[發(fā)明專利]一種多模態(tài)場(chǎng)景目標(biāo)基于半監(jiān)督深度學(xué)習(xí)的知識(shí)管理方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011099756.8
• 申請(qǐng)日: 2020-10-14
• 公開（公告）號(hào): CN112182225A
• 公開（公告）日: 2021-01-05
• 發(fā)明（設(shè)計(jì)）人: 徐黎敏;周晨
• 申請(qǐng)（專利權(quán)）人: 上海寶鈿科技產(chǎn)業(yè)發(fā)展有限公司
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35;G06F16/31;G06F16/33;G06K9/62
• 代理公司: 上海塔科專利代理事務(wù)所(普通合伙) 31380
• 代理人: 耿恩華

本發(fā)明屬于知識(shí)管理領(lǐng)域，具體公開了一種多模態(tài)場(chǎng)景目標(biāo)基于半監(jiān)督深度學(xué)習(xí)的知識(shí)管理方法，包括如下步驟：數(shù)據(jù)預(yù)處理與模型表示，預(yù)處理與模型表示后得到全面樣本知識(shí)數(shù)據(jù)；獲取全面樣本知識(shí)數(shù)據(jù)，并對(duì)全面樣本知識(shí)數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，數(shù)據(jù)處理后獲取正樣本知識(shí)數(shù)據(jù)增強(qiáng)、負(fù)樣本知識(shí)數(shù)據(jù)增強(qiáng)及數(shù)據(jù)噪聲；基于正樣本知識(shí)數(shù)據(jù)增強(qiáng)、負(fù)樣本知識(shí)數(shù)據(jù)增強(qiáng)及數(shù)據(jù)噪聲分別形成對(duì)應(yīng)的標(biāo)注數(shù)據(jù)樣本；將標(biāo)注數(shù)據(jù)樣本分別輸入多個(gè)不同的網(wǎng)絡(luò)架構(gòu)模型中進(jìn)行訓(xùn)練；將待識(shí)別知識(shí)數(shù)據(jù)輸入最終預(yù)測(cè)模型中進(jìn)行異常識(shí)別。本發(fā)明具有更好的識(shí)別性能與識(shí)別精度，準(zhǔn)確可靠，能對(duì)知識(shí)數(shù)據(jù)中不符合期望的數(shù)據(jù)、行為數(shù)據(jù)進(jìn)行識(shí)別以及高效管理。

技術(shù)領(lǐng)域

本發(fā)明涉及知識(shí)管理領(lǐng)域，具體為一種多模態(tài)場(chǎng)景目標(biāo)基于半監(jiān)督深度學(xué)習(xí)的知識(shí)管理方法。

背景技術(shù)

知識(shí)管理是知識(shí)經(jīng)濟(jì)時(shí)代涌現(xiàn)出來的一種最新管理思想與方法,它融合了現(xiàn)代信息技術(shù)、知識(shí)經(jīng)濟(jì)理論、企業(yè)管理思想和現(xiàn)代管理理念。知識(shí)管理是企業(yè)管理的一項(xiàng)重要內(nèi)容，主流商業(yè)管理課程如EMBA、及MBA等均將“知識(shí)管理”作為一項(xiàng)管理者的必備技能要求包含在內(nèi)。隨著信息時(shí)代的來臨，知識(shí)已經(jīng)成為企業(yè)生存和發(fā)展的關(guān)鍵因素，只有當(dāng)所有的知識(shí)被合理的管理和應(yīng)用時(shí)，企業(yè)的各項(xiàng)工作才能順利而高效的開展。反之，則會(huì)給企業(yè)帶來負(fù)面的影響，甚至危及企業(yè)的生存，嚴(yán)重阻礙企業(yè)的發(fā)展。因此，如何有效管理企業(yè)已有和不斷增長的知識(shí)，已經(jīng)成為一個(gè)迫切需要解決的問題。

由于知識(shí)管理的普及，各個(gè)公司面對(duì)和獲取的信息以前所未有的速度增長，由于知識(shí)數(shù)據(jù)中有涉及不符合期望的數(shù)據(jù)、行為數(shù)據(jù)，因此需要對(duì)其進(jìn)行異常識(shí)別檢測(cè)，而檢測(cè)方法一般有監(jiān)督的，該種監(jiān)督方法需要大量的標(biāo)記，導(dǎo)致監(jiān)督的方法不理想。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種多模態(tài)場(chǎng)景目標(biāo)基于半監(jiān)督深度學(xué)習(xí)的知識(shí)管理方法，以解決上述背景技術(shù)中提出的問題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種多模態(tài)場(chǎng)景目標(biāo)基于半監(jiān)督深度學(xué)習(xí)的知識(shí)管理方法，包括如下步驟：

S1：數(shù)據(jù)預(yù)處理與模型表示，對(duì)不同樣本知識(shí)數(shù)據(jù)的多個(gè)不同的模態(tài)進(jìn)行數(shù)據(jù)預(yù)處理與模型表示，預(yù)處理與模型表示后得到全面樣本知識(shí)數(shù)據(jù)；

S2：獲取全面樣本知識(shí)數(shù)據(jù)，并對(duì)全面樣本知識(shí)數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，數(shù)據(jù)處理后獲取正樣本知識(shí)數(shù)據(jù)增強(qiáng)、負(fù)樣本知識(shí)數(shù)據(jù)增強(qiáng)及數(shù)據(jù)噪聲；

S3：基于正樣本知識(shí)數(shù)據(jù)增強(qiáng)、負(fù)樣本知識(shí)數(shù)據(jù)增強(qiáng)及數(shù)據(jù)噪聲分別形成對(duì)應(yīng)的標(biāo)注數(shù)據(jù)樣本；

S4：將標(biāo)注數(shù)據(jù)樣本分別輸入多個(gè)不同的網(wǎng)絡(luò)架構(gòu)模型中進(jìn)行訓(xùn)練，形成對(duì)應(yīng)的多個(gè)初始預(yù)測(cè)模型；

S5：多個(gè)初始預(yù)測(cè)模型分別輸出對(duì)應(yīng)的預(yù)測(cè)結(jié)果，基于預(yù)測(cè)結(jié)果確定最終的預(yù)測(cè)模型；

S6：將待識(shí)別知識(shí)數(shù)據(jù)輸入最終預(yù)測(cè)模型中進(jìn)行異常識(shí)別，并在識(shí)別后將識(shí)別結(jié)果與樣本知識(shí)數(shù)據(jù)存儲(chǔ)至數(shù)據(jù)庫。

優(yōu)選的，S1中具體包括：S11：對(duì)不同樣本知識(shí)數(shù)據(jù)的多個(gè)不同的模態(tài)進(jìn)行數(shù)據(jù)預(yù)處理，并在預(yù)處理后依據(jù)不同類別建立數(shù)據(jù)集；S12：構(gòu)建多種不同模態(tài)的學(xué)習(xí)網(wǎng)絡(luò)模型，并將每個(gè)模態(tài)映射到各自的表示空間，分別訓(xùn)練各模態(tài)表示學(xué)習(xí)網(wǎng)絡(luò)模型；S13：通過訓(xùn)練后的模型分別提取對(duì)應(yīng)模態(tài)的特征向量，并進(jìn)行降維，得到降維特征向量；S14：將S13得到的多模態(tài)降維特征向量，進(jìn)行多模態(tài)級(jí)聯(lián)融合，建立全面特征樣本知識(shí)數(shù)據(jù)，且全面特征樣本知識(shí)數(shù)據(jù)包括標(biāo)注樣本知識(shí)數(shù)據(jù)及無標(biāo)注樣本知識(shí)數(shù)據(jù)。S13中特征向量是通過訓(xùn)練建立文本詞向量模型，通過建立文本詞向量模型對(duì)其進(jìn)行處理，并利用向量空間模型將樣本知識(shí)數(shù)據(jù)表示。向量空間模型(VSM)重點(diǎn)在于計(jì)算詞頻-逆文檔頻率(TF-IDF)。

優(yōu)選的，S2中數(shù)據(jù)處理包括對(duì)全面樣本知識(shí)數(shù)據(jù)進(jìn)行增強(qiáng)及噪聲處理。

優(yōu)選的，S2中包括標(biāo)注數(shù)據(jù)樣本正樣本、標(biāo)注數(shù)據(jù)負(fù)樣本及標(biāo)注數(shù)據(jù)噪聲樣本。