概率图形网络制造技术

提供了在探索和优化之间进行平衡的过程，以及应用于密集询问预算的非结构化数据的知识发现过程。在对其特征进行结构化的评估中(例如，在结构化评估中或从非结构化数据中确定并提供评估)，概率图形网络可以将机器学习模型的输入和机器学习模型的输出用图表示为图形元素，其中一个或多个边或节点，或与之相关的值，可以基于输出。例如，当排序实体集在评估期间参与专家系统时，专家系统可以确定并更新表示评估状态的概率图形网络(例如，在一个或多个排名事件之后的某个时间点)，或者(例如，在完成之后)基于由排名实体提供的输入的最终状态和确定的分数。最终状态和确定的分数。最终状态和确定的分数。

【技术实现步骤摘要】
【国外来华专利技术】概率图形网络
相关申请的交叉引用
[0001]本申请是要求于2020年10月1日提交的、申请号为63/086,542的美国临时申请的权益。出于所有目的，上述申请的全部内容通过引用并入本文。

技术介绍

1、领域
[0002]本专利技术总体上涉及人工智能，并且更具体地，涉及利用应用于具有密集询问预算(tight interrogation budgets)的非结构化数据的知识发现过程在探索(exploration)和优化之间的平衡。2、相关技术的描述
[0003]人工智能可采取多种形式，具有各种权衡(trade
‑
offs)和相对强度。示例包括各种形式的机器学习和专家系统。通常，人工智能应用程序经历训练阶段或其他配置阶段，其中，参数是基于训练集配置的，然后是运行时间阶段，其中，训练后的应用程序用于产生响应于运行时间输入的输出。

技术实现思路

[0004]以下是本技术的一些方面的不详尽的清单。在以下公开中描述了这些方面和其他方面。
[0005]一些方面包括在探索和优化之间进行平衡的计算机执行过程以及应用本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种计算机执行的方法，包括：通过计算系统，获得待由多个实体评估的多个特征；通过计算系统，选择特征以呈现给所述实体的第一子集；通过计算系统，接收用于所述特征的多个第一分数和多个第一自然语言文本响应；通过计算系统，从用于所述特征的第一响应中选择所述特征和不同的第一响应的子集，以呈现给所述实体的第二子集；通过计算系统，接收用于所述特征的多个第二分数、多个第二自然语言文本响应，以及在所述第一子集中的相应子集中的响应的多个第一排序；通过计算系统，在非循环图内实例化与所述特征相对应的第一节点和与响应中的相应的响应相对应的多个第二节点；通过计算系统，基于相应的响应的自然语言文本之间的共享分类或确定距离，将所述第一节点通过所述非循环图内的第一边链接到多个所述第二节点中的每一个，并将至少一些第二节点通过所述非循环图内的第二边链接到其他第二节点；通过计算系统，对每个第一边确定基于与相应的第二节点相关联的一个或多个排名的边值；以及通过计算系统，更新对于基于所述非循环图的所述特征的所述第一节点的特征分数，其中，所述特征分数是基于与所述第二节点中的相应第二节点相关联的分数乘以其相应的第一边值的加权。2.根据权利要求1所述的方法，其中：多个所述特征对应于用于评估刺激的评估问题集。3.根据权利要求2所述的方法，其中：对其他所述评估问题中的每一个实例化多个第三节点，对所述刺激实例化第四节点，并且所述第四节点通过相应的边链接到所述第一节点和每个所述第三节点。4.根据权利要求3所述的方法，还包括：通过计算系统，基于所述非循环图更新针对所述刺激的所述第四节点的分数，其中，所述第四节点的分数基于与所述第一节点和所述第三节点中的相应节点相关联的特征分数的加权和。5.根据权利要求1所述的方法，其中：特征集是线性模型的特征，所述非循环图是由概率图形网络模型生成的，并且所述概率图形网络模型是在所述特征集上训练的机器学习模型。6.根据权利要求1所述的方法，其中：特征集包括10个以上特征；对于至少一些所述特征中的每一个接收100个以上的响应；并且每个第一响应的子集包括从用于所述特征的100个以上的响应中选择的10个或更少的响应。7....

【专利技术属性】
技术研发人员：托马斯，
申请(专利权)人：克劳德斯玛特有限公司，
类型：发明
国别省市：