【技術(shù)實現(xiàn)步驟摘要】
本申請涉及但不限于自然語言處理、機器學習，尤其涉及一種基于節(jié)氣氣候特征匹配的色譜可視化交互方法及設(shè)備。
技術(shù)介紹
1、隨著人們對傳統(tǒng)文化的日益重視，二十四節(jié)氣作為中國古代農(nóng)耕文化的重要組成部分，其在日常生活、農(nóng)業(yè)生產(chǎn)、文化傳承等方面都具有不可替代的地位。然而，隨著現(xiàn)代社會的快速發(fā)展，傳統(tǒng)的節(jié)氣識別與傳承方式已難以滿足人們?nèi)找嬖鲩L的需求。隨著人工智能、交互式應用的普及，人們可以通過語音交互或者文本交互的方式，向搭載智能算法的計算機設(shè)備進行節(jié)氣咨詢。隨著計算機技術(shù)和人工智能的飛速發(fā)展，一些基于機器學習和自然語言處理的節(jié)氣識別方法逐漸涌現(xiàn)。這些方法通過訓練大量的樣本數(shù)據(jù)，使得計算機能夠自動地識別出文本中的節(jié)氣信息。然而，現(xiàn)有的方法仍存在一定的局限性和不足，例如識別準確率不高。因此，如何開發(fā)一種高效、準確的節(jié)氣識別方法，使其能夠自動地從大量的文本數(shù)據(jù)中識別節(jié)氣信息，成為需要解決的問題。
技術(shù)實現(xiàn)思路
1、有鑒于此，本申請實施例至少提供一種基于節(jié)氣氣候特征匹配的色譜可視化交互方法及設(shè)備。
2、本申請實施例的技術(shù)方案是這樣實現(xiàn)的：
3、一方面，本申請實施例提供一種基于節(jié)氣氣候特征匹配的色譜可視化交互方法，所述方法包括：獲取訓練樣本集合；所述訓練樣本集合包括多組第一文本樣本和多組第二文本樣本，其中，每組所述第一文本樣本包括節(jié)氣描述文本樣本對應預設(shè)節(jié)氣類型的用戶交互文本，每組所述第二文本樣本包括所述節(jié)氣描述文本樣本對應所述預設(shè)節(jié)氣類型之外的其余用戶交互文本；將所述第一文本樣
4、在一些實施例中，所述訓練樣本集合中還包括所述第一文本樣本對應的樣本標記，所述樣本標記用于表示所述第一文本樣本中的所述節(jié)氣描述文本樣本對應的節(jié)氣類型的真正類型；所述將所述第一文本樣本傳入節(jié)氣識別算法中進行迭代優(yōu)化，獲得優(yōu)化的第一優(yōu)化代價值，包括：將所述第一文本樣本傳入所述節(jié)氣識別算法中，依據(jù)所述節(jié)氣識別算法對所述第一文本樣本中的所述節(jié)氣描述文本樣本對應的節(jié)氣類型進行預估，得到第二預估結(jié)果；所述第二預估結(jié)果包括所述節(jié)氣識別算法預估所述檢測項目樣例對應于各個所述預設(shè)節(jié)氣類型的第二支持系數(shù)；通過所述樣本標記和所述第二預估結(jié)果，獲得優(yōu)化的第一優(yōu)化代價值。
5、在一些實施例中，所述節(jié)氣識別算法包括第一隱含算法組件和第二隱含算法組件；所述將所述第一文本樣本傳入所述節(jié)氣識別算法中，依據(jù)所述節(jié)氣識別算法對所述第一文本樣本中的所述節(jié)氣描述文本樣本對應的節(jié)氣類型進行預估，得到第二預估結(jié)果，包括：將所述第一文本樣本傳入所述第一隱含算法組件，依據(jù)所述第一隱含算法組件對所述第一文本樣本進行知識表示抽取，得到第一知識表示；將所述第一知識表示傳入所述第二隱含算法組件，依據(jù)所述第二隱含算法組件依據(jù)分類代表偏心因子對所述第一知識表示進行內(nèi)積運算，得到知識向量vector1，所述分類代表偏心因子包括多個分類代表偏心向量，每個所述分類代表偏心向量和一個所述預設(shè)節(jié)氣類型一一映射，所述知識向量vector1的元素數(shù)量和所述預設(shè)節(jié)氣類型的數(shù)量相同；依據(jù)規(guī)范化算法對所述知識向量vector1進行規(guī)范化操作，得到知識向量vector2，將所述知識向量vector2作為第二預估結(jié)果，所述知識向量vector2中的向量單元代表所述節(jié)氣識別算法預估所述檢測項目樣例對應于對應的所述預設(shè)節(jié)氣類型的第二支持系數(shù)。
6、在一些實施例中，所述通過所述樣本標記和所述第二預估結(jié)果，獲得優(yōu)化的第一優(yōu)化代價值，包括：通過所述樣本標記中節(jié)氣類型的真正類型，從所述分類代表偏心向量中確定對應的第一偏心調(diào)節(jié)向量，以及將所述分類代表偏心向量中，第一偏心調(diào)節(jié)向量之外的分類代表偏心向量作為第二偏心調(diào)節(jié)向量；獲取所述第一知識表示和所述第一偏心調(diào)節(jié)向量之間的第一共性度量結(jié)果，并獲取所述第一知識表示和各所述第二偏心調(diào)節(jié)向量之間的第二共性度量結(jié)果；獲取所述第一共性度量結(jié)果和預設(shè)的臨界共性度量結(jié)果的差，得到差值d-value1；通過所述差值d-value1和各所述第二共性度量結(jié)果，獲得優(yōu)化的第一優(yōu)化代價值；其中，所述差值d-value1和所述第一優(yōu)化代價值反向關(guān)聯(lián)，所述第二共性度量結(jié)果和所述第一優(yōu)化代價值正向關(guān)聯(lián)；所述依據(jù)規(guī)范化算法對所述知識向量vector1進行規(guī)范化操作，得到知識向量vector2，包括：獲取預先確定的比例調(diào)整參數(shù)；依據(jù)所述比例調(diào)整參數(shù)對所述知識向量vector1進行調(diào)整，得到知識向量vector3；依據(jù)規(guī)范化算法對所述知識向量vector3進行規(guī)范化操作，得到知識向量vector2。
7、在一些實施例中，所述節(jié)氣識別算法包括第一隱含算法組件和第二隱含算法組件；所述將所述第二文本樣本傳入所述節(jié)氣識別算法中，依據(jù)所述節(jié)氣識別算法對所述第二文本樣本中的所述節(jié)氣描述文本樣本對應的節(jié)氣類型進行預估，得到第一預估結(jié)果，包括：將所述第二文本樣本傳入所述第一隱含算法組件，依據(jù)所述第一隱含算法組件對所述第二文本樣本進行知識表示抽取，得到第二知識表示；將所述第二知識表示傳入所述第二隱含算法組件，依據(jù)所述第二隱含算法組件依據(jù)分類代表偏心因子對所述第二知識表示進行內(nèi)積運算，得到知識向量vector4；其中，所述分類代表偏心因子包括多個分類代表偏心向量，每個所述分類代表偏心向量和一個所述預設(shè)節(jié)氣類型一一映射，所述知識向量vector4的元素數(shù)量和所述預設(shè)節(jié)氣類型的數(shù)量相同；依據(jù)規(guī)范化算法對所述知識向量vector4進行規(guī)范化操作，得到知識向量vector5，將所述知識向量vector5作為第一預估結(jié)果，所述知識向量vector5中的向量單元代表所述節(jié)氣識別算法預估所述檢測項目樣例對應于對應的所述預設(shè)節(jié)氣類型的第一支持系數(shù)。
8、在一些實施例中，所述獲得優(yōu)化的第二優(yōu)化代價值，包括：確定所述第二知識表示和各個所述分類代表偏心向量之間的第三共性度量結(jié)果；通過所述類型支持系數(shù)閾值，確定臨界共性度量結(jié)果；確定最大的所述第本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于節(jié)氣氣候特征匹配的色譜可視化交互方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的基于節(jié)氣氣候特征匹配的色譜可視化交互方法，其特征在于，所述訓練樣本集合中還包括所述第一文本樣本對應的樣本標記，所述樣本標記用于表示所述第一文本樣本中的所述節(jié)氣描述文本樣本對應的節(jié)氣類型的真正類型；所述將所述第一文本樣本傳入節(jié)氣識別算法中進行迭代優(yōu)化，獲得優(yōu)化的第一優(yōu)化代價值，包括：
3.根據(jù)權(quán)利要求2所述的基于節(jié)氣氣候特征匹配的色譜可視化交互方法，其特征在于，所述節(jié)氣識別算法包括第一隱含算法組件和第二隱含算法組件；所述將所述第一文本樣本傳入所述節(jié)氣識別算法中，依據(jù)所述節(jié)氣識別算法對所述第一文本樣本中的所述節(jié)氣描述文本樣本對應的節(jié)氣類型進行預估，得到第二預估結(jié)果，包括：
4.根據(jù)權(quán)利要求3所述的基于節(jié)氣氣候特征匹配的色譜可視化交互方法，其特征在于，所述通過所述樣本標記和所述第二預估結(jié)果，獲得優(yōu)化的第一優(yōu)化代價值，包括：
5.根據(jù)權(quán)利要求1所述的基于節(jié)氣氣候特征匹配的色譜可視化交互方法，其特征在于，所述節(jié)氣識別算法包括第一隱含算法組件和
6.根據(jù)權(quán)利要求5所述的基于節(jié)氣氣候特征匹配的色譜可視化交互方法，其特征在于，所述獲得優(yōu)化的第二優(yōu)化代價值，包括：
7.根據(jù)權(quán)利要求1所述的基于節(jié)氣氣候特征匹配的色譜可視化交互方法，其特征在于，所述通過所述第一支持系數(shù)和預設(shè)的類型支持系數(shù)閾值，獲得優(yōu)化的第二優(yōu)化代價值，包括：
8.根據(jù)權(quán)利要求1所述的基于節(jié)氣氣候特征匹配的色譜可視化交互方法，其特征在于，所述獲取包含節(jié)氣描述文本的目標用戶交互文本，包括：
9.根據(jù)權(quán)利要求8所述的基于節(jié)氣氣候特征匹配的色譜可視化交互方法，其特征在于，所述對所述原始用戶交互文本進行節(jié)氣描述文本檢測，得到包含所述節(jié)氣描述文本的文本窗口；通過所述文本窗口對所述原始用戶交互文本進行框選，得到所述目標用戶交互文本，包括：
10.根據(jù)權(quán)利要求1所述的基于節(jié)氣氣候特征匹配的色譜可視化交互方法，其特征在于，所述通過所述第三預估結(jié)果，確定所述節(jié)氣描述文本對應的目標節(jié)氣類型，包括：
11.一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有可在處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1至10任一項所述方法中的步驟。
...【技術(shù)特征摘要】
1.一種基于節(jié)氣氣候特征匹配的色譜可視化交互方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的基于節(jié)氣氣候特征匹配的色譜可視化交互方法，其特征在于，所述訓練樣本集合中還包括所述第一文本樣本對應的樣本標記，所述樣本標記用于表示所述第一文本樣本中的所述節(jié)氣描述文本樣本對應的節(jié)氣類型的真正類型；所述將所述第一文本樣本傳入節(jié)氣識別算法中進行迭代優(yōu)化，獲得優(yōu)化的第一優(yōu)化代價值，包括：
3.根據(jù)權(quán)利要求2所述的基于節(jié)氣氣候特征匹配的色譜可視化交互方法，其特征在于，所述節(jié)氣識別算法包括第一隱含算法組件和第二隱含算法組件；所述將所述第一文本樣本傳入所述節(jié)氣識別算法中，依據(jù)所述節(jié)氣識別算法對所述第一文本樣本中的所述節(jié)氣描述文本樣本對應的節(jié)氣類型進行預估，得到第二預估結(jié)果，包括：
4.根據(jù)權(quán)利要求3所述的基于節(jié)氣氣候特征匹配的色譜可視化交互方法，其特征在于，所述通過所述樣本標記和所述第二預估結(jié)果，獲得優(yōu)化的第一優(yōu)化代價值，包括：
5.根據(jù)權(quán)利要求1所述的基于節(jié)氣氣候特征匹配的色譜可視化交互方法，其特征在于，所述節(jié)氣識別算法包括第一隱含算法組件和第二隱含算法組件；所述將所述第二文本樣本傳入所述節(jié)氣識別算法中，依據(jù)所述節(jié)氣識別算法對所述第二文本樣本中的所述節(jié)氣描述...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：宋英杰，王廷宇，隋偉輝，張慕天，齊鵬然，李文靜，張永寧，劉婧怡，
申請(專利權(quán))人：華風氣象傳媒集團有限責任公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。