摘要
本申请公开了一种数据标准输出模型构建、数据标准的获取方法及相关装置。首先可以获取多个具有数据标准标签的元数据项,其中,数据标准标签包括固定数据标准标签和非固定数据标准标签。再基于元数据项、元数据的固定数据标准标签以及非固定数据标准标签,对预先定义的有监督深度学习模型进行模型训练得到数据标准获取模型。本申请的模型基于有监督深度学习训练,从大量已标注数据中学习复杂模式和关系,提高数据标准获取的准确性,减少对人工制定标准的依赖,提升效率并降低人工干预的时间成本和错误率。并且通过结合固定和非固定数据标准标签,模型能够从多种角度学习数据项的特征,提高对数据标准的理解和预测的准确性。
技术关键词
数据项
监督深度学习
GRU神经网络
分类神经网络
一维卷积神经网络
文本
标签组
定义
门控循环单元
语句
处理器
可读存储介质
终端设备
存储器
训练装置
分层
关系
错误率
系统为您推荐了相关专利信息
数据仓库系统
电力系统负荷
数据挖掘方法
矩阵
决策树模型
多头注意力机制
估计算法
GRU神经网络
深度学习网络模型
信号传输模型
移动式灭火装置
深度学习模型
实时监测数据
分布式边缘
消防系统