[发明专利]一种基于自主进化学习器的信息预测方法及系统

说明书

本发明提供了一种基于自主进化学习器的信息预测方法及系统，基于自主训练方法，可以为模型找到其所需要的数据维度，以及有效的模型网络结构，自动完成各个模型训练，通过自主训练与遗传相结合的方法，加快模型各类参数寻优过程。本发明通过多模型训练的方式解决了信息挖掘中数据维度灾难的问题。

技术领域

本发明属于信息预测技术领域，具体涉及一种基于自主进化学习器的信息预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

信息数据的有效提取和筛选对于信息推荐或预测领域来说尤为重要。

但据发明人了解，目前互联网中的数据量大，且很多数据来自不同的领域，每个数据源又有很多数据属性，因此，这些数据的维度也是巨大的。面对过多的数据源，使用单一的学习器很难做到对信息准确的处理，如果采用人工方式进行信息预处理，则也是一个繁重工作，且对技术人员的专业能力要求高，可靠性也偏低。

发明内容

本发明为了解决上述问题，提出了一种基于自主进化学习器的信息预测方法及系统，本发明通过多模型训练的方式解决了信息挖掘中数据维度灾难的问题。

根据一些实施例，本发明采用如下技术方案：

一种基于自主进化学习器的信息预测方法，包括以下步骤：

从数据源获取文本数据，并对文本数据进行向量表示与向量提取，确定热点词汇，对确定的热点词汇标注和关联，生成训练数据；

构建神经网络模型，利用训练数据对神经网络模型进行训练；

进入自主进化学习过程，删除预测不准确的词汇，增加目标领域词汇，并对于预测没有贡献的数据维度进行剪枝，更新训练数据；

利用更新后的训练数据对模型进行训练，如果训练结果未达到设定条件，则重新进入自主进化学习过程，对训练数据进行更新，直到满足设定条件；

基于相似领域聚类的群体交叉对遗传算法改进，利用改进的遗传算法生成新的神经网络模型，再次进入自主进化学习过程，直到满足设定条件；

利用训练好的神经网络模型对获取的文本数据进行预测，有任一神经网络模型预测某一信息为热点词汇，则将其作为热点词汇，得到预测结果。

作为可选择的实施方式，对文本数据进行向量表示与向量提取，确定热点词汇的具体过程包括：从数据源爬取相关文本数据，基于文本数据中词汇出现的频率、访问量和主题词，确定相应的词汇为热点词汇。

作为可选择的实施方式，对确定的热点词汇标注和关联的具体过程包括：依据热点词汇出现的文本数据，标记该热点词汇所属技术领域，并随机配置多个数据维度的数据进行关联。

作为可选择的实施方式，构建神经网络模型的具体过程包括：构建多个深度神经网络结构，利用V_j＝V_r|r∈[0，R_j-1]表示一个深度神经网络结构，其中R_j表示模型j的层数，V_r表示第r层的节点数量，R_j与V_r在一定范围内随机生成，r为整数，对每个模型进行编码，利用D_j，V_j，W_j表示模型j的编码，其中D_j是模型j训练时选用数据的维度，V_j则是其网络结构，W_j是其目标领域词汇集合。

作为可选择的实施方式，所述自主进化学习过程包括：

1)对于一个模型，在其测试数据中，删去预测误差超过设定值的词汇；