[发明专利]一种人机协同的智能需求识别方法和系统

权利要求书

1.一种人机协同的智能需求识别系统,其特征在于，包括，

识别处理模块，用以对待处理的原数据进行分类，并进行信息提取，形成基础数据；所述识别处理模块将原数据转化成文本模态或图像模态，识别处理模块根据文本模态与图像模态的占比对原数据进行分类；

深度对比模块，其内部设置有数据库，所述深度对比模块对所述基础数据进行深度分析，深度对比模块根据基础数据的关键词信息、相关词信息与图像识别信息在所述数据库中对比出匹配的数据项作为匹配项集合；

贡献计算模块，其与所述深度对比模块相连，用以计算所述匹配项集合内各匹配项与原数据的贡献值；所述贡献计算模块根据选择学习贡献值与原数据的贡献值的对比将原数据投放至所述数据库中；所述贡献计算模块能通过匹配项集合内各匹配项与原数据的贡献值对选择学习贡献值进行调整，所述贡献计算模块根据符合项集合的项数对选择学习贡献值进行调整，所述贡献计算模块根据选择学习贡献值与各匹配项的贡献值选出符合项集合；

分类选取模块，其与所述贡献计算模块相连，用以将原数据与符合项集合进行对比，选取出近似项集合；所述分类选取模块根据符合项集合内各符合项的贡献值选取出高贡献项集合；所述分类选择模块通过符合项集合项数，调整近似项集合的项数与高贡献项集合的项数；

结果展示模块，其与所述分类选取模块、所述深度对比模块分别相连，用以展示相近项集合与高贡献项集合；所述结果展示模块能够对原数据项进行评价，结果展示模块将近似项集合内的项与高贡献值集合内的项做对比展示；所述近似项集合为符合项集合中与原数据贡献值相近的项的集合；所述高贡献值集合为符合项集合中贡献值比原数据贡献值高的项的集合;

所述贡献计算模块内设置有神经网络结构，贡献计算模块计算所述原数据项的贡献值Q，贡献计算模块内设有选择学习贡献值QB,贡献计算模块将原数据项的贡献值Q与选择学习贡献值QB进行对比，

当Q≥QB时，所述贡献计算模块判定所述原数据到达选择学习贡献标准，贡献计算模块将所述原数据进行复制形成原数据副本，并将原数据副本输入至所述数据库中，由所述深度对比模块进行深度学习；

当Q＜QB时，所述贡献计算模块判定所述原数据未到达选择学习贡献标准，贡献计算模块将根据原数据项的贡献值Q与匹配项集合内各项的贡献值选择学习所述原数据项;

所述贡献计算模块计算匹配项集合内各数据项的贡献值，并确定贡献最高值Qz、贡献最低值Qa、贡献平均值Qp，当所述贡献计算模块判定所述原数据未到达选择学习贡献标准时，贡献计算模块将贡献平均值Qp与选择学习贡献值QB进行对比，

当Qp≥QB时，所述贡献计算模块判定选择学习贡献值低于匹配项集合贡献平均值，所述深度对比模块不对原数据进行学习；

当Qp＜QB时，所述贡献计算模块判定选择学习贡献值高于匹配项集合贡献平均值，贡献计算模块将选择学习贡献值QB调整为QB’，QB’=QB×[（Qp-Qa）/Qp]×[（Qz-Qp）/Qp]+QB，所述贡献计算模块重复上述原数据项的贡献值Q与选择学习贡献值QB进行判定的操作，将原数据项的贡献值Q与调整后的选择学习贡献值QB’进行对比，以判定是否对原数据项进行学习;

所述贡献计算模块中设有最大符合项项数Dx与最小符合项项数Dn，贡献计算模块通过选择学习贡献值QB’在匹配项集合中选取符合项集合，贡献计算模块对比计算匹配项集合中高于选择学习贡献值QB’的项数Ds，贡献计算模块将Ds与最大符合项项数Dx、最小符合项项数Dn进行对比，

当Dn≤Ds≤Dx时，所述贡献计算模块判定选择学习贡献值QB’的设定达标，贡献计算模块将匹配项集合中高于选择学习贡献值QB’的项确定为符合项集合。

当Ds＜Dn时，所述贡献计算模块判定选择学习贡献值QB’的设定过高，贡献计算模块将选择学习贡献值QB’调整为QB’’，QB’’=QB’×[1-（Dn-Ds）/Dn]，贡献计算模块根据选择学习贡献值QB’’在匹配项集合中选取符合项集合，并重复上述将高于选择学习贡献值的项数与最大符合项项数、最小符合项项数对比调节选择学习贡献值的操作，直至Dn≤Ds’≤Dx时，停止调节，所述贡献计算模块将匹配项集合中高于选择学习贡献值的项作为符合项集合，并输出；

当Ds＞Dx时，所述贡献计算模块判定选择学习贡献值QB’的设定过低，贡献计算模块将选择学习贡献值QB’调整为QB’’，QB’’=QB’×[1+（Ds-Dx）/Dx]，贡献计算模块根据选择学习贡献值QB’’在匹配项集合中选取符合项集合，并重复上述将高于选择学习贡献值的项数与最大符合项项数、最小符合项项数对比调节选择学习贡献值的操作，直至Dn≤Ds’≤Dx时，停止调节，所述贡献计算模块将匹配项集合中高于选择学习贡献值的项作为符合项集合，并输出。