[發明專利]一種基于神經網絡的數據優化方法及裝置

在審

• 申請號: 202110235273.4
• 申請日: 2021-03-03
• 公開（公告）號: CN112906806A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 朱保民
• 申請（專利權）人: 杭州瀟楠科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京竹辰知識產權代理事務所(普通合伙) 11706
• 代理人: 陳龍

1.一種基于神經網絡的數據優化方法，其特征在于，包括：

獲取原始數據集；

將所述原始數據集通過數據優化神經網絡模型進行優化處理，得到第一優化數據集；

將所述第一優化數據集通過預設規則進行處理，得到第二優化數據集；

將所述第二優化數據集進行輸出。

2.根據權利要求1所述的方法，其特征在于，在所述獲取原始數據集之后，所述方法還包括：

將所述原始數據集作為輸入參數，訓練所述數據優化神經網絡模型。

3.根據權利要求1所述的方法，其特征在于，在所述將所述第一優化數據集通過預設規則進行處理，得到第二優化數據集之前，所述方法還包括：

將所述第一優化數據集與所述原本數據集進行校驗。

4.根據權利要求1所述的方法，其特征在于，所述將所述第二優化數據集進行輸出包括：

獲取展示信息，其中，所述展示信息包括：展示方式、展示終端；

將所述第二優化數據集根據所述展示信息傳輸至相應的所述展示終端。

5.一種基于神經網絡的數據優化裝置，其特征在于，包括：

獲取模塊，用于獲取原始數據集；

優化模塊，用于將所述原始數據集通過數據優化神經網絡模型進行優化處理，得到第一優化數據集；

整理模塊，用于將所述第一優化數據集通過預設規則進行處理，得到第二優化數據集；

輸出模塊，用于將所述第二優化數據集進行輸出。

6.根據權利要求5所述的裝置，其特征在于，所述裝置還包括：

訓練模塊，用于將所述原始數據集作為輸入參數，訓練所述數據優化神經網絡模型。

7.根據權利要求5所述的裝置，其特征在于，所述裝置還包括：

校驗模塊，用于將所述第一優化數據集與所述原本數據集進行校驗。

8.根據權利要求5所述的裝置，其特征在于，所述輸出模塊包括：

獲取單元，用于獲取展示信息，其中，所述展示信息包括：展示方式、展示終端；

傳輸單元，用于將所述第二優化數據集根據所述展示信息傳輸至相應的所述展示終端。

9.一種包括指令的計算機程序產品，其特征在于，當所述指令在計算機上運行時，使得所述計算機執行權利要求1至4中任意一項所述的方法。

10.一種非易失性存儲介質，其特征在于，所述非易失性存儲介質包括存儲的程序，其中，所述程序運行時控制非易失性存儲介質所在的設備執行權利要求1至4中任意一項所述的方法。