[发明专利]一种基于数据自动生成的资产管理知识库构建方法

权利要求书

1.一种基于数据自动生成的资产管理知识库构建方法，其特征在于，具体包括以下步骤：

S101，通过知识图谱模型构建知识库；

S102，根据所述知识库的真实数据，基于GAN算法生成对抗网络框架构建生成器模型，并通过所述生成器模型对所述知识库中的真实数据进行生成+对抗学习，得到生成样本；

S103，基于强化学习训练，采用判别器判定所述生成样本属于真实样本的概率，若判别概率为0.5，则确定输出所述生成样本；

S104，将所述生成样本存储到所述知识库中，完成所述知识库的构建。

2.根据权利要求1所述的一种基于数据自动生成的资产管理知识库构建方法，其特征在于，所述基于GAN算法生成对抗网络框架构建生成器模型采用循环神经网络作为生成器，在沿着文本标记序列的一维维度上进行建模，构建语言模型，进而生成文本，所述循环神经网络的具体的模型建立过程如下：

输入的文本序列长度为n，则文本序列可以表示为{s₁,s₂,......,s_n-1,s_n}，通过查词向量表将文本序列中的词s_i映射为k维的向量x_i，其中1≤i≤n；当第t个词输入时，此时，隐含单元状态h_t可表示为如下公式：

h_t＝f(Ux_t-1+Wh_t-1+b)；

输出单元的状态o_t＝softmax(Vh_t)，

其中，U、W、V均为参数矩阵，b是偏置参数，softmax表示激活函数，f表示非线性激活函数。

3.根据权利要求2所述的一种基于数据自动生成的资产管理知识库构建方法，其特征在于，所述GAN算法的具体实现步骤如下：

初始化生成器G的参数θ_g和判别器D的参数θ_d；

从所述知识库的真实样本数据中采集m个样本{x¹,x²,......,x^m}，从先验分布噪声中采样m个噪声样本{z¹,z²,......,z^m}，并通过所述生成器获取m个生成样本

循环k次所述初始化和所述采集样本的步骤，更新判别器，并采用相对小的学习率更新所述生成器的参数，训练所述生成器减少生成样本和真实样本之间的差距；

多次更新迭代后，所述判别器则判别不出样本来自生成器的输出还是来自知识库的真实输出，此时，所述判别器的样本判别概率为0.5。

4.根据权利要求1所述的一种基于数据自动生成的资产管理知识库构建方法，其特征在于，基于强化学习训练，采用判别器判定所述“生成样本”属于真实样本的概率，若判别概率为0.5，则确定输出生成样本，具体包括以下步骤：

通过强化学习训练中的蒙特卡洛搜索方法改造所述生成器，根据当前序列采样出多个完整序列并估算部分生成序列的期望回报，再使用判别器对多个所述完整序列分别计算期望回报，并将得到的多个所述期望回报的均值作为当前部分生成序列的期望回报，具体可表示为公式如下：

其中，N表示采样出的完整序列的个数，函数D表示判别器对输入文本属于真实文本的概率估计，x_i表示s的第i个字符，T表示生成序列的总长度，K表示每个时间点在计算期望回报时的采样次数；

通过所述蒙特卡洛搜索方法得到估算的梯度后，采用梯度下降的方法对参数进行更新，公式如下：

采用划分训练集与测试集的方法作为生成模型效果的评估方法，其中，生成样本与真实样本间的相似度采用机器翻译领域的双语评估替代技术进行评估。