[發明專利]基于機器量化盡責的機器學習方法及系統在審
| 申請號： | 202210310458.1 | 申請日： | 2022-03-28 |
| 公開（公告）號： | CN114707659A | 公開（公告）日： | 2022-07-05 |
| 發明（設計）人： | 裘炅;裘瑱寅 | 申請（專利權）人： | 浙江責聯科技有限公司 |
| 主分類號： | G06N20/00 | 分類號： | G06N20/00;G06Q10/06 |
| 代理公司： | 浙江千克知識產權代理有限公司 33246 | 代理人： | 趙芳 |
| 地址： | 310011 浙江省杭州市余杭*** | 國省代碼： | 浙江;33 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 機器 量化 盡責 學習方法 系統 | ||
1.基于機器量化盡責的機器學習方法，其特征在于，包括：
S1.構建與人工智能應用角色相關的責任清單集；
S2.構建基于責任時空的責任信任履責評估函數；
S3.基于履責評估函數對構建的所有責任清單集進行匯總評估，得到評估結果；
S4.基于評估結果以及不同責任清單的權重及規則，得到責任清單的盡責結果。
2.根據權利要求1所述的基于機器量化盡責的機器學習方法，其特征在于，所述步驟S1中責任清單集包括崗位責任集、法律責任集、輔助責任集。
3.根據權利要求1所述的基于機器量化盡責的機器學習方法，其特征在于，所述步驟S2中責任時空包括時間維、空間維、信息維或關系維。
4.根據權利要求1所述的一種基于機器量化盡責的機器學習方法，其特征在于，所述步驟S3中的履責評估函數包括風險函數、學習函數；所述風險函數用于檢測盡責不到位的參數或指標項目；學習函數用于對不到位的參數結合經驗數據、各種學習算法來結合風險函數實現盡責到位。
5.根據權利要求4所述的基于機器量化盡責的機器學習方法，其特征在于，所述學習函數還用于將履責過程數據整理成標準的履責庫。
6.根據權利要求1所述的基于機器量化盡責的機器學習方法，其特征在于，所述步驟S4中還包括基于評估結果以及不同責任清單的權重，得到不盡責的責任清單。
7.根據權利要求1所述的基于機器量化盡責的機器學習方法，其特征在于，所述步驟S4之后還包括：
S5.根據風險因素對履責評估函數優化擬合，得到最終履責評估函數。
8.基于機器量化盡責的機器學習系統，其特征在于，包括：
第一構建模塊，用于構建與人工智能應用角色相關的責任清單集；
第二構建模塊，用于構建基于責任時空的責任信任履責評估函數；
評估模塊，用于基于履責評估函數對構建的所有責任清單集進行匯總評估，得到評估結果；
盡責模塊，用于基于評估結果以及不同責任清單的權重及規則，得到責任清單的盡責結果。
9.根據權利要求8所述的基于機器量化盡責的機器學習系統，其特征在于，所述評估模塊中的履責評估函數包括風險函數、學習函數；所述風險函數用于檢測盡責不到位的參數或指標項目；學習函數用于對不到位的參數結合經驗數據、各種學習算法來結合風險函數實現盡責到位。
10.根據權利要求8所述的基于機器量化盡責的機器學習系統，其特征在于，還包括：
優化模塊，用于根據風險因素對履責評估函數優化擬合，得到最終履責評估函數。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于浙江責聯科技有限公司，未經浙江責聯科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210310458.1/1.html，轉載請聲明來源鉆瓜專利網。
