[发明专利]异构数据流上的利用-探索在审
| 申请号： | 201780035321.7 | 申请日： | 2017-06-01 |
| 公开（公告）号： | CN109313727A | 公开（公告）日： | 2019-02-05 |
| 发明（设计）人： | J·R·帕玛;A·戈斯瓦米;S·沙 | 申请（专利权）人： | 微软技术许可有限责任公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06F9/54 |
| 代理公司： | 北京市金杜律师事务所 11256 | 代理人： | 王茂华;马明月 |
| 地址： | 美国华*** | 国省代码： | 美国;US |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 使用利用‑探索模型对异构事件数据流的机器学习。异构事件数据流可以包括任何数量的不同数据类型。系统根据公共特征维度空间来特征化至少一部分传入的事件数据流。然后，得到的特征化事件数据流被分流成探索部分和利用部分。探索部分用于执行机器学习，从而增加机器知识。利用部分用于利用当前的机器知识。因此，在传入的事件数据流的利用和探索之间达成自动平衡。自动平衡甚至可以作为云计算服务来执行。 | ||
| 搜索关键词： | 事件数据流 数据流 机器学习 异构事件 自动平衡 探索 传入的 特征化 异构数据流 云计算服务 公共特征 事件数据 数据类型 维度空间 分流 | ||
【主权项】：
1.一种计算系统，所述计算系统使用分流利用‑探索模型在异构数据流上实施机器学习，所述计算系统包括：一个或多个处理器；一个或多个计算机可读介质，其上具有计算机可执行指令，所述计算机可执行指令被构造成使得当由所述一个或多个处理器执行时使所述计算系统基于异构数据流执行用于机器学习的方法，所述方法包括：接收多种数据类型的异构事件数据流的动作；将所述异构事件数据流的所述事件数据中的至少一些事件数据特征化到公共特征维度空间的动作；以及将特征化的事件数据的流分流成被导向探索的部分以及基于当前的机器理解分流成被导向利用的部分的动作，使用所述特征化的事件数据的被导向所述探索的所述部分中的至少一些数据来对被导向所述探索的所述部分执行机器学习。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于微软技术许可有限责任公司，未经微软技术许可有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201780035321.7/，转载请声明来源钻瓜专利网。
