[发明专利]进行关于作业工序的学习的机器学习方法和机器学习装置

权利要求书

1.一种机器学习方法，其进行与各自包含至少一个种类的单位作业的多个不同的作业工序有关的学习，其特征在于，

对所述多个不同的作业工序中包含的全部的所述单位作业进行合计，解译有无相同种类的多个单位作业，

判断所述相同种类的多个单位作业是否彼此类似，

将彼此类似的第1所述单位作业和第2所述单位作业作为类似作业集，通过共通的机器学习算法，生成将该类似作业集的特性作为输入数据的类似作业学习模型，

基于所述类似作业学习模型，进行与包含所述第1单位作业的第1所述作业工序以及包含所述第2单位作业的第2所述作业工序有关的学习。

2.根据权利要求1所述的机器学习方法，其特征在于，

按种类将所述多个不同的作业工序中包含的全部的所述单位作业进行分类并对多个作业种类进行定义，通过判断是否存在包含多个所述单位作业的所述作业种类，由此解译有无所述相同种类的多个单位作业。

3.根据权利要求1或2所述的机器学习方法，其特征在于，

基于构成所述相同种类的多个单位作业的每一个的作业要素中的、在该多个单位作业之间共通的作业要素的个数，判断所述多个单位作业是否彼此类似。

4.根据权利要求1至3中任意一项所述的机器学习方法，其特征在于，

针对与其他的单位作业不类似的单位作业，单独执行机器学习算法，生成将该不类似的单位作业的特性作为输入数据的非类似作业学习模型，

基于所述类似作业学习模型和所述非类似作业学习模型，进行与所述多个不同的作业工序有关的所述学习。

5.根据权利要求1至4中任意一项所述的机器学习方法，其特征在于，

在所述相同种类的多个单位作业全部彼此不类似的情况下，针对所述多个不同的作业工序单独执行机器学习算法，生成将各个所述作业工序的特性作为输入数据的学习模型。

6.根据权利要求1至5中任意一项所述的机器学习方法，其特征在于，

在所述多个不同的作业工序中包含的全部的所述单位作业是彼此不同的种类的情况下，针对所述多个不同的作业工序单独执行机器学习算法，生成将各个所述作业工序的特性作为输入数据的学习模型。

7.根据权利要求1至6中任意一项所述的机器学习方法，其特征在于，

所述共通的机器学习算法具备：

处理器获取状态数据和标签数据作为学习数据集的步骤，所述状态数据是包含所述单位作业的内容信息的状态数据，且该状态数据表示所述特性，所述标签数据表示与所述状态数据对应的所述单位作业的行为是否异常；

处理器基于所述学习数据集，计算用于判定所述单位作业的行为是否容易成为异常的阈值的步骤；以及

处理器使用所述学习数据集，生成表示所述内容信息与所述阈值的相关性的所述类似作业学习模型的步骤。

8.根据权利要求7所述的机器学习方法，其特征在于，

所述状态数据还包含所述单位作业的作业者信息、作业时间信息以及作业日期时间信息中的至少一个追加信息，所述类似作业学习模型表示所述内容信息以及所述追加信息与所述阈值的相关性。

9.一种机器学习装置，其进行与各自包含至少一个种类的单位作业的多个不同的作业工序有关的学习，其特征在于，

作业合计部，其对所述多个不同的作业工序中包含的全部的所述单位作业进行合计，解译有无相同种类的多个单位作业；

类似判断部，其判断所述相同种类的多个单位作业是否彼此类似；

第1学习部，其将彼此类似的第1所述单位作业和第2所述单位作业作为类似作业集，通过共通的机器学习算法，生成将该类似作业集的特性作为输入数据的类似作业学习模型；以及

第2学习部，其基于所述类似作业学习模型，进行与包含所述第1单位作业的第1所述作业工序以及包含所述第2单位作业的第2所述作业工序有关的学习。