Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Goto Application

1. WO2020068421 - MODÈLE D'APPRENTISSAGE AUTOMATIQUE HYBRIDE POUR CLASSIFICATION DE CODE

Numéro de publication WO/2020/068421
Date de publication 02.04.2020
N° de la demande internationale PCT/US2019/050555
Date du dépôt international 11.09.2019
CIB
G06N 20/10 2019.01
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
20Apprentissage automatique
10utilisant des méthodes à noyaux, p.ex. séparateurs à vaste marge
CPC
G06N 20/20
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
20Machine learning
20Ensemble learning
G06N 5/003
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
5Computer systems using knowledge-based models
003Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
Déposants
  • DOW GLOBAL TECHNOLOGIES LLC [US]/[US]
Inventeurs
  • WANG, Chun
  • WASSICK, John, Martin
  • ROTHHAAR, Vicki
  • DEB, Kalyanmoy
  • DHEBAR, Yashesh, Deepakkumer
  • GOODMAN, Erik, David
Mandataires
  • BORELLA, Michael, S.
Données relatives à la priorité
62/738,48228.09.2018US
Langue de publication anglais (EN)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) HYBRID MACHINE LEARNING MODEL FOR CODE CLASSIFICATION
(FR) MODÈLE D'APPRENTISSAGE AUTOMATIQUE HYBRIDE POUR CLASSIFICATION DE CODE
Abrégé
(EN)
An embodiment involves a hybrid machine learning classifier that uses a random forest of decision tree classifiers to predict a tariff code prefix, and uses a plurality of expert trees to predict a tariff code suffix from properties related to chemical components associated with the respective tariff code prefixes. The embodiment also involves: determining a proportion of a dominant chemical component in comparison to other chemical components in a new set of chemical components; calculating similarity scores for the new set of chemical components and words associated with the tariff code prefixes; generating a feature vector from the proportion and the similarity scores; and obtaining a predicted tariff code including a predicted tariff code prefix determined by applying the random forest to the feature vector, and a predicted tariff code suffix determined by traversing a particular expert tree in accordance with properties related to the new set of chemical components.
(FR)
Selon un mode de réalisation, l'invention concerne un classifieur par apprentissage automatique hybride qui utilise une forêt aléatoire de classifieurs par arbre de décision pour prédire un préfixe de code tarifaire, et utilise une pluralité d'arbres experts pour prédire un suffixe de code tarifaire à partir de propriétés relatives à des composants chimiques associés aux préfixes de code tarifaire respectifs. Le mode de réalisation consiste également à : déterminer une proportion d'un composant chimique dominant par comparaison à d'autres composants chimiques dans un nouvel ensemble de composants chimiques ; calculer des scores de similarité pour le nouvel ensemble de composants chimiques et des mots associés aux préfixes de code tarifaire ; générer un vecteur de caractéristiques à partir de la proportion et des scores de similarité ; et obtenir un code tarifaire prédit comprenant un préfixe de code tarifaire prédit déterminé par application de la forêt aléatoire au vecteur de caractéristiques, et un suffixe de code tarifaire prédit déterminé par parcours d'un arbre expert particulier en fonction de propriétés relatives au nouvel ensemble de composants chimiques.
Dernières données bibliographiques dont dispose le Bureau international