[发明专利]基于人工智能的建议的解释

说明书

提供了有关人工智能建议解释的技术。例如，本文描述的一个或多个实施例可以包括一种系统，该系统可以包括可以存储计算机可执行组件的存储器。该系统还可以包括处理器，该处理器可操作地耦合到存储器，并且可以执行存储在存储器中的计算机可执行组件。所述计算机可执行组件可以包括：组合组件，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，并且将所述第一类和所述第一解释进行组合以产生第一增强标签和包括所述第一训练数据集的第二训练数据集，所述第二训练数据集包括第一特征向量和第一增强标签；分类器，其在第二训练数据集上训练的，其分析第二特征向量并生成第二增强标签；分解组件，使用分类器分解第二增强标签，以生成第二类和第二解释。

背景技术

一个或多个实施例涉及使用电子设备的决策，并且更具体地，涉及使用人工智能技术的决策。

发明内容

以下给出了发明内容，以提供对本公开的一个或多个实施例的基本理解。该发明内容并非旨在标识关键或重要元素，也不旨在描绘特定实施例的任何范围或权利要求的任何范围。其唯一目的是以简化的形式呈现概念，作为稍后呈现的具体实施方式的序言。在本文描述的一个或多个实施例中，描述了可以使用人工智能技术自主地提供建议和解释的系统、计算机实现的方法、装置和/或计算机程序产品。

根据一个实施例，提供了一种系统。该系统可以包括存储计算机可执行组件的存储器。该系统还可以包括处理器，该处理器可操作地耦合到存储器，并且可以执行存储在存储器中的计算机可执行组件。所述计算机可执行组件可以包括：训练组件，其可以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，其可以将第一类和第一解释进行组合，以产生第一增强标签和第二训练数据集，该第二训练数据集包括第一特征向量和第一增强标签；在第二训练数据集上训练的分类器，可以分析第二特征向量并生成第二增强标签；分解组件，其可以使用分类器分解第二增强标签，以生成第二类和第二解释。

优选地，本发明提供一种系统，其中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。

优选地，本发明提供一种系统，其中第一解释至少部分地由众包过程提供，以提高处理效率。

优选地，本发明提供一种系统，其中使用多类机器学习算法来训练分类器。

优选地，本发明提供一种系统，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、分层学习算法或随机森林算法。

优选地，本发明提供一种系统，其中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。

优选地，本发明提供一种系统，其中第二解释使用与与第一数据集相关联的字段有关的一个或多个技术术语。

根据一个或多个示例实施例，提供了一种计算机实现的方法。该计算机实现的方法包括：通过可操作地耦合到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，以及并且通过可操作地耦合到处理器的组合组件来组合第一类和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处理器的分解组件，使用分类器分解第二增强标签，以生成第二类和第二解释。

优选地，本发明提供一种计算机实现的方法，其中，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。

优选地，本发明提供一种计算机实现的方法，其中，第一解释至少部分地由众包过程提供，以提高处理效率。

优选地，本发明提供一种计算机实现的方法，其中，所述分类器基于多类机器学习模型。