基于深度神经网络的圈闭评价智能专家推荐方法技术

本发明专利技术提供一种基于深度神经网络的圈闭评价智能专家推荐方法，该基于深度神经网络的圈闭评价智能专家推荐方法包括：步骤1，进行基于深度神经网络的圈闭评价数据表示；步骤2，进行专家评价的因子描述；步骤3，进行基于深度神经网络的圈闭评价算法设计。该基于深度神经网络的圈闭评价智能专家推荐方法充分利用了数据量较大时，直接的统计显然无法表达深层的变化的特性，在很大程度上提高了遴选专家的准确率，可以开展进行圈闭评价实践中的专家推荐工作。

【技术实现步骤摘要】
基于深度神经网络的圈闭评价智能专家推荐方法
本专利技术涉及计算机图形学、生物科学、神经科学、心理学和地质学的交叉领域，特别是涉及到一种基于深度神经网络的圈闭评价智能专家推荐方法。
技术介绍
在圈闭评价过程中，与会专家的遴选工作对于圈闭评价的准确性具有重要意义。专家预测的准确度和他对这个圈闭的认识程度有关，这个程度和几个主观因素有关，专家的知识水平、认真程度、评价时的状态、对圈闭资料的熟悉程度和业务分析能力等等。按照深度神经网络的思维将这几个因素进行量化学习可用来表示参与圈闭评价专家的权重。根据现有专家历史打分和专家历史评价准确度数据，分析逻辑关系可得到如下结论。从逻辑上，现有的数据同专家权重没有直接的逻辑推理关系，因此可以使用统计的方法在现有数据上去估计专家权重。但是，值得深思的一点是：它们之间存在一个连接点，就是前面说的几个决定性的主观因素。如果从历史评价打分去回溯、去估计这几个主观因素的分布情况，然后由估计的分布情况去表征权重，这个问题就可用深度神经网络来解决。这些主观因素在深度神经网络领域里称为隐变量。隐变量存在的原因是因为这几个因素处于专家推荐的中间过程。因为因素的个数、每个本文档来自技高网...

【技术保护点】
1.基于深度神经网络的圈闭评价智能专家推荐方法，其特征在于，该基于深度神经网络的圈闭评价智能专家推荐方法包括：步骤1，进行基于深度神经网络的圈闭评价数据表示；步骤2，进行专家评价的因子描述；步骤3，进行基于深度神经网络的圈闭评价算法设计。

【技术特征摘要】
1.基于深度神经网络的圈闭评价智能专家推荐方法，其特征在于，该基于深度神经网络的圈闭评价智能专家推荐方法包括：步骤1，进行基于深度神经网络的圈闭评价数据表示；步骤2，进行专家评价的因子描述；步骤3，进行基于深度神经网络的圈闭评价算法设计。2.根据权利要求1所述的基于深度神经网络的圈闭评价智能专家推荐方法，其特征在于，在步骤1中，分析专家的历史评价和分析结果的特性，选用合适的量化方法来对历史数据的形态进行描述。3.根据权利要求1所述的基于深度神经网络的圈闭评价智能专家推荐方法，其特征在于，在步骤1中，评价圈闭数据的步骤包括：S11:收集不同圈闭评价过程中专家历史打分和专家历史评价准确度；S12:对数据进行分析，将圈闭评价数据表示为如下组合：专家编号、圈闭编码、专家历史打分、专家历史评价准确度、圈闭类型；S13:对数据进行量化调整，从而滤除部分噪声点，得到拟合结果。4.根据权利要求1所述的基于深度神经网络的圈闭评价智能专家推荐方法，其特征在于，在步骤2中，在完成圈闭评价数据表示之后，研究涉及专家评价的相关因子，在利用深度神经网络的圈闭评价对专家进行推荐时，研究其中对应隐变量的选择策略以及参数的合适调整范围。5.根据权利要求1所述的基于深度神经网络的圈闭评价智能专家推荐方法，其特征在于，在步骤2中，从分析环境素质、分析组织自身因素、分析决策问题的性质和分析决策主体的因素四个方面分析影响圈闭评价过程中专家决策的因子。6.根据权利要求5所述的基于深度神经网络的圈闭评价智能专家推荐方法，其特征在于，在步骤2中，环境因素包括环境的稳定性、市场结构和买卖双方在市场的地位；组织自身因素包括组织文化、组织的信息化程度和组织对环境应变模式；决策问题的性质包括：问题的紧迫性和问题的重要性；决策主体即为人，决策主体的因素包括：个人对待风险的态度、个人能力和个人价值观。7.根据权利要求1所述的基于深度神经网络的圈闭评价智能专家推荐方法，其特征在于，在步骤3中，在完成数据表示和因子描述后，通过深度神经网络获得对专家遴选的表示。8.根据权利要求1所述的基于深度神经网络的圈闭评价智能专家推荐方法，其特征在于，步骤3包括：S31:设计深...

【专利技术属性】
技术研发人员：隋国华，张益政，韩宏伟，杨玉军，刘俊胜，陈林，邓娟，祝庆绩，
申请(专利权)人：中国石油化工股份有限公司，中国石油化工股份有限公司胜利油田分公司物探研究院，
类型：发明
国别省市：山东,37