一种基于人工智能的成果转移转化数据筛选方法与流程

技术特征：
1.一种基于人工智能的成果转移转化数据筛选方法，其特征在于，该方法包括：基于已有的技术文档数据获取初始转化数据筛选网络，所述已有的技术文档数据包括通过筛选和未通过筛选的技术文档数据，其中，所述通过筛选的技术文档数据是指正常的技术文档，所述未通过筛选的技术文档数据是指存在数据缺失或数据异常的技术文档；对所述初始转化数据筛选网络进行网络参数的更新以得到转化数据筛选网络；将待筛选的技术文档数据通过所述转化数据筛选网络进行筛选以将筛选后的技术文档数据存储在数据存储库中；所述初始转化数据筛选网络的网络参数的更新方法包括：获取未知技术文档数据中未通过筛选的技术文档数据作为第一技术文档数据，将所述第一技术文档数据通过自编码器得到非数据缺失的所述第一技术文档数据；当非数据缺失的所述第一技术文档数据的文档数量满足要求时，提取非数据缺失的所述第一技术文档数据中每个技术文档的特征张量，根据所述特征张量获取当前训练过程中的目标梯度影响系数；将所述目标梯度影响系数与所述当前训练过程中由反向梯度算法得到的梯度进行相乘以得到新网络参数。2.如权利要求1所述的方法，其特征在于，所述未通过筛选的技术文档数据是通过所述初始转化数据筛选网络得到的。3.如权利要求1所述的方法，其特征在于，所述非数据缺失的所述第一技术文档数据的获取方法，包括：将所述第一技术文档数据送入自编码器中，输出重构技术文档数据，将所述重构技术文档数据送入所述初始转化数据筛选网络，以获取通过筛选类别的所述重构技术文档数据的置信度变化；设置置信度变化阈值，所述置信度变化小于所述置信度变化阈值的所述重构技术文档数据所对应的所述第一技术文档数据即为非数据缺失的所述第一技术文档数据。4.如权利要求1所述的方法，其特征在于，所述非数据缺失的所述第一技术文档数据的要求是指非数据缺失的所述第一技术文档数据中包含的文档数量大于或等于设定数量阈值。5.如权利要求1所述的方法，其特征在于，利用自编码器的编码器获取非数据缺失的所述第一技术文档数据中每个技术文档的所述特征张量。6.如权利要求1所述的方法，其特征在于，所述根据所述特征张量获取当前训练过程中的目标梯度影响系数的方法，包括：任选一个所述特征张量作为参考特征张量，分别计算参考特征张量与其他每个所述特征张量之间的欧式距离，构成一个距离集合；对所述距离集合进行聚类得到多个聚类集合；根据设定的采样总数量对各个所述聚类集合进行随机均匀采样，根据所述聚类集合中被采样的所述特征张量的数量和被采样的所述特征张量之间的类间方差计算对应所述聚类集合的梯度影响系数；根据每个所述聚类集合的所述梯度影响系数获取目标梯度影响系数。7.如权利要求6所述的方法，其特征在于，所述目标梯度影响系数为最小的所述梯度影响系数。8.如权利要求6所述的方法，其特征在于，所述聚类采用的是dbscan聚类算法。9.如权利要求6所述的方法，其特征在于，所述梯度影响系数的获取方法，包括：
计算所述聚类集合中被采样的所述特征张量的数量和采样总数量之间比值， 结合所述比值和所述类间方差计算对应聚类集合的所述梯度影响系数。10.如权利要求9所述的方法，其特征在于，所述梯度影响系数与所述比值呈正相关关系、所述梯度影响系数与所述类间方差呈负相关关系。

技术总结
本发明涉及人工智能技术领域，具体涉及一种基于人工智能的成果转移转化数据筛选方法。该方法基于已有的技术文档数据获取初始转化数据筛选网络；对初始转化数据筛选网络进行网络参数的更新以得到转化数据筛选网络；将待筛选的技术文档数据通过转化数据筛选网络进行筛选以将筛选后的技术文档数据存储在数据存储库中。通过训练泛化能力更强的转化数据筛选网络，利用训练好的转化数据筛选网络进行技术文档数据的数据筛选，可避免恶意数据的批量攻击，进而防止恶意数据、无关数据或缺失数据被存储，以干扰用户检索结果的准确性。以干扰用户检索结果的准确性。以干扰用户检索结果的准确性。


技术研发人员：李建雪 崔智恩
受保护的技术使用者：河南省启研科技评价研究院有限公司
技术研发日：2021.12.08
技术公布日：2022/1/4