基于改进型深度学习算法的计算机数据分析

为了实现企业生产运营中大量数据的处理和分析，提出使用分布式文件系统和数据库完成大量数据的存储任务，根据用户需求使用批处理和流处理框架进行数据分析。在数据降维中采用非负矩阵分解的方法，将原始业务数据集映射到低维空间，并引入局部正则化保留数据的部分高维特征。基于深度学习算法建立关系抽取模型，采用BERT模型完成文本信息的实体抽取，编码器中加入前向反馈机制和多头注意力机制。实验表明，系统的分类精度最高达到0.97,算法模型提取出的正确样本条数最多可达到47个。