[发明专利]集成知识和自然语言处理的机器学习有效
申请号: | 201880086008.0 | 申请日: | 2018-12-31 |
公开(公告)号: | CN111566654B | 公开(公告)日: | 2023-10-24 |
发明(设计)人: | D·巴卡雷拉;J·巴尼比;N·劳伦斯;S·帕特尔 | 申请(专利权)人: | 国际商业机器公司 |
主分类号: | G06F40/40 | 分类号: | G06F40/40;G06F16/36;G06N20/00 |
代理公司: | 北京市金杜律师事务所 11256 | 代理人: | 姚杰 |
地址: | 美国纽*** | 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: | 集成 知识 自然语言 处理 机器 学习 | ||
1.一种计算机系统,包括:
处理单元,所述处理单元可操作地耦合到存储器;
知识引擎,所述知识引擎与所述处理单元通信以管理数据,包括:
从选自以下各项组成的组的数据中提取数据和数据关系:结构化数据、非结构化数据、及其组合;
在知识图(KG)中为所提取的数据和数据关系创建条目,并且在所述KG中选择性地存储所提取的数据和数据关系,包括向所存储的数据分配真实性值;
在对应于所述KG的区块链(BC)分类账中创建资产价值条目,所述条目包括所分配的真实性值;
创建与BC分类账条目相对应的BC标识符;以及
将所创建的BC标识符与所述KG条目一起存储;
评估存储在所述KG中的选择数据,包括采用所述BC标识符来确定所述选择数据的起源并量化所述数据;以及
生成所评估的数据的列表,并且基于所分配的真实性值对所生成的列表中的数据进行排序;以及
从排序的列表返回具有最强的真实性评分的数据元素。
2.根据权利要求1所述的系统,还包括所述知识引擎用于:
在所述KG内创建第一分区,并且向所述第一分区中的第一数据填充和分配第一可靠性值;
在所述KG内创建第二分区,并且向所述第二分区中的第二数据填充和分配第二可靠性值,其中所述第一可靠性值和所述第二可靠性值是不同的。
3.根据权利要求2所述的系统,还包括所述知识引擎在所述KG内自动执行真实性评估,包括比较第一和第二数据。
4.根据权利要求1所述的系统,还包括所述知识引擎用于:
在两个知识图之间建立链接,包括将第二KG中的数据元素与第一KG中的数据元素进行比较和评估,并且基于从以下各项组成的组中选择的值来选择性地替换数据元素:可靠性、反馈、及其组合。
5.根据权利要求4所述的系统,还包括所述知识引擎在所述第一KG与所述第二KG之间建立链路之后保持所述KG的结构恒定。
6.根据权利要求1所述的系统,其中数据存储在所述KG中的节点中,并且关系表示为连接两个节点的边,每个节点具有节点级真实性值,每个关系具有关系真实性值,其中所述关系值是基于所述关系中的所述节点的真实性值计算的。
7.一种处理自然语言的计算机程序产品,所述计算机程序产品包括具有程序代码的计算机可读存储设备,所述程序代码可由处理单元执行以:
将数据存储在知识图(KG)中,包括:
从选自以下各项组成的组的数据中提取数据和数据关系:结构化数据、非结构化数据、及其组合;
在所述KG中创建条目,并且在所述KG中选择性地存储所提取的数据和数据关系,包括向所存储的数据分配真实性值;
在对应于所述KG的区块链(BC)分类账中创建资产价值条目,所述条目包括所分配的真实性值;
创建与所述BC分类账条目相对应的BC标识符;以及
将所创建的BC标识符与所述KG条目一起存储;
评估存储在所述KG中的选择数据,包括采用所述BC标识符来确定所述选择数据的起源并量化所述数据;
生成所评估的数据的列表,并且基于所分配的真实性值对所生成的列表中的数据进行排序;以及
生成结果,其中所述结果是从所述排序列表返回的具有最强的真实性评分的数据元素。
8.根据权利要求7所述的计算机程序产品,还包括用于以下操作的程序代码:
在所述KG内创建第一分区,并且向所述第一分区中的第一数据填充和分配第一可靠性值;
在所述KG内创建第二分区,并且向所述第二分区中的第二数据填充和分配第二可靠性值,其中所述第一可靠性值和所述第二可靠性值是不同的。
9.根据权利要求8所述的计算机程序产品,还包括用于在所述KG内自动执行真实性评估的程序代码,所述真实性评估包括第一数据和第二数据的比较。
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国际商业机器公司,未经国际商业机器公司许可,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/201880086008.0/1.html,转载请声明来源钻瓜专利网。