[发明专利]一种用于构建机器学习建模过程的系统

说明书

本发明公开了一种用于构建机器学习建模过程的系统，具体涉及机器学习建模技术领域，包括数据模块、训练学习模块、求和模块、建模模块与显示模块，所述数据模块包括数据获取单元、数据储存单元与数据分析单元，所述显示模块包括显示器单元，本发明系统在故意差评判断的应用场景中，目标行为即为故意差评，从而每一个机器学习子模型用于判定对应的中间目标变量所指示的故意差评类型，对各机器学习子模型的概率值进行概率求和就能够获得用于判定属于多种故意差评类型中的至少一种的概率，基于这一概率值所构建的模型便能够对于多种故意差评类型进行判定，提高故意差评的识别效率的目的，实现了网络规范化、购物有序化的目的。

技术领域

本发明涉及机器学习建模技术领域，更具体地说，本发明涉及一种用于构建机器学习建模过程的系统。

背景技术

随着海量数据的出现，人们倾向于使用机器学习技术来从数据中挖掘出价值。机器学习是人工智能研究发展到一定阶段的必然产物，其致力于通过计算的手段，利用经验来改善系统自身的性能。在计算机系统中，“经验”通常以“数据”形式存在，通过机器学习算法，可从数据中产生“模型”，也就是说，将经验数据提供给机器学习算法，就能基于这些经验数据产生模型，在面对新的情况时，模型会提供相应的判断，即，预测结果。

随着网络的发展壮大，人们大多时候采用网络购物，比如淘宝、美团等平台，但是也有人利用售后评价系统恶意差评，从而赚取退款或赔偿等，为了规范网络评价行为，需要对评价行为模式进行判定，为此，我们提出了一种用于构建机器学习建模过程的系统来解决这个问题。

发明内容

为了克服现有技术的上述缺陷，本发明的实施例提供一种用于构建机器学习建模过程的系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种用于构建机器学习建模过程的系统，包括数据模块、训练学习模块、求和模块、建模模块与显示模块，所述数据模块包括数据获取单元、数据储存单元与数据分析单元，所述显示模块包括显示器单元。

在上述技术方案的基础上，所述数据模块用于根据各初始目标变量之间的相容或互斥状态，对相容的初始目标变量进行合并，获得相互之间为互斥状态的中间目标变量。

在上述技术方案的基础上，所述初始目标变量用于指示目标行为的实现形式。

在上述技术方案的基础上，所述训练学习模块用于分别对各中间目标变量对应的机器学习子模型进行训练，获得各机器学习子模型的概率值。

在上述技术方案的基础上，所述机器学习子模型用于根据描述差评行为的特征变量判定对应中间目标变量指示的目标行为类型。

在上述技术方案的基础上，所述求和模块用于对各机器学习子模型的概率值进行概率求和，获得目标概率值。

在上述技术方案的基础上，所述建模模块用于根据目标概率值和特征变量，建立用于判定是否为目标行为的目标机器学习模型。

在上述技术方案的基础上，所述特征变量为从历史评价数据中提取的用于描述评价信息的参数，所述初始目标变量为从历史评价数据中提取的用于描述差评行为类型的参数。

在上述技术方案的基础上，所述数据模块还包括计算单元，所述计算单元包括处理器。

本发明的技术效果和优点：