[发明专利]一种基于深度神经网络的演艺装备智能运维推荐技术

权利要求书

1.一种基于深度神经网络的演艺装备智能运维推荐技术，其特征在于，它包括下列步骤：

S1：构建关于剧院演艺设备情况的数据集，并对数据集中的数据进行特征预处理；

S2：构建深度神经网络模型，设置深度神经网络的各参数；

S3：将步骤S1中已处理好的数据送入深度神经网络进行训练，训练完成后，随机选择某种设备进行维护，由模型推荐出与此设备具有相似特征的其他设备，即产生第一推荐结果；

S4：将注意力机制融入深度神经网络，选择步骤S3中相同的设备进行维护，由模型推荐出与此设备具有相似特征的其他设备，即产生第二推荐结果；

S5：加大选择的设备的不同数据特征的权重，产生相应的推荐结果。

2.根据权利要求1所述的一种基于深度神经网络的演艺装备智能运维推荐技术，其特征在于，所述的步骤S1进一步表示为：

S1.1：对调研统计的剧院演艺设备进行编号整理，以此为基础构建含有每种设备的不同特征的数据集；

S1.2：对不同的特征用类别字段表示，并对数据集中的数据进行特征预处理。

3.根据权利要求2所述的一种基于深度神经网络的演艺装备智能运维推荐技术，其特征在于，所述的步骤S1.1中，所述的每种设备的不同特征包括每种设备的“价格”、“寿命”以及“维护人员的关注度”。

4.根据权利要求2所述的一种基于深度神经网络的演艺装备智能运维推荐技术，其特征在于，所述的步骤S2进一步包括：

S2.1：将类别字段作为深度神经网络嵌入矩阵的引索，分别将表示演艺设备种类的向量和表示每种演艺设备对应数量的向量作为深度神经网络嵌入层的输入；

S2.2：设置深度学习的学习率、全连接层数以及每层维度。

5.根据权利要求1所述的一种基于深度神经网络的演艺装备智能运维推荐技术，其特征在于，所述的步骤S3进一步包括：

S3.1：将步骤S1中已处理好的数据送入步骤S2中构建的深度神经网络进行训练，生成相应的特征矩阵；

S3.2：随机选择某一设备作为要维护的设备，深度神经网络计算此设备的特征向量和特征矩阵之间的余弦相似度；

S3.3：选择特征矩阵中与此特征向量最相似的5种设备作为与要维护的设备具有相似特征的其他设备，即第一推荐结果。

6.根据权利要求1所述的一种基于深度神经网络的演艺装备智能运维推荐技术，其特征在于，所述的步骤S4进一步表示为：

S4.1：将注意力机制融入已构建的深度神经网络，将步骤S1中已处理好的数据送入模型进行训练，得到训练集的损失和测试集的损失；

S4.2：选择与步骤S3中相同的设备进行维护，根据步骤S3中的相同步骤计算出与此设备具有相似特征的其他设备，即第二推荐结果；

S4.3：比较步骤第一推荐结果和第二推荐结果，判断注意力机制是否能够提高推荐结果的可信度。

7.根据权利要求1所述的一种基于深度神经网络的演艺装备智能运维推荐技术，其特征在于，所述的步骤S5进一步表示为：

选择需要进行维护的设备，根据实际情况对要维护的设备的数据特征赋予不同的权重，采用融入了注意力机制的深度神经网络模型推荐出与要维护的设备具有相似特征的其他设备。