[发明专利]工时预测方法、装置及系统

权利要求书

1.一种工时预测方法，其特征在于，包括：

接收用户输入的记录有工作过程的原始数据；

结合预先设置的专业词库，对所述原始数据进行预处理，获得目标数据；

在所述目标数据内，提取用于进行工时预测的语义特征；

根据所述语义特征和用户输入的工时影响因素，进行工时预测，包括：获取用户输入的工时影响因素；根据所述语义特征和用户输入的工时影响因素，构建特征模型；将所述特征模型输入至工时预测模型进行工时预测，获得工时预测结果；其中，所述工时预测模型为基于神经网络的工时预测模型；

其中

在所述目标数据内，提取用于进行工时预测的语义特征，包括：采用目标狄利克雷分布LDA模型，对所述目标数据进行处理，提取所述语义特征，所述语义特征包括：文档-主题矩阵和主题-词语矩阵；

其中，利用用于模型训练的文档-词语矩阵，对初始LDA模型进行吉布斯采样迭代训练，获得目标LDA模型，这包括：

根据当前获取的所述文档-词语矩阵，对所述初始LDA模型进行吉布斯采样训练，获得文档-主题概率分布矩阵和主题-词语概率分布矩阵；

根据当前获得的所述文档-主题概率分布矩阵和所述主题-词语概率分布矩阵，确定模型困惑度值；

根据所述模型困惑度值，调整所述主题数量，并返回至所述根据当前获取的所述文档-词语矩阵，对所述初始LDA模型进行吉布斯采样训练，获得文档-主题概率分布矩阵和主题-词语概率分布矩阵的步骤；

在所述模型困惑度值满足预设条件的情况下，获得所述目标LDA模型。

2.根据权利要求1所述的方法，其特征在于，所述预处理包括以下至少一项：

同义词归一化；

基于所述专业词库的中文分词；

停用词的删除；

词频统计。

3.根据权利要求2所述的方法，其特征在于，结合预先设置的专业词库，对所述原始数据进行预处理，获得目标数据，包括：

对所述原始数据进行同义词归一化处理，获得归一化数据；

基于所述专业词库，对所述归一化数据进行中文分词，获得分词结果；其中，所述专业词库中包括专业词语和所述专业词语的专业等级；

删除所述分词结果中的停用词；

对删除所述停用词之后的数据进行词频统计，获得所述目标数据。

4.根据权利要求1所述的方法，其特征在于，目标LDA模型的训练过程包括：

获取用于模型训练的文档-词语矩阵和用户输入的参数信息，所述文档-词语矩阵为对用户输入的文档集中的数据进行预处理的结果；

根据所述参数信息，构建初始LDA模型；

利用所述文档-词语矩阵，对所述初始LDA模型进行吉布斯采样迭代训练，获得目标LDA模型；

其中，所述参数信息包括主题数量、表征主题密度的第一超参数和表征词密度的第二超参数。

5.根据权利要求1或4所述的方法，其特征在于，所述工时影响因素包括以下至少一项：

装配对象；

装配动作；

精度要求；

设备和工装特征；

不确定因素特征。