[发明专利]异构数据流上的利用-探索

权利要求书

1.一种计算系统，所述计算系统使用分流利用-探索模型在异构数据流上实施机器学习，所述计算系统包括：

一个或多个处理器；

一个或多个计算机可读介质，其上具有计算机可执行指令，所述计算机可执行指令被构造成使得当由所述一个或多个处理器执行时使所述计算系统基于异构数据流执行用于机器学习的方法，所述方法包括：

接收多种数据类型的异构事件数据流的动作；

将所述异构事件数据流的所述事件数据中的至少一些事件数据特征化到公共特征维度空间的动作；以及

将特征化的事件数据的流分流成被导向探索的部分以及基于当前的机器理解分流成被导向利用的部分的动作，使用所述特征化的事件数据的被导向所述探索的所述部分中的至少一些数据来对被导向所述探索的所述部分执行机器学习。

2.根据权利要求1所述的计算系统，所述接收、所述特征化和所述分流的动作被重复执行。

3.根据权利要求1所述的计算系统，所述接收、所述特征化和所述分流的动作被连续执行。

4.根据权利要求1所述的计算系统，针对多个数据流中的每个数据流，所述方法被执行多次。

5.根据权利要求1所述的计算系统，所述计算系统还包括：

机器学习高速缓存，其累积向探索分流的多个特征化的事件数据，以使得机器学习使用所述特征化的事件数据的集合而被执行。

6.根据权利要求1所述的计算系统，将朝向探索分流的所述特征化的事件数据作为事件数据流来执行对分流所述特征化的事件数据执行的所述机器学习。

7.根据权利要求1所述的计算系统，其中所述分流的平衡动态地改变。

8.根据权利要求1所述的计算系统，其中利用由利用组件执行，所述利用组件选自利用组件库，所述利用组件能够与所述利用组件库的另一利用组件切换。

9.根据权利要求1所述的计算系统，其中探索由探索组件执行，所述探索组件选自探索组件库，所述探索组件能够与所述探索组件库的另一探索组件切换。

10.一种用于基于异构数据流的机器学习的方法，所述方法包括：

接收多种数据类型的异构事件数据流的动作；

将所述异构事件数据流的事件数据中的至少一些事件数据特征化到公共特征维度空间的动作；以及

将特征化的事件数据的流分流成被导向探索的部分以及基于当前的机器理解分流成被导向利用的部分的动作，使用所述特征化的事件数据的被导向所述探索的所述部分中的至少一些数据来对被导向所述探索的所述部分执行机器学习。