[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。