[發(fā)明專利]基于情景感知的機器學習方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010801116.0
• 申請日: 2020-08-11
• 公開（公告）號: CN111898745A
• 公開（公告）日: 2020-11-06
• 發(fā)明（設計）人: 霍雨佳;左欣
• 申請（專利權）人: 霍雨佳
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06Q50/20
• 代理公司: 西安合創(chuàng)非凡知識產(chǎn)權代理事務所(普通合伙) 61248
• 代理人: 于波

本發(fā)明涉及機器學習領域，具體涉及一種基于情景感知的機器學習方法及系統(tǒng)，該機器學習方法包括如下步驟：S1、構建訓練參數(shù)集，每一個訓練參數(shù)均包含有情景信息；S2、基于BP神經(jīng)網(wǎng)絡模型實現(xiàn)訓練參數(shù)集中內(nèi)載情景特征信息及其他目標特征信息的提取；S3、基于情景特征信息及其對應的其他目標特征信息構建貝葉斯網(wǎng)絡模型；S4、基于所述貝葉斯網(wǎng)絡模型實現(xiàn)待檢測文本的識別。本發(fā)明的整個過程依賴不同的模型/算法自動完成，在可以大大提高了機器學習的效率的同時，可以保證所構建的檢測模型所覆蓋的樣本檢測面。

技術領域

本發(fā)明涉及機器學習領域，具體涉及一種基于情景感知的機器學習方法及系統(tǒng)。

背景技術

隨著計算機技術和網(wǎng)絡技術的不斷成熟，教育領域也在信息技術的推動下發(fā)生了巨大的革命，人工智能技術和計算機結合結合形成的智能教學系統(tǒng)應運而生。智能教學系統(tǒng)融合了教育學、認知科學、計算機科學和人工能等多門學科，實現(xiàn)了計算機導師根據(jù)每個學習者的特點制定教學計劃、選擇教學策略的功能。

目前，智能教學系統(tǒng)在進行教學計劃和教學策略的制定和選擇過程中，大多忽略了目標數(shù)據(jù)中內(nèi)載的情景信息，從而一定程度上使得所制定的教學計劃和教學策略缺乏一定的針對性。

同時，現(xiàn)有的智能教學系統(tǒng)采用的機器學習方法普遍需要人為進行訓練集的構建，工作量大的同時，很容易產(chǎn)生由于訓練集覆蓋面不完善而導致目標數(shù)據(jù)識別失敗的情況。

發(fā)明內(nèi)容

為解決上述問題，本發(fā)明提供了一種基于情景感知的機器學習方法及系統(tǒng)。

為實現(xiàn)上述目的，本發(fā)明采取的技術方案為：

基于情景感知的機器學習方法，包括如下步驟：

S1、構建訓練參數(shù)集，每一個訓練參數(shù)均包含有情景信息；

S2、基于BP神經(jīng)網(wǎng)絡模型實現(xiàn)訓練參數(shù)集中內(nèi)載情景特征信息及其他目標特征信息的提取；

S3、基于情景特征信息及其對應的其他目標特征信息構建貝葉斯網(wǎng)絡模型；

S4、基于所述貝葉斯網(wǎng)絡模型實現(xiàn)待檢測文本的識別。

進一步地，所述步驟S1中，基于預設的情景轉換模型實現(xiàn)訓練樣本的預處理，從而實現(xiàn)訓練參數(shù)集的構建。

進一步地，所述情景轉換模型采用Transformer模型實現(xiàn)訓練樣本內(nèi)隱含的情景信息的提取，然后將所提取的情景信息及其對應的訓練樣本填入預設的模板，即得訓練參數(shù)。

進一步地，所述步驟S2中，基于Hadoop同時運行兩個BP神經(jīng)網(wǎng)絡模型分別進行訓練參數(shù)集中內(nèi)載情景特征信息及其他目標特征信息的提取。

本發(fā)明還提供了一種基于情景感知的機器學習系統(tǒng)，包括：

訓練參數(shù)集構建模塊，用于構建訓練參數(shù)集，每一個訓練參數(shù)均包含有情景信息；

特征信息提取模塊，用于基于BP神經(jīng)網(wǎng)絡模型實現(xiàn)訓練參數(shù)集中內(nèi)載情景特征信息及其他目標特征信息的提取；

檢測模型構建模塊，用于基于情景特征信息及其對應的其他目標特征信息構建貝葉斯網(wǎng)絡模型；

目標識別模塊，基于所述貝葉斯網(wǎng)絡模型實現(xiàn)待檢測文本的識別。

進一步地，所述訓練參數(shù)集構建模塊基于預設的情景轉換模型實現(xiàn)訓練樣本的預處理，從而實現(xiàn)訓練參數(shù)集的構建，該情景轉換模型采用Transformer模型實現(xiàn)訓練樣本內(nèi)隱含的情景信息的提取，然后將所提取的情景信息及其對應的訓練樣本填入預設的模板，即得訓練參數(shù)。