【技术实现步骤摘要】
一种人工智能服务系统模型的选择方法和结构
本专利申请属于人工智能服务
，更具体地说，是涉及一种融合数据异常检测的人工智能服务系统模型的选择方法和结构。
技术介绍
在线人工智能服务系统接受数据输入，通过机器学习、运筹优化、知识推理等模块，输出决策数据或预测数据。数据输入、模型漏洞等对于系统输出合理性及正确性非常重要。现有技术方案往往重视模型漏洞的填补，例如对抗神经网络，而对输入数据可能出现的数据缺失、异常、噪音考虑不够。系统模块在历史规整数据集上表现良好，而在线上出现不同程度的性能衰退，甚至造成外部重大风险。
技术实现思路
本专利技术需要解决的技术问题是提供一种人工智能服务系统模型的选择方法，可以规避数据输入中的数据缺失、异常、噪音问题。为了解决上述问题，本专利技术所采用的技术方案是：一种人工智能服务系统模型的选择方法，对人工智能服务系统的输入部分的各个模块设计多个模型，通过选择器的筛选规则选取排序最优的模块，使得选取出的模块一方面效果满足需要，另一方面重点依赖的数据项...
【技术保护点】
1.一种人工智能服务系统模型的选择方法，其特征在于：对人工智能服务系统的输入部分的各个模块设计多个模型，通过选择器的筛选规则选取排序最优的模块，使得选取出的模块一方面效果满足需要，另一方面重点依赖的数据项异常概率低于预期。/n
【技术特征摘要】
1.一种人工智能服务系统模型的选择方法，其特征在于：对人工智能服务系统的输入部分的各个模块设计多个模型，通过选择器的筛选规则选取排序最优的模块，使得选取出的模块一方面效果满足需要，另一方面重点依赖的数据项异常概率低于预期。
2.根据权利要求1所述的一种人工智能服务系统模型的选择方法，其特征在于：筛选规则为：选择器根据历史数据计算各输入数据项对各个模型的重要性，结合数据项异常概率，评估各模块各模型的可靠性，最后依据模型数据项重要性，选取最合适的模块内模型，输入部分的排序选择模型的表达式为：wj*sum(1-pi)*qij，其中：j为模型编号，pi为第i项数据异常概率，qij为第i项数据对模型j的重要性，wj为模型j数据项重要性。
3.根据权利要求2所述的一种人工智能服务系统模型的选择方法，其特征在于：筛选过程为：
输入数据经过数据项预处理后进行异常检测，然后通过选择器一选择出若干个机器学习模型，接着将选择出的机器学习模型经过选择器二的二次处理后，输出对应的若干个决策模型，所有的机器学习模型和所有的决策模型在生成后均需结合各自对应的业务模型进行模型数据重要性评估，经过模型数据重要性评估后，符合要求的模型进行数据输出，不符合要求的模型再依次进入选择器一和选择器二中进行处理，依此循环，直到最终筛选出最合适的模块内模型，进行数据输出。
4.根据权利要求1所述的一种人工智能服务系统模型的选择方法，其特征在于：对人工智能服务系统的输出部分，也计算数据项异常概率，如果出...
【专利技术属性】
技术研发人员：张发恩，刘俊龙，周鹏程，
申请(专利权)人：深圳创新奇智科技有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。