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！

摘要：本发明涉及一种基于混合监督双层匹配编码映射推荐方法，包括步骤：使用采集设备采集原KKS编码列表和新KKS编码列表；进行人工匹配；将监督匹配模型训练数据集D进行有监督训练。本发明的有益效果是：提出智能化KKS编码映射的任务，先使用采集设备采集原KKS编码列表和新KKS编码列表，再进行人工匹配，将监督匹配模型训练数据集D进行有监督训练，采用原KKS编码列表内的中文描述、新KKS编码列表内的中文描述进行无监督匹配，对无监督匹配失败的数据进行有监督匹配；可直接获得标准编码的映射表，极大地减少了标准化工作的工作量，提升系统运行的稳定性，实现底层数据的通用化，统一了编码规则。

主权项：1.一种基于混合监督双层匹配编码映射推荐方法，其特征在于，包括以下步骤：步骤1、使用采集设备通过数据库提供的接口，采集存储在数据库中的原KKS编码列表和新KKS编码列表，并对原KKS编码列表和新KKS编码列表进行存储；原KKS编码列表采用设计院编码规则或DCS厂家的编码规则；新KKS编码为根据各电厂情况重新设计的新编码规则；其中原KKS编码列表为： 上式中，c11至为原KKS编码列表内的英文编码，d11至为原KKS编码列表内的中文描述；其中新KKS编码列表为： 上式中，c12至为新KKS编码列表内的英文编码，d12至为新KKS编码列表内的中文描述；步骤2、将步骤1得到的原KKS编码列表和新KKS编码列表进行人工匹配： 得到监督匹配模型训练数据集D；步骤3、将步骤2得到的监督匹配模型训练数据集D进行有监督训练，得到有监督匹配模型Model；步骤3具体包括如下步骤：步骤3.1、将监督匹配模型训练数据集D中的数据采用Jieba进行分词得到分词结果，再采用N-Gram进行向量化得到向量化的训练数据集；步骤3.2、将向量化的训练数据集输入到有监督匹配模型Model；首先由两层MLP编码网络生成稀疏特征，其中第一层MLP编码网络为，第二层MLP编码网络为；再由两层MLP解码网络生成重构特征，其中第一层MLP解码网络为，第二层MLP解码网络为： 上式中，为第一层MLP编码网络生成的稀疏特征，为第二层MLP编码网络生成的稀疏特征，为第一层MLP解码网络生成的重构特征，为第二层MLP解码网络生成的重构特征；步骤3.3、将第二层MLP解码网络生成的重构特征与标签向量进行交叉熵计算，得到损失函数LossFunction： 上式中，n指一个批次有n条重构特征；上式将n条重构特征的交叉熵求和，作为该批次训练数据的损失函数值；步骤3.4、根据步骤3.3得到的损失函数LossFunction进行模型迭代，当损失函数LossFunction趋于收敛时，得到有监督匹配模型Model并存储于存储设备；步骤4、采用步骤1获得的原KKS编码列表内的中文描述d1、新KKS编码列表内的中文描述d2进行无监督匹配；步骤5、提取存储设备中由步骤3得到的有监督匹配模型Model，对步骤4中无监督匹配失败的数据进行有监督匹配；步骤5.1、根据有监督匹配模型Model得到生成结果；步骤5.2、采用最小编辑距离对生成结果与新编码进行相似度匹配，将结果存储到存储设备。

全文数据：

权利要求：

百度查询： 浙江浙能数字科技有限公司 浙江浙能技术研究院有限公司 一种基于混合监督双层匹配编码映射推荐方法