[发明专利]用于对数据集进行推荐和定价的方法和系统

说明书

技术领域

本发明总体上涉及机器学习的领域，并且还涉及对数据集进行推荐和定价。

背景技术

作为人工智能的一个分支的机器学习涉及能够从数据进行学习的系统的构造和研究。例如，机器学习系统能够在电子邮件消息上得到训练以学会在垃圾邮件和非垃圾邮件消息之间进行区分。在学习之后，机器学习系统则能够被用来将新的电子邮件消息归类到垃圾邮件和非垃圾邮件文件夹中。

机器学习算法的一种常规示例是Bayes分类器，其基于应用具有强()独立性假设的Bayes定理。Bayes分类器假设在给定类型变量的情况下，特定特征的存在与否与任意其它特征的存在与否无关。

发明内容

本发明的实施例公开了一种方法、计算机程序产品和系统，其中计算机处理器提供了至少包括第一数据集的数据集集合，其中该数据集的集合中的每个数据集分别被配置为允许该数据集根据多种变化进行呈现，其中每种变化由对至少一种变换的选择来定义。该计算机处理器接收与第一数据集的至少第一变化相关的顾客反馈信息。该计算机处理器至少部分地基于该顾客反馈信息而训练第一机器学习算法。该计算机处理器通过该第一机器学习算法来执行营销行为。该营销行为包括以下的至少一项：(i)定义第一数据集的新的变化，(ii)定义用于定义第一数据集的变化的新的变换，(iii)推荐第一数据集的预定义变化，和(iv)对第一数据集的预定义变化进行定价。

附图说明

图1是图示依据本发明实施例的数据处理环境的功能框图。

图2是描绘依据本发明实施例的用于对数据集的变化进行推荐和定价的供应商程序的操作步骤的流程图。

图3是描绘依据本发明实施例的供应商程序的一个方面的操作步骤的流程图。

图4描绘了依据本发明实施例的执行供应商程序的计算机系统的组件的框图。

具体实施方式

本发明的实施例认识到：(i)以电子方式存储的数据的集合(这里称作“数据集”)可以进行买卖；(ii)仅列举几个示例，数据集可能涉及气象数据、人口统计数据、调查结构、销售指数(sale figure)或顾客购买；(iii)数据集可能在范围、详细程度、质量、覆盖范围等方面有所不同；(iv)给定数据集可以被组织为许多不同变化之一，每种变化具有不同特性并且可能具有不同的市场价值；(v)基于内容的价格确定方法对产品的属性进行分析并且通过创建兴趣简档而对顾客的偏好进行建模；(vi)基于内容的方法可能无法应用于数据集的购买和销售；以及(vii)数据集变化(“变化”是指其中对数据集应用了至少一种“变换”的数据集版本)在与给定顾客已经拥有的数据集高度类似的情况下对于该顾客而言可能不太有价值。

本发明的一些实施例可以包括以下的一个或多个特征、特性和/或优势：(i)一种至少部分基于顾客购买历史推荐数据集的机制；(ii)一种用于至少部分基于顾客购买历史确定数据集的价格的机制；(iii)一种至少部分基于顾客购买历史确定数据集的“修改器(modifier)”的机制；(iv)一种至少部分基于顾客购买历史推荐数据集的现有“修改器”的机制；和/或(v)一种至少部分基于顾客购买历史对数据集的“修改器”进行定价的机制。

更宽泛地，本发明的一些实施例基于顾客反馈信息对机器学习算法进行训练，上述顾客反馈信息因此被定义为从数据集的顾客或潜在顾客所接收回的任意信息。顾客反馈信息的一些示例包括(并非局限于此)：(i)顾客或潜在顾客针对数据集变化已经支付或被提供支付的价格；(ii)顾客或潜在顾客对数据集变化的评估；和/或顾客或潜在顾客有关数据集变化的推测评论。

如本领域技术人员将会意识到的，本发明的各方面可以采用完全硬件实施例、完全软件实施例(包括固件、驻留软件、微代码等)或者将软件和硬件方面相结合的实施例的形式，它们在这里全部都可以被称作“电路”、“模块”或“系统”。此外，本发明的各方面可以采用以具有记录于其上的计算机可读程序代码/指令的一个或多个计算机可读介质的计算机程序产品所体现的计算机程序产品的形式。