[發明專利]一種基于大數據的機器學習引擎方法

在審

• 申請號: 202010630063.0
• 申請日: 2020-07-03
• 公開（公告）號: CN111832746A
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 孫曉偉
• 申請（專利權）人: 閎約深美江蘇信息技術開發有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06F16/25
• 代理公司: 南京鼎傲知識產權代理事務所(普通合伙) 32327
• 代理人: 劉藹民

本發明公開了一種基于大數據的機器學習引擎方法，獲取外界環境信息、外界環境信息集合、信息處理、創建學習信息大數據庫、建立學習知識庫、獲取機器學習任務、創建交互式學習系統、獲取新的學習知識、利用新學知識執行任務，本發明在創建機器學習信息大數據庫時，通過對大數據進行劃分和分類的形式，使后續識別機器學習任務信息時能夠在大數據庫中快速的找尋與之相對應的學習知識，且通過分類的形式來使學習知識分類成學習知識鏈，使得后續機器學習時能夠將其學習任務快速的與對應的學習知識鏈進行對應，以此來防止學習任務與對應任務的學習知識之間產生差錯，進而提高機器學習的整體學習質量和學習效果。

技術領域

本發明涉及機器學習技術領域，具體為一種基于大數據的機器學習引擎方法。

背景技術

機器學習是人工智能的一個核心研究領域，是一種利用系統本身進行自我改進的過程，在這個過程中計算機程序的性能隨著經驗的積累而不斷提高，專家、學者們不斷提出了各種學習任務算法，這些算法大大提高了計算機從大量數據中提取特征并發現隱含規律的能力，數據挖掘和分析中的機器學習方法的應用越來越廣泛，機器學習模型的效果會隨著所處理的數據規模越大而越好；

但是機器學習時，由于大數據中的數據信息量十分復雜，導致機器學習過程中無法在信息量龐大的數據庫中快速的找尋與學習任務相匹配的知識信息，不僅降低了機器學習的速度，同時由于大數據內知識信息量的龐大而導致機器學習的效率和效果降低。

發明內容

本發明提供一種基于大數據的機器學習引擎方法，可以有效解決上述背景技術中提出但是機器學習時，由于大數據中的數據信息量十分復雜，導致機器學習過程中無法在信息量龐大的數據庫中快速的找尋與學習任務相匹配的知識信息，不僅降低了機器學習的速度，同時由于大數據內知識信息量的龐大而導致機器學習的效率和效果降低的問題。

為實現上述目的，本發明提供如下技術方案：一種基于大數據的機器學習引擎方法，包括如下步驟：

S1、獲取外界環境信息；

S2、外界環境信息集合；

S3、信息處理；

S4、創建學習信息大數據庫；

S5、建立學習知識庫；

S6、獲取機器學習任務；

S7、創建交互式學習系統；

S8、獲取新的學習知識；

S9、利用新學知識執行任務。

基于上述技術方案，所述S1中，獲取外界環境信息，通過信息采集元件來獲取外部環境中的知識信息；

所述S2中，外界環境信息集合，將信息采集元件所獲取的外部環境中的知識信息數據進行集合，使散亂的外部環境信息形成集體。

基于上述技術方案，所述S3中，信息處理，在外部環境信息集合后，通過知識信息處理器來對環境信息進行濾、排序、關聯查詢、拆分和數據對比處理，使外部環境信息整合成機器學習的知識；

所述S4中，創建學習信息大數據庫，將經過信息處理器處理后的學習知識信息通過局域網上傳至數據庫中，使獲取的環境信息進行集中，生成學習信息大數據庫。

基于上述技術方案，所述S5中，建立學習知識庫，具體包括如下步驟：

A、根據學習信息領域和類型進行分類；

B、依照領域分類生成學習子知識庫；

C、按照次序生成學習數據鏈；

D、自定義標簽。