[发明专利]基于二次人工智能算法的景区评估方法及模型

权利要求书

1.一种基于二次人工智能算法的景区评估方法，其特征在于，包括：

获取数据后进行预处理；

将预处理后的数据分为训练集数据、验证集数据和测试集数据，并将符合正态分布的训练集数据进行分组；

将分组后的训练集数据逐步输入到第一Bert自然语言处理模型分别进行特征处理和模型训练，所述特征处理得到分类器模型和特征向量，所述模型训练得到第一景区评估模型和所述训练集数据的第一标记结果；

将所述第一Bert自然语言处理模型无法标记的训练集数据分别通过知识图谱技术和无监督机器学习进行分类，分别得到第二标记结果和第三标记结果，其中，所述无监督机器学习采用极大似然估计的算法；

将所述第一标记结果、第二标记结果和第三标记结果输入到第二Bert自然语言处理模型进行训练，得到预训练模型；

将所述预训练模型、分类器模型、特征向量和第一景区评估模型进行模型嵌入后相互监督学习，得到第二景区评估模型。

2.如权利要求1所述的基于二次人工智能算法的景区评估方法，其特征在于，所述预处理的方法为ETL，通过ETL进行数据清洗和数据标准化。

3.如权利要求2所述的基于二次人工智能算法的景区评估方法，其特征在于，所述分类器模型包括序列标注模型、双句分析模型和单句分析模型。

4.如权利要求3所述的基于二次人工智能算法的景区评估方法，其特征在于，所述特征向量包括字/词/符号向量、句向量、文本向量和位置向量。

5.如权利要求4所述的基于二次人工智能算法的景区评估方法，其特征在于，所述无监督机器学习的方法包括聚类分析算法和极大似然估计算法。

6.一种基于二次人工智能算法的景区评估模型，其特征在于，包括：

数据采集模块，获取数据；

数据处理模块，包括预处理单元和抽样单元，所述预处理单元对数据进行预处理，所述抽样单元将预处理后的数据分为训练集数据、验证集数据和测试集数据，并将符合正态分布的训练集数据进行抽样分组；

第一Bert自然语言处理模型，对分组后的训练集数据分别进行特征处理和模型训练，所述特征处理得到分类器模型和特征向量，所述模型训练得到第一景区评估模型和所述训练集数据的第一标记结果；

分类模块，包括知识图谱单元和无监督机器学习单元，所述知识图谱单元和无监督机器学习单元分别对所述第一Bert自然语言处理模型无法标记的训练集数据进行分类，分别得到第二标记结果和第三标记结果，其中，所述无监督机器学习采用极大似然估计的算法；

第二Bert自然语言处理模型，对所述第一标记结果、第二标记结果和第三标记结果进行训练，得到预训练模型；

混合运算模块，对所述预训练模型、分类器模型、特征向量和第一景区评估模型进行模型嵌入后相互监督学习，得到第二景区评估模型。

7.如权利要求6所述的基于二次人工智能算法的景区评估模型，其特征在于，所述预处理单元使用ETL对数据进行数据清洗和数据标准化。

8.如权利要求7所述的基于二次人工智能算法的景区评估模型，其特征在于，所述分类器模型包括序列标注模型、双句分析模型和单句分析模型。

9.如权利要求8所述的基于二次人工智能算法的景区评估模型，其特征在于，所述特征向量包括字/词/符号向量、句向量、文本向量和位置向量。

10.如权利要求9所述的基于二次人工智能算法的景区评估模型，其特征在于，所述无监督机器学习单元包括聚类分析单元和极大似然估计单元。