[發(fā)明專利]機器學習查詢處理系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201880063315.7
• 申請日: 2018-09-25
• 公開（公告）號: CN111356998A
• 公開（公告）日: 2020-06-30
• 發(fā)明（設計）人: 丹尼爾·喬布林;格倫·摩根;保羅·沙德爾;安德魯·邁
• 申請（專利權）人: 國際聯合航空集團股份有限公司
• 主分類號: G06F16/903
• 分類號: G06F16/903;G06N20/00
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 李艷;臧建明

1.一種方法，包括：

在計算機網絡中的第一計算設備處存儲定義本地預測模型的數據，所述數據包括：

-從所述計算機網絡中的遠程服務器接收的第一組訓練參數值，所述第一組訓練參數值保持多個易腐單元的至少一個與時間有關的屬性，

-從所述計算機網絡中的第二計算設備接收的第二組訓練參數值，以及

-由所述第一計算設備生成的第三組本地參數值；

由所述第一計算設備應用機器學習模型，以至少基于與所述第一計算設備相關聯的數據來計算經訓練的本地預測模型的更新的參數值；和

由所述第一計算設備使用所述經訓練的本地預測模型來處理數據查詢，以識別至少一個易腐單元并預測這個或每個識別的易腐單元的所述至少一個時間查詢屬性的值。

2.根據權利要求1所述的方法，其中，使用所述經訓練的本地預測模型的更新的參數值和從所述第一計算設備的存儲器中檢索的數據來處理所述數據查詢。

3.根據權利要求2所述的方法，其中，所述數據查詢還包括查詢屬性，所述查詢屬性包括從所述第一計算設備的所述存儲器檢索的數據。

4.根據權利要求3所述的方法，其中，所述查詢屬性還包括從多個不同的數據源檢索的數據。

5.根據權利要求3或4所述的方法，其中，使用所述本地預測模型的更新的參數來處理所述數據查詢進一步識別出預測的查詢類型。

6.根據任一前述權利要求所述的方法，還包括：將表示所述數據查詢的查詢屬性的查詢向量初始化，并將所述查詢向量作為輸入傳遞給所述經訓練的預測模型。

7.根據任一前述權利要求所述的方法，其中，所述數據查詢由所述第一計算設備從所述網絡上的不同計算設備接收。

8.根據任一前述權利要求所述的方法，進一步包括將預測的輸出作為反饋提供給所述第一計算設備的查詢處理控制器。

9.根據任一前述權利要求所述的方法，進一步包括由所述第一計算設備將所述本地預測模型的更新的第一組參數發(fā)送到所述遠程服務器。

10.根據任一前述權利要求所述的方法，其中，預測的值是所識別的易腐單元的概率、啟發(fā)式和確定性屬性中的一個或多個。

11.根據任一前述權利要求所述的方法，其中，所述第三組本地參數值由所述第一計算設備利用隨機值來初始化。

12.根據任一前述權利要求所述的方法，其中，基于包括與所述第一計算設備相關聯數據的訓練數據集來計算所述經訓練的本地預測模型的更新的參數值。

13.根據權利要求13所述的方法，其中，所述訓練數據集包括與多個易腐單元相關聯的元數據。

14.根據權利要求13所述的方法，其中，所述訓練數據集還包括與所述數據集中的所述多個易腐單元的元數據相關聯的輸出屬性。

15.根據權利要求12至14中的任一項所述的方法，其中，所述訓練數據集包括：

從所述遠程服務器接收的第一數據子集；

從所述第二計算設備接收的第二數據子集；以及

從所述第一計算設備的本地存儲器檢索的第三數據子集。

16.根據任一前述權利要求所述的方法，其中與所述第一計算設備相關聯的所述數據包括位置數據、日歷數據、加速度計數據、陀螺儀數據、用戶設置、第三方應用程序數據和設備類型中的一個或多個。

17.根據任一前述權利要求所述的方法，其中，所述第一組訓練參數值中的對應參數值的加權值由所述第三組本地參數值定義。