[发明专利]多视角主动学习的制造服务数据价值评估动态优化方法

权利要求书

1.一种制造服务数据价值评估动态优化方法，其特征在于，包括以下步骤：

获取携带有已标注样本的训练数据集；

利用所述训练数据集中的已标注样本对多个基于模糊神经网络的制造服务数据价值评估模型分别进行训练，得到训练完成的制造服务数据价值评估模型，其中，所述已标注样本的样本数量小于未标注样本的样本数量；

将一个或多个未标注样本输入每个制造服务数据价值评估模型，输出每个未标注样本在多个角度下的评估结果，根据所有角度下的评估结果标注满足标注条件的样本；

基于标注后的样本更新所述训练数据集，利用更新后的训练数据集对所述训练完成的评估模型进行重新训练，实现所述制造服务数据价值评估模型的动态优化。

2.根据权利要求1所述的方法，其特征在于，所述将一个或多个未标注样本输入每个制造服务数据价值评估模型，输出每个未标注样本在多个角度下的评估结果，包括：

通过每个制造服务数据价值评估模型的模糊神经网络获得制造服务数据价值层次结构的各项指标评价；

合并所述制造服务数据价值层次结构的各项指标评价，得到每个未标注样本在多个角度下的评估结果，其中，每个制造服务数据价值评估模型的输出结果对应一个视角的评估结果。

3.根据权利要求1所述的方法，其特征在于，所述根据所有角度下的评估结果标注满足标注条件的样本，包括：

根据所有角度下的评估结果计算每个样本的评价均值；

筛选所有所述评价均值大于预设阈值的样本，并对所述样本进行标注。

4.根据权利要求1所述的方法，其特征在于，在多个基于模糊神经网络的制造服务数据价值评估模型之前，还包括：

获取制造服务数据价值评估体系；

识别所述制造服务数据价值评估体系的体系指标，随机移除所述体系指标中的一个或多个指标，基于剩余的指标生成所述制造服务数据价值评估模型。

5.根据权利要求4所述的方法，其特征在于，所述体系指标包括基础数据质量指标、平台质量指标、数据资产成本指标和数据使用价值指标中的一个或多个，其中，

所述基础数据质量指标包括上下文一致性、唯一性、精确性、实体完整性和数据时效性中的一个或多个；

平台质量指标包括访问速度、访问可靠性和可扩展性中的一个或多个；

数据资产成本指标包括人工建设成本、材料建设费用、间接建设费用中的一个或多个；

数据使用价值指标包括数据挖掘任务支持能力、数据使用次数、数据使用对象和使用效果评价中的一个或多个。

6.一种制造服务数据价值评估动态优化装置，其特征在于，包括：

获取模块，用于获取携带有已标注样本的训练数据集；

第一训练模块，用于利用所述训练数据集中的已标注样本对多个基于模糊神经网络的制造服务数据价值评估模型分别进行训练，得到训练完成的制造服务数据价值评估模型，其中，所述已标注样本的样本数量小于未标注样本的样本数量；

标注模块，用于将一个或多个未标注样本输入每个制造服务数据价值评估模型，输出每个未标注样本在多个角度下的评估结果，根据所有角度下的评估结果标注满足标注条件的样本；

第二训练模块，用于基于标注后的样本更新所述训练数据集，利用更新后的训练数据集对所述训练完成的评估模型进行重新训练，实现所述制造服务数据价值评估模型的动态优化。

7.根据权利要求6所述的装置，其特征在于，所述标注模块进一步用于：

通过每个制造服务数据价值评估模型的模糊神经网络获得制造服务数据价值层次结构的各项指标评价；

合并所述制造服务数据价值层次结构的各项指标评价，得到每个未标注样本在多个角度下的评估结果，其中，每个制造服务数据价值评估模型的输出结果对应一个视角的评估结果。

8.根据权利要求6所述的装置，其特征在于，所述标注模块进一步用于：

根据所有角度下的评估结果计算每个样本的评价均值；

筛选所有所述评价均值大于预设阈值的样本，并对所述样本进行标注。