[发明专利]基于人工智能的建议的解释

权利要求书

1.一种系统，包括：

存储器，其存储计算机可执行组件；

处理器，可操作地耦合到所述存储器，其执行存储在所述存储器中的计算机可执行组件，其中，所述计算机可执行组件包括：

训练组件，其接收包括第一特征向量、第一类和第一解释的第一训练数据集，以及

组合组件，其组合所述第一类和所述第一解释以产生第一增强标签和第二训练数据集，所述第二训练数据集包括所述第一特征向量和所述第一增强标签；

分类器，其在第二训练数据集上训练，其分析第二特征向量并生成第二增强标签；以及

分解组件，其使用所述分类器分解所述第二增强标签，以生成第二类和第二解释。

2.如权利要求1所述的系统，其中，所述第一解释包括以下中的一个或多个：数字、文本字符串、图像文件、音频文件或视频文件。

3.如权利要求1所述的系统，其中所述第一解释是至少部分地由众包过程提供，以提高处理效率。

4.如权利要求1所述的系统，其中，使用多类机器学习算法来训练所述分类器。

5.如权利要求1所述的系统，其中，所述多类机器学习算法包括支持向量机器学习算法、最近邻居机器学习算法、深度学习算法、极限分类算法、递归学习算法、分层式学习算法或随机森林算法。

6.如权利要求1所述的系统，其中，所述第二解释的复杂度度量小于或等于与用户相关联的复杂度能力度量。

7.如权利要求1所述的系统，其中，所述第二解释使用与与所述第一数据集相关联的字段有关的一个或多个技术术语。

8.一种计算机实现的方法，包括：

使用处理器执行存储在存储器中的计算机可执行指令来执行以下操作：

通过可操作地耦合到所述处理器的训练组件来接收包括第一特征向量、第一类和第一解释的第一训练数据集，并且通过可操作地耦合到所述处理器的组合组件来组合所述第一类和所述第一解释以产生第一增强标签和包括第一特征向量和第一增强标签的第二训练数据集；

通过可操作地耦合到所述处理器的建议组件，使用在第二训练数据集上训练的分类器来分析第二特征向量并生成第二增强标签；以及

通过可操作地耦合到所述处理器的分解组件，使用所述分类器分解所述第二增强标签，以生成第二类和第二解释。

9.如权利要求8所述的计算机实现的方法，其中，所述第一解释包括数字、文本字符串、图像文件、音频文件或视频文件中的一个或多个。

10.如权利要求8所述的计算机实现的方法，其中所述第一解释至少部分地由众包过程提供，以提高处理效率。

11.如权利要求8所述的计算机实现的方法，其中，所述分类器基于多类机器学习模型。

12.如权利要求8所述的计算机实现的方法，其中所述多类机器学习算法包括支持向量机器学习算法、最近邻居机器学习算法、深度学习算法、极限分类算法、递归学习算法、分层式学习算法或随机森林算法。

13.如权利要求8所述的计算机实现的方法，其中，所述第二解释的复杂度度量小于或等于与用户相关联的复杂度能力度量。

14.如权利要求8所述的计算机实现的方法，其中，所述第二解释使用与与所述第一数据集相关联的字段有关的一个或多个技术术语。