【技术实现步骤摘要】
输入层结构和BP神经网络
本专利技术涉及一种神经网络结构，具体涉及一种输入层结构和BP神经网络。
技术介绍
自然语言处理概念约从1950年代开始，图灵于1950年，发表论文《计算机器与智能》，提出著名的“图灵测试”作为判断人工智能是否存在的条件。自然语言处理早期的成果往往聚焦于机器翻译领域，该领域以IBM的贡献为最，机器翻译领域的公司往往必须建立自己的语料库，而语料库的有效程度决定了机器翻译的效果。后来人们对自然语言处理的研究，更加聚焦于非监督学习和半监督学习的算法。这些算法能够从没有人工注解理想答案的数据里进行学习。大体而言，这种学习比监督学习困难，并且在同量的数据下，通常产生的结果较不准确。不过没有注解的数据量极巨(包含了万维网)，弥补了较不准确的缺点。2000年以来，用于深度学习的技术以及众多自然语言处理方面的最尖端的成果纷纷出炉，例如语言模型、语法分析等等。
技术实现思路
本申请利用自然语言处理技术，提出一种网络自然语言分析模型、情绪指数算法，并在此基础上尝试建立业务判断模...
【技术保护点】
1.一种神经网络的输入层结构，其特征在于：/n输入层结构包括业务变量神经元、相关业务变量神经元、与业务相关的情绪指数神经元、与业务相关的搜索引擎指数神经元；/n所述业务变量神经元接收业务变量；/n所述相关业务变量神经元接收对业务有影响的其他业务变量；/n所述与业务相关的情绪指数神经元接收对业务有影响的情绪指数；/n所述与业务相关的搜索引擎指数神经元接收业务的搜索引擎指数；/n所述业务变量神经元、所述相关业务变量神经元、所述情绪指数神经元、所述搜索引擎指数神经元分别与隐藏层的多个神经元相连。/n
【技术特征摘要】
1.一种神经网络的输入层结构，其特征在于：
输入层结构包括业务变量神经元、相关业务变量神经元、与业务相关的情绪指数神经元、与业务相关的搜索引擎指数神经元；
所述业务变量神经元接收业务变量；
所述相关业务变量神经元接收对业务有影响的其他业务变量；
所述与业务相关的情绪指数神经元接收对业务有影响的情绪指数；
所述与业务相关的搜索引擎指数神经元接收业务的搜索引擎指数；
所述业务变量神经元、所述相关业务变量神经元、所述情绪指数神经元、所述搜索引擎指数神经元分别与隐藏层的多个神经元相连。
2.如权利要求1所述的神经网络的输入层结构，其特征在于，还包括：
与重大社会事件相关的数据神经元，与重大社会事件相关的数据神经元接收与业务相关的重大社会事件变量，所述数据神经元与隐藏层的多个所述神经元相连。
3.如权利要求1所述的神经网络的输入层结构，其特征在于：
与业务相关的所述情绪指数神经元的输入数据为社交媒体上与业务相关的情绪指数。
4.如权利要求3所述的神经网络的输入层结构，其特征在于：
所述情绪指数为对社交媒体上与业务相关的文本经自然语言处理(...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。