[发明专利]基于图学习的特征工程的系统和方法

权利要求书

1.一种方法，包括由计算系统：

接收与机器学习模型相关联的查询信息；

访问定义在多个机器学习模型和所述多个机器学习模型的多个特征之间的关系的知识图；

基于所述知识图和所述查询信息，确定指示所述知识图中所述机器学习模型和所述多个特征的一个或更多个特征之间的相关性的一个或更多个相关性度量；和

基于所述一个或更多个相关性度量和所述一个或更多个特征来确定关于所述机器学习模型的一个或更多个推荐特征。

2.根据权利要求1所述的方法，其中，所述知识图包括多个节点和连接所述多个节点的多条边，并且其中，所述多个节点对应于所述多个机器学习模型和所述多个机器学习模型的所述多个特征。

3.根据权利要求2所述的方法，其中，所述多个特征中的每一个基于相关的域知识或基于所述知识图确定的推断相关性而与一个或更多个机器学习模型相关联。

4.根据权利要求2所述的方法，其中，所述多条边中的每条边连接所述知识图中的两个相关联的节点，并且其中，每条边与用于表征所述两个相关联的节点之间的关系的权重相关联。

5.根据权利要求2所述的方法，还包括：

为所述知识图生成对应于所述机器学习模型的第一新节点；

为所述知识图生成对应于所述机器学习模型的一个或更多个初始特征的一个或更多个第二新节点；和

为所述知识图生成将所述第一新节点连接到所述一个或更多个第二新节点的一条或更多条新边，其中，所述一条或更多条新边是基于与所述机器学习模型相关联的域知识来确定的。

6.根据权利要求5所述的方法，还包括：

确定所述第一新节点和所述一个或更多个第二新节点相对于所述知识图中的所述多个节点的一个或更多个新相关性；和

基于所述一个或更多个新相关性，将所述第一新节点和所述一个或更多个第二新节点集成到所述知识图中。

7.根据权利要求5所述的方法，其中，所述一个或更多个相关性度量是基于所述第一新节点和对应于所述一个或更多个特征的一个或更多个节点之间的一个或更多个图关系来确定的。

8.根据权利要求5所述的方法，其中，所述一个或更多个相关性度量是基于所述第一新节点和对应于所述多个机器学习模型中的一个或更多个机器学习模型的一个或更多个节点之间的一个或更多个图关系来确定的，并且其中，所述一个或更多个特征与所述一个或更多个机器学习模型相关联。

9.根据权利要求8所述的方法，其中，所述机器学习模型与所述知识图的一个或更多个机器学习模型共享一个或更多个特征。

10.根据权利要求8所述的方法，其中，所述机器学习模型与所述知识图的一个或更多个机器学习模型共享问题域。

11.根据权利要求1所述的方法，其中，所述多个机器学习模型中的每个机器学习模型与用于表征该机器学习模型的一个或更多个标签相关联，并且其中，所述机器学习模型与一个或更多个初始特征相关联，所述方法还包括：

为所述机器学习模型和所述机器学习模型的每个初始特征确定一个或更多个新标签。

12.根据权利要求11所述的方法，还包括：

将所述机器学习模型的一个或更多个初始特征和所述知识图中的多个特征聚类成由N个标签定义的N维空间中的多个特征类别。

13.根据权利要求12所述的方法，还包括：

基于相关联的特征类别合并所述初始特征中的一个或更多个和所述多个特征中的一个或更多个。

14.根据权利要求13所述的方法，其中，所述一个或更多个推荐特征与特征类别相关联，并且其中，所述特征类别与所述机器学习模型的初始特征相关联。