[发明专利]基于人工智能算法的情报系统建模分析方法

权利要求书

1.基于人工智能算法的情报系统建模分析方法，其特征在于：包括以下步骤：

步骤S1：使用情报分析模型进行情报搜集和分析，从而生成模型文档；

步骤S2：使用基于领域语料库训练的神经语言模型对模型文档进行分析，从而得到若干个词向量，所述神经语言模型为Word2Vec模型；对模型文档进行章节分解，从而获得模型文档对应的模型全文和n个章节，所述模型全文和n个章节中均包含若干词向量；

步骤S3：通过LSTM循环神经网络对所述模型全文进行处理，生成全文思想向量c；通过LSTM循环神经网络基于全文思想向量c对n个章节进行处理，生成章节思想向量cp；

步骤S4：通过LSTM循环神经网络将对章节思想向量cp进行处理，生成模型摘要，实现意图解析。

2.根据权利要求1所述的基于人工智能算法的情报系统建模分析方法，其特征在于：所述步骤S1具体包括以下步骤：利用情报分析模型根据用户分析需求建立任务节点，为各个情报分析模型建立的节点设置工作内容，工作内容可以为搜索内容、搜索范围、分析方法，从而形成一个分析链路，该分析链路即为模型文档。

3.根据权利要求1所述的基于人工智能算法的情报系统建模分析方法，其特征在于：所述步骤S3之前还包括步骤：对LSTM循环神经网络进行训练：

所述LSTM循环神经网络包括编码器、解码器；

向LSTM循环神经网络的编码器依次输入词向量训练集X={x_t}，t∈N，N为大于等于1的整数，x_t表示在t时刻输入编码器的词向量；在t=1时，向编码器输入第一初始隐状态h₀和x₁，编码器输出此时刻的隐状态h₁；在t1时，向编码器输入上一时刻的隐状态h_t-1和此时刻的词向量x_t，编码器输出此时刻的隐状态h_t；直到所有的词向量x_t都输入编码器完毕，最后编码器输出第N个时刻的隐状态h_N；

向LSTM循环神经网络的解码器依次输入预测值训练集Y={y<sub>t`</sub>}，t`∈M，M为大于等于1的整数，y_{t`</sub>表示在t`时刻输入解码器的预测值；在t`=1时，向解码器输入第二初始隐状态h`₀和初始预测值y₁，所述第二初始隐状态h`<sub>0</sub>为编码器输出第N个时刻的隐状态h<sub>N</sub>，初始预测值y<sub>1</sub>为自定义值bos，解码器输出此时刻的隐状态h`₁和下一次时刻的预测值y₂；在t`1时，向解码器输入上一时刻的隐状态h`_{t`-1</sub>和此时刻的预测值y<sub>t`}，解码器输出此时刻的隐状态h`<sub>t`}和下一时刻的预测值y_{t`+1</sub>；直到所有的预测值y<sub>t`}都输入解码器，或直到解码器输出自定义预测值y_t`+1=eos；

从而获得训练好的编码器、训练好的解码器。