【技术实现步骤摘要】
本申请涉及计算机，尤其涉及一种推荐操作的解释方法、系统、计算机集群、计算机可读存储介质、计算机程序产品。
技术介绍
1、随着人工智能(artificial intelligence，ai)的不断发展，产生了数据驱动的人工智能算法。数据驱动的ai算法的一个典型示例为机器学习(machine learning，ml)算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、语音和手写识别、战略游戏和机器人等领域。
2、机器学习算法从数据中自动分析获得规律的前提是对从数据源中提取的数据进行处理或预处理，得到用于分析/应用的理想数据输出。该处理或预处理的过程也称作数据准备(data preparation)。数据准备是指从不同的数据源中提取数据、进行数据清洗、格式转换、数据丰富和/或数据融合，并载入到数据库，供应用程序分析、应用的综合过程。
3、在数据准备场景中，一般会基于当前数据/数据特征/数据特征/交互信息/历史操作记录等数据，通过数据挖掘、机器学习等算法，推荐后续一步/多步操作，或者基于输入输出的样例数据推荐中间步骤的操作。
4、目前，数据准备系统通常使用自然语言对所推荐出的操作定义进行阐述，或者是基于采样样本展示操作后数据变化的预览，以实现对推荐操作的解释。然而，这种解释方法与推荐的过程无关，该解释方法可以应用于任何操作，即便不是推荐操作，其解释方法也完全一致，与推荐的算法过程毫无关系。
5、由于得
技术实现思路
1、本申请提供了一种推荐操作的解释方法，该方法根据确定推荐操作的过程中产生的中间结果，生成对推荐操作的解释并向用户展示该解释，从而直观地向用户说明确定推荐操作的依据，解决了对于推荐操作的解释仅针对操作定义和操作所能造成的影响，与推荐操作的确定过程无关的问题，使得用户对于推荐操作的过程和结果有了依据，便于用户进行后续操作的选择，提高了可用性。本申请还提供了与上述方法对应的数据准备系统、计算机集群、计算机可读存储介质以及计算机程序产品。
2、第一方面，本申请提供了一种推荐操作的解释方法。该方法可以由数据准备系统执行。数据准备系统可以为软件系统，该软件系统可以部署在计算机集群中，计算机集群通过执行该软件系统的程序代码，从而执行本申请的推荐操作的解释方法。在一些实施例中，数据准备系统可以是硬件系统。例如，数据准备系统可以是具有数据准备功能的计算机集群，该数据准备系统可以为一台或多台计算机。
3、具体地，数据准备系统确定待解释的推荐操作，然后获取确定该推荐操作的过程中产生的中间结果，接着根据中间结果，向用户展示对该推荐操作的解释，该对推荐操作的解释根据中间结果生成。
4、在该方法中，数据准备系统根据确定推荐操作的过程中产生的中间结果，生成对推荐操作的解释，并向用户展示该解释，直观地向用户说明确定推荐操作的依据。该方法向用户展示的推荐操作的解释与推荐操作的确定过程有关，使得用户对于推荐操作的过程和结果有了依据，便于用户进行后续操作的选择，提高了数据准备系统的可用性。
5、在一些可能的实现方式中，中间结果可以包括推荐操作关联的代表性数据、推荐操作关联的历史记录或推荐操作关联的数据特征中的一个或多个。其中，推荐操作关联的历史记录可以包括历史操作、用户对历史操作的反馈或用户对历史操作推荐结果的反馈中的一种或多种。
6、在该方法中，数据准备系统可以获取多种中间结果，例如代表性数据、历史记录、数据特征，如此，数据准备系统可以生成多种对应的对推荐操作的解释，丰富了对推荐操作的解释的类型，便于用户理解推荐操作。
7、在一些可能的实现方式中，中间结果可以包括推荐操作关联的代表性数据、推荐操作关联的历史记录或推荐操作关联的数据特征，当数据准备系统未保存中间结果时，数据准备系统可以根据推荐操作或推荐操作的推荐参数，从数据源中确定代表性数据、历史记录或数据特征，以获取确定该推荐操作的过程中产生的中间结果。
8、数据准备系统可以根据推荐操作、推荐操作的推荐参数，通过反向查询或计算的方式确定该推荐操作的过程中产生的中间结果，以便根据中间结果生成对推荐操作的解释，而不必在确定推荐操作的过程中保存上述中间结果，节省了存储空间，降低了数据准备系统对硬件的要求，可用性较高。
9、在一些可能的实现方式中，中间结果可以包括推荐操作关联的代表性数据，数据准备系统可以根据中间结果，定位代表性数据，并向用户展示该代表性数据。
10、针对中间结果为推荐操作关联的代表性数据的情况，数据准备系统通过定位并展示该代表性数据，可以方便用户直观查看代表性数据，避免遗漏有价值的信息。
11、在一些可能的实现方式中，数据准备系统还可以向用户展示针对代表性数据应用推荐操作的结果。
12、在该方法中，数据准备系统通过展示代表性数据和代表性数据应用推荐操作后的结果，可以使得用户对推荐操作的作用有直观了解，有效辅助用户选择合适的推荐操作对数据进行处理或预处理。
13、在一些可能的实现方式中，中间结果可以包括推荐操作关联的历史记录，数据准备系统可以根据推荐操作关联的历史记录，通过自然语言生成对该推荐操作的解释，向用户展示对所述推荐操作的解释；或者，数据准备系统可以通过罗列方式，向用户展示推荐操作关联的历史记录，以对该推荐操作进行解释；或者，数据准备系统可以标记当前页面中推荐操作的操作记录，向用户展示标记的操作记录，以对该推荐操作进行解释。
14、针对中间结果为推荐操作关联的历史记录的情况，数据准备系统通过自然语言、罗列、标记等方式中的一种或多种向用户展示对推荐操作的解释，加深用户对数据操作使用习惯的认识，以便用户快速理解推荐依据。
15、在一些可能的实现方式中，中间结果可以包括推荐操作关联的数据特征，数据准备系统可以根据推荐操作关联的数据特征，通过自然语言生成对推荐操作的解释，向用户展示对该推荐操作的解释；或者，数据准备系统可以通过罗列方式，向用户展示推荐操作关联的数据特征，以对该推荐操作进行解释；或者，数据准备系统可以标记当前页面中已有的数据特征，向用户展示标记的数据特征，以对该推荐操作进行解释。
16、针对中间结果为推荐操作关联的数据特征的情况，数据准备系统通过自然语言、罗列、标记等方式中的一种或多种向用户展示对该推荐操作的解释，使得用户直观地了解推荐依据和算法过程，便于用户选择符合自身需求的推荐操作。
17、在一些可能的实现方式中，数据特征可以包括统计特征、元数据或数据模式中的一种本文档来自技高网...
【技术保护点】
1.一种推荐操作的解释方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述中间结果包括所述推荐操作关联的代表性数据、所述推荐操作关联的历史记录或所述推荐操作关联的数据特征中的一个或多个，所述推荐操作关联的历史记录包括历史操作、用户对所述历史操作的反馈或用户对历史操作推荐结果的反馈中的一种或多种。
3.根据权利要求2所述的方法，其特征在于，所述中间结果包括所述推荐操作关联的代表性数据、所述推荐操作关联的历史记录或所述推荐操作关联的数据特征，当所述数据准备系统未保存所述中间结果时，所述获取数据准备系统确定所述推荐操作的过程中产生的中间结果，包括：
4.根据权利1至3任一项所述的方法，其特征在于，所述中间结果包括所述推荐操作关联的代表性数据，所述根据所述中间结果，向用户展示对所述推荐操作的解释，包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1至3任一项所述的方法，其特征在于，所述中间结果包括所述推荐操作关联的历史记录，所述根据所述中间结果，向用户展示对所述推荐操
7.根据权利要求1至3任一项所述的方法，其特征在于，所述中间结果包括所述推荐操作关联的数据特征，所述根据所述中间结果，向用户展示对所述推荐操作的解释，包括：
8.根据权利要求7所述的方法，其特征在于，所述数据特征包括统计特征、元数据或数据模式中的一种或多种。
9.根据权利要求1至8任一项所述的方法，其特征在于，所述方法还包括：
10.根据权利要求9所述的方法，其特征在于，当所述推荐操作包括多个操作时，所述用户对所述推荐操作的反馈包括所述用户对所述多个操作的选择。
11.根据权利要求10所述的方法，其特征在于，所述用户对所述推荐操作的反馈还包括所述用户对所述推荐操作的推荐参数的修改。
12.一种数据准备系统，其特征在于，所述系统包括：
13.根据权利要求12所述的系统，其特征在于，所述中间结果包括所述推荐操作关联的代表性数据、所述推荐操作关联的历史记录或所述推荐操作关联的数据特征中的一个或多个，所述推荐操作关联的历史记录包括历史操作、用户对所述历史操作的反馈或用户对历史操作推荐结果的反馈中的一种或多种。
14.根据权利要求13所述的系统，其特征在于，所述中间结果包括所述推荐操作关联的代表性数据、所述推荐操作关联的历史记录或所述推荐操作关联的数据特征，所述获取模块具体用于：
15.根据权利12至14任一项所述的系统，其特征在于，所述中间结果包括所述推荐操作关联的代表性数据，所述交互模块具体用于：
16.根据权利要求15所述的系统，其特征在于，所述交互模块还用于：
17.根据权利要求12至14任一项所述的系统，其特征在于，所述中间结果包括所述推荐操作关联的历史记录，所述交互模块具体用于：
18.根据权利要求12至14任一项所述的系统，其特征在于，所述中间结果包括所述推荐操作关联的数据特征，所述交互模块具体用于：
19.根据权利要求18所述的系统，其特征在于，所述数据特征包括统计特征、元数据或数据模式中的一种或多种。
20.根据权利要求12至19任一项所述的系统，其特征在于，所述交互模块还用于：
21.根据权利要求20所述的系统，其特征在于，当所述推荐操作包括多个操作时，所述用户对所述推荐操作的反馈包括所述用户对所述多个操作的选择。
22.根据权利要求21所述的方法，其特征在于，所述用户对所述推荐操作的反馈还包括所述用户对所述推荐操作的推荐参数的修改。
23.一种计算机集群，其特征在于，所述计算机集群包括至少一台计算机，所述至少一台计算机包括至少一个处理器和至少一个存储器，所述至少一个存储器中存储有计算机可读指令；所述至少一个处理器执行所述计算机可读指令，以使得所述计算机集群执行如权利要求1至11中任一项所述的方法。
24.一种计算机可读存储介质，其特征在于，包括计算机可读指令；所述计算机可读指令用于实现权利要求1至11任一项所述的方法。
25.一种计算机程序产品，其特征在于，包括计算机可读指令；所述计算机可读指令用于实现权利要求1至11任一项所述的方法。
...【技术特征摘要】
1.一种推荐操作的解释方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述中间结果包括所述推荐操作关联的代表性数据、所述推荐操作关联的历史记录或所述推荐操作关联的数据特征中的一个或多个，所述推荐操作关联的历史记录包括历史操作、用户对所述历史操作的反馈或用户对历史操作推荐结果的反馈中的一种或多种。
3.根据权利要求2所述的方法，其特征在于，所述中间结果包括所述推荐操作关联的代表性数据、所述推荐操作关联的历史记录或所述推荐操作关联的数据特征，当所述数据准备系统未保存所述中间结果时，所述获取数据准备系统确定所述推荐操作的过程中产生的中间结果，包括：
4.根据权利1至3任一项所述的方法，其特征在于，所述中间结果包括所述推荐操作关联的代表性数据，所述根据所述中间结果，向用户展示对所述推荐操作的解释，包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1至3任一项所述的方法，其特征在于，所述中间结果包括所述推荐操作关联的历史记录，所述根据所述中间结果，向用户展示对所述推荐操作的解释，包括：
7.根据权利要求1至3任一项所述的方法，其特征在于，所述中间结果包括所述推荐操作关联的数据特征，所述根据所述中间结果，向用户展示对所述推荐操作的解释，包括：
8.根据权利要求7所述的方法，其特征在于，所述数据特征包括统计特征、元数据或数据模式中的一种或多种。
9.根据权利要求1至8任一项所述的方法，其特征在于，所述方法还包括：
10.根据权利要求9所述的方法，其特征在于，当所述推荐操作包括多个操作时，所述用户对所述推荐操作的反馈包括所述用户对所述多个操作的选择。
11.根据权利要求10所述的方法，其特征在于，所述用户对所述推荐操作的反馈还包括所述用户对所述推荐操作的推荐参数的修改。
12.一种数据准备系统，其特征在于，所述系统包括：
13.根据权利要求12所述的系统，其特征在于，所述中间结果包括所述推荐操作关联的代表性数据、所述推荐操作关联的历史记录或所述推荐...
【专利技术属性】
技术研发人员：方靓芸，魏子恒，
申请(专利权)人：华为云计算技术有限公司，
类型：发明
国别省市：
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。