[发明专利]一种用于多义性数据对象预测建模的机器学习方法

权利要求书

1.一种用于多义性数据对象进行预测建模的机器学习方法，包括以下步骤：

(1)如果预测模型尚未建立，执行步骤2，否则转入步骤5；

(2)获取多义性数据对象的多义信息，每个对象由多个向量进行特征表示且对应于若干概念标记；

(3)使用构造性聚类的方法生成分类模型的第一层结构，以反映数据集中数据对象的空间分布信息；

(4)基于生成的第一层结构，采用预设的分类方法学习得到第二层的分类结构；

(5)利用得到的两层预测模型对多义性数据进行预测并给出预测结果；

(6)结束。

2.根据权利要求1所述的用于多义性数据对象进行预测建模的机器学习方法，其特征是步骤(3)中，首先随机选取训练集中的若干对象对聚类中心进行初始化，然后通过一个循环体不断优化聚类结果，该循环体的每一轮内嵌了两个子循环：

(1)第一个子循环考察训练集中每个对象与各聚类中心之间的距离，在该子循环的每一轮中，找出与所考察对象距离最近的聚类中心，并将所考察对象置于与该聚类中心对应的集合中；

(2)第二个子循环重置所有的聚类中心，在该子循环的每一轮中，将与当前集合中所有对象具有最小平均距离的对象作为新的聚类中心；

在第二个子循环结束以后，如果所有的聚类中心均未发生变化，则结束步骤(3)，否则返回第一个子循环继续聚类过程。

3.根据权利要求1所述的用于多义性数据对象进行预测建模的机器学习方法，其特征是步骤(4)中，包含了两个循环体：

(1)第一个循环体利用聚类所得的结果将训练集中的每个对象由多个向量的表示形式转化为单个向量的表示形式；其中，向量的每一维对应于所考察对象与各聚类中心之间的距离；

(2)第二个循环体使用第一个循环体所得的结果生成相应的分类结构；在该循环的每一轮中，首先构造与当前语义类别对应的一个训练集，然后基于该训练集利用预设的分类方法学习得到与该语义类别对应的分类器；

在上述两个循环结束以后，结合所得的所有分类器构成最终的预测模型。