[发明专利]一种基于CNN和LSTM的深度学习数据挖掘方法在审
| 申请号： | 201910488085.5 | 申请日： | 2019-06-05 |
| 公开（公告）号： | CN110399455A | 公开（公告）日： | 2019-11-01 |
| 发明（设计）人： | 肖清林 | 申请（专利权）人： | 福建奇点时空数字科技有限公司 |
| 主分类号： | G06F16/33 | 分类号： | G06F16/33;G06N3/04 |
| 代理公司： | 北京劲创知识产权代理事务所(普通合伙) 11589 | 代理人： | 王志敏 |
| 地址： | 361000 福建省厦门市软件园*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于CNN和LSTM的深度学习数据挖掘方法，包括以下步骤：依次收集每个目标对象的特征向量，得到原始数据包；对数据预处理，建立字符信息库；构建CNN‑LSTM算法模型；对CNN‑LSTM算法模型进行训练，并测试；采用CNN‑LSTM算法模型进行数据挖掘；得到数据反馈，进行学习。本发明中，通过构建LSTM‑CNN算法模型在学习时完成数据挖掘，大大提高了信息获取的效率，解决传统信息调取困难的问题，帮助学习者提高学习效果；其中CNN对关键词对应的字符信息进行快速识别，LSTM采用重复模块链的形式对关键词的相关信息快速延展、补充，使得信息调取速度快，信息调取准确性高。 | ||
| 搜索关键词： | 算法模型 数据挖掘 信息调取 学习数据 构建 数据预处理 原始数据包 传统信息 快速识别 目标对象 数据反馈 特征向量 相关信息 信息获取 学习效果 重复模块 字符信息 信息库 挖掘 调取 延展 测试 学习 补充 帮助 | ||
【主权项】：
1.一种基于CNN和LSTM的深度学习数据挖掘方法，其特征在于，包括以下步骤：S1、依次收集每个目标对象的特征向量，得到原始数据包；S2、对数据预处理，建立字符信息库；S3、构建CNN‑LSTM算法模型；S4、对CNN‑LSTM算法模型进行训练，并测试；S5、采用CNN‑LSTM算法模型进行数据挖掘；S6、得到数据反馈，进行学习。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于福建奇点时空数字科技有限公司，未经福建奇点时空数字科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910488085.5/，转载请声明来源钻瓜专利网。
