JP6843882B2 - 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
- JP6843882B2 JP6843882B2 JP2018555888A JP2018555888A JP6843882B2 JP 6843882 B2 JP6843882 B2 JP 6843882B2 JP 2018555888 A JP2018555888 A JP 2018555888A JP 2018555888 A JP2018555888 A JP 2018555888A JP 6843882 B2 JP6843882 B2 JP 6843882B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- database
- model
- application
- context data
- 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.)
- Active
Links
- 238000007405 data analysis Methods 0.000 claims description 88
- 238000012549 training Methods 0.000 claims description 66
- 238000000034 method Methods 0.000 claims description 35
- 238000013479 data entry Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 12
- 230000015654 memory Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 238000013075 data extraction Methods 0.000 description 7
- 239000002131 composite material Substances 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification 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
- 238000012937 correction Methods 0.000 description 2
- 230000008571 general function Effects 0.000 description 2
- 230000003993 interaction 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
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007477 logistic regression Methods 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
- 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)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
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 (21)
- 1つ以上のコンピューティングデバイスによって、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推奨を提供する方法であって、
前記1つ以上のコンピューティングデバイスの少なくとも1つによって、コンテキストデータから、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によって、コンテキストデータ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、
前記1つ以上のコンピューティングデバイスの少なくとも1つによって、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、
前記1つ以上のコンピューティングデバイスの少なくとも1つによって、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、少なくとも1つのデータベースオペレーションまたは少なくとも1つのオペランド、の1つ以上を推薦するよう構成された複数の予測モデルを生成するステップであって、前記予測モデルのそれぞれは、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、推薦のための複数の対応するデータベースオペレーションまたは複数のオペランドのいずれかとを含む、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る、ステップと、
前記1つ以上のコンピューティングデバイスの少なくとも1つによって、前記アプリケーションコンテキストデータに少なくとも部分的に基づいて、前記複数の予測モデル内の1つ以上の予測モデルを選択するステップと、
前記1つ以上のコンピューティングデバイスの少なくとも1つによって、前記アプリケーションコンテキストデータを前記1つ以上の選択された予測モデルへ入力することにより、1つ以上の確率リストを生成するステップであって、前記確率リストのそれぞれは、前記複数のデータベースオペレーションまたは前記複数のオペランドに関連付られた複数の確率値を含む、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、
前記1つ以上のコンピューティングデバイスの少なくとも1つによって、前記1つ以上の確率リストに少なくとも部分的に基づいて、1つ以上の推奨を決定するステップであって、前記1つ以上の推奨における各推奨は、データベースオペレーションまたはオペランドを含む、ステップと、
前記1つ以上のコンピューティングデバイスの少なくとも1つによって、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前記1つ以上の推奨を送信するステップと、を含む方法。 - 前記複数の予測モデルを生成するステップが、複数の予測モデルのそれぞれについて、
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または複数のオペランドを決定することと、
複数のデータベースオペレーションまたは複数のオペランドの各々について、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またはオペランド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。
- 少なくとも1つの予測モデルが、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。
- 前記1つ以上の選択された予測モデルは、オペレーションモデルおよびオペランドモデルを含み、
前記アプリケーションコンテキストデータを前記1つ以上の選択された予測モデルへ入力することにより、1つ以上の確率リストを生成するステップは、
前記アプリケーションコンテキストデータを前記オペレーションモデルへ入力することにより、前記複数のデータベースオペレーションに関連付られた確率を含む第1の確率リストを生成することと、
前記アプリケーションコンテキストデータおよび前記第1の確率リストを前記オペランドモデルへ入力することにより、前記複数のオペランドに関連付られた確率を含む第2の確率リストを生成することと、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インスタンスのユーザに推奨を提供する装置であって、
1つ以上のプロセッサと、
前記1つ以上のプロセッサの少なくとも1つに動作可能に結合された1つ以上のメモリとを備え、
前記1つ以上のメモリは、前記1つ以上のプロセッサの少なくとも1つに実行されたときに、前記1つ以上のプロセッサの少なくとも1つに、
コンテキストデータから、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によって、コンテキストデータ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、少なくとも1つのデータベースオペレーションまたは少なくとも1つのオペランド、の1つ以上を推薦するよう構成された複数の予測モデルを生成するステップであって、前記予測モデルのそれぞれは、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、推薦のための複数の対応するデータベースオペレーションまたは複数のオペランドのいずれかとを含む、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る、ステップと、
前記アプリケーションコンテキストデータに少なくとも部分的に基づいて、前記複数の予測モデル内の1つ以上の予測モデルを選択するステップと、
前記アプリケーションコンテキストデータを前記1つ以上の選択された予測モデルへ入力することにより、1つ以上の確率リストを生成するステップであって、前記確率リストのそれぞれは、前記複数のデータベースオペレーションまたは前記複数のオペランドに関連付られた複数の確率値を含む、ステップと、
前記1つ以上の確率リストに少なくとも部分的に基づいて、1つ以上の推奨を決定するステップであって、前記1つ以上の推奨における各推奨は、データベースオペレーションまたはオペランドを含む、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前記1つ以上の推奨を送信するステップと、
を実行させる命令が格納されている、装置。 - 前記命令は、前記1つ以上のプロセッサの少なくとも1つに実行されたときに、前記1つ以上のプロセッサの少なくとも1つに、
前記複数の予測モデルを生成するステップにおいて、複数の予測モデルのそれぞれについて、
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または複数のオペランドを決定することと、
複数のデータベースオペレーションまたは複数のオペランドの各々について、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、をさらに行わせ、
前記特徴重みはデータベースオペレーションまたはオペランドに関する特徴の予測性の尺度に対応する、請求項8に記載の装置。 - 前記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に記載の装置。
- 少なくとも1つの予測モデルが、多項ロジスティック分類器である、請求項8に記載の装置。
- 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に記載の装置。
- 前記1つ以上の推奨は、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に記載の装置。
- 前記1つ以上の選択された予測モデルは、オペレーションモデルおよびオペランドモデルを含み、
前記命令は、前記1つ以上のプロセッサの少なくとも1つに実行されたときに、前記1つ以上のプロセッサの少なくとも1つに、
前記アプリケーションコンテキストデータを前記1つ以上の選択された予測モデルへ入力することにより、1つ以上の確率リストを生成するステップにおいて、
前記アプリケーションコンテキストデータを前記オペレーションモデルへ入力することにより、前記複数のデータベースオペレーションに関連付られた確率を含む第1の確率リストを生成することと、
前記アプリケーションコンテキストデータおよび前記第1の確率リストを前記オペランドモデルへ入力することにより、前記複数のオペランドに関連付られた確率を含む第2の確率リストを生成することと、をさらに実行させる、
請求項8に記載の装置。 - コンピュータ可読命令を記憶する少なくとも1つの非一時的なコンピュータ可読記憶媒体であって、前記コンピュータ可読命令は、1つ以上のコンピューティングデバイスに実行されたとき、前記1つ以上のコンピューティングデバイスの少なくとも1つに、
コンテキストデータから、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によって、コンテキストデータ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は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、少なくとも1つのデータベースオペレーションまたは少なくとも1つのオペランド、の1つ以上を推薦するよう構成された複数の予測モデルを生成するステップであって、前記予測モデルのそれぞれは、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、推薦のための複数の対応するデータベースオペレーションまたは複数のオペランドのいずれかとを含む、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る、ステップと、
前記アプリケーションコンテキストデータに少なくとも部分的に基づいて、前記複数の予測モデル内の1つ以上の予測モデルを選択するステップと、
前記アプリケーションコンテキストデータを前記1つ以上の選択された予測モデルへ入力することにより、1つ以上の確率リストを生成するステップであって、前記確率リストのそれぞれは、前記複数のデータベースオペレーションまたは前記複数のオペランドに関連付られた複数の確率値を含む、ステップと、
前記1つ以上の確率リストに少なくとも部分的に基づいて、1つ以上の推奨を決定するステップであって、前記1つ以上の推奨における各推奨は、データベースオペレーションまたはオペランドを含む、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前記1つ以上の推奨を送信するステップと、
を実行させる、記憶媒体。 - 前記コンピュータ可読命令は、前記1つ以上のプロセッサの少なくとも1つに実行されたときに、前記1つ以上のプロセッサの少なくとも1つに、
前記複数の予測モデルを生成するステップにおいて、複数の予測モデルのそれぞれについて、
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または複数のオペランドを決定することと、
複数のデータベースオペレーションまたは複数のオペランドの各々について、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、をさらに行わせ、
前記特徴重みはデータベースオペレーションまたはオペランドに関する特徴の予測性の尺度に対応する、請求項15に記載の記憶媒体。 - 前記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に記載の記憶媒体。
- 少なくとも1つの予測モデルが、多項ロジスティック分類器である、請求項15に記載の記憶媒体。
- 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に記載の記憶媒体。
- 前記1つ以上の推奨は、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15に記載の記憶媒体。
- 前記1つ以上の選択された予測モデルは、オペレーションモデルおよびオペランドモデルを含み、
前記コンピュータ可読命令は、前記1つ以上のプロセッサの少なくとも1つに実行されたときに、前記1つ以上のプロセッサの少なくとも1つに、
前記アプリケーションコンテキストデータを前記1つ以上の選択された予測モデルへ入力することにより、1つ以上の確率リストを生成するステップにおいて、
前記アプリケーションコンテキストデータを前記オペレーションモデルへ入力することにより、前記複数のデータベースオペレーションに関連付られた確率を含む第1の確率リストを生成することと、
前記アプリケーションコンテキストデータおよび前記第1の確率リストを前記オペランドモデルへ入力することにより、前記複数のオペランドに関連付られた確率を含む第2の確率リストを生成することと、をさらに実行させる、
請求項15に記載の記憶媒体。
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 JP2019519027A (ja) | 2019-07-04 |
JP2019519027A5 JP2019519027A5 (ja) | 2020-07-02 |
JP6843882B2 true 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*** |
Family Cites Families (23)
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 |
JP4958476B2 (ja) * | 2006-05-24 | 2012-06-20 | 株式会社日立製作所 | 検索装置 |
US20090144262A1 (en) * | 2007-12-04 | 2009-06-04 | Microsoft Corporation | Search query transformation using direct manipulation |
JP5049223B2 (ja) * | 2008-07-29 | 2012-10-17 | ヤフー株式会社 | 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 |
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 |
US11227104B2 (en) * | 2014-05-11 | 2022-01-18 | Informatica Llc | Composite data creation with refinement suggestions |
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 |
US10296192B2 (en) * | 2014-09-26 | 2019-05-21 | Oracle International Corporation | Dynamic visual profiling and visualization of high volume datasets and real-time smart sampling and statistical profiling of extremely large datasets |
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
Also Published As
Publication number | Publication date |
---|---|
US10324947B2 (en) | 2019-06-18 |
WO2017189693A1 (en) | 2017-11-02 |
JP2019519027A (ja) | 2019-07-04 |
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 | |
US11327935B2 (en) | Intelligent data quality | |
US9965531B2 (en) | Data storage extract, transform and load operations for entity and time-based record generation | |
WO2020167559A1 (en) | Generation of process models in domains with unstructured data | |
US9798829B1 (en) | Data graph interface | |
US8645332B1 (en) | Systems and methods for capturing data refinement actions based on visualized search of information | |
US11037096B2 (en) | Delivery prediction with degree of delivery reliability | |
US20160004757A1 (en) | Data management method, data management device and storage medium | |
US10467226B2 (en) | Method for in-database feature selection for high-dimensional inputs | |
WO2019200480A1 (en) | Method and system for model auto-selection using an ensemble of machine learning models | |
US20130166357A1 (en) | Recommender engine | |
Bermúdez et al. | Improving demand forecasting accuracy using nonlinear programming software | |
CN112507098B (zh) | 问题处理方法、装置、电子设备、存储介质及程序产品 | |
US20230093756A1 (en) | Systems and methods for generating recommendations | |
US20240095256A1 (en) | Method and system for persisting data | |
US11010393B2 (en) | Library search apparatus, library search system, and library search method | |
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 | |
JP6489340B1 (ja) | 比較対象企業選定システム | |
US20200342302A1 (en) | Cognitive forecasting | |
Giacometti et al. | Comparison table generation from knowledge bases | |
JP2020035072A (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
WO2023084710A1 (ja) | 推計システム、推計方法、及びプログラム | |
CN116756410A (zh) | 产品服务推荐方法、产品服务推荐装置、设备及存储介质 | |
CN116628011A (zh) | 一种sql语句的处理方法、装置、设备及存储介质 | |
JP2015201059A (ja) | パラメータ設定支援システム、パラメータ設定方法 |
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 |