【技术实现步骤摘要】
本专利技术涉及一种基于人工智能的关键数据提取方法、系统及存储器，属于人工智能。
技术介绍
1、随着深度学习、自然语言处理技术的飞速发展，通过大量标注数据训练得到的语言模型，能够快速高效的完成对文本数据的理解分析，具备情感分析、语言翻译、文本分类、信息抽取、文本生成的能力，通过数据驱动模型可完成对文档内容的理解、分析和概括，智能生成关键问题。
2、但目前流行的预训练语言模型与特种领域之间存在领域差异，直接通过现有的语言模型对各专家提出的关键问题汇总，准确性较低。
技术实现思路
1、本专利技术提供一种基于人工智能的关键数据提取方法、系统及存储器，其将各专家修改的关键问题作为训练语句对初训练模型进行训练，提高了汇总效率和准确性。
2、为实现所述专利技术目的，本专利技术一种基于人工智能的关键数据提取方法，其包括如下步骤：
3、s01:建立人工智能语言模型，利用预训练语料对人工智能语言模型进行预训练，当人工智能语言模型对预训练语料的处理达到第一模型精度时得到初训练...
【技术保护点】
1.一种基于人工智能的关键数据提取方法，其特征在于，
2.根据权利要求1所述的基于人工智能的关键数据提取方法，其特征在于，预训练语料的构建包括如下步骤：
3.根据权利要求1所述的基于人工智能的关键数据提取方法，其特征在于，第一模型精度通过模糊度Flcs进行评估：
4.根据权利要求1所述的基于人工智能的关键数据提取方法，其特征在于，对N个第三关键问题进行聚类具体包括：
5.根据权利要求1所述的基于人工智能的关键数据提取方法，其特征在于，对N个第三关键问题进行聚类具体包括：
6.根据权利要求1所述的基于人工智能的...
【技术特征摘要】
1.一种基于人工智能的关键数据提取方法，其特征在于，
2.根据权利要求1所述的基于人工智能的关键数据提取方法，其特征在于，预训练语料的构建包括如下步骤：
3.根据权利要求1所述的基于人工智能的关键数据提取方法，其特征在于，第一模型精度通过模糊度flcs进行评估：
4.根据权利要求1所述的基于人工智能的关键数据提取方法，其特征在于，对n个第三关键问题进行聚类具体包括：
5.根据权利要求1所述的基于人工智能的关键数据提取方法，其特征在...
【专利技术属性】
技术研发人员：白梅，赵俊严，李世民，贾宇飞，唐晓明，罗朝璋，娄锋，朱锐，张钰，闫旭，薛大兵，
申请(专利权)人：中国人民解放军六三九六三部队，
类型：发明
国别省市：
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。