[发明专利]一种将循环神经网络应用在关联选择问题上的方法

说明书

本发明公开了一种将循环神经网络应用在关联选择问题上的方法，包括以下步骤：预处理选项及值；创建预处理后的选项及值字典；创建选项值的数值映射；确定循环神经网络输入层及输出层的个数；确定样本中的初始及结束标示；确定循环神经网络循环的次数；对相关的样本进行训练；对相关内容进行预测。本发明通过基于循环神经网络的方式来处理关联问题，可以避免预先有人工定义的方式来设定关联问题的规则，并且根据用户每次关联选择内容的不同，不断对循环神经网络中的内容进行更新，最终达到最好的效果，大幅度提高了企业的标准化。

技术领域

本发明涉及人工智能、机器学习领域，具体是一种将循环神经网络应用在关联选择问题上的方法。

背景技术

当前，在用户需求多变的背景下，定制化思想深入到各行各业，而如何快速，并有效的提高用户需求的录入体验是非常重要的内容。

在各种用户需求交互的场景中，为了提高用户的录入体验，经常会提供关联选择的内容。关联选择主要是通过确定了X的内容后，Y的内容依据X选定的内容而变化，因Y的内容依赖X，甚至依赖X和其他内容确定后（比如X、A、B内容确定后），Y的内容会随之变化。为了要达到关联选择的要求，传统的做法，需要预先定义关联的内容规则，比如定义X=x.value1时Y=y.value1或Y=y.value2或Y=y.value3，则用户在X中选择了x.value1时，Y就会根据规则自动的确定y.value1/y.value2/y.value3。通过传统方式，需要在使用之前，投入精力创建大量的预先定义的内容。

由于关联问题的情况，涉及到时序性的问题，其符合循环神经网络应用的特点，因此此处考虑采用循环神经网络的方式来处理关联问题。为此，本领域技术人员提出了一种将循环神经网络应用在关联选择问题上的方法，以解决上述背景技术中提出的问题。

发明内容

本发明的目的在于提供一种将循环神经网络应用在关联选择问题上的方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种将循环神经网络应用在关联选择问题上的方法，包括以下步骤：

S1，预处理选项及值；

S2，创建预处理后的选项及值字典；

S3，创建选项值的数值映射；

S4，确定循环神经网络输入层及输出层的个数；

S5，确定样本中的初始及结束标示；

S6，确定循环神经网络循环的次数；

S7，对相关的样本进行训练；

S8，对相关内容进行预测。

作为本发明进一步的方案：在步骤S1中，将选项与其值之间组合成一个整体内容。

作为本发明进一步的方案：在步骤S2中，根据预处理后的选项及值的内容，对于每一个独立的值进行抽取，并将其放入选项及值字典中。

作为本发明进一步的方案：在步骤S3中，根据选项及值的字典，创建每一个值的特征映射，并将特征映射的内容定义为一个N维向量；其中，N维向量的维度由选项字典中的大小决定。

作为本发明进一步的方案：在步骤S4中，依据创建的选项及值的数值映射，创建神经网络的输入层及输出层的神经元个数，此处采用的输入及输出的神经元个数与进行数值映射后的向量的维度相同，即输入、输出的神经元个数都是N个。

作为本发明进一步的方案：在步骤S5中，对每一组待训练的关联选择的样本都给出初始及结束标示。