[发明专利]分类文本以确定用于选择机器学习算法结果的目标类型

权利要求书

1.一种在计算机系统中实现的用于从机器学习算法确定文本的结果的方法，包括：

执行文本的自然语言处理以确定所述文本中的特征以及所述特征的关系；

使用分类器基于所述关系和所述文本的特征对所述文本进行分类以确定多个目标类型中的目标类型；

将来自所述文本的所确定的特征和关系输入到多个不同的机器学习算法中以生成所述文本的结果；

对于所述机器学习算法中的每个机器学习算法，确定由所述机器学习算法产生的性能测量；

确定所述机器学习算法中性能测量与所确定的目标类型高度相关的至少一个机器学习算法；以及

从所确定的至少一个机器学习算法的结果中的至少一个结果中确定结果。

2.根据权利要求1所述的方法，其中所述文本包括问题，并且其中所述结果包括所述问题的答案。

3.根据权利要求1所述的方法，其中所述多个目标类型至少包括准确度、精确度、召回和执行时间中的多个，并且其中所确定的至少一个机器学习算法包括性能测量与所述目标类型高度相关的至少一个机器学习算法。

4.根据权利要求3所述的方法，其中确定所述目标类型包括通过执行所述文本的自然语言处理以确定所述文本中的特征来对所述目标类型中的每个目标类型进行评分，其中所确定的目标类型包括得分最高的目标类型。

5.根据权利要求4所述的方法，其中对所述目标类型进行评分包括：

确定所述文本是否包括提供本体深度的高度特异性的特征，其中响应于确定所述特征提供本体深度的高度特异性而将所述精确度目标类型评分为相对高于其他目标类型。

6.根据权利要求4所述的方法，其中对所述目标类型进行评分包括：

确定所述文本是否包括本体深度具有高度通用性的特征，其中响应于确定所述特征提供本体深度的高度通用性而将所述召回目标类型被评分为相对高于其他目标类型。

7.根据权利要求4所述的方法，其中对所述目标类型进行评分包括：

确定所述文本是否包括包括比较的特征或具有高权重的特征，其中响应于确定所述特征包括比较而将所述精确度目标类型评分为相对高于其他目标类型，以及响应于确定所述特征具有高权重而将所述准确度目标类型评分为相对高于其他目标类型。

8.根据权利要求4所述的方法，其中对所述目标类型进行评分包括：

确定所述文本是否具有包括与相关特征的大小相关的数量的特征，所述相关特征包括身体状况，其中响应于确定所述特征包括与身体状况的大小相关的数量而将所述准确度目标类型评分为相对高于其他目标类型。

9.根据权利要求4所述的方法，其中对所述目标类型进行评分包括：

确定所述文本是否具有指示深度搜索或特定答案的特征，其中响应于确定所述特征指示特定答案而将所述执行时间目标类型评分更高，并且其中响应于确定所述特征指示深度搜索而将所述执行时间目标类型评分更低。

10.根据权利要求4所述的方法，其中所述操作还包括：

响应于确定所述目标类型，处理所述文本中的所确定的特征以确定与所确定的目标类型无关的特征；以及

移除所述文本中与所述目标类型无关的所确定的特征，其中输入所确定的特征包括输入未从所述文本中移除的所确定的特征。

11.根据权利要求1所述的方法，其中所述操作还包括：

组合来自多个机器学习算法的结果以产生满足所确定的目标类型的结果，并且使用对所述结果进行评分、多数表决或提升中的至少一种来从所述组合结果中进行选择。

12.一种用于从机器学习算法确定文本的结果的系统，包括：

处理器；以及

包含有计算机可读程序代码的计算机可读存储介质，所述计算机可读程序代码在由所述处理器执行时执行根据权利要求1至11中任一项所述的方法的操作。