[發明專利]基于人工智能的建議的解釋

在審

• 申請號: 201980031846.2
• 申請日: 2019-05-07
• 公開（公告）號: CN112189204A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: M·J·希恩德;M·S·坎貝爾
• 申請（專利權）人: 國際商業機器公司
• 主分類號: G06N3/02
• 分類號: G06N3/02;G06K9/62;G06N20/00
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 吳信剛

提供了有關人工智能建議解釋的技術。例如，本文描述的一個或多個實施例可以包括一種系統，該系統可以包括可以存儲計算機可執行組件的存儲器。該系統還可以包括處理器，該處理器可操作地耦合到存儲器，并且可以執行存儲在存儲器中的計算機可執行組件。所述計算機可執行組件可以包括：組合組件，其接收包括第一特征向量、第一類和第一解釋的第一訓練數據集，并且將所述第一類和所述第一解釋進行組合以產生第一增強標簽和包括所述第一訓練數據集的第二訓練數據集，所述第二訓練數據集包括第一特征向量和第一增強標簽；分類器，其在第二訓練數據集上訓練的，其分析第二特征向量并生成第二增強標簽；分解組件，使用分類器分解第二增強標簽，以生成第二類和第二解釋。

背景技術

一個或多個實施例涉及使用電子設備的決策，并且更具體地，涉及使用人工智能技術的決策。

發明內容

以下給出了發明內容，以提供對本公開的一個或多個實施例的基本理解。該發明內容并非旨在標識關鍵或重要元素，也不旨在描繪特定實施例的任何范圍或權利要求的任何范圍。其唯一目的是以簡化的形式呈現概念，作為稍后呈現的具體實施方式的序言。在本文描述的一個或多個實施例中，描述了可以使用人工智能技術自主地提供建議和解釋的系統、計算機實現的方法、裝置和/或計算機程序產品。

根據一個實施例，提供了一種系統。該系統可以包括存儲計算機可執行組件的存儲器。該系統還可以包括處理器，該處理器可操作地耦合到存儲器，并且可以執行存儲在存儲器中的計算機可執行組件。所述計算機可執行組件可以包括：訓練組件，其可以接收包括第一特征向量、第一類和第一解釋的第一訓練數據集；以及組合組件，其可以將第一類和第一解釋進行組合，以產生第一增強標簽和第二訓練數據集，該第二訓練數據集包括第一特征向量和第一增強標簽；在第二訓練數據集上訓練的分類器，可以分析第二特征向量并生成第二增強標簽；分解組件，其可以使用分類器分解第二增強標簽，以生成第二類和第二解釋。

優選地，本發明提供一種系統，其中第一解釋包括以下中的一個或多個：數字、文本字符串、圖像文件、音頻文件或視頻文件。

優選地，本發明提供一種系統，其中第一解釋至少部分地由眾包過程提供，以提高處理效率。

優選地，本發明提供一種系統，其中使用多類機器學習算法來訓練分類器。

優選地，本發明提供一種系統，其中所述多類機器學習算法包括支持向量機器學習算法、最近鄰居機器學習算法、深度學習算法、極限分類算法、遞歸學習算法、分層學習算法或隨機森林算法。

優選地，本發明提供一種系統，其中第二解釋的復雜度度量小于或等于與用戶相關聯的復雜度能力度量。

優選地，本發明提供一種系統，其中第二解釋使用與與第一數據集相關聯的字段有關的一個或多個技術術語。

根據一個或多個示例實施例，提供了一種計算機實現的方法。該計算機實現的方法包括：通過可操作地耦合到處理器的訓練組件來接收包括第一特征向量、第一類和第一解釋的第一訓練數據集，以及并且通過可操作地耦合到處理器的組合組件來組合第一類和第一解釋以產生第一增強標簽和包括第一特征向量和第一增強標簽的第二訓練數據集；通過可操作地耦合到處理器的建議組件，使用在第二訓練數據集上訓練的分類器來分析第二特征向量并生成第二增強標簽；以及通過可操作地耦合到處理器的分解組件，使用分類器分解第二增強標簽，以生成第二類和第二解釋。

優選地，本發明提供一種計算機實現的方法，其中，第一解釋包括數字、文本字符串、圖像文件、音頻文件或視頻文件中的一個或多個。

優選地，本發明提供一種計算機實現的方法，其中，第一解釋至少部分地由眾包過程提供，以提高處理效率。

優選地，本發明提供一種計算機實現的方法，其中，所述分類器基于多類機器學習模型。