[發明專利]基于人工智能的自動化建模方法及裝置

在審

• 申請號: 202010965902.4
• 申請日: 2020-09-15
• 公開（公告）號: CN112101567A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 洪萬福;錢智毅;余松福
• 申請（專利權）人: 廈門淵亭信息科技有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06K9/62;G06F16/35
• 代理公司: 北京鼎承知識產權代理有限公司 11551
• 代理人: 顧可嘉;夏華棟

為了解決現有機器學習建模門檻高的問題，本公開提供了一種基于人工智能的自動化建模方法及裝置，降低機器學習建模的門檻。一種基于人工智能的自動化建模方法，包括：生成模型訓練方案選擇頁面，模型訓練方案選擇頁面中每個可選擇的模型訓練方案關聯適用于該模型訓練方案的算法模型；獲取用戶從模型訓練方案選擇頁面中選擇的目標模型訓練方案；獲取訓練樣本；根據訓練樣本訓練目標模型訓練方案所關聯的算法模型，以生成用戶所需的目標模型。實施本申請的基于人工智能的自動化建模方法或采用本申請的基于人工智能的自動化建模裝置建模，可以降低機器學習建模的門檻。

技術領域

本公開涉及建模領域，尤其涉及一種基于人工智能的自動化建模方法及裝置。

背景技術

在典型的機器學習應用程序中，從業者必須執行算法選擇和超參數優化，以最大化機器學習模型的預測性能。但由于相關步驟超出了非專家的能力，導致機器學習建模的門檻高，不利于機器學習建模的推廣與普及。

發明內容

為了解決上述技術問題中的至少一個，本公開提供了一種基于人工智能的自動化建模方法及裝置，降低機器學習建模的門檻。

本公開的第一方面，一種基于人工智能的自動化建模方法，包括：

生成模型訓練方案選擇頁面，模型訓練方案選擇頁面中每個可選擇的模型訓練方案關聯適用于該模型訓練方案的算法模型；

獲取用戶從模型訓練方案選擇頁面中選擇的目標模型訓練方案；

獲取訓練樣本；

根據訓練樣本訓練目標模型訓練方案所關聯的算法模型，以生成用戶所需的目標模型。

可選的，方法包括：

根據模型所需識別的內容，確定模型類別及適用于該模型類別的算法模型；

根據模型類別，生成該模型類別的模型訓練方案，并將該模型類別的模型訓練方案與適用于該模型類別的算法模型關聯。

可選的，模型訓練方案選擇頁面中的模型訓練方案包括以下模型訓練方案中的一種或兩種以上：自然語言處理模型訓練方案、視覺模型訓練方案、翻譯模型訓練方案、數值分析模型訓練方案和多媒體模型訓練方案。

可選的，獲取訓練樣本包括：

獲取特征數據集；

將所述特征數據集中未打標簽的特征數據打上標簽；

以所有打有標簽的特征數據作為訓練樣本。

可選的，方法包括：

展示訓練樣本中的特征數據及其標簽；

獲取特征數據的標簽修改數據；

根據標簽修改數據修改所述標簽修改數據所對應的特征數據的標簽。

本公開的第二方面，一種基于人工智能的自動化建模裝置，包括：

頁面生成模塊，用于生成模型訓練方案選擇頁面，模型訓練方案選擇頁面中每個可選擇的模型訓練方案關聯適用于該模型訓練方案的算法模型；

方案獲取模塊，用于獲取用戶從模型訓練方案選擇頁面中選擇的目標模型訓練方案；

樣本獲取模塊，用于獲取訓練樣本；

模型生成模塊，用于根據訓練樣本訓練目標模型訓練方案所關聯的算法模型，以生成用戶所需的目標模型。

可選的，裝置還包括：

模型類別確定模塊，用于根據模型所需識別的內容，確定模型類別及適用于該模型類別的算法模型；