System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种多模态融合的自主数据关联与智能信息发现方法技术_技高网

一种多模态融合的自主数据关联与智能信息发现方法技术

技术编号:40644463 阅读:4 留言:0更新日期:2024-03-13 21:24
本发明专利技术涉及数据处理技术领域,具体涉及一种多模态融合的自主数据关联与智能信息发现方法,包括定义面向多元多模态数据的数据胞架构;根据数据胞架构构建元元胞;根据元胞通道的关联规则进行逐级元胞通道随机关联,产生包含自主关联信息的组元胞信息核进行组元胞构建,最终获得组元胞信息核集合;设置深度学习惩罚项构建奖惩模型,使用组元胞信息核人工打分数据训练奖惩模型,训练后的奖惩模型代替人工对组元胞信息核集合进行筛选,本发明专利技术有效实现了多模态融合的自主数据关联与智能信息发现,为多模态数据的共享和信息发现提供了一种新模式。解决了现有技术无法实现广泛多模态数据的自主关联与有意义关联的智能选择的问题。

【技术实现步骤摘要】

本专利技术涉及数据处理,尤其涉及一种多模态融合的自主数据关联与智能信息发现方法


技术介绍

1、随着物联网、电子商务和社会化网络的快速发展,各行各业数据库存储了海量类型不同、结构各异的数据,统称为多源多模态数据。多源多模态数据进行关联、补充、支持和联合运算是获取潜在信息的重要途径。然而,现有的数据关联与潜在知识发现方法处理的数据对象局限在特定领域,关联信息与逻辑也较为固定,未实现广泛多模态数据的自主关联与有意义关联的智能选择。


技术实现思路

1、本专利技术的目的在于提供一种多模态融合的自主数据关联与智能信息发现方法,旨在解决现有技术无法实现广泛多模态数据的自主关联与有意义关联的智能选择的问题。

2、为实现上述目的,第一方面,本专利技术提供了一种多模态融合的自主数据关联与智能信息发现方法,包括以下步骤:

3、定义面向多元多模态数据的数据胞架构;

4、根据所述数据胞架构构建元元胞;

5、根据所述元胞通道的关联规则进行逐级元胞通道随机关联,产生包含自主关联信息的组元胞信息核进行组元胞构建,最终获得组元胞信息核集合;

6、设置深度学习惩罚项构建奖惩模型,使用组元胞信息核人工打分数据训练奖惩模型,训练后的奖惩模型代替人工对所述组元胞信息核集合进行筛选。

7、其中,所述数据胞架构包括基础层、数据层、预处理层、逻辑层和表达层;

8、所述基础层,是数据胞构建的数据源;

9、所述数据层,用于对所述基础层数据进行提取,还用于对提取的数据进行分析和初步融合;

10、所述预处理层,用于通过采用技术对所述数据层的匹配数据进行分析;

11、所述逻辑层,用于构建策略和通道构建,实现策略关联;

12、所述表达层,用于实现元胞间的通信,控制元胞通道关联。

13、其中,所述预处理层采用的技术包括自然语言处理、深度学习和语义分割。

14、其中,所述元元胞包括信息核、策略和通道。

15、其中,所述信息核的构建方法包括:

16、抽取数据库字段构建元元胞信息核。

17、其中,所述策略包括底层策略、高级策略构和组合策略;

18、所述底层策略包括输入输出策略、数据统一策略、数学运算策略和逻辑运算策略;

19、所述高级策略包括关联规则策略、时空关系策略和经验模型策略。

20、本专利技术的一种多模态融合的自主数据关联与智能信息发现方法,通过定义面向多元多模态数据的数据胞架构;根据所述数据胞架构构建元元胞;根据所述元胞通道的关联规则进行逐级元胞通道随机关联,产生包含自主关联信息的组元胞信息核进行组元胞构建,最终获得组元胞信息核集合;设置深度学习惩罚项构建奖惩模型,使用组元胞信息核人工打分数据训练奖惩模型,训练后的奖惩模型代替人工对所述组元胞信息核集合进行筛选,本专利技术有效实现了多模态融合的自主数据关联与智能信息发现,为多模态数据的共享和信息发现提供了一种新模式。解决了现有技术无法实现广泛多模态数据的自主关联与有意义关联的智能选择的问题。

本文档来自技高网...

【技术保护点】

1.一种多模态融合的自主数据关联与智能信息发现方法,其特征在于,包括以下步骤:

2.如权利要求1所述的多模态融合的自主数据关联与智能信息发现方法,其特征在于,

3.如权利要求1所述的多模态融合的自主数据关联与智能信息发现方法,其特征在于,

4.如权利要求1所述的多模态融合的自主数据关联与智能信息发现方法,其特征在于,

5.如权利要求4所述的多模态融合的自主数据关联与智能信息发现方法,其特征在于,

6.如权利要求4所述的多模态融合的自主数据关联与智能信息发现方法,其特征在于,

【技术特征摘要】

1.一种多模态融合的自主数据关联与智能信息发现方法,其特征在于,包括以下步骤:

2.如权利要求1所述的多模态融合的自主数据关联与智能信息发现方法,其特征在于,

3.如权利要求1所述的多模态融合的自主数据关联与智能信息发现方法,其特征在于,

...

【专利技术属性】
技术研发人员:李景文王崴姜建武高二涛王博王文杰王庆阳
申请(专利权)人:桂林理工大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1