[發明專利]預測影響物理系統的事件

在審

• 申請號: 201811587905.8
• 申請日: 2018-12-25
• 公開（公告）號: CN109977987A
• 公開（公告）日: 2019-07-05
• 發明（設計）人: X·格勒昂
• 申請（專利權）人: 達索系統公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 永新專利商標代理有限公司 72002
• 代理人: 劉瑜;王英

1.一種用于預測物理系統的事件的新發生的計算機實現的方法，包括：

-提供(S10)所述物理系統的過去事件的第一集合，每個過去事件包括若干屬性；

-針對所述第一集合中的每個過去事件提供(S20)簽名；

-提供(S30)包括若干屬性的新事件；

-計算(S40)所述新事件的簽名；

-在所述新事件的簽名與所述第一集合中的每個過去事件的每個簽名之間計算(S50)相似性測量；

-根據所述相似性測量來確定(S60)最接近所述新事件的所述過去事件，從而形成過去事件的第二集合；

-針對所述第二集合的每個屬性計算(S70)相關性得分；

-通過選擇具有更高相關性得分的屬性來提供(S80)屬性集合。

2.如權利要求1所述的計算機實現的方法，其中，所述相關性得分針對其被計算的所述第二集合的屬性存在于所述第一集合和所述第二集合兩者中。

3.如權利要求2所述的計算機實現的方法，其中，屬性的所述相關性得分是通過將屬性的值在所述第二集合上的分布概率與屬性的值在所述第一集合上的分布概率進行比較來計算的。

4.如權利要求1至3中任一項所述的計算機實現的方法，其中，針對所述第一集合中的每個過去事件并且針對所述新事件提供簽名包括針對所述第一集合中的每個過去事件并且針對所述新事件提供數字矢量。

5.如權利要求4所述的計算機實現的方法，其中，提供簽名包括：

-利用過去事件的第三集合來訓練機器學習模型；

-對所述第一集合中的每個過去事件并且對所述新事件應用所述機器學習模型。

6.如權利要求5所述的計算機實現的方法，其中，所訓練的模型是上下文敏感的自動編碼器。

7.如權利要求1至6中任一項所述的計算機實現的方法，其中，用于確定最接近所述新事件的所述過去事件的相似性度量是以下中的一個：

-余弦相似度；

-歐幾里德距離；

-逆歐幾里德距離。

8.如權利要求1至7中任一項所述的計算機實現的方法，其中，屬性包括至少一個結構化屬性。

9.如權利要求8所述的計算機實現的方法，其中，屬性還包括至少一個非結構化屬性。

10.如權利要求8或9所述的計算機實現的方法，其中，所述相關性得分是僅利用結構化屬性的值來計算的。

11.如權利要求1至10中任一項所述的計算機實現的方法，還包括在形成過去事件的第二集合之后進行以下操作：

-計算所述第二集合中的過去事件的至少一個子集；

并且其中，計算所述相關性得分還包括：

-針對所述第二集合中的過去事件的所述至少一個子集中的每個屬性計算所述相關性得分。

12.如權利要求1至11中任一項所述的計算機實現的方法，其中，所述第一集合中的所述過去事件和所述新事件是由相同屬性描述的。

13.如權利要求1至12中任一項所述的計算機實現的方法，其中，所述新事件和所述新事件的簽名與所述過去事件和所述過去事件的簽名一起被存儲，從而變成過去事件。

14.一種計算機程序，包括用于執行如權利要求1-13中任一項所述的方法的指令。

15.一種系統，包括耦合到存儲器的處理器，所述存儲器上記錄有如權利要求14所述的計算機程序。