[发明专利]基于人工智能的目标数据检测方法、装置、设备及介质

权利要求书

1.一种基于人工智能的目标数据检测方法，其特征在于，所述基于人工智能的目标数据检测方法包括：

响应于接收到的目标数据检测指令，确定目标标签；

获取与待检测用户对应的待检测数据；

根据所述目标标签从所述待检测数据中选择数据构建目标数据集；

对所述目标数据集进行扩展处理，得到扩展数据集；

将所述扩展数据集输入至预先训练的自编码器，输出衍生特征；

以所述衍生特征训练预设神经网络，得到检测模型；

将所述待检测数据输入至所述检测模型，输出检测结果，其中，所述检测结果包括目标及非目标；

整合检测结果为目标的数据作为目标数据。

2.如权利要求1所述的基于人工智能的目标数据检测方法，其特征在于，所述确定目标标签包括以下一种或者多种方式的组合：

解析所述目标数据检测指令的方法体，得到所述目标数据检测指令所携带的数据，获取预设标签，以所述预设标签在所述目标数据检测指令所携带的数据中进行匹配，并将匹配的数据确定为所述目标标签；或者

获取历史目标数据，识别所述历史目标数据的关键字作为第一关键字，并计算所述第一关键字的出现频率，获取出现频率最高的第一关键字作为所述目标标签。

3.如权利要求1所述的基于人工智能的目标数据检测方法，其特征在于，所述根据所述目标标签从所述待检测数据中选择数据构建目标数据集包括：

识别所述待检测数据中每个数据的关键字作为第二关键字；

将所述待检测数据中带有相同的第二关键字的数据划分为一类，并以所述相同的第二关键字命名每个类别；

配置每个类别在对应的数据中的权重；

将权重大于或者等于配置权重的类别确定为对应的数据的目标类别；

以所述目标类别定义对应的数据的标签；

以所述目标标签在定义的标签中进行匹配，并获取与所述目标标签匹配的标签所对应的数据构建所述目标数据集。

4.如权利要求1所述的基于人工智能的目标数据检测方法，其特征在于，所述对所述目标数据集进行扩展处理，得到扩展数据集包括：

获取预先定义的至少一个子标签，并从所述待检测数据中选择与每个子标签对应的数据构建与每个子标签对应的至少一个子数据集；

计算所述目标数据集与所述至少一个子数据集的交集，得到至少一个子交集；

整合所述至少一个子交集中的数据，得到所述扩展数据集。

5.如权利要求1所述的基于人工智能的目标数据检测方法，其特征在于，在将所述扩展数据集输入至预先训练的自编码器前，所述基于人工智能的目标数据检测方法还包括：

将所述扩展数据集中的数据输入至初始自编码器进行编码处理，得到中间层；

对所述中间层的数据进行解码处理，并将解码处理后的数据传递至输出层；

对比所述初始自编码器的输入数据与输出数据，直至所述输入数据与所述输出数据相同，停止训练，得到所述自编码器；

获取所述自编码器的中间层的数据作为所述衍生特征。

6.如权利要求1所述的基于人工智能的目标数据检测方法，其特征在于，在以所述衍生特征训练预设神经网络，得到检测模型后，所述基于人工智能的目标数据检测方法还包括：

从所述目标数据集中随机获取数据构建验证集；

将所述验证集中的数据输入至所述检测模型中，输出第一检测结果；

获取所述第一检测结果为目标的数据，并计算获取的数据在所述验证集中所占的比例；

当所述比例大于或者等于配置比例时，确定所述检测模型通过验证，并将所述检测模型保存至区块链；或者

当所述比例小于所述配置比例时，确定所述检测模型未通过验证，更新所述至少一个子标签，并根据更新后的至少一个子标签更新所述至少一个子数据集，以所述至少一个子数据集对所述检测模型进行优化训练。