基于机器学习的文档编辑引擎制造技术

提供了一种用于基于机器学习的文档编辑的方法。该方法可以包括从客户端接收与文档相关联的一个或多个输入。可以通过至少用机器学习模型处理一个或多个输入来生成在文档中包括和/或排除条款、条目和/或行项目的推荐。可以向客户端提供在文档中包括和/或排除条款、术语和/或行项目的推荐。还提供了相关的系统和制品，包括计算机程序产品。

Document Editing Engine Based on Machine Learning

【技术实现步骤摘要】
基于机器学习的文档编辑引擎
本文描述的主题一般涉及机器学习，更具体地涉及基于机器学习的文档编辑器。
技术介绍
企业的操作可以产生各种电子文档，包括例如购买订单、销售合同、许可协议等。每个电子文档可以包括结构化数据，例如，以键值对的形式。键值对中的键可以是识别对应的值的字符串值。同时，键值中的值可以是任何类型的数据，包括例如字符串、数组、布尔值、数字、对象等。可以基于底层(underlying)结构化数据将电子文档存储在数据存储库中和/或从数据存储库中检索电子文档。
技术实现思路
提供了用于基于机器学习的文档编辑的系统、方法和制品，包括计算机程序产品。在一个方面，提供了一种系统。该系统可以包括至少一个数据处理器和至少一个存储器。至少一个存储器可以存储指令，该指令在由至少一个数据处理器运行时引起操作。该操作可以包括：从客户端接收与第一文档相关联的一个或多个输入；通过至少用机器学习模型处理一个或多个输入来生成在第一文档中包括和/或排除第一内容的推荐；以及向客户端提供在第一文档中包括和/或排除第一内容的推荐。在一些变化中，本文公开的包括以下特征的一个或多个特征能够选择性地被包括在任何可行的组合中本文档来自技高网...

【技术保护点】
1.一种系统，包括：至少一个数据处理器；和至少一个存储器，其存储指令，当所述指令由所述至少一个数据处理器运行时，引起包括以下的操作：从客户端接收与第一文档相关联的一个或多个输入；通过至少用机器学习模型处理所述一个或多个输入来生成在第一文档中包括和/或排除第一内容的推荐；以及向客户端提供所述在第一文档中包括和/或排除所述第一内容的推荐。

【技术特征摘要】
2018.02.27 US 15/907,2371.一种系统，包括：至少一个数据处理器；和至少一个存储器，其存储指令，当所述指令由所述至少一个数据处理器运行时，引起包括以下的操作：从客户端接收与第一文档相关联的一个或多个输入；通过至少用机器学习模型处理所述一个或多个输入来生成在第一文档中包括和/或排除第一内容的推荐；以及向客户端提供所述在第一文档中包括和/或排除所述第一内容的推荐。2.如权利要求1所述的系统，其中，所述一个或多个输入包括与第一文档相关联的属性和/或被包括在第一文档中的第二内容。3.如权利要求2所述的系统，其中所述第一内容和/或所述第二内容包括结构化数据。4.如权利要求1所述的系统，还包括：通过至少用所述机器学习模型处理训练数据来训练所述机器学习模型，所述训练数据包括存储第二文档的第二内容和与第二文档相关联的属性之间的至少一个映射的第一矩阵，所述训练数据还包括存储第二文档的第二内容与外部因素之间的至少一个映射的第二矩阵。5.如权利要求4所述的系统，其中，所述外部因素包括当前事件、市场数据和/或政府法规。6.如权利要求4所述的系统，其中，训练所述机器学习模型以识别所述第二文档的第二内容、所述第二文档的属性和/或所述外部因素之间的至少一个相关性。7.如权利要求6所述的系统，其中，所述机器学习模型包括至少一个内核，所述至少一个内核与一个或多个权重和偏差相关联，并且所述至少一个内核被配置为通过至少将一个或多个权重和偏差应用到第一矩阵和/或第二矩阵来识别所述至少一个相关性。8.如权利要求7所述的系统，其中，所述机器学习模型的训练包括调整与所述至少一个内核相关联的一个或多个权重和/或偏差，并且其中调整所述一个或多个权重和/或偏差以至少最小化所述第二文档的第二内容、所述第二文档的属性和/或所述外部因素之间的至少一个相关性的识别中的误差。9.如权利要求8所述的系统，其中，所述一个或多个权重和/或偏差的调整包括梯度下降和/或误差的反向传播。10.如权利要求1所述的系统，其中，所述机器学习模型包括回归模型、基于实例的模型、正则化模型、决策树、贝叶斯模型、聚类模型、关联模型、神经网络、深度学习模型、维数降低模型和/或集合模型。11.一种计算机实施的方法，包括...

【专利技术属性】
技术研发人员：D班纳吉，PK戈文达帕，D赫尔曼，KHV苏德亨德拉，S吉纳达塔，A塔姆巴利，P甘尼森，A萨克西纳，G拉西，B拉古纳斯安，HB克里斯南，
申请(专利权)人：SAP欧洲公司，
类型：发明
国别省市：德国,DE