JP2019519027A - 履歴ログからの学習と、etlツール内のデータアセットに関するデータベースオペレーションの推奨 - Google Patents
履歴ログからの学習と、etlツール内のデータアセットに関するデータベースオペレーションの推奨 Download PDFInfo
- Publication number
- JP2019519027A JP2019519027A JP2018555888A JP2018555888A JP2019519027A JP 2019519027 A JP2019519027 A JP 2019519027A JP 2018555888 A JP2018555888 A JP 2018555888A JP 2018555888 A JP2018555888 A JP 2018555888A JP 2019519027 A JP2019519027 A JP 2019519027A
- Authority
- JP
- Japan
- Prior art keywords
- data
- context data
- database
- application
- database operations
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000007405 data analysis Methods 0.000 claims abstract description 101
- 238000012549 training Methods 0.000 claims abstract description 78
- 238000000034 method Methods 0.000 claims description 36
- 238000013479 data entry Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 6
- 230000015654 memory Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 15
- 238000013075 data extraction Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- COCAUCFPFHUGAA-MGNBDDOMSA-N n-[3-[(1s,7s)-5-amino-4-thia-6-azabicyclo[5.1.0]oct-5-en-7-yl]-4-fluorophenyl]-5-chloropyridine-2-carboxamide Chemical compound C=1C=C(F)C([C@@]23N=C(SCC[C@@H]2C3)N)=CC=1NC(=O)C1=CC=C(Cl)C=N1 COCAUCFPFHUGAA-MGNBDDOMSA-N 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2358—Change logging, detection, and notification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24575—Query processing with adaptation to user needs using context
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9032—Query formulation
- G06F16/90324—Query formulation using system suggestions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
図1は、一実施形態による、データ解析アプリケーションにおいて、データベースオペレーションの履歴ログから予測モデルを生成し、データに対するデータベースオペレーションを推奨するコンピューティング環境100の高レベルブロック図である。
{<user metadata><project metadata><worksheets metadata><column metadata><operation specifics>}
IG(C|F)=Entropy(C)−Entropy(C|F)
ここで、IG(C|F)は情報利得であり、Entropy(C)はクラスCのエントロピーであり、Entropy(C|F)は特徴の存在を仮定したクラスCの条件付きエントロピーである。
本明細書で説明するシステムは、クラウドベースのコンピュータ実装を含む、単一のコンピュータまたはコンピュータのネットワークを使用して実装することができる。コンピュータは、好ましくは1つまたは複数の高性能CPUおよび1Gまたはそれ以上のメインメモリ、ならびに500Gbから2Tbのコンピュータ可読永続ストレージを含み、LINUXまたはその変形などのオペレーティングシステムを実行するサーバクラスコンピュータである。本明細書で説明するシステムの動作は、コンピュータストレージにインストールされ、本明細書で説明する機能を実行するために、そのようなサーバのプロセッサによって実行されるハードウェアおよびコンピュータプログラムの組み合わせによって制御することができる。システム100はネットワークインターフェースおよびプロトコル、データ入力のための入力デバイス、ならびに表示、印刷、または他のデータの提示のための出力デバイスを含む、本明細書で説明される動作に必要な他のハードウェア要素を含むが、これらは実施形態の関連する詳細を不明瞭にすることを避けるために本明細書では示されない。
Claims (20)
- データ解析アプリケーションのインスタンスのユーザにデータベースオペレーションを推奨する方法であって、
予測モデルをトレーニングするために使用することができるコンテキストデータログから、データベースオペレーション履歴データエントリおよびトレーニングコンテキストデータエントリをキャプチャすることを含むコンテキストデータログのプロファイリングを行うステップであって、前記コンテキストデータログは前記データ解析アプリケーション内のテーブル上で実行されるデータベースオペレーションに応答して前記データ解析アプリケーションの1つまたは複数のインスタンスから受信されたエントリを含む、ステップと、
第1のセットのユーザについて、複数のテーブル上で実行される複数のデータベースオペレーションに対してプロファイリングされたデータベースオペレーション履歴データおよびプロファイリングされたコンテキストデータを維持するステップと、
データ解析アプリケーションの第2のセットのユーザにデータベースオペレーションを推薦するための予測モデルを生成するステップであって、前記予測モデルはプロファイルされたコンテキストデータからのコンテキストデータフィールドに対応する複数の特徴と、推薦のためのデータベースオペレーションに対応する複数のクラスとを含むステップと、
アプリケーションコンテキストデータを含むアプリケーションログエントリを受信するステップであって、前記アプリケーションログエントリはデータ解析アプリケーションのインスタンス内のテーブル内の列を選択する第2のセットのユーザに応答して受信され、前記アプリケーションコンテキストデータはテーブルに関連付けられたメタデータを含むステップと、
前記予測モデルへの入力として使用できるフォーマットでアプリケーションコンテキストデータをキャプチャするためにアプリケーションログエントリのプロファイリングを行うステップと、
前記予測モデルへの入力として前記アプリケーションコンテキストデータを使用して、1つまたは複数の推奨データベースオペレーションを決定するステップと、
ユーザへの提示のためにデータ解析アプリケーションのインスタンスに1つ以上の推奨データベースオペレーションを送信するステップと、を含む方法。 - 前記予測モデルを生成するステップが、前記予測モデルをトレーニングすることを含み、
前記トレーニングは、
プロファイルされたコンテキストデータから複数のコンテキストデータフィールドを選択することにより複数の特徴を決定することと、
推薦する複数のデータベースオペレーションを決定することと、
複数のデータベースオペレーションの各々について、複数の特徴の各々についての特徴重みを決定することとを含み、
前記特徴重みはデータベースオペレーションに関する特徴の予測性の尺度に対応する、請求項1に記載の方法。 - 前記トレーニングコンテキストデータは、プロジェクトメタデータ、ワークシートメタデータ、およびユーザメタデータのうちの少なくとも1つを含む、請求項1に記載の方法。
- 前記予測モデルが、多項ロジスティック分類器である、請求項1に記載の方法。
- 前記アプリケーションコンテキストデータは、プロジェクトメタデータ、ワークシートメタデータ、およびユーザメタデータのうちの少なくとも1つを含む、請求項1に記載の方法。
- 前記1つ以上の推奨データベースオペレーションは、ジョインオペレーションおよび結合オペレーションのうちの少なくとも1つを含む、請求項1に記載の方法。
- データ解析アプリケーションの前記第2のセットのユーザに、データベースオペランドを推薦するための第2の予測モデルを生成するステップであって、前記予測モデルは、コンテキストデータフィールドに対応する複数の特徴と、推薦のためのデータベースオペランドに対応する複数のクラスとを含むステップと、
アプリケーションコンテキストデータを第2の予測モデルへの入力として使用できるフォーマットでキャプチャするためのアプリケーションログエントリのプロファイリングを行うステップと、
1つまたは複数の推奨データベースオペレーションおよび第2の予測モデルへの入力としてアプリケーションコンテキストデータを使用して、1つまたは複数の推奨データベースオペランドを決定するステップと、
ユーザへの提示のためにデータ解析アプリケーションのインスタンスに1つ以上の推奨データベースオペランドを送信するステップとをさらに含む、請求項1記載の方法。 - データ解析アプリケーションのインスタンスのユーザにデータベースオペレーションを推奨するためのシステムであって、
モジュールを実行するように構成されたプロセッサと、
前記モジュールを記憶するメモリとを含み、
前記モジュールは、
コンテキストデータログのプロファイリングを行うステップであって、予測モデルをトレーニングするために使用することができるコンテキストデータログからデータベースオペレーション履歴データエントリおよびトレーニングコンテキストデータエントリをキャプチャすることを含み、前記コンテキストデータログは前記データ解析アプリケーション内のテーブル上で実行されるデータベースオペレーションに応答して前記データ解析アプリケーションの1つまたは複数のインスタンスから受信されたエントリを含む、ステップと、
第1のセットのユーザについて、複数のテーブル上で実行される複数のデータベースオペレーションに関するデータベースオペレーション履歴データおよびトレーニングコンテキストデータを維持するステップと、
データ解析アプリケーションの第2のセットのユーザにデータベースオペレーションを推薦するための予測モデルを生成するステップであって、前記予測モデルはコンテキストデータフィールドに対応する複数の特徴と、推薦のためのデータベースオペレーションに対応する複数のクラスとを含むステップと、
アプリケーションコンテキストデータを含むアプリケーションログエントリを受信するステップであって、前記アプリケーションログエントリはデータ解析アプリケーションのインスタンス内のテーブル内の列を選択する第2のセットのユーザに応答して受信され、アプリケーションコンテキストデータはテーブルに関連付けられたメタデータを含むステップと、
予測モデルへの入力として使用できるフォーマットで、アプリケーションコンテキストデータをキャプチャするためのアプリケーションログエントリのプロファイリングを行うステップと、
予測モデルへの入力としてアプリケーションコンテキストデータを使用して、1つまたは複数の推奨データベースオペレーションを決定するステップと、
ユーザへの提示のためにデータ解析アプリケーションのインスタンスに1つ以上の推奨データベースオペレーションを送信するステップと、を実行可能である、
システム。 - 前記予測モデルを生成するステップは前記予測モデルをトレーニングするステップを含み、
前記トレーニングは、
プロファイルされたコンテキストデータから複数のコンテキストデータフィールドを選択することにより複数の特徴を決定することと、
推薦する複数のデータベースオペレーションを決定することと、
複数のデータベースオペレーションの各々について、複数の特徴の各々についての特徴重みを決定することとを含み、
前記特徴重みは、データベースオペレーションに関する特徴の予測性の尺度に対応する、請求項8に記載のシステム。 - 前記トレーニングコンテキストデータは、プロジェクトメタデータ、ワークシートメタデータ、およびユーザメタデータのうちの少なくとも1つを含む、請求項8に記載のシステム。
- 前記予測モデルは、多項ロジスティック分類器である、請求項8に記載のシステム。
- 前記アプリケーションコンテキストデータは、プロジェクトメタデータ、ワークシートメタデータ、およびユーザメタデータのうちの少なくとも1つを含む、請求項8に記載のシステム。
- 前記1つ以上の推奨データベースオペレーションは、ジョインオペレーションおよび結合オペレーションのうちの少なくとも1つを含む、請求項8に記載の方法。
- 前記モジュールが実行可能なステップが、
データ解析アプリケーションの第2のセットのユーザにデータベースオペランドを推薦するための第2の予測モデルを生成するステップであって、前記予測モデルはコンテキストデータフィールドに対応する複数の特徴と、推薦のためのデータベースオペランドに対応する複数のクラスとを含むステップと、
アプリケーションコンテキストデータを第2の予測モデルへの入力として使用できるフォーマットでキャプチャするためにアプリケーションログエントリのプロファイリングを行うステップと、
1つまたは複数の推奨データベースオペレーションおよび第2の予測モデルへの入力としてアプリケーションコンテキストデータを使用して、1つまたは複数の推奨データベースオペランドを決定するステップと、
ユーザへの提示のためにデータ解析アプリケーションのインスタンスに1つ以上の推奨データベースオペランドを送信するステップと、をさらに含む、請求項8に記載の装置。 - データ解析アプリケーションのインスタンスのユーザにデータベースオペレーションを推奨するための実行可能なコンピュータプログラム命令を記憶する非一時的なコンピュータ可読記憶媒体であって、
前記命令は、
コンテキストデータログのプロファイリングを行うステップであって、予測モデルをトレーニングするために使用することができるコンテキストデータログからデータベースオペレーション履歴データエントリおよびトレーニングコンテキストデータエントリをキャプチャすることを含み、前記コンテキストデータログは前記データ解析アプリケーション内のテーブル上で実行されるデータベースオペレーションに応答して前記データ解析アプリケーションの1つまたは複数のインスタンスから受信されたエントリを含む、ステップと、
第1のセットのユーザについて、複数のテーブル上で実行される複数のデータベースオペレーションのプロファイリングされたデータベースオペレーション履歴データおよびプロファイリングされたコンテキストデータを維持するステップと、
データ解析アプリケーションの第2のセットのユーザにデータベースオペレーションを推薦するための予測モデルを生成するステップであって、前記予測モデルはプロファイルされたコンテキストデータからのコンテキストデータフィールドに対応する複数の特徴と、推薦のためのデータベースオペレーションに対応する複数のクラスとを含むステップと、
アプリケーションコンテキストデータを含むアプリケーションログエントリを受信するステップであって、アプリケーションログエントリはデータ解析アプリケーションのインスタンス内の表内の列を選択する第2のセットのユーザに応答して受信され、アプリケーションコンテキストデータはテーブルに関連付けられたメタデータを含むステップと、
予測モデルへの入力として使用できるフォーマットでアプリケーションコンテキストデータをキャプチャするためにアプリケーションログエントリのプロファイリングを行うステップと、
予測モデルへの入力としてアプリケーションコンテキストデータを使用して、1つまたは複数の推奨データベースオペレーションを決定するステップと、
ユーザへの提示のためにデータ解析アプリケーションのインスタンスに1つ以上の推奨データベースオペレーションを送信するステップとを実行可能な命令である、コンピュータ可読記憶媒体。 - 前記予測モデルを生成するステップは、前記予測モデルをトレーニングするステップを含み、
前記トレーニングは、
プロファイルされたコンテキストデータから複数のコンテキストデータフィールドを選択することにより複数の特徴を決定することと、
推薦する複数のデータベースオペレーションを決定することと、
複数のデータベースオペレーションの各々について、複数の特徴の各々についての特徴重みを決定することとを含み、
前記特徴重みは、データベースオペレーションに関する特徴の予測性の尺度に対応する、請求項15に記載のコンピュータ可読記憶媒体。 - 前記トレーニングコンテキストデータは、プロジェクトメタデータ、ワークシートメタデータ、およびユーザメタデータのうちの少なくとも1つを含む、請求項15に記載のコンピュータ可読記憶媒体。
- 前記予測モデルは、多項ロジスティック分類器である、請求項15に記載のコンピュータ可読記憶媒体。
- 前記アプリケーションコンテキストデータは、プロジェクトメタデータ、ワークシートメタデータ、およびユーザメタデータのうちの少なくとも1つを含む、請求項15に記載のコンピュータ可読記憶媒体。
- 前記命令は、
データ解析アプリケーションの第2のセットのユーザにデータベースオペランドを推薦するための第2の予測モデルを生成するステップであって、前記予測モデルは、コンテキストデータフィールドに対応する複数の特徴と、推薦のためのデータベースオペランドに対応する複数のクラスとを含むステップと、
第2の予測モデルへの入力として使用することができるフォーマットでアプリケーションコンテキストデータを取り込むために、アプリケーションログエントリをプロファイリングするステップと、
1つまたは複数の推奨データベースオペレーションおよびアプリケーションコンテキストデータを第2の予測モデルへの入力として使用して、1つまたは複数の推奨データベースオペランドを決定するステップと、
1つまたは複数の推奨データベースオペランドを、ユーザーへの提示のためにデータ解析アプリケーションのインスタンスに送信するステップとをさらに実行可能である、請求項15に記載のコンピュータ可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/139,186 US10324947B2 (en) | 2016-04-26 | 2016-04-26 | Learning from historical logs and recommending database operations on a data-asset in an ETL tool |
US15/139,186 | 2016-04-26 | ||
PCT/US2017/029583 WO2017189693A1 (en) | 2016-04-26 | 2017-04-26 | Learning from historical logs and recommending database operations on a data-asset in an etl tool |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019519027A true JP2019519027A (ja) | 2019-07-04 |
JP2019519027A5 JP2019519027A5 (ja) | 2020-07-02 |
JP6843882B2 JP6843882B2 (ja) | 2021-03-17 |
Family
ID=60090217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018555888A Active JP6843882B2 (ja) | 2016-04-26 | 2017-04-26 | 履歴ログからの学習と、etlツール内のデータアセットに関するデータベースオペレーションの推奨 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10324947B2 (ja) |
EP (1) | EP3449334A4 (ja) |
JP (1) | JP6843882B2 (ja) |
AU (1) | AU2017255561B2 (ja) |
CA (1) | CA3022113A1 (ja) |
WO (1) | WO2017189693A1 (ja) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10073858B2 (en) | 2013-05-16 | 2018-09-11 | Oracle International Corporation | Systems and methods for tuning a storage system |
US11289200B1 (en) | 2017-03-13 | 2022-03-29 | C/Hca, Inc. | Authorized user modeling for decision support |
US10412028B1 (en) | 2013-05-24 | 2019-09-10 | HCA Holdings, Inc. | Data derived user behavior modeling |
US10936599B2 (en) | 2017-09-29 | 2021-03-02 | Oracle International Corporation | Adaptive recommendations |
US11269822B2 (en) * | 2017-10-09 | 2022-03-08 | Sap Se | Generation of automated data migration model |
US11222274B2 (en) * | 2017-12-01 | 2022-01-11 | At&T Intellectual Property I, L.P. | Scalable integrated information structure system |
US10783161B2 (en) * | 2017-12-15 | 2020-09-22 | International Business Machines Corporation | Generating a recommended shaping function to integrate data within a data repository |
US11323564B2 (en) * | 2018-01-04 | 2022-05-03 | Dell Products L.P. | Case management virtual assistant to enable predictive outputs |
WO2019156070A1 (ja) * | 2018-02-09 | 2019-08-15 | 国立大学法人静岡大学 | 機械学習システム及び機械学習方法 |
JP7119411B2 (ja) * | 2018-02-16 | 2022-08-17 | 日本電気株式会社 | データベース装置、データ管理方法、及びコンピュータ・プログラム |
US11531929B2 (en) * | 2018-11-09 | 2022-12-20 | Citrix Sysiems, Inc. | Systems and methods for machine generated training and imitation learning |
US11636071B2 (en) * | 2020-01-10 | 2023-04-25 | Salesforce.Com, Inc. | Database replication error recovery based on supervised learning |
CN111324455A (zh) * | 2020-02-10 | 2020-06-23 | 浙江中智达科技有限公司 | 工业云平台调度方法、装置及*** |
US11687548B2 (en) | 2020-02-28 | 2023-06-27 | Clumio, Inc. | Storage of backup data using a time-series data lake |
US11379500B2 (en) * | 2020-03-30 | 2022-07-05 | Sap Se | Automated data integration, reconciliation, and self healing using machine learning |
US11763178B2 (en) | 2020-05-29 | 2023-09-19 | Capital One Services, Llc | Predictive scheduling and execution of data analytics applications based on machine learning techniques |
CN113392173A (zh) * | 2020-08-28 | 2021-09-14 | 郭举 | 基于区块链的信息推送更新方法、***及云服务信息平台 |
US11886891B2 (en) * | 2021-09-10 | 2024-01-30 | Sap Se | Context-based multiexperience element dynamically generated using natural language processing |
CN117055479B (zh) * | 2023-07-19 | 2024-05-24 | 河南上恒医药科技有限公司 | 口服溶液药物生产过程中设备状态监控方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070276857A1 (en) * | 2006-05-24 | 2007-11-29 | Hitachi, Ltd. | Search apparatus |
JP2010033377A (ja) * | 2008-07-29 | 2010-02-12 | Yahoo Japan Corp | Webクエリに対する検索要求属性を自動推定する検索装置、検索方法及びプログラム |
CN101884044A (zh) * | 2007-12-04 | 2010-11-10 | 微软公司 | 使用直接操纵进行搜索查询变换 |
US20150324346A1 (en) * | 2014-05-11 | 2015-11-12 | Informatica Corporation | Composite data creation with refinement suggestions |
US20160092475A1 (en) * | 2014-09-26 | 2016-03-31 | Oracle International Corporation | Automated entity correlation and classification across heterogeneous datasets |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7698170B1 (en) * | 2004-08-05 | 2010-04-13 | Versata Development Group, Inc. | Retail recommendation domain model |
US7720720B1 (en) * | 2004-08-05 | 2010-05-18 | Versata Development Group, Inc. | System and method for generating effective recommendations |
US8266148B2 (en) * | 2008-10-07 | 2012-09-11 | Aumni Data, Inc. | Method and system for business intelligence analytics on unstructured data |
US20100114976A1 (en) * | 2008-10-21 | 2010-05-06 | Castellanos Maria G | Method For Database Design |
US8200661B1 (en) * | 2008-12-18 | 2012-06-12 | Google Inc. | Dynamic recommendations based on user actions |
US8161077B2 (en) * | 2009-10-21 | 2012-04-17 | Delphix Corp. | Datacenter workflow automation scenarios using virtual databases |
US20120102007A1 (en) * | 2010-10-22 | 2012-04-26 | Alpine Consulting, Inc. | Managing etl jobs |
WO2013130867A1 (en) * | 2012-02-29 | 2013-09-06 | Sourcefire, Inc. | Method and apparatus for retroactively detecting malicious or otherwise undesirable software |
US8978114B1 (en) * | 2012-07-15 | 2015-03-10 | Identropy, Inc. | Recommendation engine for unified identity management across internal and shared computing applications |
US9646262B2 (en) * | 2013-06-17 | 2017-05-09 | Purepredictive, Inc. | Data intelligence using machine learning |
KR101404710B1 (ko) * | 2013-12-16 | 2014-06-11 | 김민수 | 호 기반 광고 서비스 제공 방법 |
US9881059B2 (en) * | 2014-08-08 | 2018-01-30 | Yahoo Holdings, Inc. | Systems and methods for suggesting headlines |
US9507824B2 (en) * | 2014-08-22 | 2016-11-29 | Attivio Inc. | Automated creation of join graphs for unrelated data sets among relational databases |
US10402749B2 (en) * | 2014-08-25 | 2019-09-03 | Shl Us Llc | Customizable machine learning models |
US20160117087A1 (en) * | 2014-10-23 | 2016-04-28 | Microsoft Corporation | Job creation and reuse |
US10229148B1 (en) * | 2014-12-01 | 2019-03-12 | Arimo, Inc. | Multi-language support for interfacing with distributed data |
US10430421B2 (en) * | 2014-12-29 | 2019-10-01 | Facebook, Inc. | Recommending content items in a social network using delayed interaction |
US10713587B2 (en) * | 2015-11-09 | 2020-07-14 | Xerox Corporation | Method and system using machine learning techniques for checking data integrity in a data warehouse feed |
-
2016
- 2016-04-26 US US15/139,186 patent/US10324947B2/en active Active
-
2017
- 2017-04-26 AU AU2017255561A patent/AU2017255561B2/en active Active
- 2017-04-26 WO PCT/US2017/029583 patent/WO2017189693A1/en active Application Filing
- 2017-04-26 EP EP17790324.2A patent/EP3449334A4/en not_active Withdrawn
- 2017-04-26 CA CA3022113A patent/CA3022113A1/en active Pending
- 2017-04-26 JP JP2018555888A patent/JP6843882B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070276857A1 (en) * | 2006-05-24 | 2007-11-29 | Hitachi, Ltd. | Search apparatus |
CN101884044A (zh) * | 2007-12-04 | 2010-11-10 | 微软公司 | 使用直接操纵进行搜索查询变换 |
JP2010033377A (ja) * | 2008-07-29 | 2010-02-12 | Yahoo Japan Corp | Webクエリに対する検索要求属性を自動推定する検索装置、検索方法及びプログラム |
US20150324346A1 (en) * | 2014-05-11 | 2015-11-12 | Informatica Corporation | Composite data creation with refinement suggestions |
US20160092475A1 (en) * | 2014-09-26 | 2016-03-31 | Oracle International Corporation | Automated entity correlation and classification across heterogeneous datasets |
Non-Patent Citations (1)
Title |
---|
濱崎 雅弘: "Linked Open DataのためのSPARQLクエリ共有システムの提案", 一般社団法人 人工知能学会 第29回全国大会論文集CD−ROM [CD−ROM] 2015年度 人工, JPN6020038060, 2 June 2015 (2015-06-02), JP, pages 1 - 4, ISSN: 0004362406 * |
Also Published As
Publication number | Publication date |
---|---|
US10324947B2 (en) | 2019-06-18 |
WO2017189693A1 (en) | 2017-11-02 |
JP6843882B2 (ja) | 2021-03-17 |
CA3022113A1 (en) | 2017-11-02 |
EP3449334A1 (en) | 2019-03-06 |
US20170308595A1 (en) | 2017-10-26 |
EP3449334A4 (en) | 2019-12-25 |
AU2017255561B2 (en) | 2020-11-26 |
AU2017255561A1 (en) | 2018-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6843882B2 (ja) | 履歴ログからの学習と、etlツール内のデータアセットに関するデータベースオペレーションの推奨 | |
US10592544B1 (en) | Generation of process models in domains with unstructured data | |
Meinshausen et al. | Methods for causal inference from gene perturbation experiments and validation | |
US10614056B2 (en) | System and method for automated detection of incorrect data | |
US8768976B2 (en) | Operational-related data computation engine | |
US20180197087A1 (en) | Systems and methods for retraining a classification model | |
US8190537B1 (en) | Feature selection for large scale models | |
US9218568B2 (en) | Disambiguating data using contextual and historical information | |
US20210103858A1 (en) | Method and system for model auto-selection using an ensemble of machine learning models | |
US11037096B2 (en) | Delivery prediction with degree of delivery reliability | |
WO2019072128A1 (zh) | 对象识别方法及其*** | |
US20130166357A1 (en) | Recommender engine | |
US9633081B1 (en) | Systems and methods for determining application installation likelihood based on user network characteristics | |
US11790278B2 (en) | Determining rationale for a prediction of a machine learning based model | |
US11651291B2 (en) | Real-time predictions based on machine learning models | |
AU2018260885A1 (en) | Liquid workforce platform | |
JP5865297B2 (ja) | 候補提示装置、候補提示方法及びプログラム | |
US11294669B2 (en) | Method and computer-program-product determining measures for the development, design and/or deployment of complex embedded or cyber-physical systems, in particular complex software architectures used therein, of different technical domains | |
Almomani et al. | Selecting a good stochastic system for the large number of alternatives | |
US11973657B2 (en) | Enterprise management system using artificial intelligence and machine learning for technology analysis and integration | |
US20200342302A1 (en) | Cognitive forecasting | |
US11561982B2 (en) | Intelligent and automatic exception handling | |
US12013812B2 (en) | Method and system for analyzing data in a database | |
WO2023084710A1 (ja) | 推計システム、推計方法、及びプログラム | |
US20220164405A1 (en) | Intelligent machine learning content selection platform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200425 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200519 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200519 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200609 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200924 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201013 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210112 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210126 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210224 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6843882 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |