[发明专利]一种基于机器学习和知识推理的决策融合方法

摘要

本发明涉及一种基于机器学习和知识推理的决策融合方法，其包括有关联多源数据并标识实体、融合实体对象的数据特征与决策、表示关系图谱和用户画像、预测分析群体行为、融合并分析面向实体对象的信息五个步骤，采用数据特征分析、维数约简方法，确定影响实体标识的关键因素，根据特定领域分析需求的类目标标签配置信息，利用向量空间模型VSM或者TF/IDF进行标识建模，基于概率图模型聚类方法评价实体标识概率，结合封闭系统可靠数据匹配方法，减少样本关联非一致性的影响。形成一套适用于政府大数据分析服务的技术体系，研发一套拥有自主知识产权、在领域内具有竞争力的工具产品。

主权项

1.一种基于机器学习和知识推理的决策融合方法，其特征在于，包括如下步骤；步骤一：关联多源数据并标识实体，将结构化与非 SQL 结构化数据的实体多维度标签识别和对应分析，确定具有全渠道拉通意义的标签作为标识ID，实现样本信息的一致性关联与可靠性评价；步骤二：融合实体对象的数据特征与决策，采用特征抽取方法定义实体多维度标签，形成面向特定领域分析的有效特征指标，分析面向实体的多模态信息决策融合，抽取实体中隐含的高层级分类信息，基于不同机器学习算法构建多种分类器，获得有效决策融合的指标信息；步骤三：表示关系图谱和用户画像，基于多源数据融合输出的标签信息，通过知识抽取、上下文感知来构建的关系图谱，解决关系图谱的实体对齐和实体关系的不一致性问题；利用实体相似性链接建立网络关系图谱；步骤四：预测分析群体行为，预判分析社会需求，抽取热点事件的方法，利用统计推理进行事件识别，在用户画像基础上利用用户兴趣类标签对用户群体分类，分析不同用户群体的态势预测群体行为并得到进一步的用户动态信息；步骤五：融合并分析面向实体对象的信息，整合前述步骤一至步骤四的数据，形成包括样本实体标识、数据特征融合、用户画像、关系图谱分析等内容在内的算法、工具以及与平台集成接口；采用数据特征分析、维数约简方法，确定影响实体标识的关键因素，根据特定领域分析需求的类目标标签配置信息，利用向量空间模型 VSM 或者 TF/IDF 进行标识建模，基于概率图模型聚类方法评价实体标识概率，结合封闭系统可靠数据匹配方法，减少样本关联非一致性的影响。