[发明专利]一种智能数据提取的选择方法及系统

权利要求书

1.一种智能数据提取的选择方法，其特征在于，包括：

获取经验库数据，其中，所述经验库数据包括：决策生成历史训练数据、决策生成因素种类数据；

获取决策模型输入层的第一特征向量的种类数目，并将所述特征向量的种类数目与预设参数阈值进行对比，得到对比结果，其中，所述对比结果包括：大于阈值、不大于阈值；

根据所述对比结果获取第二特征向量种类数据；

将所述第二特征向量种类数目输入至大数据平台泰勒高阶模型中，得到所述第二特征向量种类数目的数据提取评价结果。

2.根据权利要求1所述的方法，其特征在于，在所述获取经验库数据之后，所述方法还包括：

根据所述经验库数据训练决策模型。

3.根据权利要求1所述的方法，其特征在于，所述根据所述对比结果获取第二特征向量种类数据包括：

当所述对比结果为不大于阈值时，获取大数据平台中与所述经验库数据相匹配的第二特征向量种类数目。

4.根据权利要求1所述的方法，其特征在于，所述大数据平台泰勒高阶模型包括：

Pn(x₀)＝f(x₀)，P’n(x₀)＝f’(x₀)，

P”n(x₀)＝f”(x₀)，……，P⁽nⁿ(x₀)＝f⁽ⁿ⁾(x₀)

其中，Pn为数据输入参量，x₀为参变量，f(*)为泰勒高阶模型输出参量的导数。

5.一种智能数据提取的选择系统，其特征在于，包括：

第一获取模块，用于获取经验库数据，其中，所述经验库数据包括：决策生成历史训练数据、决策生成因素种类数据；

对比模块，用于获取决策模型输入层的第一特征向量的种类数目，并将所述特征向量的种类数目与预设参数阈值进行对比，得到对比结果，其中，所述对比结果包括：大于阈值、不大于阈值；

第二获取模块，用于根据所述对比结果获取第二特征向量种类数据；

提取模块，用于将所述第二特征向量种类数目输入至大数据平台泰勒高阶模型中，得到所述第二特征向量种类数目的数据提取评价结果。

6.根据权利要求5所述的系统，其特征在于，所述装置还包括：

训练模块，用于根据所述经验库数据训练决策模型。

7.根据权利要求5所述的系统，其特征在于，所述第二获取模块包括：

获取单元，用于当所述对比结果为不大于阈值时，获取大数据平台中与所述经验库数据相匹配的第二特征向量种类数目。

8.根据权利要求5所述的系统，其特征在于，所述大数据平台泰勒高阶模型包括：

Pn(x₀)＝f(x₀)，P’n(x₀)＝f’(x₀)，

P”n(x₀)＝f”(x₀)，……，P⁽nⁿ(x₀)＝f⁽ⁿ⁾(x₀)

其中，Pn为数据输入参量，x₀为参变量，f(*)为泰勒高阶模型输出参量的导数。

9.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行权利要求1至4中任意一项所述的方法。

10.一种电子装置，其特征在于，包含处理器和存储器；所述存储器中存储有计算机可读指令，所述处理器用于运行所述计算机可读指令，其中，所述计算机可读指令运行时执行权利要求1至4中任意一项所述的方法。