[發明專利]訓練和使用具有關聯規則模型的分類模型的方法

有效

• 申請號: 201080058074.0
• 申請日: 2010-12-07
• 公開（公告）號: CN102667775A
• 公開（公告）日: 2012-09-12
• 發明（設計）人: T·博林格
• 申請（專利權）人: 國際商業機器公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京市中咨律師事務所 11247
• 代理人: 于靜;張亞非

1.一種訓練用于檢測輸入數據中的模式的分類模型的計算機化方法，其中所述模型的訓練包括以下步驟：

取回（100）包含與多個實體關聯的多個項目的先前記錄的輸入數據集合；

向每個實體添加（102）已知分類；

從所述先前記錄的輸入數據集合和所述已知分類來確定（103，104）規則，所述規則將每個實體的分類與該實體的相應項目關聯，其中每個規則包含屬性集合；

針對每個實體而確定（105）可應用哪些規則；

針對每個實體而合計（106）針對該實體確定的所述規則的提升值；以及

將所得到的合計提升值連同關于相應實體和分類的信息一起用作（107）標準分類算法的輸入，該算法的結果是分類模型。

2.如權利要求1的方法，合計步驟進一步包括：

針對每個實體，將在規則標題中具有相同分類的所確定的可應用規則分成相應的組；以及

將具有相同標題的規則的所述提升值彼此相乘。

3.如任一上述權利要求的方法，其中每個規則包含：

作為規則標題的分類；

作為規則主體的項目；以及

其中每個規則的所述屬性集合包含：

提升值；

支持度值；或

信任度值。

4.一種用于將分類模型應用于輸入數據的計算機化方法，其中所述輸入數據包含與實體關聯的多個項目，所述方法包括以下步驟：

針對該實體而檢查（201）來自所述分類模型的規則集合以確定可應用哪些規則；

針對該實體而合計（202，203）為該實體所確定的來自所述分類模型的所述規則的提升值；以及

針對該實體而基于所合計的提升值和所述分類模型來預測（204）分類。

5.如權利要求4的方法，其中合計所述規則的步驟進一步包括：

將在規則標題中具有相同分類的所確定的規則分組（202）；以及

將具有相同標題的規則的所述提升值彼此相乘（203）。

6.如權利要求5的方法，其中將所確定的規則分組的步驟進一步包括：

僅將提升值高于預定閾值的那些規則分組（202）。

7.如任一上述權利要求的方法，其中所述輸入數據是來自制造過程的數據。

8.一種計算機系統，其中所述計算機系統包括：

用于取回包含與多個實體關聯的多個項目的先前記錄的輸入數據集合的構件；

用于向每個實體添加已知分類的構件；

用于通過將每個實體的所述分類與該實體的相應項目關聯而根據所述先前記錄的輸入數據集合和所述已知分類來確定規則的構件，其中每個規則包含屬性集合；

用于針對每個實體而確定可應用哪些規則的構件；

用于針對每個實體而合計針對該實體確定的所述規則的提升值的構件；以及

用于將所得到的合計提升值連同關于相應實體和分類的信息一起用作標準分類算法的輸入的構件，該算法的結果是分類模型。

9.如權利要求8的計算機系統，其中所述計算機系統還包括：

用于根據所述用于針對每個實體而確定可應用哪些規則的構件的輸出，而針對每個實體將在規則標題中具有相同分類的所確定的規則分成相應的組的構件；以及

用于將每個組的具有相同標題的規則的所述提升值彼此相乘的構件。

10.一種用于將分類模型應用于輸入數據的計算機系統，其中所述輸入數據包含與實體關聯的多個項目，所述計算機系統包括：

用于針對該實體而檢查來自所述分類模型的規則集合以確定可應用哪些規則的構件；

用于針對該實體而合計為該實體所確定的來自所述分類模型的所述規則的提升值的構件；以及

用于針對該實體而基于所合計的提升值和所述分類模型來預測分類的構件。

11.如權利要求10的計算機系統，其中所述計算機系統還包括：

用于將在規則標題中具有相同分類的所確定的規則分組的構件；以及

用于將每個組的具有相同標題的規則的所述提升值彼此相乘的構件。

12.一種計算機程序產品，其包含具有計算機可用程序代碼的計算機可用介質，其中所述計算機可用程序代碼適于執行如權利要求1至3的方法。