[发明专利]面向小样本场景化人工智能的实现方法、系统及存储介质

说明书

本发明公开了一种面向小样本场景化人工智能的实现方法、系统及存储介质，该实现方法包括：获取应用请求指令，并根据所述应用请求指令提取语义特征；根据所述语义特征及预设的语义分类体系确定训练模型及训练数据；根据所述训练数据训练并测试所述训练模型获得应用模型及应用数据。本发明实施例首先根据语义特征建立模型及数据的语义分类体系，当获取到应用请求指令后，根据应用请求指令的语义特征确定训练模型及训练数据，并根据训练数据训练并测试训练模型，从而获得应用模型及应用数据，即本发明实施例根据应用请求指令的语义特征及预设的语义分类体系实现在面向小样本的数据请求。本发明实施例可广泛应用于人工智能技术领域。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种面向小样本场景化人工智能的实现方法、系统及存储介质。

背景技术

人工智能技术的核心问题是解决各类数据的认知及应用。在物联网海量信息爆炸的情况下，如何应对海量信息的认知及如何基于认知的人工智能技术进行应用，导致人工智能在物联网领域的应用比传统人工智能的应用更加困难。

传统人工智能的应用中需要采用大量的标注数据对模型进行迭代训练，在实际物联网的人工智能应用过程中，与传统的互联网人工智能技术应用相比存在两个问题：1、物联网领域面对的应用场景复杂，如存在大量的边缘侧模型及终端侧模型等，模型选择困难；2、模型的训练数据不易获取，如各类应用场景属于不同的公司或单位，相互之间很难做到数据共享，物联网场景化AI的碎片化状态导致模型训练数据不足，另外，标注的训练数据更少，训练数据及标注的训练数据少导致小样本问题。

发明内容

有鉴于此，本发明实施例的目的是提供一种面向小样本场景化人工智能的实现方法、系统及存储介质，该方法能够在面向小样本时根据应用请求确定训练模型及训练数据并获得应用数据。

第一方面，本发明实施例提供了一种面向小样本场景化人工智能的实现方法，包括以下步骤：

获取应用请求指令，并根据所述应用请求指令提取语义特征；

根据所述语义特征及预设的语义分类体系确定训练模型及训练数据；

根据所述训练数据训练并测试所述训练模型获得应用模型及应用数据。

可选地，通过以下步骤确定所述预设的语义分类体系：

构建信息标签体系、模型场景标签体系以及信息对模型场景支持度标签体系的语义表达矩阵。

可选地，确定所述预设的语义分类体系，还包括：

构建场景化人工智能的场景要素语义或数据集语义。

可选地，通过以下步骤确定所述训练模型：

根据所述语义特征及时间要素确定各已知模型的支持度；

将支持度超过预设值的已知模型确定为所述训练模型。

可选地，所述训练数据通过以下步骤确定：

获取所述训练模型的数据；

根据所述训练模型的数据与所述应用请求指令的数据确定训练数据。

可选地，所述根据所述训练模型的数据与所述应用请求指令的数据确定训练数据，包括：

对所述训练模型的数据及所述应用请求指令的数据进行误差计算；

根据所述误差确定第一训练数据；

根据所述第一训练及所述应用请求指令的数据确定训练数据。

可选地，所述训练模型或所述训练模型的数据根据记录时间及调用频率进行更新。

第二方面，本发明实施例提供了一种面向小样本场景化人工智能的实现系统，包括：