾正錯誤）、數據轉換（將數據轉換為適合分析的格式）、數據歸一化（將數據縮放到同一范圍）等，Z-score 歸一化的計算公式為
式中：X'為歸一化后的值；X為原始數據點的值；μ為原始數據集的平均值；σ為原始數據集的標準差。Z-score 歸一化是一種將數據轉換為標準正態分布的方法，其中數據的平均值為0，標準差為1。這種方法在數據預處理中常用于將不同量級或分布的數據轉換為統一的尺度，以便在機器學習和數據分析中使用。處理完之后，系統將數據存儲在MySQL 數據庫中。該數據庫支持復雜的查詢和事務處理，適合需要執行多表連接、篩選和排序等操作的場景，便于系統制定數據管理策略，包括數據的更新、備份、恢復及安全等。
2.2 處理層
在基于人工智能技術的電子信息交互系統中，處理層設計是關鍵部分，負責對數據進行分析和處理，以提取有用的信息和知識。系統會根據具體問題和數據類型，選擇合適的特征提取方法，包括統計特征、文本特征、圖像特征等。特征提取的目的是將原始數據轉換為更適合機器學習模型的形式，當特征數量較大時，需要進行數據降維，以提高計算效率，降低過擬合的風險。主成分分析（Principal Component Analysis，PCA）通過求解數據協方差矩陣的特征值和特征向量，選擇最大的幾個特征值對應的特征向量構成投影矩陣。根據問題類型選擇神經網絡深度學習模型，在訓練過程中，需要優化模型參數以最小化預測誤差。交叉熵損失L的計算公式為
式中：yi表示真實標簽的概率分布，是一個獨熱編碼（one-hot encoding）的向量，其中正確類別的位置為1，其他位置為0；表示模型預測的概率分布，是經過sigmoid 或softmax 函數轉換后的輸出，用于表示模型對每個類別的預測概率。交叉熵損失函數是機器學習和深度學習中常用的損失函數之一，用于衡量實際輸出與預期輸出之間的差異。通過最小化交叉熵損失，可以使模型的預測概率分布盡可能接近真實的概率分布。在分類問題中，交叉熵損失函數通常與sigmoid或softmax 激活函數一起使用，以輸出一個概率分布，并通過優化過程調整模型參數，使概率分布盡可能地接近真實分布。之后，使用驗證數據集對模型進行評估，以確定模型的性能，根據評估結果對模型進行調整和優化。
2.3 應用層
在基于人工智能技術的電子信息交互系統中，應用層設計是負責將處理層的輸出轉換為用戶可用的服務或功能，具體設計如圖2 所示。
圖2 應用層的運行流程
首先，系統優化設計需要明確系統應提供的功能和服務，包括數據查詢、智能推薦、自動決策等。其次，根據功能需求，設計系統的用戶界面（User Interface，UI）和應用程序接口（Application Programming Interface，API）。UI 設計關注用戶體驗，API 設計則關注與其他系統或服務的交互。再次，將處理層的輸出整合到具體的服務中，可能涉及數據的進一步處理、功能的實現等。為確保系統的數據傳輸和存儲安全，通過高級加密標準（Advanced Encryption Standard，AES）技術保護用戶的隱私信息。根據系統的響應時間和資源利用率等指標，對服務進行性能優化。最后，對系統進行全面的測試，包括功能測試、性能測試、安全測試等，然后將系統部署到生產環境。
2.4 交互層
交互層設計是電子信息交互系統框架中的一個關鍵組成部分，負責用戶與系統之間的信息交換。UI設計需要確定UI 的風格和布局，以提供直觀、易用的用戶體驗。設計UI 元素，如按鈕、表單、圖標等，以實現用戶與系統的交互；選擇適當的顏色、字體和圖像，以提高視覺吸引力和可讀性；研究用戶需求和行為，以優化UI 的布局和流程；設計交互流程，如導航路徑、任務執行順序等，以提高用戶滿意度；進行用戶測試，以評估和改進用戶體驗；設計數據展示方式，如圖表、列表、儀表板等，以直觀地展示系統信息；實現響應式設計，以確保UI 在不同設備和屏幕尺寸上的兼容性；選用超文本傳輸協議（Hyper Text Transfer Protocol，HTTP）或超文本傳輸安全協議（Hyper Text Transfer Protocol over Secure Socket Layer，HTTPS），以實現客戶端與服務器之間的數據傳輸；實施數據加密和認證機制，以保護數據的安全性和完整性。
3 測試實驗
3.1 實驗準備
為測試基于人工智能技術的電子信息交互系統的性能，將構建一個模擬的測試環境。在硬件配置中，服務器型號選擇Dell PowerEdge R740，中央處理器型號為Intel Xeon E3-1230 v2，有1 155 個針腳，客戶端設備為Lenovo ThinkPad T490，操作系統為Windows 10 Professional 64-bit。軟件配置中，操作系統選擇Ubuntu Server 20.04 LTS，數據庫管理系統為MySQL 8.0.22，人工智能框架采用TensorFlow 2.4.1，服務器軟件為Nginx 1.18.0, Gunicorn 20.1.5，客戶端軟件采用JMeter 5.4.1，用于模擬用戶請求。
3.2 實驗結果
實驗安裝并配置所有必要的軟件和依賴項，在服務器上部署電子信息交互系統。使用JMeter 設置一個性能測試計劃，模擬不同數量的并發用戶發送請求。選擇5 個不同的運行時間節點，分別為峰值時段（如9:00）、非峰值時段（如15:00）、晚間時段（如21:00）、深夜時段（如第二天1:00）以及周末時段（如第二天10:00）。在每個時間節點運行JMeter測試計劃，記錄響應速度、處理能力以及傳輸速率，具體內容如表1 所示。
表1 不同時間節點數據情況
從表1可以看出，在不同時間節點，盡管響應速度、處理能力及傳輸速率有所波動，但整體保持在較高水平，表明系統在不同運行時間節點均具有較好的穩定性和性能。
4 結 論
文章提出了基于人工智能技術的電子信息交互系統優化設計方案，通過實驗驗證了其在提升系統性能和穩定性方面的顯著效果。優化后的系統不僅能夠快速響應用戶需求，還能高效處理大量數據，同時保持良好的傳輸速率。這些改進對于滿足現代社會對電子信息交互系統的高標準要求具有重要意義。未來的工作將進一步探索人工智能技術在電子信息交互系統中的新應用，開發更加智能的數據分析工具。此外，隨著物聯網和邊緣計算技術的發展，如何在這些新興技術框架下整合人工智能，以進一步提高系統的實時性和智能化水平，也是未來研究的重要方向。
