买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国地质大学(北京)

摘要：本发明涉及矿床数据挖掘技术领域，具体涉及基于知识图谱的矿床预测指标体系构建方法。本发明获取矿床数据中的所有矿床文本向量；将矿床文本向量输入至预设网络聚类模型中进行模型训练；获取每个矿床文本向量的遴选神经元及所有特殊向量维度，进而获取矿床文本向量相对每个遴选神经元的归属程度；根据归属程度调整矿床文本向量与权重向量间的距离，获取每个输入的矿床文本向量的获胜神经元，得到训练好的预设网络聚类模型，进而构建矿床预测指标体系。本发明通过分析获取矿床文本向量的特殊维度及非特殊维度，进而评估每个矿床文本向量相对对应遴选神经元的归属程度，提高对矿床文本向量的分类效果，从而提高矿床数据的挖掘效果及预测效果。

主权项：1.一种基于知识图谱的矿床预测指标体系构建方法，其特征在于，所述方法包括：获取矿床数据中的所有矿床文本向量；将所述矿床文本向量输入至预设网络聚类模型中进行模型训练；根据每个输入的所述矿床文本向量，与预设网络聚类模型中每个神经元的所有激活向量或权重向量的相似度，在所有神经元中筛选出每个所述矿床文本向量的遴选神经元；根据每个所述遴选神经元的所有激活向量或权重向量中向量元素的分布，获取每个所述遴选神经元的所有特殊向量维度；根据每个输入的所述矿床文本向量中的向量元素，分别与每个所述遴选神经元的所有激活向量中的所述特殊向量维度及非特殊向量维度上向量元素的差异，获取所述矿床文本向量相对每个所述遴选神经元的归属程度；根据所述归属程度调整所述矿床文本向量与对应所述遴选神经元的权重向量间的距离，得到修正距离；根据所述修正距离在所有对应所述遴选神经元中筛选出每个输入的所述矿床文本向量的获胜神经元，得到训练好的预设网络聚类模型；根据训练好的预设网络聚类模型获取所有聚簇；根据所有聚簇构建基于知识图谱的矿床预测指标体系；所述遴选神经元的获取方法包括：根据每个输入的所述矿床文本向量，与预设网络聚类模型中每个神经元的所有激活向量或权重向量的相似度，获取每个所述矿床文本向量与每个神经元的初步匹配程度；将输入的所述矿床文本向量与每个神经元的所述初步匹配程度进行顺序排序，构建初步匹配程度序列；获取所述初步匹配程度系列的差分序列，结合差分序列中的最大差分值对所述初步匹配程度序列进行分段；获取每个分段中所述初步匹配程度的均值，将均值最大的分段中所述初步匹配程度对应的所有神经元，作为对应所述矿床文本向量的所有遴选神经元；所述初步匹配程度的获取方法包括：将输入的所述矿床文本向量中的向量元素的均值，作为第一元素均值；将每个神经元的所有激活向量中的向量元素的均值，作为第二元素均值；将所述第一元素均值与所述第二元素均值的差异进行负相关映射归一化，得到每个所述矿床文本向量与每个神经元的初步匹配程度；其中，当神经元没有对应激活向量时，输入的所述矿床文本向量与对应神经元的所述初步匹配程度为零；所述特殊向量维度的获取方法包括：以任一向量维度上的向量元素为目标元素，获取每个所述遴选神经元的所有激活向量对应的所有所述目标元素的峰度，当所述峰度大于预设阈值时，则将所述目标元素作为特殊向量元素，所述特殊向量元素对应的向量维度为特殊向量维度；所述归属程度的获取方法包括：根据每个输入的所述矿床文本向量中除所述特殊向量维度外的非特殊向量维度的向量元素，与每个所述遴选神经元的所有激活向量中非特殊向量维度的向量元素间的元素差异，获取所述矿床文本向量相对对应所述遴选神经元的通用归属参数；根据每个输入的所述矿床文本向量中所述特殊向量维度的向量元素，及相对每个所述遴选神经元的所有激活向量中非特殊向量维度的向量元素间的元素分布，获取所述矿床文本向量相对对应所述遴选神经元的特殊归属参数；将所述通用归属参数与所述特殊归属参数相乘合并后归一化，得到所述矿床文本向量相对对应所述遴选神经元的归属程度；所述通用归属参数的计算公式包括： 其中，i为输入的矿床文本向量的序号；k为遴选神经元的序号；ki为第i个输入的矿床文本向量相对对应的第k个遴选神经元的序号；为第i个输入的矿床文本向量相对对应的第ki个遴选神经元的通用归属参数；sigmoid{}为S型函数；x为非特殊向量维度的维度序号；X为第i个输入的矿床文本向量对应的第ki个遴选神经元的所有激活向量中的所有非特殊向量维度的总维度数；bi,x为第i个输入的矿床文本向量中，第x个非特殊向量维度上的向量元素；n为第i个输入的矿床文本向量对应的第ki个遴选神经元的激活向量的序号；N为第i个输入的矿床文本向量对应的第ki个遴选神经元的激活向量的总数量；为第i个输入的矿床文本向量对应的第ki个遴选神经元的第n个激活向量中，第x个非特殊向量维度上的向量元素；所述特殊归属参数的获取方法包括：根据所述矿床文本向量对应的每个所述遴选神经元的所有激活向量的向量元素的元素分布情况，获取每个所述特殊向量维度的参考向量元素；根据特殊归属参数的计算公式获取特殊归属参数；特殊归属参数的计算公式为： 其中，i为输入的矿床文本向量的序号；k为遴选神经元的序号；ki为第i个输入的矿床文本向量相对对应的第k个遴选神经元的序号；为第i个输入的矿床文本向量相对对应的第ki个遴选神经元的特殊归属参数；exp为以自然常数e为底数的指数函数；y为特殊向量维度的维度序号；Y为第i个输入的矿床文本向量对应的第ki个遴选神经元的所有激活向量中的所有特殊向量维度的总维度数；bi,y为第i个输入的矿床文本向量中，第y个特殊向量维度上的向量元素；ci,y为第i个输入的矿床文本向量的第y个特殊向量维度的参考向量元素。

全文数据：

权利要求：

百度查询： 中国地质大学(北京) 基于知识图谱的矿床预测指标体系构建方法