一种人工智能服务系统模型的选择方法和结构.pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 110738326 A (43)申请公布日 2020.01.31 (21)申请号 201910904369.8 (22)申请日 2019.09.24 (71)申请人 深圳创新奇智科技有限公司 地址 518054 广东省深圳市南山区粤海街 道深圳市软件产业基地4栋裙楼02层 04室 (72)发明人 张发恩　刘俊龙　周鹏程　 (74)专利代理机构 广州鼎贤知识产权代理有限 公司 44502 代理人 丁雨燕 (51)Int.Cl. G06N 20/00(2019.01) 权利要求书1页 说明书3页 附图1页 (54)发明名称 一种人工智能服务系统模型的选择方法和 结构 (57)摘要 本发明涉及一种人工智能服务系统模型的 选择方法和结构，方法为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，并根据历史 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。本方法可以规避数据输入中的数据 缺失、异常、噪音问题，提高AI系统的鲁棒性，避 免造成外部重大风险。 A 6 2 3 8 3 7 0 1 1 N C CN 110738326 A 权　利　要　求　书 1/1页 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。 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 *sum(1-p)*q ，其中：j为模型编号，p为第i项数据异 j i ij i 常概率，q 为第i项数据对模型j的重要性，w 为模型j数据项重要性。 ij j 3.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：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。 4.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。 5.根据权利要求3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。