本發(fā)明涉及人工智能，具體涉及到一種針對(duì)產(chǎn)業(yè)鏈數(shù)據(jù)的智能決策方法及裝置。

背景技術(shù)：

1、智能決策是人工智能領(lǐng)域的一個(gè)重要研究方向，它旨在幫助人們?cè)趶?fù)雜的環(huán)境中做出更好的決策。智能決策的核心是通過分析大量的數(shù)據(jù)和信息，自動(dòng)地學(xué)習(xí)出規(guī)律和模式，從而為決策提供支持和建議。

2、目前大量智能決策研究都十分重視對(duì)大數(shù)據(jù)挖掘其內(nèi)在邏輯關(guān)系,卻忽視了具有明確價(jià)值訴求的小樣本數(shù)據(jù)。為了能夠精準(zhǔn)預(yù)測(cè)和智能決策,則需要用大樣本數(shù)據(jù)去捕獲規(guī)律,用小樣本數(shù)據(jù)去匹配場(chǎng)景。然而,數(shù)據(jù)量的匱乏不能提供深度學(xué)習(xí)模型進(jìn)行學(xué)習(xí)的數(shù)據(jù)空間,造成預(yù)測(cè)準(zhǔn)確性問題差強(qiáng)人意。因此，亟需尋求一種面向小樣本數(shù)據(jù)的智能決策模型，以便能夠?yàn)閿?shù)據(jù)智能決策賦能。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的主要目的在于提供一種針對(duì)產(chǎn)業(yè)鏈數(shù)據(jù)的智能決策方法及裝置，以解決相關(guān)技術(shù)中存在的技術(shù)問題。

2、為了實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的第一方面，提供了一種針對(duì)產(chǎn)業(yè)鏈數(shù)據(jù)的智能決策方法包括獲取待決策產(chǎn)業(yè)鏈數(shù)據(jù)；將所述待決策產(chǎn)業(yè)鏈數(shù)據(jù)輸入訓(xùn)練完成的產(chǎn)業(yè)鏈數(shù)據(jù)智能決策模型中，輸出決策結(jié)果；其中，在訓(xùn)練所述產(chǎn)業(yè)鏈數(shù)據(jù)智能決策模型時(shí)，采集小樣本量產(chǎn)業(yè)鏈數(shù)據(jù)后進(jìn)行歸一化處理，將歸一化處理后的產(chǎn)業(yè)鏈數(shù)據(jù)作為訓(xùn)練集；提取所述訓(xùn)練集中的指定特征信息，得到特征信息集合；基于變分模態(tài)分解算法對(duì)所述特征信息集合進(jìn)行分解，并在對(duì)分解后的特征信息合并后得到目標(biāo)特征信息集合；基于所述目標(biāo)特征信息集合對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練得到小樣本產(chǎn)業(yè)鏈數(shù)據(jù)智能決策模型。

3、可選地，基于變分模態(tài)分解算法對(duì)所述特征信息集合進(jìn)行分解包括：設(shè)定模態(tài)個(gè)數(shù)k，對(duì)特征信息集合中的特征進(jìn)行希爾伯特變換，獲得k個(gè)模態(tài)分量的解析特征；將各個(gè)模態(tài)分量的解析特征調(diào)整到統(tǒng)一向量空間；在同一向量空間下確定各個(gè)解析特征的中心特征、以及各個(gè)解析特征在文本中的分布，并基于此構(gòu)建變分目標(biāo)函數(shù)；基于預(yù)設(shè)的二次懲罰因子、拉格朗日乘法算子對(duì)所述目標(biāo)函數(shù)求解。

4、可選地，在求解之前使用交替方向乘子法連續(xù)更新各解析特征以及對(duì)應(yīng)的中心特征。

5、可選地，所述目標(biāo)特征信息集合包括產(chǎn)業(yè)鏈數(shù)據(jù)中類別分布、節(jié)點(diǎn)分布、時(shí)間分布、空間分布、場(chǎng)景分布、事件分布以及企業(yè)分布、監(jiān)管執(zhí)法分布、人才分布、投資融資分布、并購重組分布、技術(shù)分布、專利分布、政策分布、產(chǎn)品分布等多個(gè)特征信息。

6、根據(jù)本發(fā)明的第二方面，提供了一種針對(duì)產(chǎn)業(yè)鏈數(shù)據(jù)的智能決策裝置，包括數(shù)據(jù)獲取單元，被配置成獲取待決策產(chǎn)業(yè)鏈數(shù)據(jù)；決策單元，被配置成將所述待決策產(chǎn)業(yè)鏈數(shù)據(jù)輸入訓(xùn)練完成的產(chǎn)業(yè)鏈數(shù)據(jù)智能決策模型中，輸出決策結(jié)果；其中，在對(duì)產(chǎn)業(yè)鏈數(shù)據(jù)智能決策模型訓(xùn)練時(shí)，采集小樣本量產(chǎn)業(yè)鏈數(shù)據(jù)后進(jìn)行歸一化處理，將歸一化處理后的產(chǎn)業(yè)鏈數(shù)據(jù)作為訓(xùn)練集；提取所述訓(xùn)練集中的指定特征信息，得到特征信息集合；基于變分模態(tài)分解算法對(duì)所述特征信息集合進(jìn)行分解，并在對(duì)分解后的特征信息合并后得到目標(biāo)特征信息集合；基于所述目標(biāo)特征信息集合對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練得到小樣本產(chǎn)業(yè)鏈數(shù)據(jù)智能決策模型。

7、可選地，基于變分模態(tài)分解算法對(duì)所述特征信息集合進(jìn)行分解包括：設(shè)定模態(tài)個(gè)數(shù)k，對(duì)特征信息集合中的特征進(jìn)行希爾伯特變換，獲得k個(gè)模態(tài)分量的解析特征；將各個(gè)模態(tài)分量的解析特征調(diào)整到統(tǒng)一向量空間；在同一向量空間下確定各個(gè)解析特征的中心特征、以及各個(gè)解析特征在文本中的分布，并基于此構(gòu)建變分目標(biāo)函數(shù)；基于預(yù)設(shè)的二次懲罰因子、拉格朗日乘法算子對(duì)所述目標(biāo)函數(shù)求解。

8、可選地，在求解之前使用交替方向乘子法連續(xù)更新各解析特征以及對(duì)應(yīng)的中心特征。

9、根據(jù)本發(fā)明的第三方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)指令，所述計(jì)算機(jī)指令用于使所述計(jì)算機(jī)執(zhí)行第一方面任意一項(xiàng)實(shí)現(xiàn)方式所述的方法。

10、根據(jù)本發(fā)明的第四方面，提供了一種電子設(shè)備，包括：至少一個(gè)處理器；以及與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器執(zhí)行第一方面任意一項(xiàng)實(shí)現(xiàn)方式所述的方法。

11、根據(jù)本發(fā)明的第五方面，提供了一種計(jì)算機(jī)程序產(chǎn)品，在被處理器執(zhí)行時(shí)實(shí)現(xiàn)第一方面任一項(xiàng)實(shí)現(xiàn)方式所述的方法。

12、本實(shí)施例針對(duì)產(chǎn)業(yè)鏈數(shù)據(jù)的智能決策方法及裝置，其中方法包括獲取待決策產(chǎn)業(yè)鏈數(shù)據(jù)；將所述待決策產(chǎn)業(yè)鏈數(shù)據(jù)輸入訓(xùn)練完成的產(chǎn)業(yè)鏈數(shù)據(jù)智能決策模型中，輸出決策結(jié)果；其中，在訓(xùn)練所述產(chǎn)業(yè)鏈數(shù)據(jù)智能決策模型時(shí)，采集小樣本量產(chǎn)業(yè)鏈數(shù)據(jù)后進(jìn)行歸一化處理，將歸一化處理后的產(chǎn)業(yè)鏈數(shù)據(jù)作為訓(xùn)練集；提取所述訓(xùn)練集中的指定特征信息，得到特征信息集合；基于變分模態(tài)分解算法對(duì)所述特征信息集合進(jìn)行分解，并在對(duì)分解后的特征信息合并后得到目標(biāo)特征信息集合；基于所述目標(biāo)特征信息集合對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練得到小樣本產(chǎn)業(yè)鏈數(shù)據(jù)智能決策模型。通過將小樣本產(chǎn)業(yè)鏈數(shù)據(jù)集合進(jìn)行分解，得到小樣本產(chǎn)業(yè)鏈數(shù)據(jù)中多個(gè)特征信息，以此建立小樣本產(chǎn)業(yè)鏈數(shù)據(jù)強(qiáng)化學(xué)習(xí)與深度學(xué)習(xí)組合模型，生成小樣本產(chǎn)業(yè)鏈數(shù)據(jù)智能決策模型，以此為產(chǎn)業(yè)數(shù)據(jù)智能決策賦能。

13、為了更清楚地說明本發(fā)明具體實(shí)施方式或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)具體實(shí)施方式或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施方式，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

14、圖1是根據(jù)本發(fā)明實(shí)施例的針對(duì)產(chǎn)業(yè)鏈數(shù)據(jù)的智能決策方法流程圖；

15、圖2是根據(jù)本發(fā)明實(shí)施例的電子設(shè)備的示意圖。

技術(shù)特征：

1.一種針對(duì)產(chǎn)業(yè)鏈數(shù)據(jù)的智能決策方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的針對(duì)產(chǎn)業(yè)鏈數(shù)據(jù)的智能決策方法，其特征在于，基于變分模態(tài)分解算法對(duì)所述特征信息集合進(jìn)行分解包括：

3.根據(jù)權(quán)利要求2所述的針對(duì)產(chǎn)業(yè)鏈數(shù)據(jù)的智能決策方法，其特征在于，在求解之前使用交替方向乘子法連續(xù)更新各解析特征以及對(duì)應(yīng)的中心特征。

4.根據(jù)權(quán)利要求1所述的針對(duì)產(chǎn)業(yè)鏈數(shù)據(jù)的智能決策方法，其特征在于，所述目標(biāo)特征信息集合包括產(chǎn)業(yè)鏈數(shù)據(jù)中類別分布、節(jié)點(diǎn)分布、時(shí)間分布、空間分布、場(chǎng)景分布、事件分布以及企業(yè)分布、監(jiān)管執(zhí)法分布、人才分布、投資融資分布、并購重組分布、技術(shù)分布、專利分布、政策分布、產(chǎn)品分布等多個(gè)特征信息。

5.一種針對(duì)產(chǎn)業(yè)鏈數(shù)據(jù)的智能決策裝置，其特征在于，包括：

6.根據(jù)權(quán)利要求5所述的產(chǎn)業(yè)鏈數(shù)據(jù)智能決策模型的訓(xùn)練裝置，其特征在于，基于變分模態(tài)分解算法對(duì)所述特征信息集合進(jìn)行分解包括：

7.根據(jù)權(quán)利要求6所述的產(chǎn)業(yè)鏈數(shù)據(jù)智能決策模型的訓(xùn)練裝置，其特征在于，在求解之前使用交替方向乘子法連續(xù)更新各解析特征以及對(duì)應(yīng)的中心特征。

8.一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)指令，所述計(jì)算機(jī)指令用于使所述計(jì)算機(jī)執(zhí)行權(quán)利要求1-5任意一項(xiàng)所述的方法。

9.一種電子設(shè)備，其特征在于，包括：至少一個(gè)處理器；以及與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器執(zhí)行權(quán)利要求1-5任意一項(xiàng)所述的。

10.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序在被處理器執(zhí)行時(shí)實(shí)現(xiàn)根據(jù)權(quán)利要求1-5任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本發(fā)明公開了一種針對(duì)產(chǎn)業(yè)鏈數(shù)據(jù)的智能決策方法及裝置，其中方法包括獲取待決策產(chǎn)業(yè)鏈數(shù)據(jù)；將所述待決策產(chǎn)業(yè)鏈數(shù)據(jù)輸入訓(xùn)練完成的產(chǎn)業(yè)鏈數(shù)據(jù)智能決策模型中，輸出決策結(jié)果。通過將小樣本產(chǎn)業(yè)鏈數(shù)據(jù)集合進(jìn)行分解，得到小樣本產(chǎn)業(yè)鏈數(shù)據(jù)中多個(gè)特征信息，以此建立小樣本產(chǎn)業(yè)鏈數(shù)據(jù)強(qiáng)化學(xué)習(xí)與深度學(xué)習(xí)組合模型，生成小樣本產(chǎn)業(yè)鏈數(shù)據(jù)智能決策模型，以此為產(chǎn)業(yè)數(shù)據(jù)智能決策賦能。

技術(shù)研發(fā)人員：杜登偉,韓愛華,楊雄
受保護(hù)的技術(shù)使用者：武漢東湖大數(shù)據(jù)科技股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26