一种区间多属性智能分析实验验证的方法和系统技术方案

本发明专利技术涉及信息处理技术领域，具体公开了一种区间多属性智能分析实验验证的方法和系统，方法包括：S1、根据实验验证的特性和区间多属性算法将实验验证输入，S2、在服务器中部署nanodet深度学习神经网络系统，S3、准备数据集，S4、训练和S5验证；本发明专利技术通过更复杂、更灵活的数学模型，以及先进的优化算法，可以提高模型的性能，使其更好地拟合数据，引入新的方法通常需要进行更全面的实验评估，包括在不同数据子集上的交叉验证、模型的对比、不同超参数的调优等，有助于更好地了解模型的行为，其中区间多属性算法+智能分析的方法支持的数据量庞大，且节省人工实验成本，拟合过程由深度学习神经网络系统代替，预测准确率也得到提升。

【技术实现步骤摘要】

本专利技术属于信息处理，具体涉及一种区间多属性智能分析实验验证的方法和系统。

技术介绍

1、对于事实验证，现有的方法主要把事实验证任务与传统的自然语言推理任务进行类比，通过构建声明-证据对并提取特征来支撑下游的预测任务，传统的自然语言推理方法一般通过拼接声明和相关证据句，并提取相应句子级别的特征，从而作为预测层的输入。除此以外，还可以针对每一个证据句子够着声明-证据对，从而更精细的考虑到不同证据带来的影响。

2、在公开号为cn 112396185 a的中国专利中，提到了一种事实验证方法、系统、计算机设备和存储介质，该方法包括：输入待验证的声明，并对所述声明进行检索，获取所述声明的证据集；基于所述证据集，构造由实体节点、句子节点和上下文节点组成的分层异构图；将所述声明和所述证据集进行拼接，对节点进行初始化，得到节点的特征表示；根据所述分层异构图中节点的神经网络传播方向，对节点的特征表示进行基于推理的更新；对更新后节点的特征表示进行推理路径的搭建，根据所述推理路径输出所述声明的预测结果。该方法通有助于捕捉证据之间的关系，并提升了推理模型的可解释性，本文档来自技高网...

【技术保护点】

1.一种区间多属性智能分析实验验证的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种区间多属性智能分析实验验证的方法，其特征在于：所述nanodet深度学习神经网络系统具体包括：

3.根据权利要求2所述的一种区间多属性智能分析实验验证的方法，其特征在于：所述头部结构包括：

4.根据权利要求1所述的一种区间多属性智能分析实验验证的方法，其特征在于：所述数据集包括：

5.根据权利要求4所述的一种区间多属性智能分析实验验证的方法，其特征在于：所述目录结构包括：

6.根据权利要求5所述的一种区间多属性智能分析实验验证的方法...

【技术特征摘要】

1.一种区间多属性智能分析实验验证的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种区间多属性智能分析实验验证的方法，其特征在于：所述nanodet深度学习神经网络系统具体包括：

3.根据权利要求2所述的一种区间多属性智能分析实验验证的方法，其特征在于：所述头部结构包括：

4.根据权利要求1所述的一种区间多属性智能分析实验验证的方法，其特征在于：所述数据集包括：

5.根据权利要求4所述的一种...

【专利技术属性】
技术研发人员：卢瑞，刘飞，李春晖，熊小强，朱奇品，李璐剑，万加里，李敬，巫屹峰，
申请(专利权)人：中国人民解放军七三零八九部队，
类型：发明
国别省市：