[發明專利]用于確定分段的混合式主動機器學習系統和方法

在審

• 申請號: 201880018481.5
• 申請日: 2018-03-15
• 公開（公告）號: CN110419057A
• 公開（公告）日: 2019-11-05
• 發明（設計）人: 茍良;H·楊
• 申請（專利權）人: 維薩國際服務協會
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 錢慰民;張鑫

1.一種方法，包括：

由計算機從由多個個體執行的交易獲得交易數據；

由所述計算機獲得與所述多個個體的子集相關聯的標簽數據，所述標簽數據將一個或多個標簽分配到所述子集的每個個體；

由所述計算機使用所述交易數據和所述標簽數據執行半監督機器學習過程；

由所述計算機生成可視化數據，所述可視化數據基于所述半監督機器學習過程并且顯示給用戶，所述可視化數據表示所述多個個體的一個或多個分段；

由所述計算機從與所述可視化數據對應的用戶接收用戶反饋；以及

由所述計算機使用所述用戶反饋、所述交易數據和所述標簽數據執行所述半監督機器學習過程。

2.根據權利要求1所述的方法，還包括由所述計算機基于所述標簽數據將所述多個個體分割成一個或多個個體分段，每個個體分段中的每個個體與所述標簽數據中的特定標簽相關聯。

3.根據權利要求1所述的方法，還包括由所述計算機基于所述交易數據確定初始特征集，所述初始特征集包括針對所述多個個體中的每個個體的初始特征集，

其中，所述半監督機器學習過程包括基于所述初始特征集和所述標簽數據確定更新特征集，所述更新特征集包括針對所述多個個體中的每個個體的更新特征集，并且

其中，所述可視化數據的生成基于所述更新特征集和所述標簽數據。

4.根據權利要求3所述的方法，其中，所述初始特征集的確定基于深度嵌入式模型或自動編碼器過程。

5.根據權利要求3所述的方法，還包括由所述計算機執行以下各項中的一個或多個：基于所述更新特征集的t-分布隨機鄰域嵌入聚類過程，基于所述更新特征集的雙聚類過程，和基于所述更新特征集的統計概略化過程，以及對與所述交易數據相關聯的元數據的剖析過程，其中，所述可視化數據的生成基于以下各項中的一個或多個：所述t-分布隨機鄰域嵌入聚類過程、所述統計概略化過程、所述統計概略化過程以及所述剖析過程。

6.根據權利要求3所述的方法，其中，所述半監督機器學習過程包括梯形網絡過程，所述梯形網絡過程使用基于所述初始特征集和所述更新特征集之一的無監督機器學習過程，以及基于所述初始特征集和所述更新特征集之一和所述標簽數據和所述用戶反饋中的一個或多個的監督學習過程。

7.根據權利要求1所述的方法，還包括由所述計算機基于所述用戶反饋修改所述標簽數據，其中，響應于接收所述用戶反饋而執行的所述半監督機器學習過程基于根據所述用戶反饋修改的所述標簽數據。

8.根據權利要求7所述的方法，其中，所述用戶反饋包括將第一標簽應用到所述可視化數據中表示的第一個體的第一命令或從所述第一個體移除所述第一標簽的第二命令。

9.根據權利要求1所述的方法，還包括：

由所述計算機基于所述半監督機器學習過程執行聚類算法，以確定所述多個個體的個體聚類；以及

由所述計算機基于第一個體與第一個體聚類之間的距離修改與所述第一個體相關聯的標簽數據。

10.根據權利要求1所述的方法，其中，所述交易數據包括圖像識別數據或語音識別數據。