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：厦门市和家健脑智能科技有限公司;福建中医药大学

摘要：本发明提出了一种基于智能模型小数据量样本自动优化量表的方法及装置，该方法包括：初始化步骤，设计具有N个问题的量表，其中，每个问题的编号为QI；预处理步骤，通过客户端采集用户对所述量表的作答结果并处理为一特征向量；压缩步骤，使用多个不同的机器学习模型对所述特征向量进行处理后将所述N个问题压缩为M个问题以形成新的量表，其中，M≤N。本发明通过多个机器学习对设计的量表的题目作答情况进行分析处理，逐步删除掉对评价结果影响较小或带来噪音的问题，有效的降低量表的问题的数量，且保证每次减少问题的时尽量减少去掉该问题带来的准确率的下降，本发明的目的是为了能够降低问题的数量，但是不降低整个问卷的有效性。

主权项：1.一种基于智能模型小数据量样本自动优化量表的方法，其特征在于，该方法包括：初始化步骤，设计具有N个问题的量表，其中，每个问题的编号为QI；预处理步骤，通过客户端采集用户对所述量表的作答结果并处理为一特征向量，所述作答结果包括作答字符、作答数值、作答时间响应、空值和缺失值；压缩步骤，构建K个不同的机器学习模型，所述K个不同的机器学习模型的综合准确率为ScoreN，针对每一个问题QI，从所述K个不同的机器学习模型的模型中选择最优的5个机器学习模型对样本数据进行处理，计算所述最优的5个机器学习模型中的每个模型的中该问题QI对应的特征的重要列得分；根据所述最优的5个机器学习模型中的每个模型计算的该问题QI的单项得分进行排序，其中，QI的得分为QI_j中重要列得分按降序排前5的机器学习模型得分的平均值；取得分最高的N-1个问题QI，去掉其余的问题，组合成新量表，使用所述N-1个问题QI对应的特征向量对K个不同的机器学习模型进行重训练，此时，K个不同的机器学习模型的综合准确率为ScoreN-1，判断ScoreN-ScoreN-1是否小于一阈值，同时和初始Score0相比，ScoreN–Score0也小于该阈值，如果是，则使用N-1个问题组合成的新量表发布后供用户作答后再执行预处理步骤和压缩步骤，直到将所述问题的个数压缩到M个，其中K≥50，M≤N。

全文数据：

权利要求：

百度查询： 厦门市和家健脑智能科技有限公司 福建中医药大学 一种基于智能模型小数据量样本自动优化量表的方法及装置