Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
Latest bibliographic data on file with the International Bureau

Pub. No.: WO/2015/109030 International Application No.: PCT/US2015/011477
Publication Date: 23.07.2015 International Filing Date: 14.01.2015
G06F 17/00 (2006.01)
Digital computing or data processing equipment or methods, specially adapted for specific functions
AYASDI, INC. [US/US]; 4400 Bohannon Drive Suite 200 Menlo Park, California 94025, US
LUM, Pek Yee; US
CADAG, Eithon; US
LEWIS, Joshua; US
SEXTON, Harlan; US
KLOKE, Daniel C.; US
Priority Data:
(EN) An example method comprises receiving historical information of episodes, constructing event sets from the historical information, categorizing each event with general labels and synthetic labels, learning an event metric on the events by using the general and synthetic labels to perform dimensionality reduction to associate a vector with each event and to determine an angle between every two vectors, determining an event set metric using distances between each pair of event sets, deriving a sequence metric on the episodes, the sequence metric obtaining a preferred match between two episodes, deriving a subsequence metric on the episodes, the subsequence metric is a function of the event set metric on subsequences of each episode, grouping episodes into subgroups based on distances, for at least one subgroup, generating a consensus sequence by finding a preferred sequence of events, and the episodes of the subgroup, and generating a report indicating the consensus sequence.
(FR) Procédé donné à titre d'exemple qui comprend les étapes consistant à recevoir des informations historiques d'épisodes, à créer des ensembles d'événements à partir des informations historiques, à catégoriser chaque événement avec des étiquettes générales et des étiquettes synthétiques, à appliquer une métrique d'événement sur les événements à l'aide des étiquettes générales et synthétiques afin d'effectuer la réduction de la dimensionnalité pour associer un vecteur à chaque événement et pour déterminer un angle entre chaque paire de vecteurs, à déterminer une métrique d'ensembles d'événements à l'aide de distances entre chaque paire d'ensembles d'événements, à dériver une métrique de séquence sur les épisodes, la métrique de séquence obtenant une correspondance préférée entre deux épisodes, à dériver une métrique de sous-séquence sur les épisodes, la métrique de sous-séquence étant une fonction de la métrique d'ensembles d'événements sur des sous-séquences de chaque épisode, à grouper des épisodes en sous-groupes sur la base des distances, pour au moins un sous-groupe, à générer une séquence consensus en trouvant une séquence préférée d'événements, et les épisodes du sous-groupe, et à générer un rapport indiquant la séquence consensus.
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JP, KE, KG, KN, KP, KR, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Organization (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: English (EN)
Filing Language: English (EN)