申请/专利权人：金盾检测技术股份有限公司

申请日：2024-03-19

公开（公告）日：2024-04-19

公开（公告）号：CN117909507A

主分类号：G06F16/35

分类号：G06F16/35;G06F16/31;G06F18/2415;G06F18/25;G06F18/27;G06F40/211;G06F40/253;G06F40/30;G06N3/042;G06N3/0455;G06N3/0464;G06N3/047;G06N3/0475;G06N3/0495;G06N3/094;G06N3/096;G06N3/0985;G06N5/048;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明涉及信息处理技术领域，具体为基于AI的数据分类系统，系统包括文本语义分析模块、特征模拟模块、知识迁移优化模块、时间序列分析模块、概率模型应用模块、模糊逻辑分析模块、决策融合模块、性能优化模块。本发明中，文本语义分析模块的应用，特别是依存句法分析和图神经网络技术的结合，使系统能够深入解析复杂的语法结构和语义关系，提高了对复杂文本结构的理解能力。其次，特征模拟模块利用变分自编码器和条件生成对抗网络，有效地捕捉和模拟文本的隐含特征，特别适用于细粒度分类和少量样本的学习环境。此外，知识迁移优化模块的应用，通过迁移学习和领域自适应技术，提高了系统在新领域的适应性和分类准确性。

主权项：1.基于AI的数据分类系统，其特征在于：所述系统包括文本语义分析模块、特征模拟模块、知识迁移优化模块、时间序列分析模块、概率模型应用模块、模糊逻辑分析模块、决策融合模块、性能优化模块；所述文本语义分析模块基于原始文本数据，采用依存句法分析技术，通过对句子中单词之间的依赖关系进行解析，构建语法结构图，利用图神经网络技术对结构进行学习，分析文本的语义关系，并进行语义特征提取，生成结构化文本数据；所述特征模拟模块基于结构化文本数据，采用变分自编码器模型，通过建立生成网络和推断网络，学习文本数据的隐含特征分布，结合条件生成对抗网络技术，优化模型对文本类别特征的模拟能力，并进行特征模拟和类别生成，生成类别特征模型；所述知识迁移优化模块基于类别特征模型，采用迁移学习方法，通过选择与目标任务关联的源任务数据集进行预训练，根据目标任务对模型进行再次调整和学习，结合领域自适应技术，调整模型并匹配新领域的特征分布，生成特征优化集；所述时间序列分析模块基于特征优化集，采用时间序列预测模型，通过分析文本数据随时间的变化趋势和周期性特征，利用自回归集成模型对历史数据进行回归分析，结合时间卷积网络技术优化模型对时间序列数据的处理效率，进行时间动态分析和演化趋势预测，生成时间趋势分析结果；所述概率模型应用模块基于时间趋势分析结果，采用马尔可夫决策过程和贝叶斯网络，通过建立文本数据的状态转移模型和条件概率模型，分析文本序列中的随机过程和不确定性因素，对多种文本类别的出现概率进行计算和预测，生成概率预测模型；所述模糊逻辑分析模块基于概率预测模型，采用模糊集理论和多值逻辑分析方法，通过将文本特征映射到模糊集合中，并定义模糊逻辑规则，对文本中的模糊性和主观性进行定量化分析，并进行模糊逻辑推理和分类决策，生成逻辑推理结果；所述决策融合模块基于逻辑推理结果，采用层次分析法和数据包络分析方法，通过对多决策因素的重要性进行量化评估和综合权衡，优化决策过程，并结合多种决策支持技术进行决策融合，生成综合分类决策集；所述性能优化模块基于综合分类决策集，采用在线学习和元学习策略，通过持续接收新数据和反馈信息，对系统进行实时调整和优化，优化模型的泛化能力和适应性，并进行性能评估和参数调整，生成分类策略优化结果。

全文数据：

权利要求：

百度查询： 金盾检测技术股份有限公司 基于AI的数据分类系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD