本發明專利技術提供多源標簽數據的智能蜂群式質量優化管理方法及系統，涉及數據標簽技術領域，包括通過特征提取模塊提取標簽的綜合特征向量，利用深度特征增強網絡處理生成相似度和依賴度特征矩陣，構建標簽質量評估模型；將標簽數據映射為蜂群網絡節點并進行三級劃分，構建節點優化關聯網絡；基于協同優化規則集實施優化，直至質量提升值小于預設閾值。本發明專利技術可有效提升標簽數據質量，降低數據處理成本，提高優化效率。
【技術實現步驟摘要】
本專利技術涉及數據標簽技術，尤其涉及多源標簽數據的智能蜂群式質量優化管理方法及系統。
技術介紹
1、隨著大數據時代的到來，標簽數據作為一種重要的數據組織和管理方式被廣泛應用于各個領域。標簽數據不僅能夠有效地描述和分類信息，還能夠幫助用戶快速檢索和理解相關內容。在實際應用中，標簽數據往往來自多個不同的數據源，這些數據源可能包括用戶標注、自動生成、專家標注等多種渠道。多源標簽數據的質量直接影響著數據的可用性和應用效果，因此對多源標簽數據進行質量優化管理具有重要意義。
2、目前，在多源標簽數據的質量管理方面主要采用人工審核和簡單的規則過濾等方法。這些傳統方法在處理大規模多源標簽數據時存在一些明顯的不足：
3、現有的標簽質量評估方法往往只關注單一維度的特征，忽視了標簽之間的語義關聯性和時效性特征，導致質量評估結果不夠全面和準確。
4、傳統的標簽優化方法缺乏系統性和協同性，各個標簽的優化過程相對獨立，未能充分利用標簽之間的相似性和依賴關系來提升優化效果。
5、現有的優化方法通常采用靜態的優化策略，無法根據標簽質量的動態變化自適應調整優化方案，導致優化效果不夠理想，且容易陷入局部最優。
6、因此，亟需一種能夠綜合考慮多維特征、支持協同優化、具有自適應能力的標簽數據質量優化管理方法，以提升多源標簽數據的整體質量水平。
技術實現思路
1、本專利技術實施例提供多源標簽數據的智能蜂群式質量優化管理方法及系統，能夠解決現有技術中的問題。
2、本專利技術實施例的第一方面，
3、提供多源標簽數據的智能蜂群式質量優化管理方法，包括：
4、獲取多源標簽數據輸入，通過特征提取模塊分別提取每個標簽的綜合特征向量，所述綜合特征向量包括語義特征向量、關聯特征向量以及時效特征向量，將所述綜合特征向量輸入至特征融合層生成標簽綜合特征矩陣；通過深度特征增強網絡處理所述標簽綜合特征矩陣，計算得到標簽間的相似度特征矩陣和依賴度特征矩陣；基于各特征矩陣構建標簽質量評估模型，計算每個標簽的初始質量得分，并生成標簽質量分級序列；
5、根據所述標簽質量分級序列，將標簽數據映射為蜂群網絡節點，并基于所述初始質量得分對節點進行三級劃分：將質量得分高于預設閾值的節點設置為指令蜂，負責制定優化策略；將質量得分與預設閾值齊平的節點設置為追隨蜂，負責傳遞優化指令；將質量得分低于預設閾值的節點設置為執行蜂，負責實施優化操作；利用所述相似度特征矩陣和依賴度特征矩陣構建節點優化關聯網絡，并基于所述節點優化關聯網絡設計協同優化規則集；
6、基于所述協同優化規則集啟動優化過程，所述指令蜂分析第一質量標簽的特征模式生成優化指令集，所述追隨蜂通過所述節點優化關聯網絡進行優化路徑規劃生成任務分配方案，所述執行蜂根據所述任務分配方案對第二質量標簽實施特征優化；優化完成后，將優化結果重新輸入特征提取模塊進行質量評估并更新標簽質量分級序列；當連續多輪優化后的質量得分提升值小于預設提升閾值時，結束優化過程并輸出最終標簽數據集。
7、通過深度特征增強網絡處理所述標簽綜合特征矩陣，計算得到標簽間的相似度特征矩陣和依賴度特征矩陣；基于各特征矩陣構建標簽質量評估模型，計算每個標簽的初始質量得分，并生成標簽質量分級序列包括：
8、構建深度特征增強網絡，所述深度特征增強網絡包括特征映射層、特征增強層和特征重構層，所述特征映射層采用非線性激活函數將標簽綜合特征矩陣映射至高維潛在空間，所述特征增強層通過計算特征向量間的注意力權重并基于所述注意力權重進行加權融合以實現特征增強，所述特征重構層采用反卷積操作將增強后的特征重新映射至原始特征空間；
9、采用余弦相似度方法計算標簽間的語義相似性得到相似度特征矩陣，同時引入時序關聯分析方法通過標簽出現的時序模式和共現頻率構建有向加權圖得到依賴度特征矩陣；
10、將所述相似度特征矩陣和所述依賴度特征矩陣與原始標簽綜合特征矩陣進行特征融合，構建標簽質量評估模型，所述標簽質量評估模型分別計算標簽自身特征質量、標簽間相似關系和標簽依賴關系，并通過加權求和得到初始質量得分；
11、對所述初始質量得分進行歸一化處理，采用密度聚類方法自動確定質量等級劃分閾值，生成包含質量等級信息的標簽質量分級序列。
12、采用余弦相似度方法計算標簽間的語義相似性得到相似度特征矩陣，同時引入時序關聯分析方法通過標簽出現的時序模式和共現頻率構建有向加權圖得到依賴度特征矩陣包括：
13、獲取標簽文本集合，將所述標簽文本集合輸入至預先訓練的詞向量模型，得到每個標簽文本對應的初始詞向量；對于所述標簽文本集合中包含多個詞的標簽，計算標簽中各詞的詞頻-逆文檔頻率值作為權重系數，根據所述權重系數對各詞的所述初始詞向量進行加權平均，得到標簽的整體語義特征向量；
14、基于所述整體語義特征向量，計算所述標簽文本集合中任意兩個標簽之間的余弦相似度，將所述余弦相似度填充至相似度特征矩陣對應的行列位置，得到所述標簽文本集合的語義相似度特征矩陣，所述語義相似度特征矩陣的維度為標簽總數與標簽總數的乘積；
15、獲取所述標簽文本集合的時序數據，設定時間窗口，在所述時間窗口內分析所述標簽文本集合的共現模式，統計標簽對的共現頻率、記錄標簽的相對出現順序、計算標簽對的時間間隔分布；基于所述共現頻率、所述相對出現順序和所述時間間隔分布，采用預設權重系數進行加權組合，得到標簽對的時序依賴強度；
16、根據所述時序依賴強度構建有向加權圖，將所述標簽文本集合中的標簽映射為所述有向加權圖的節點，基于標簽對的相對出現順序確定節點間的連接方向，將所述時序依賴強度作為對應連接的權重值，得到描述標簽時序關聯的有向時序加權圖；基于所述有向時序加權圖的連接關系和權重值構建依賴度特征矩陣。
17、將所述相似度特征矩陣和所述依賴度特征矩陣與原始標簽綜合特征矩陣進行特征融合，構建標簽質量評估模型，所述標簽質量評估模型分別計算標簽自身特征質量、標簽間相似關系和標簽依賴關系，并通過加權求和得到初始質量得分包括：
18、對所述相似度特征矩陣中的語義相似度特征和結構相似度特征進行加權平均得到標簽間綜合相似度特征，對所述依賴度特征矩陣中的層級依賴度特征和關聯依賴度特征進行加權平均得到標簽間綜合依賴度特征；
19、對原始標簽綜合特征矩陣中的語言規范性特征、專業術語規范性特征和語義完整度特征進行歸一化處理得到規范化特征，對詞頻分布特征和查詢覆蓋特征進行對數變換處理得到統計特征；
20、將所述標簽間綜合相似度特征、所述標簽間綜合依賴度特征、所述規范化特征和所述統計特征進行串聯組合構建特征融合矩陣，基于所述特征融合矩陣構建標簽質量評估模型；
21、基于所述標簽質量評估模型計算標簽自身特征質量得分，其中所述標簽自身特征質量得分通過對所述規范化特征和所述統計特征進行加權求和得到；
22、基于所述標本文檔來自技高網
...
【技術保護點】
1.多源標簽數據的智能蜂群式質量優化管理方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，通過深度特征增強網絡處理所述標簽綜合特征矩陣，計算得到標簽間的相似度特征矩陣和依賴度特征矩陣；基于各特征矩陣構建標簽質量評估模型，計算每個標簽的初始質量得分，并生成標簽質量分級序列包括：
3.根據權利要求2所述的方法，其特征在于，采用余弦相似度方法計算標簽間的語義相似性得到相似度特征矩陣，同時引入時序關聯分析方法通過標簽出現的時序模式和共現頻率構建有向加權圖得到依賴度特征矩陣包括：
4.根據權利要求2所述的方法，其特征在于，將所述相似度特征矩陣和所述依賴度特征矩陣與原始標簽綜合特征矩陣進行特征融合，構建標簽質量評估模型，所述標簽質量評估模型分別計算標簽自身特征質量、標簽間相似關系和標簽依賴關系，并通過加權求和得到初始質量得分包括：
5.根據權利要求1所述的方法，其特征在于，基于所述協同優化規則集啟動優化過程，所述指令蜂分析第一質量標簽的特征模式生成優化指令集，所述追隨蜂通過所述節點優化關聯網絡進行優化路徑規劃生成任務分配方案，所述執行蜂根據所述任務分配方案對第二質量標簽實施特征優化包括：
6.根據權利要求5所述的方法，其特征在于，所述追隨蜂接收所述優化指令集，通過所述節點優化關聯網絡計算節點間優化距離和優化代價，采用啟發式算法選擇最優優化路徑，基于所述最優優化路徑和節點優化能力生成任務分配方案包括：
7.根據權利要求6所述的方法，其特征在于，計算節點標簽詞向量的余弦相似度獲得語義距離，計算標簽層級樹中節點間的層級跨度和公共祖先節點深度獲得結構距離，計算節點間的共現頻率和互補程度獲得功能距離包括：
8.多源標簽數據的智能蜂群式質量優化管理系統，用于實現前述權利要求1-7中任一項所述的方法，其特征在于，包括：
9.一種電子設備，其特征在于，包括：
10.一種計算機可讀存儲介質，其上存儲有計算機程序指令，其特征在于，所述計算機程序指令被處理器執行時實現權利要求1至7中任意一項所述的方法。
...
【技術特征摘要】
1.多源標簽數據的智能蜂群式質量優化管理方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，通過深度特征增強網絡處理所述標簽綜合特征矩陣，計算得到標簽間的相似度特征矩陣和依賴度特征矩陣；基于各特征矩陣構建標簽質量評估模型，計算每個標簽的初始質量得分，并生成標簽質量分級序列包括：
3.根據權利要求2所述的方法，其特征在于，采用余弦相似度方法計算標簽間的語義相似性得到相似度特征矩陣，同時引入時序關聯分析方法通過標簽出現的時序模式和共現頻率構建有向加權圖得到依賴度特征矩陣包括：
4.根據權利要求2所述的方法，其特征在于，將所述相似度特征矩陣和所述依賴度特征矩陣與原始標簽綜合特征矩陣進行特征融合，構建標簽質量評估模型，所述標簽質量評估模型分別計算標簽自身特征質量、標簽間相似關系和標簽依賴關系，并通過加權求和得到初始質量得分包括：
5.根據權利要求1所述的方法，其特征在于，基于所述協同優化規則集啟動優化過程，所述指令蜂分析第一質量標簽的特征模式生...
【專利技術屬性】
技術研發人員：高海玲，高經郡，袁軍，
申請(專利權)人：北京科杰科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。