申请/专利权人：北京心数矩阵科技有限公司

申请日：2020-04-30

公开（公告）日：2024-05-31

公开（公告）号：CN113593674B

主分类号：G16H20/70

分类号：G16H20/70;G06N3/0499;G06F17/18

优先权：

专利状态码：有效-授权

法律状态：2024.05.31#授权;2022.10.28#专利申请权的转移;2021.11.19#实质审查的生效;2021.11.02#公开

摘要：本发明公开了一种基于结构化神经网络的性格影响因子分析方法。所述方法根据性格量表测评数据可以建立一种结构化神经网络模型，通过该模型可以充分地分析性格与各影响因子之间的非线性关系；结构化神经网络模型建立前首先对用户原始数据进行筛选以及归一化处理，并形成样本点；然后基于样本点分析每一个题目所属的性格影响因子，通过数据本身的特点进行因子的提取；最后根据分析出的题目与性格影响因子之间的所属关系构建结构化神经网络的基本结构并基于样本点对该网络进行迭代优化，迭代结束后通过最终的网络模型可以得到性格与各影响因子之间的具体关系。本发明将结构化神经网络引入到性格影响因子分析研究内容中，不仅仅可以发挥神经网络针对于非线性关系的强拟合性，而且通过网络的结构自定义可以更进一步提高网络拟合的合理性。

主权项：1.一种基于结构化神经网络的性格影响因子分析方法，用于分析性格与其影响因子之间的非线性关系，其特征在于，所述方法包括：对原始数据进行非空值筛选以及基于不可信度的筛选，并对筛选后的数据进行归一化处理，处理后的数据作为样本点；根据所述的样本点分析题目所属因子并确定题目所属旋转后的因子变量；根据所述的题目所属旋转后的因子变量以及所述样本点，构造结构化神经网络模型并确定性格与各影响因子之间的关系；根据所述的样本点分析题目所属因子并确定题目所属旋转后的因子变量，具体包括：根据所述的样本点构造因子变量，计算所述的因子变量的特征值并根据特征值对所述因子变量进行筛选；将所述因子变量以方差最大化的方式进行坐标正交变换，得到旋转后的因子变量；计算每一个题目与每一个所述旋转后的因子变量之间的系数；对于所述的每一道题目，根据所述的系数，选取最大系数对应的旋转后的因子变量即为所述的题目所属旋转后的因子变量；根据所述的题目所属旋转后的因子变量以及所述样本点，构造结构化神经网络模型并确定性格与各影响因子之间的关系，具体包括：根据所述的题目所属因子关系，设置隐藏层个数为因子个数并自定义层与层之间的连接关系，构建结构化神经网络基本结构；根据所述的结构化神经网络基本结构，将所述的样本点作为输入并计算输出结果的误差，经过多次迭代至误差小于设定阈值后，即可得到所述的结构化神经网络模型，网络中各节点之间的权重即为所述性格与各影响因子之间的关系。

全文数据：

权利要求：

百度查询： 北京心数矩阵科技有限公司 一种基于结构化神经网络的性格影响因子分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD