[发明专利]一种基于深度学习的数据治理方法及系统

权利要求书

1.一种基于深度学习的数据治理系统，其特征在于，

所述基于深度学习的数据治理系统包括数据库、治理层和区域链平台，所述数据库用于输入治理数据，所述治理层与所述数据库网络连接，用于采集所述数据库中的治理数据，并通过深度学习后的预测模型提取目标数据，所述区域链平台通过智能合约与所述治理层数据交互，将目标数据整理于已审核的治理数据中，并回写至所述数据库中。

2.如权利要求1所述的一种基于深度学习的数据治理系统，其特征在于，

所述治理层包括采集模块、模型库、规范模块和判断模块，所述采集模块与所述数据库网络连接，用于采集所述数据库中的治理数据，所述规范模块与所述采集模块网络连接，用于规范化采集的治理数据，所述模型库用于存储深度学习后的预测模型，所述判断模块通过预测模型提取治理数据中的目标数据，并将目标数据通过网络传输至所述区域链平台。

3.如权利要求2所述的一种基于深度学习的数据治理系统，其特征在于，

所述采集模块通过物联网采集、网络爬虫和ETL工具，使用其中一种或多种采集方式从所述数据库采集治理数据。

4.一种采用如权利要求3所述的基于深度学习的数据治理系统的数据治理方法，其特征在于，包括如下步骤：

采集治理数据，对治理数据进行预处理；

根据预处理后的治理数据建立训练模型；

判断训练模型并生成预测模型；

通过预测模型提取治理数据中的目标数据，并将目标传输至所述区域链平台。

5.如权利要求4所述的一种基于深度学习的数据治理方法，其特征在于，在采集治理数据，对治理数据进行预处理的步骤中；

通过L-BFGS和共轭梯度算法对数据求解神经网络代价函数，使用PCA算法对数据进行降维，最后对数据进行白化，降低输入的冗余性。

6.如权利要求5所述的一种基于深度学习的数据治理方法，其特征在于，在判断训练模型并生成预测模型的步骤中：

根据多个训练模型对治理数据的作出判定，得到多个判定结果，提取频次最高的判断结果，作为输出结果，将输出结果对应的训练模型进行集成，获得预测模型，并存储至所述模型库中。