[发明专利]组件发布方法、组件构建方法及图形化机器学习算法平台有效

专利信息
申请号: 201710011143.6 申请日: 2017-01-06
公开(公告)号: CN108279890B 公开(公告)日: 2021-12-24
发明(设计)人: 雷宗雄;李博 申请(专利权)人: 阿里巴巴集团控股有限公司
主分类号: G06F8/34 分类号: G06F8/34
代理公司: 北京三友知识产权代理有限公司 11127 代理人: 李辉
地址: 英属开曼群岛大开*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 组件 发布 方法 构建 图形 机器 学习 算法 平台
【说明书】:

本申请提供了一种组件发布方法、组件构建方法及图形化机器学习算法平台。图形化机器学习算法平台能够将功能模型发布或构建为新的组件,因此,在用户需要重复使用某一项功能的情况下,可以直接使用新的组件,而无需再重复建立功能模型,从而方便用户的使用。

技术领域

本申请涉及电子信息领域,尤其涉及一种组件发布方法、组件构建方法及图形化机器学习算法平台。

背景技术

图形化机器学习算法平台为一种用户交互性平台,能够向用户提供建模功能,组件是图形化机器学习算法平台的基本单位。用户将组件组成有序的流程,从而建立具有一定功能的模型。例如,图1所示为用户建立的一个分析用户流失数据功能的模型,其中,椭圆形图标表示组件,椭圆形图标的名称例如拆分-1以及随机森林等表示组件运行的算法。用户将这些组件使用箭头连接组成有序的流程,即建立起一个分析用户流失数据的模型。

然而,如果用户需要再次使用该功能,还需要重新建立该功能模型。

发明内容

申请人在研究的过程中发现,如果能将建立的功能模型在图形化机器学习算法平台发布或构建为新组件,则再次需要该功能的情况下,可以直接选择该新组件,而无需重复建立该功能模型。

本申请提供了一种组件发布方法、组件构建方法及图形化机器学习算法平台,目的在于解决如何在图形化机器学习算法平台发布或构建新组件的问题。

为了实现上述目的,本申请提供了以下技术方案:

一种组件发布方法,包括:

在接收到将功能模型发布为新组件的指令后,依据所述功能模型中组件的连接关系,确定所述新组件的输入端和输出端;

确定所述功能模型中的组件的必选参数的唯一标识,所述唯一标识用于所述新组件在运行过程中识别所述必选参数的值;

将所述功能模型发布为所述新组件。

可选的,所述确定所述功能模型中组件的必选参数的唯一标识包括:

在接收到选择所述功能模型中的组件的指令后,显示该组件的可视化界面;

通过所述可视化界面接收所述组件的必选参数的唯一标识。

可选的,所述可视化界面包括:

所述该组件的必选参数配置控件的配置界面,所述必选参数配置控件用于在所述新组件运行的过程中,接收对所述必选参数的配置指令。

可选的,所述可视化界面还包括:

可选参数配置控件的配置界面,所述可选参数配置控件用于在所述新组件运行的过程中,接收对所述可选参数的配置指令。

可选的,所述将所述功能模型发布为所述新组件包括:

向所述新组件输入测试数据,并运行所述新组件;

向所述功能模型输入所述测试数据,并运行所述功能模型;

如果所述新组件在运行后输出的数据与所述功能模型在运行后输出的数据相同,则将所述功能模型发布为所述新组件。

一种基于图形化机器学习平台的组件创建方法,包括:

图形化机器学习平台在接收到新组件创建指令后,依据已建立的功能模型创建新组件,所述新组件中的各个组件的必选参数具有唯一标示,所述唯一标识用于所述新组件在运行过程中识别所述必选参数的值。

可选的,所述依据已建立的功能模型创建新组件包括:

确定所述功能模型中的组件的必选参数的唯一标识,并依据所述功能模型中组件的连接关系,确定所述新组件的输入端和输出端,以创建所述新组件。

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阿里巴巴集团控股有限公司,未经阿里巴巴集团控股有限公司许可,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/pat/books/201710011143.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top