[发明专利]基于深度学习的非结构化数据判决方法和装置有效
| 申请号： | 201610950494.9 | 申请日： | 2016-10-26 |
| 公开（公告）号： | CN107992937B | 公开（公告）日： | 2021-12-03 |
| 发明（设计）人： | 朱跃生;罗桂波 | 申请（专利权）人： | 北京大学深圳研究生院 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06F16/35 |
| 代理公司： | 广州华进联合专利商标代理有限公司 44224 | 代理人： | 谢曲曲 |
| 地址： | 518055 广东省深*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的非结构化数据判决方法，具体包括：获取训练后的深度学习神经网络模型，其中所述训练后的深度学习神经网络模型为经多因子训练样本数据训练后的多因子联合判决的神经网络模型；接收在线实时采集的线索数据，所述线索数据包括多种数据类型的非结构化数据；通过训练后的深度学习神经网络模型对获取的所述线索数据进行联合分析，提取有利于判决的特征线索性信息；根据所述特征线索信息对所述线索数据进行判决，生成判决结果；反馈所述判决结果。上述方法能够对非结构化数据进行更加高效、更加及时的决策分析，实现在线实时分析。 | ||
| 搜索关键词： | 基于 深度 学习 结构 数据 判决 方法 装置 | ||
【主权项】：
一种基于深度学习的非结构化数据判决方法，所述方法包括：获取训练后的深度学习神经网络模型，其中，所述训练后的深度学习神经网络模型为经多因子训练样本训练的多因子联合判决神经网络模型；接收在线实时采集的线索数据，所述线索数据为包括多种数据类型的非结构化数据；通过所述训练后的深度学习神经网络模型对接收的所述线索数据进行联合分析，提取有利于判决的特征线索信息；根据所述特征线索信息对所述线索数据进行判决，生成判决结果；反馈所述判决结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京大学深圳研究生院，未经北京大学深圳研究生院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610950494.9/，转载请声明来源钻瓜专利网。
