面向科研应用的自动机器学习实现方法、平台及装置制造方法及图纸

本发明专利技术公开了一种面向科研应用的自动机器学习实现方法、平台及装置，其中方法包括：获取用户输入的科研数据，根据科研数据和预设构建的关系图谱生成解决方案；根据解决方案，利用深度学习方法对用户需求进行智能分析，生成规范化的检索表单；基于用户对各科研数据的操作信息，为用户提供个性化的数据推荐服务；结合拖拽式编程与代码编程构建可视化算子，通过可视化算子构建实验的算法流程图，以实现可视化编程与展示；其中，关系图谱通过标签系统与关联系统构建获得。本发明专利技术打破了现有机器学习平台中存在的数据壁垒，有效地提升科研数据的利用率，降低科研人员之间的沟通成本，可广泛应用于机器学习平台技术领域。应用于机器学习平台技术领域。应用于机器学习平台技术领域。

【技术实现步骤摘要】
面向科研应用的自动机器学习实现方法、平台及装置


[0001]本专利技术涉及机器学习平台
，尤其涉及一种面向科研应用的自动机器学习实现方法、平台及装置。

技术介绍

[0002]当下机器学习技术有着广泛的应用前景，相关的机器学习算法也在高速研发中。但由于专业知识方面的限制，很多非机器学习专业的研究者不能很好地将前沿的机器学习算法应用于实际科研业务中。解决该问题的主要方案为设计一个自动机器学习平台，降低机器学习算法的使用门槛，帮助科研人员专注于专业领域内的问题。
[0003]然而目前市场上的机器学习平台产品普遍存在以下问题。以目前主流的机器学习平台为例。在数据方面，平台Baidu Machine Learning与AI Platform不支持基本数据的共享，其中AI Platform虽提供了方案的共享功能却没有完善的方案检索功能。同时，目前所有的机器学习平台中数据间缺少关系图谱的构建，用户难以更进一步地使用关联数据。在可完成的机器学习任务范围方面，平台Baidu Machine Learning与ModelArts目前依赖预置好的任务，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向科研应用的自动机器学习实现方法，其特征在于，包括以下步骤：获取用户输入的科研数据，根据科研数据和预设构建的关系图谱生成解决方案；根据解决方案，利用深度学习方法对用户需求进行智能分析，生成规范化的检索表单；基于用户对各科研数据的操作信息，为用户提供个性化的数据推荐服务；结合拖拽式编程与代码编程构建可视化算子，通过可视化算子构建实验的算法流程图，以实现可视化编程与展示；其中，关系图谱通过标签系统与关联系统构建获得。2.根据权利要求1所述的一种面向科研应用的自动机器学习实现方法，其特征在于，所述科研数据的类别：数据集、模型、算法、论文、实验、博客文档。3.根据权利要求1所述的一种面向科研应用的自动机器学习实现方法，其特征在于，所述解决方案包含了科研数据中关系图谱的构的数据集、模型、算法、论文与实验；所述解决方案是不同种类的科研数据之间的关联关系的描述，并指出这些科研数据的子集完成哪些特定的科研任务。4.根据权利要求1所述的一种面向科研应用的自动机器学习实现方法，其特征在于，还包括以下步骤：当不明确科研数据关联与平台数据库中的数据的关联关系时，用户使用标注系统对该数据进行信息标注；标注内容包含：科研数据的应用领域、应用任务、数据样本格式等一种或者多种；平台数据库基于科研数据的标签信息进行分析，对具有相同标签内容的科研数据进行关联；当明确科研数据关联与平台数据库中的数据的关联关系时，用户使用关联系统直接创建多个科研数据间的关联关系。5.根据权利要求1所述的一种面向科研应用的自动机器学习实现方法，其特征在于，所述操作信息包括：对科研数据的创建、收藏、检索与使用；所述为用户提供个性化的数据推荐服务，包括：用户确定检索范围后，构建并提交规范化的检索表单；记录用户的检索行为，分析检索表单并返回查询结果；通过分析用户对科研数据的操作信息，生成用户画像，并根据用户画像为基础提供个性化的数据推荐服务。6.根据权利要求1所述的一种面向科研应用的自动机器学习实现方法，其特征在于，所述利用深度学习方法对用户需求进行智能分析，生成规范化的检...

【专利技术属性】
技术研发人员：谭明奎，庄壮伟，刘立钊，陈国昊，李振宇，黄尚昕，贺方舟，罗志杰，冯博政，邹博韬，唐润，严笑，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：