[发明专利]用于使机器学习自动化的设备和使机器学习自动化的方法

权利要求书

1.一种计算机实现的方法，其特征在于，提供（200）具有参数的机器学习流水线（M）的表示；提供（202）多个元素及其关系的表示（O）；提供（208）所述多个元素的所述表示（O）中的第一元素；根据所述第一元素来确定所述多个元素的所述表示（O）中的第二元素，其中，所述第一元素和所述第二元素具有满足第一条件的关系，特别地，所述第二元素是根据在所述表示（O）中编码的语义从所述多个元素的所述表示（O）中的所述第一元素在语义上可得的；以及根据所述第二元素来确定所述参数。

2.根据权利要求1所述的方法，其特征在于，根据所述第二元素来确定（212）所述多个元素的所述表示（O）中的第三元素，其中，所述第二元素和所述第三元素具有满足第二条件的关系，特别地，所述第三元素是从所述多个元素的所述表示（O）中的所述第二元素在语义上可得的；以及如果满足所述第二条件，则根据所述第二元素和所述第三元素来确定所述参数，否则，不根据所述第二元素和所述第三元素来确定所述参数。

3.根据权利要求1或2所述的方法，其特征在于，所述多个元素的所述表示（O）包括本体或表示本体的图形。

4.根据前述权利要求中任一项所述的方法，其特征在于，提供（204）输入数据；以及提供（206）所述输入数据的特征的注释（A），特别是所述输入数据中的变量名，其中，提供（208）所述第一元素包括根据第一本体针对所述注释（A）确定所述多个元素的所述表示（O）的元素，其表示所述多个元素的所述表示（O）中的所述输入数据的所述特征，特别是所述输入数据的变量名，其中，提供（208）所述第二元素包括根据所述第一本体针对所述第一元素来确定所述多个元素的所述表示（O）的元素，其表示所述多个元素的所述表示（O）中的特征名，特别是域中的变量名，并且其中，所述方法还包括确定（210）包括所述输入数据、所述第一元素和所述第二元素的第一数据集。

5.根据权利要求4所述的方法，其特征在于，确定（212）所述第三元素包括特别是根据第二本体针对所述第二元素来确定所述多个元素的所述表示（O）的元素，其表示满足所述第三条件的所述多个元素的所述表示（O）中的特征群组。

6.根据权利要求5所述的方法，其特征在于，确定（214）第四元素，其中，确定所述第四元素包括特别是根据第三本体针对所述第三元素来确定所述多个元素的所述表示（O）的元素，其表示满足第三条件的处理算法，特别地，所述第四元素是从所述多个元素的所述表示（O）中的所述第三元素在语义上可得的。

7.根据权利要求6所述的方法，其特征在于，确定（216）包括所述第一数据集、所述第二元素、所述第三元素和所述第四元素的第二数据集。

8.根据权利要求7所述的方法，其特征在于，通过利用由所述第四元素表示的所述处理算法来处理所述第二数据集而确定（218）特征集；以及确定（220）第五元素，其中，确定（220）所述第五元素包括针对所述第三元素来确定所述多个元素的所述表示（O）的元素，其表示满足第四条件的所述特征集，特别地，所述第五元素是从所述多个元素的所述表示（O）中的所述第三元素在语义上可得的，并且所述第五元素是从所述多个元素的所述表示（O）中的所述第四元素在语义上可得的，并且其中，所述方法还包括确定（222）包括所述特征集、所述第三元素和所述第五元素的第三数据集。

9.根据权利要求8所述的方法，其特征在于，确定（224）第六元素，其中，确定（224）所述第六元素包括针对所述第五元素来确定所述多个元素的所述表示（O）的元素，其表示满足第五条件的机器学习建模算法，特别地，所述第六元素是从所述多个元素的所述表示（O）中的所述第五元素在语义上可得的，并且其中，所述方法还包括确定（226）第四数据集，所述第四数据集包括从所述特征集中选择的特征、所述第五元素和所述第六元素。