一种基于深度学习的智能数据筛选方法及系统技术方案

本发明专利技术公开了一种基于深度学习的智能数据筛选方法及系统包括：首先通过获取待查询多模态内容并抽取其特征，再结合领域搜索词的高维特征，利用多层感知网络进行特征整合，从而获得包含丰富信息的综合特征。接着，根据综合特征进行类型识别，确定多模态元素的置信度，最后根据置信度进行搜索词筛选，得到精确的筛选结果。该方法能够高效处理多模态数据，提高数据筛选的准确性和效率。

【技术实现步骤摘要】

本专利技术涉及智能搜索，具体而言，涉及一种基于深度学习的智能数据筛选方法及系统。

技术介绍

1、在现有的数据处理中，对多模态内容的筛选往往依赖于传统的关键词匹配方法，这种方法在处理复杂、多变的多模态数据时，存在准确性不高、效率低下的问题。特别是当涉及多模态内容(如文本、图像、视频等)时，传统方法很难有效提取并整合多模态信息的特征。

技术实现思路

1、本专利技术的目的在于提供一种基于深度学习的智能数据筛选方法及系统。

2、第一方面，本专利技术实施例提供一种基于深度学习的智能数据筛选方法，包括：

3、获取待查询多模态内容，并对所述待查询多模态内容执行特征抽取操作，获得查询内容描述特征；

4、获取领域搜索词的高维特征；所述领域搜索词为所述待查询多模态内容归属的领域对应的搜索词；

5、根据多层感知网络整合所述查询内容描述特征和每一所述领域搜索词的高维特征获得综合特征，所述综合特征中存在与所述领域搜索词匹配的参数；

6、根据所述综合特征进行类型识别，获得多模态本文档来自技高网...

【技术保护点】

1.一种基于深度学习的智能数据筛选方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述获取领域搜索词的高维特征，包括：

3.根据权利要求1所述的方法，其特征在于，所述根据多层感知网络整合所述查询内容描述特征和每一所述领域搜索词的高维特征获得综合特征，包括：

4.根据权利要求1所述的方法，其特征在于，所述根据所述多模态元素的置信度进行与每一所述领域搜索词对应的搜索词筛选，获得筛选结果，包括：

5.根据权利要求1所述的方法，其特征在于，所述方法由搜索词识别模型执行，所述搜索词识别模型包括特征抽取单元、高维特征抽取单元、特征整...

【技术特征摘要】

1.一种基于深度学习的智能数据筛选方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述获取领域搜索词的高维特征，包括：

3.根据权利要求1所述的方法，其特征在于，所述根据多层感知网络整合所述查询内容描述特征和每一所述领域搜索词的高维特征获得综合特征，包括：

4.根据权利要求1所述的方法，其特征在于，所述根据所述多模态元素的置信度进行与每一所述领域搜索词对应的搜索词筛选，获得筛选结果，包括：

5.根据权利要求1所述的方法，其特征在于，所述方法由搜索词识别模型执行，所述搜索词识别模型包括特征抽取单元、高维特征抽取单元、特征整合单元、特征识别单元和特征解析单元，其中，所述特征抽取单元用于对待查询多模态内容执行特征抽取操作...

【专利技术属性】
技术研发人员：裴萌，何旭，王楠，
申请(专利权)人：北京凯普顿医药科技开发有限公司，
类型：发明
国别省市：