[发明专利]一种智能数据提取的选择方法及系统

说明书

本发明公开了一种智能数据提取的选择方法及系统。其中，该方法包括：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。本发明解决了现有技术中的决策生成方法仅仅是根据本地决策参数和决策因子来进行最终决策数据的生成，而不能针对多元数据的采集进行决策生成，更不能针对现有数据情况自动判断是否选择更多的数据，总体上降低了决策生成的准确度和效率的技术问题。

技术领域

本发明涉及数据处理领域，具体而言，涉及一种智能数据提取的选择方法及系统。

背景技术

随着智能化科技的不断发展，人们的生活、工作、学习之中越来越多地用到了智能化设备，使用智能化科技手段，提高了人们生活的质量，增加了人们学习和工作的效率。另外，在系统集成公司为政企客户提供信息化服务过程中，往往需要在既定时间内结合客户需求、行业特点、专业经验快速生成决策信息或信息化解决方案，而决策信息(信息化解决方案)的质量与效率往往决定了项目归属甚至是市场竞争格局。在决策分层创建方面，往往通过区块链或者服务器中的决策树逻辑算法，针对逻辑对抗模型来进行决策结果数据的生成，在逻辑生成过程之中，训练对抗模型和模型的输入数据均采用大量的历史数据或者采集器采集到的待处理数据进行分析和处理。

但是现有技术中的决策生成方法仅仅是根据本地决策参数和决策因子来进行最终决策数据的生成，而不能针对多元数据的采集进行决策生成，更不能针对现有数据情况自动判断是否选择更多的数据，从而限制了决策生成的灵活性和全面性。现有技术往往不对数据的必要性进行判断，仅仅是统一的数据采集以及数据处理，需要大量的计算资源，而且现有技术中对于大数据模型的获取，也不会通过选取数据的方式来影响大数据模型选取何种数据、选择此种数据的数据量，总体上降低了决策生成的准确度和效率。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种智能数据提取的选择方法及系统，以至少解决现有技术中的决策生成方法仅仅是根据本地决策参数和决策因子来进行最终决策数据的生成，而不能针对多元数据的采集进行决策生成，更不能针对现有数据情况自动判断是否选择更多的数据，总体上降低了决策生成的准确度和效率的技术问题。

根据本发明实施例的一个方面，提供了一种智能数据提取的选择方法，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。

可选的，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。

可选的，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。

可选的，所述大数据平台泰勒高阶模型包括：

Pn(x₀)＝f(x₀)，P’n(x₀)＝f’(x₀)，