(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210568173.8 (22)申请日 2022.05.24 (71)申请人 南京铉盈网络科技有限公司 地址 210000 江苏省南京市雨 花台区宁双 路19号云密城2号楼13层 申请人 南京智盈人工智能研究院有限公司 (72)发明人 张洁　周扬　周维杰　 (74)专利代理 机构 南京中盟科创知识产权代理 事务所 (特殊普通合伙) 32279 专利代理师 孙丽君 (51)Int.Cl. G06F 40/289(2020.01) G06F 40/216(2020.01) G06F 40/30(2020.01)G06F 16/33(2019.01) (54)发明名称 一种基于改进SNM算法在审判辅助事物的数 据清洗方法 (57)摘要 本发明公开了一种基于改进SNM算法在审判 辅助事物的数据清洗方法， 该数据清洗方法包括 以下步骤： S1、 根据窗口的影响因素确定窗口的 初始值； S2、 利用非参数归回方式估算窗口的概 率密度， 并判定窗口的阈值； S3、 对窗口内数据集 进行匹配， 根据匹配结果判定是否对窗口大小进 行调节； S4、 根据步长计算公式， 确定窗口的调整 步长； S5、 对窗口进行分词、 近似字提取及进行连 词， 依次赋予权重值为M1、 M2及M3， 并确认数据是 否为相似数据。 本发明图形准确率和效率都有明 显提升， 数据量越大， 效果越明显， 改进后的算法 可以节省40%以上的时间， 准确率 提高60%。 权利要求书2页 说明书5页 附图2页 CN 115034215 A 2022.09.09 CN 115034215 A 1.一种基于改进SNM算法在审判辅助事物的数据清洗方法， 其特征在于， 该数据清洗方 法包括以下步骤： S1、 根据窗口 的影响因素确定窗口 的初始值； S2、 利用非参数归回方式估算窗口 的概率密度， 并判定窗口 的阈值； S3、 对窗口内数据集进行匹配， 根据匹配结果判定是否对窗口大小 进行调节； S4、 根据步长计算公式， 确定窗口 的调整步长； S5、 对窗口进行分词、 近似字提取及进行连词， 依次赋予权重值为M1、 M2及M3， 并确认数 据是否为相似数据。 2.根据权利要求1所述的一种基于改进SNM算法在审判辅助事物的数据清洗方法， 其特 征在于， 所述 根据窗口 的影响因素确定窗口 的初始值还 包括以下步骤： S11、 确定窗口影响因素； S12、 设窗口 的数据集大小为 ， 窗口的数据相似度对比次数为 Wi‑1； S13、 根据比对结果将窗口调整到合理范围， 并确定窗口 的初始值。 3.根据权利要求1所述的一种基于改进SNM算法在审判辅助事物的数据清洗方法， 其特 征在于， 所述影响因素包括数据集大小与数据质量。 4.根据权利要求1所述的一种基于改进SNM算法在审判辅助事物的数据清洗方法， 其特 征在于， 所述利用非参数归回方式估算窗口的概率密度， 并判定窗口的阈值还包括以下步 骤： S21、 利用非参数归回方式估算窗口 的概率密度； S22、 计算概率密度， 并确定拒绝 域； S23、 根据拒绝 域的分布情况计算阈值。 5.根据权利要求1所述的一种基于改进SNM算法在审判辅助事物的数据清洗方法， 其特 征在于， 所述对窗口内数据集进行匹配， 根据匹配结果判定是否对窗口大小进行调节还包 括以下步骤： S31、 设窗口内数据集为 ， 对 进行比 对 ， 并依次计算 的大小； S32、 当比对至 ， 若 ， 则根据比对结果将窗口进行调整； S33、 若 ， 则根据比对结果将窗口进行调整； 其中， 式中 均为数据集， 为窗口值的大小， 为窗口值的 最小相似阈值， 为窗口值的最大相似阈值。 6.根据权利要求1所述的一种基于改进SNM算法在审判辅助事物的数据清洗方法， 其特 征在于， 所述 根据比对结果将窗口进行调整还 包括以下步骤： 若 ， 则扩大窗口； 若 ， 则缩小窗口。 7.根据权利要求1所述的一种基于改进SNM算法在审判辅助事物的数据清洗方法， 其特 征在于， 所述 根据步长计算公式， 确定窗口 的调整步长还 包括以下步骤：权　利　要　求　书 1/2 页 2 CN 115034215 A 2S41、 确定窗口的大小， 并根据扩大步长与缩小步长的计算公式， 计算 中 第m个和第m+n个的窗口值大小； S42、 确定是否调大窗口值的最小相似阀值。 8.根据权利要求1所述的一种基于改进SNM算法在审判辅助事物的数据清洗方法， 其特 征在于， 所述扩大步长的计算公式如下： 式中， 为窗口值的最小相似阈值， 为窗口值的大小， W 为步长。 9.根据权利要求1所述的一种基于改进SNM算法在审判辅助事物的数据清洗方法， 其特 征在于， 所述缩短步长的计算公式如下： ； 式中， 为窗口值的最大相似阈值， 为窗口值的大小， W 为步长。 10.根据权利要求1所述的一种基于改进SNM算法在审判辅助事物的数据清洗方法， 其 特征在于， 所述确认数据是否为相似数据公式如下： 式中， 为相似度， S1与S2均为数据， M1、 M2及M3均为权重值。权　利　要　求　书 2/2 页 3 CN 115034215 A 3