申请/专利权人：重庆富民银行股份有限公司

申请日：2020-04-30

公开（公告）日：2023-05-12

公开（公告）号：CN111582498B

主分类号：G06N20/00

分类号：G06N20/00;G06F17/18;G06F18/24;G06Q40/02

优先权：

专利状态码：有效-授权

法律状态：2023.05.12#授权;2020.09.18#实质审查的生效;2020.08.25#公开

摘要：本发明涉及机器学习技术领域，具体公开了基于机器学习的QA辅助决策方法及系统，方法，包括如下步骤：S1、从用户端获取评估指标，并获取数据库的地址；S2、从用户端获取预设的回归模型类别和分类模型类别；S3、从数据库中获取数据，从用户端接收回归模型类别或分类模型类别选取信息；S4、服务器根据选取的回归模型类别或分类模型类别,遍历回归模型类别或分类模型类别中所有子模型，将数据放入到每一子模型中进行训练和测试，选取准确率最高的子模型进行模型固化；S5、从用户端获取重置周期信息，在每个重置周期，重复S4；S6、服务器基于固化后的子模型对数据库内的数据进行实时预测。采用本发明的技术方案能够提高准确性和稳定性。

主权项：1.基于机器学习的QA辅助决策方法，其特征在于，包括如下步骤：S1、服务器从用户端获取评估指标，并获取各评估指标对应数据的数据库的地址；S2、服务器从用户端获取预设的回归模型类别和分类模型类别，回归模型类别和分类模型类别均包括若干子模型；S3、服务器从数据库中获取数据，从用户端接收回归模型类别或分类模型类别选取信息；S4、服务器根据选取的回归模型类别或分类模型类别,遍历回归模型类别或分类模型类别中所有子模型，将数据放入到每一子模型中进行训练和测试，选取准确率最高的子模型进行模型固化；S5、服务器从用户端获取重置周期信息，在每个重置周期，重复S4；S6、服务器基于固化后的子模型对数据库内的数据进行实时预测；S7、服务器还基于预设的关键词库对预设的区域网站进行关键词匹配，如果匹配成功，服务器立即重复S4步骤；如果匹配不成功，服务器还基于预设的关键词对预设的全国网站进行关键词匹配，如果匹配成功，服务器立即重复S4步骤；所述S4中，当准确率最高子模型数量大于或等于两个时，获取每一子模型的资源消耗数据，选择资源消耗最少的子模型进行模型固化。

全文数据：

权利要求：

百度查询： 重庆富民银行股份有限公司 基于机器学习的QA辅助决策方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD