[发明专利]侵犯知识产权涉案当事人智能辨识主动预警系统及方法

权利要求书

1.一种侵犯知识产权涉案当事人智能辨识主动预警系统，其特征在于，包括管理服务器，以及与所述的管理服务器相连接的数据服务器、分布式集群服务器和智能分析服务器，所述的数据服务器还与所述的智能分析服务器相连接，且

管理服务器，用于对汇聚到的数据信息进行预处理，并管理数据分析任务及预警任务；

数据服务器，用于存储经管理服务器预处理之后的数据信息，以及存储侵犯知识产权涉案当事人智能辨识主动预警系统的预测参数和预测结果；

分布式集群服务器，用于经过预处理的数据信息进行非关系型数据的分布式存储，并基于分布式运算框架对分布式存储的数据进行规则计算，获取相应的预测参数；

智能分析服务器，用于根据数据分析任务，使用分析预测模型对预处理后的数据信息进行研判，给出预测参数和预测结果；

所述的分布式集群服务器包括：

分布式存储模块，用于对经过预处理的数据信息进行非关系型数据的分布式存储；

分布式计算模块，用于使用运行分布式运算框架来对分布式存储的数据进行规则计算，并做增量更新；

所述的分布式计算模块包括：

语义特征矩阵SFM生成模块，用于分析规范数据集NDS的短文本，提取语义特征，生成语义特征矩阵SFM；

数字特征矩阵DFM生成模块，用于分析规范数据集NDS的数字特征，生成数字特征矩阵DFM，且所述的数字特征矩阵DFM为涉案当事人信息分项的数字特征矩阵DFM，包括资金特征矩阵FFM、物流特征矩阵LFM、通讯特征矩阵CFM和即时通讯特征矩阵RTFM；

基于多维矩阵的个体属性描述矩阵IADM生成模块，用于基于该数字特征矩阵DFM生成模块生成的数字特征矩阵DFM构建基于多维矩阵的个体属性描述矩阵IADM；

所述的智能分析服务器包括：

辨识主动预警深度神经网络IAWDN构建模块，用于构建辨识主动预警深度神经网络IAWDN；

训练模块，用于通过所述的数字特征矩阵DFM对所述的辨识主动预警深度神经网络IAWDN构建模块构建好的辨识主动预警深度神经网络IAWDN进行训练，获取辨识预警模型IAWModel；

持续强化学习模块，用于使用因素反馈评分矩阵FFRM对所述的辨识预警模型IAWModel进行强化学习训练；

辨识预警模型IAWModel融合模块，用于采用集成方法融合所述的训练模块输出的辨识预警模型IAWModel，获取关注度预警评分矩阵AWRM及最终辨识预警值S；

其中，所述的辨识预警模型IAWModel采用深层神经网络IAWDN来训练IADM数据以得到，所述的深层神经网络IAWDN的实现要点包括以下方面：

(1)给定一个输入集INPUT，其特征通道数为FC_ZERO，通过8层卷积一般变换后得到一个特征通道数为FC_ONE的特征,接下来本方案通过三个操作来重标定特征FC_TWO；

(2)在卷积层中使用滑动N×N的感受野进行4层卷积，卷积层之后进行全连接操作，隐藏层使用ReLu，并用Dropout随机忽略一部分神经元；

(3)隐藏层后第一个分支先使用了1×1卷积，然后连接2×2卷积；第二个分支先是1×1的卷积，然后连接4×4卷积，然后顺着空间维度来进行特征压缩，将每个二维的特征通道变成一个实数；

(4)在卷积层中使用M×M的感受野进行池化操作，对输出的池化层按3×3的感受野进行信息密度计算，根据信息密度每个特征通道生成权重值；

(5)步骤(4)输出的权重看做是经信息密度计算后的每个特征通道的重要性，然后通过乘法逐通道加权到上一步计算的特征上，实现在通道维度上的对初始特征的重新标记；

模型优化方法：

QT(DFM，AM^T)的训练过程如下，

初始化IAWModel，QT状态值：

Repeat(for each stage)：

Initialize AM^T

Repeat(for each step of stage):

根据当前DFM和位置IAWModel，使用一种策略，得到并执行动作AM^T，到达新的评定状态S'，并获得奖励R，设α为学习速率，γ为折扣因子，执行，

QT(DFM，AM^T)←(1-α)*QT(DFM，AM^T)+α*[R+γ*max QT(DFM'，am^T)

状态更新，

S←S'

判断失误数累计达到阈值结束，否则继续执行循环。