[發明專利]一種數據集合的價值評估及采樣方法

在審

• 申請號: 202211147534.8
• 申請日: 2022-09-19
• 公開（公告）號: CN115525869A
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 李迎光;劉旭;陳耿祥;陳璐;孟慶祿;郝小忠;劉長青;許可
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06F30/23;G06F113/26;G06F119/08
• 代理公司: 南京天華專利代理有限責任公司 32218
• 代理人: 瞿網蘭

1.一種數據集合的價值評估方法，其特征在于，包括以下步驟：

首先，建立用于評估數據個體價值的評估模型，并建立用于描述數據個體之間價值冗余程度的函數；然后，綜合考慮數據個體價值和數據個體間的價值冗余程度構建數據集合的價值評估模型。

2.根據權利要求1所述的方法，其特征在于，數據個體價值的評估模型的建立方法為以下之一：

通過計算數據個體對目標任務的增益大小評估數據個體價值，進而建立用于評估數據個體價值的評估模型；

通過計算與目標任務相似場景下的數據個體對目標任務的增益大小評估數據個體價值，進而建立用于評估數據個體價值的評估模型；

根據數據產生場景的領域知識評估數據個體價值，進而建立用于評估數據個體價值的評估模型。

3.根據權利要求2所述的方法，其特征在于，所述的增益大小計算方法是通過計算數據個體對目標任務的沙普利值獲得。

4.根據權利要求1所述的方法，其特征在于，所述的描述數據個體之間價值冗余程度的函數的建立方法采用以下方式之一：

數據個體之間的冗余程度與數據個體之間的距離成反比，距離相近的數據個體組成的集合產生更大的冗余價值，所述距離包括歐式距離、馬氏距離；

數據個體之間的冗余程度與數據個體之間的相關性成正比，相關性更大的數據個體組成的集合產生更大的冗余價值，所述相關性的表示方式包括核函數、隸屬度函數。

5.根據權利要求1所述的方法，其特征在于，所述的數據集合的價值評估模型，計算方法為：

v′(x,S)＝v(x)max{k(x,x₁),…,k(x,x_m)},x₁,…,x_m∈S

其中，v(S)為所述的數據集合的價值評估模型，n為樣本空間中潛在數據點的個數，N為由樣本空間中的n個潛在數據點組成的數據集合，S是數據集合N的數據子集，v(x)為所述的數據個體價值的評估模型，k(x,x_i)(i＝1,2,…,m)為所述的描述數據個體之間價值冗余程度的函數，m(0m≤n)是S中的數據個數。

6.根據權利要求1所述的方法，其特征在于，所述的描述數據個體之間價值冗余程度的函數形式為以下之一：

高斯核函數：

拉普拉斯核函數：

逆多元二次核函數：

式中x_i表示第i個數據個體，x_j表示第j個數據個體，σ為控制高斯核函數大小的參數，τ為控制拉普拉斯核函數大小的參數，c為控制逆多元二次核函數大小的參數。

7.一種高價值數據集合的采樣方法，其特征在于，基于權利要求1所述的數據集合的價值評估模型，根據用戶需要從數據采樣空間內采樣高價值數據集合。

8.根據權利要求7所述的方法，其特征在于，所述的根據用戶需要從數據采樣空間內采樣高價值數據集合，包括以下方式：

給定采樣數量p，基于所述的數據集合的價值評估模型，記v(S_p)表示由p個數據個體組成的集合S_p的價值，采用貪婪法或全局尋優法從數據采樣空間內采樣出使得v(S_p)最大的數據集合；

給定目標任務性能要求，基于所述的數據集合的價值評估模型，記x_i表示采樣過程中的第i個數據個體，v({x₁,x₂,…,x_i})表示i個數據個體x₁,x₂,…,x_i組成的數據集合{x₁,x₂,…,x_i}的價值，在數據采樣空間內，首先通過貪婪法或全局尋優法采樣出使得v({x₁})最大的第一個數據個體x₁；接著，通過貪婪法或全局尋優法采樣出使得v({x₁,x₂})-v({x₁})最大的第二個數據個體x₂；如集合{x₁,x₂}未滿足目標任務性能要求，則繼續通過貪婪法或全局尋優法采樣出使得v({x₁,x₂,x₃})-v({x₁,x₂})最大的第三個數據個體x₃，以此迭代采樣直至滿足目標任務性能要求。