基于机器学习的分析平台制造技术

本公开的实施例涉及基于机器学习的分析平台。一种设备可以接收与多个发票相关的发票数据、与多个请购单相关的请购单数据或与多个工程相关的工程数据。设备可以使用特征提取引擎来处理数据，以标识数据的特征。设备可以使用变换引擎来处理数据，以减小数据的大小。设备可以使用机器学习模型的集合来处理数据。设备可以生成与以下中的至少一者相关的推荐的集合：将多个发票中的每一个、多个请购单中的每一个或多个工程中的每一个分类为多种类别中的一种或多种；针对多个请购单中的每一个或多个工程中的每一个标识可能的供应方的集合；或针对多个工程中的每一个标识相似工程的集合。设备可以执行一个或多个动作。

【技术实现步骤摘要】
基于机器学习的分析平台
本公开的实施例涉及机器学习，更具体地涉及基于机器学习的分析平台。
技术介绍
不同类型的机器学习算法与不同类型的数据输入和输出相关联和/或与不同类型的任务或问题相关联。一种机器学习算法是监督或半监督机器学习算法，其中，模型是由包含输入和期望输出二者的数据集构造的。另一机器学习算法是无监督机器学习算法，其中，模型是由仅包含输入的数据集构造的。另一机器学习算法是强化学习算法，其中，软件代理被配置为在环境中采取动作，以使累积回报的某一概念最大化。
技术实现思路
根据一些实现，一种方法可以包括：由设备接收数据，其中该数据包括以下中的至少一者：与关联于组织的多个发票相关的发票数据、与关联于组织的多个请购单相关的请购单数据或者与关联于组织的多个工程相关的工程数据；由设备在接收到数据之后使用预处理技术来处理数据，其中该预处理技术包括以下中的至少一者：图像处理技术或者文本处理技术；由设备在使用预处理技术来处理数据之后使用特征提取引擎来处理数据，以标识数据的特征；由设备在使用特征提取引擎来处理数据之后使用变换引擎来处理数本文档来自技高网...

【技术保护点】
1.一种方法，包括：/n由设备接收数据，/n其中所述数据包括以下中的至少一者：/n与关联于组织的多个发票相关的发票数据，/n与关联于所述组织的多个请购单相关的请购单数据，或者/n与关联于所述组织的多个工程相关的工程数据；/n由所述设备在接收到所述数据之后使用预处理技术来处理所述数据，/n其中所述预处理技术包括以下中的至少一者：/n图像处理技术，或者/n文本处理技术；/n由所述设备在使用所述预处理技术来处理所述数据之后使用特征提取引擎来处理所述数据，以标识所述数据的特征；/n由所述设备在使用所述特征提取引擎来处理所述数据之后使用变换引擎来处理所述数据，以减小所述数据的大小；/n由所述设备在使用所...

【技术特征摘要】
20190301 US 16/290,3961.一种方法，包括：
由设备接收数据，
其中所述数据包括以下中的至少一者：
与关联于组织的多个发票相关的发票数据，
与关联于所述组织的多个请购单相关的请购单数据，或者
与关联于所述组织的多个工程相关的工程数据；
由所述设备在接收到所述数据之后使用预处理技术来处理所述数据，
其中所述预处理技术包括以下中的至少一者：
图像处理技术，或者
文本处理技术；
由所述设备在使用所述预处理技术来处理所述数据之后使用特征提取引擎来处理所述数据，以标识所述数据的特征；
由所述设备在使用所述特征提取引擎来处理所述数据之后使用变换引擎来处理所述数据，以减小所述数据的大小；
由所述设备在使用所述变换引擎来处理所述数据之后使用机器学习模型的集合来处理所述数据，
其中所述机器学习模型的集合与以下中的至少一者相关：
将与所述发票数据相关联的所述多个发票中的每个发票、与所述请购单数据相关联的所述多个请购单中的每个请购单或与所述工程数据相关联的所述多个工程中的每个工程分类为与所述组织的操作相关联的多种类别中的一种或多种类别，
针对与所述请购单数据相关联的所述多个请购单中的每个请购单或与所述工程数据相关联的所述多个工程中的每个工程标识可能的供应方的集合，或者
针对与所述工程数据相关联的所述多个工程中的每个工程标识相似工程的集合；以及
由所述设备在使用所述机器学习模型的集合来处理所述数据之后执行一个或多个动作。


2.根据权利要求1所述的方法，还包括：
基于来自所述机器学习模型的集合的输出，针对所述多个发票中的每个发票、所述多个请购单中的每个请购单或所述多个工程中的每个工程确定分数的集合，
其中所述分数的集合指示以下中的至少一者：
所述多个发票中的每个发票、所述多个请购单中的每个请购单或所述多个工程中的每个工程要被分类为的所述多种类别中的所述一种或多种类别，
针对所述多个请购单中的每个请购单或所述多个工程中的每个工程的所述可能的供应方的集合，或者
针对所述多个工程中的每个工程的所述相似工程的集合。


3.根据权利要求2所述的方法，还包括：
基于所述分数的集合，生成与以下中的至少一者相关的推荐的集合：
对所述多个发票进行分类，
标识所述可能的供应方的集合，
标识所述相似工程的集合，或者
执行所述一个或多个动作。


4.根据权利要求1所述的方法，其中所述机器学习模型的集合包括以下中的至少一者：
梯度提升机器学习模型，或者
广义线性模型。


5.根据权利要求1所述的方法，其中执行所述一个或多个动作包括：
生成包括信息的报告，所述信息标识以下中的至少一者：
所述多种类别中的所述一种或多种类别，
所述可能的供应方的集合，或者
所述相似工程的集合；以及
在生成所述报告之后经由客户端设备输出所述报告以供显示。


6.根据权利要求1所述的方法，其中执行所述一个或多个动作包括：
基于与所述可能的供应方的集合相关联的相应分数，选择所述可能的供应方的集合中的供应方，
其中所述相应分数从所述机器学习模型的集合被输出；以及
在选择所述供应方之后，向与所述供应方相关联的采购系统发送针对一个或多个项目的电子订单。


7.根据权利要求6所述的方法，其中执行所述一个或多个动作包括：
向与递送所述一个或多个项目相关联的车辆发送标识针对所述一个或多个项目的递送位置的信息。


8.一种设备，包括：
一个或多个存储器；以及
一个或多个处理器，所述一个或多个处理器被通信地耦合至所述一个或多个存储器，所述一个或多个处理器用以：
接收数据，
其中所述数据与关联于组织的多个发票、多个请购单或多个工程相关；
在接收到所述数据之后使用预处理技术来处理所述数据，
其中所述预处理技术包括以下中的至少一者：
图像处理技术，或者
文本处理技术；
在使用所述预处理技术来处理所述数据之后使用特征提取引擎来处理所述数据，以标识所述数据的特征；
在使用所述特征提取引擎来处理所述数据之后使用变换引擎来处理所述数据，以减小所述数据的大小；
在使用所述变换引擎来处理所述数据之后使用机器学习模型的集合来处理所述数据，
其中所述机器学习模型的集合与以下中的至少一者相关：
将所述多个发票中的每个发票、所述多个请购单中的每个请购单或所述多个工程中的每个工程分类为与所述组织的操作相关联的多种类别中的一种或多种类别，
针对所述多个请购单中的每个请购单或所述多个工程中的每个工程标识可能的供应方的集合，或者
针对所述多个工程中的每个工程标识相似工程的集合；
基于来自所述机器学习模型的集合的输出，确定针对所述数据的分数，
其中所述分数标识所述多种类别中的所述一种或多种类别、所述可能的供应方的集合或所述相似工程的集合；以及
在确定所述分数之后执行一个或多个动作。


9.根据权利要求8所述的设备，其中...

【专利技术属性】
技术研发人员：V·德塞，R·苏布拉玛尼安，S·德索托，R·F·普拉卡什，
申请(专利权)人：埃森哲环球解决方案有限公司，
类型：发明
国别省市：爱尔兰;IE