[发明专利]一种基于互联网的人脑语言认知模型建立系统及方法

权利要求书

1.一种基于互联网的人脑语言认知模型建立方法，其特征在于，所述基于互联网的人脑语言认知模型建立方法包括：

第一步，清理原有数据；基于GA-SVR的数据采集算法输入人脑语言；

第二步，输入完成后对语言信息采用朴素贝叶斯分类算法进行识别并转化，转化后的语言经过处理后利用高斯分布模型进行存储；

第三步，同时处理后的语言进行网络保存，避免信息的丢失，同时为系统提供网络信息；

第四步，对认知语言进行搜索，搜索完成后即可输出。

2.如权利要求1所述的基于互联网的人脑语言认知模型建立方法，其特征在于，所述步骤一基于GA-SVR的数据采集算法输入人脑语言，GA－SVR算法的具体步骤为：

(1)初始化进化代数t＝0；

(2)随机输入最初信息p(t)，设置数据群体的大小，对参数C、σ、ε通过实数编码形成数据信息个体；

(3)对p(t)中的数据个体训练SVR，并计算个体适应度函数值F(t)；

(4)若p(t)中的数据个体对应的F(t)满足精度要求或达到设定的迭代次数，则转至步骤7)；

(5)否则，t＝t+1；

(6)执行确认信息操作，产生数据信息确定，然后转到步骤3)；

(7)给出最佳的语言信息弱参数C、不敏感系数ε、语言信息强参数σ，并通过对语言信息进行训练获得最优的SVR模型。

3.如权利要求1所述的基于互联网的人脑语言认知模型建立方法，其特征在于，所述步骤二对语言采用朴素贝叶斯分类算法进行识别，具体算法为：D是训练对象与其相关联的类标号的集合；每个对象用一个n维属性向量X＝{x₁，x₂…x_n}表示，描述n个属性A₁，A₂…A_n的值；原始集合基于n维属性共划分为m个类C₁，C₂…C_m，计算每个类对X的后验概率，并将对象X归属于具有最高后验概率的类；后验概率P(C_i|X)的计算公式为：

给定向量的类标号，并假定属性值有条件的相互独立；P(X_i|C)的计算公式为：

其中，P(x₁|C_i)P(x₂|C_i)…P(x_n|C_n)由训练对象求算，x_k表示X在属性A_k上的值；对每个类别C_i计算P(X|C_i)P(C_i)；当P(X|C_i)P(C_i)>P(X|C_j)P(C_j)，1≤j≤m，j≠i成立时，X属于类C_i。

4.一种实现权利要求1所述基于互联网的人脑语言认知模型建立方法的基于互联网的人脑语言认知模型建立系统，其特征在于，所述基于互联网的人脑语言认知模型建立系统，包括：初始化模块、语言输入模块、处理模块、互联网模块、储存模块、输出模块、搜索模块、转化模块；

处理模块接受互联网信息，处理模块控制搜索模块，处理模块连接储存模块；初始化模块具有语言输入模块，语言输入模块具有转化模块；转化模块8后连接处理模块；搜索模块收缩储存模块内信息；搜索模块的搜索结果进过输出模块输出；储存模块连接有互联网模块。

5.一种应用权利要求1～3任意一项所述基于互联网的人脑语言认知模型建立方法的语言认知平台。