[发明专利]一种人工智能服务系统模型的选择方法和装置

权利要求书

1.一种人工智能服务系统模型的选择方法，其特征在于：对人工智能服务系统的输入部分的各个模块设计多个模型，通过选择器的筛选规则选取排序最优的模块，使得选取出的模块一方面效果满足需要，另一方面重点依赖的数据项异常概率低于预期；

筛选规则为：选择器根据历史数据计算各输入数据项对各个模型的重要性，结合数据项异常概率，评估各模块各模型的可靠性，最后依据模型数据项重要性，选取最合适的模块内模型，输入部分的排序选择模型的表达式为：w_j*sum(1-p_i)*q_ij，其中：j为模型编号，p_i为第i项数据异常概率，q_ij为第i项数据对模型j的重要性，w_j为模型j数据项重要性。

2.根据权利要求1所述的一种人工智能服务系统模型的选择方法，其特征在于：筛选过程为：

输入数据经过数据项预处理后进行异常检测，然后通过选择器一选择出若干个机器学习模型，接着将选择出的机器学习模型经过选择器二的二次处理后，输出对应的若干个决策模型，所有的机器学习模型和所有的决策模型在生成后均需结合各自对应的业务模型进行模型数据重要性评估，经过模型数据重要性评估后，符合要求的模型进行数据输出，不符合要求的模型再依次进入选择器一和选择器二中进行处理，依此循环，直到最终筛选出最合适的模块内模型，进行数据输出。

3.根据权利要求1所述的一种人工智能服务系统模型的选择方法，其特征在于：对人工智能服务系统的输出部分，也计算数据项异常概率，如果出现大概率异常，则默认对输入部分进行重新输入，并选择高可靠性的预留业务模型进行输出处理。

4.根据权利要求2所述的一种人工智能服务系统模型的选择方法，其特征在于：输入部分设计的多个模型包括机器学习模型和规则引擎，对于机器学习模型使用特征作为数据项重要性的判断依据，对于规则引擎通过数据项影响规则的数量或深度进行数据项重要性定义。

5.根据权利要求4所述的一种人工智能服务系统模型的选择方法，其特征在于：机器学习模型为逻辑回归模型或决策树模型。

6.根据权利要求5所述的一种人工智能服务系统模型的选择方法，其特征在于：选择器一和选择器二为卡方选择器或css选择器。

7.一种人工智能服务系统模型的选择装置，用于实现上述权利要求1-6任一项所述的方法，其特征在于：包括与预处理模块连接的异常检测模块、与预处理模块和异常检测模块均连接的选择器一、与选择器一对应的若干个机器学习模型和业务模型一、与所有机器学习模型和业务模型一均连接的选择器二、与选择器二对应的若干个决策模型和业务模型二、与所有决策模型和业务模型二均对应连接的数据输出模块以及模型数据重要性模块，模型数据重要性模块还连接选择器一、选择器二、所有机器学习模型和业务模型一，数据输出模块还与异常检测模块连接。

8.根据权利要求7所述的一种人工智能服务系统模型的选择装置，其特征在于：异常检测模块通过分类方法、聚类方法、最近邻方法、统计方法、信息论方法或谱方法的一种或多种实现异常检测。