[发明专利]基于人工智能的资源池对象数据挖掘方法及系统

说明书

本申请提供的基于人工智能的资源池对象数据挖掘方法及系统，基于设定技术标签的对象语义提取数据的有效语义向量数量确定设定技术标签的对象语义提取数据的技术匹配性，基于技术匹配性挖掘设定对象标签的分析情况，从而对设定对象标签的分析情况进行提取，使对象数据挖掘系统依照标准在设定对象标签中部署设定技术标签的对象语义提取数据，确保对象挖掘的准确性。本申请能够通过AI模型和对象数据处理技术实现设定对象标签的技术匹配性智能提取，从而提高提取完整度和可靠性。

技术领域

本申请涉及数据挖掘技术领域，具体而言，涉及基于人工智能的资源池对象数据挖掘方法及系统。

背景技术

随着人工智能不断地发展，人工智能技术所涉及的技术领域和应用场景越来越丰富，比如智能制造科技服务资源池构建、资源数据汇总和数据挖掘等。在实际应用过程中发明人发现，在人工智能具体运用到对象数据挖掘领域时，可能存在不能精确地获得对象语义提取数据，从而导致无法精确地挖掘对象数据的问题。

发明内容

鉴于此，本申请提供了基于人工智能的资源池对象数据挖掘方法及系统。

第一方面，提供一种基于人工智能的资源池对象数据挖掘方法，应用于对象数据挖掘系统，所述方法至少包括：

查找目标对象数据，所述目标对象数据包括设定对象标签中的M个对象语义提取数据，M为正整数；

将所述目标对象数据解析为M个单元对象数据，每个单元对象数据包括一个对象语义提取数据；

对于每个单元对象数据，基于所述单元对象数据的第一技术语义向量序列和参考对象数据的第二技术语义向量序列，确定所述单元对象数据中的对象语义提取数据是否为设定技术标签的对象语义提取数据；其中，所述参考对象数据是事先用于进行比较配置的，且所述参考对象数据包括设定技术标签的对象语义提取数据；

基于设定技术标签的对象语义提取数据的有效语义向量数量确定所述设定技术标签的对象语义提取数据的技术匹配性。

在一种独立实施的实施例中，所述将所述目标对象数据解析为M个单元对象数据，包括：

将所述目标对象数据传递到完成权重指示优化的AI训练模型，并基于所述AI训练模型分别游走所述目标对象数据的每个对象段落数据，并确定所述对象段落数据的对象语义向量是否对应有技术标签属性，如果确定是，则将所述对象段落数据解析为一个单元对象数据；其中，在AI训练模型的模型权重指示优化流程中，将参考对象标定数据序列传递到AI训练模型，所述参考对象标定数据序列包括多个参考对象数据，所述参考对象数据包括设定对象标签中的不少于一个对象语义提取数据，每个对象语义提取数据具有记录向量信息，所述记录向量信息标定有技术标签属性，以使AI训练模型基于所述参考对象标定数据序列进行模型权重指示优化，得到记录向量信息的对象语义向量与技术标签属性的关联学习向量。

在一种独立实施的实施例中，所述基于所述单元对象数据的第一技术语义向量序列和参考对象数据的第二技术语义向量序列，确定所述单元对象数据中的对象语义提取数据是否为设定技术标签的对象语义提取数据，包括：

如果事先用于进行比较配置的参考对象数据的数量为不少于两个，确定所述单元对象数据的第一技术语义向量序列与每个参考对象数据的第二技术语义向量序列的匹配程度；

如果最大匹配程度大于预设匹配程度，则确定所述单元对象数据中的对象语义提取数据为所述最大匹配程度对应的参考对象数据中的设定技术标签的对象语义提取数据。

在一种独立实施的实施例中，所述单元对象数据的第一技术语义向量序列的提取步骤，包括：

获取所述单元对象数据的对象语句分段数据，获取所述单元对象数据的对象关键词联系数据；