[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

说明书

本申请涉及机器学习技术领域，特别涉及一种多视角主动学习的制造服务数据价值评估动态优化方法，其中，包括：获取携带有已标注样本的训练数据集；利用其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，得到制造服务数据价值评估模型；将未标注样本输入评估模型，输出多个角度下的评估结果，根据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训练数据集，利用更新后的训练数据集对训练完成的评估模型进行重新训练，实现制造服务数据价值评估模型的动态优化。由此，解决了相关技术中利用人工神经网络解决制造服务数据价值评估的问题需要采集并标注大量数据导致成本较高、评估效率较低及精准度不够等问题。

技术领域

本申请涉及机器学习技术领域，特别涉及一种多视角主动学习的制造服务数据价值评估动态优化方法。

背景技术

服务型制造服务系统多业务环节、多服务环节、多信息系统产生的海量数据，是产品服务资源整合、服务提供、服务过程监测与反馈、服务全生命周期管理、服务生态构建的基础性要素；由物联网智能终端、制造执行系统MES、产品数据管理系统PDM、客户关系管理系统CRM、供应链管理系统SCM等形成的产品服务系统海量数据沉淀，是为生产经营提供指导、为价值创造提供支撑、为制造服务实施赋能的核心驱动力。然而服务型制造企业面临着海量数据不好用(数据分散于不同系统且质量不一)与不会用(数据业务价值尚未充分验证)等问题，制造服务数据无法以一个合理的价值区间进行使用或交易，以期带来合理的经济效益。

传统制造服务价值评估方法主要采用无形资产定价方式，即成本法、市场法、收益法，不过这些方法面临难以实现、评估效率较低、主观性较强、不能反映资产真实价值等问题；构建人工神经网络结构，对人工神经网络进行有监督式学习，训练网络确定指标权重来对制造服务数据进行评估，减少了人工干预，主观性较弱，对于提高评估效率、提高评估可靠性具有重要意义。

相关技术中，通过训练人工神经网络解决制造服务数据价值评估的问题，通常需要大量标注数据，而采集并标注数据在多数应用场景中意味着高成本与高时间需求，通常难以实现。

发明内容

本申请提供一种制造服务数据价值评估动态优化方法、装置、设备及介质，以解决相关技术中利用人工神经网络解决制造服务数据价值评估的问题需要采集并标注大量数据导致成本较高、评估效率较低及精准度不够等问题。

本申请第一方面实施例提供一种制造服务数据价值评估动态优化方法，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。

可选地，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。

可选地，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。

可选地，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。