Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Goto Application

1. WO2020072758 - SYSTÈME ET PROCÉDÉS D'ENTRAÎNEMENT ET D'UTILISATION DE MODÈLES D'APPRENTISSAGE AUTOMATIQUE DESTINÉS À LA GÉNÉRATION ET À LA PRÉDICTION DE CHAÎNE UNIQUE

Numéro de publication WO/2020/072758
Date de publication 09.04.2020
N° de la demande internationale PCT/US2019/054469
Date du dépôt international 03.10.2019
CIB
G06F 15/16 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
FTRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
15Calculateurs numériques en général; Équipement de traitement de données en général
16Associations de plusieurs calculateurs numériques comportant chacun au moins une unité arithmétique, une unité programme et un registre, p.ex. pour le traitement simultané de plusieurs programmes
G06F 17/27 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
FTRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
17Équipement ou méthodes de traitement de données ou de calcul numérique, spécialement adaptés à des fonctions spécifiques
20Manipulation de données en langage naturel
27Analyse automatique, p.ex. analyse grammaticale, correction orthographique
G06Q 50/18 2012.01
GPHYSIQUE
06CALCUL; COMPTAGE
QSYSTÈMES OU MÉTHODES DE TRAITEMENT DE DONNÉES, SPÉCIALEMENT ADAPTÉS À DES FINS ADMINISTRATIVES, COMMERCIALES, FINANCIÈRES, DE GESTION, DE SURVEILLANCE OU DE PRÉVISION; SYSTÈMES OU MÉTHODES SPÉCIALEMENT ADAPTÉS À DES FINS ADMINISTRATIVES, COMMERCIALES, FINANCIÈRES, DE GESTION, DE SURVEILLANCE OU DE PRÉVISION, NON PRÉVUS AILLEURS
50Systèmes ou procédés spécialement adaptés à un secteur particulier d’activité économique, p.ex. aux services d’utilité publique ou au tourisme
10Services
18Services juridiques; Traitement de documents juridiques
CPC
G06F 40/216
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
40Handling natural language data
20Natural language analysis
205Parsing
216using statistical methods
G06F 40/30
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
40Handling natural language data
30Semantic analysis
G06F 40/44
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
40Handling natural language data
40Processing or translation of natural language
42Data-driven translation
44Statistical methods, e.g. probability models
G06F 40/56
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
40Handling natural language data
40Processing or translation of natural language
55Rule-based translation
56Natural language generation
G06N 20/00
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
20Machine learning
G06N 7/005
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
7Computer systems based on specific mathematical models
005Probabilistic networks
Déposants
  • CAMELOT UK BIDCO LIMITED [GB]/[GB]
  • MISHRA, Akanksha [IN]/[US]
Inventeurs
  • MISHRA, Akanksha
  • KEYNGNAERT, Peter
  • WAERNIERS, Jan
  • SMET, Ann
Mandataires
  • MACDAVITT, Sean, R.
  • BLAZESKI, George
  • BENNETT, Coalton
  • BAI, Mei
  • BOWLES, Anita, M.
Données relatives à la priorité
62/740,82003.10.2018US
Langue de publication anglais (EN)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) SYSTEM AND METHODS FOR TRAINING AND EMPLOYING MACHINE LEARNING MODELS FOR UNIQUE STRING GENERATION AND PREDICTION
(FR) SYSTÈME ET PROCÉDÉS D'ENTRAÎNEMENT ET D'UTILISATION DE MODÈLES D'APPRENTISSAGE AUTOMATIQUE DESTINÉS À LA GÉNÉRATION ET À LA PRÉDICTION DE CHAÎNE UNIQUE
Abrégé
(EN)
Systems and methods for generating strings based on a seed string are disclosed. Machine learning models are trained using domain- specific training data. Random walk models are derived from the trained machine learning models. A seed string is input into each of the random walk models, and each of the random walk models iteratively generate one or more next characters for the seed string to generate at least one term from each of the random walk models. A predicted class for the at least one term generated by each of the random walk models can be determined, and a ranked order for the at least one term generated by each of the random walk models with the predicted classes can be output to a graphical user interface.
(FR)
L'invention concerne des systèmes et des procédés permettant de générer de chaînes sur la base d’une chaîne amorce. Des modèles d'apprentissage automatique sont entraînés à l'aide de données d'entraînement spécifiques au domaine. Des modèles de marche aléatoires sont tirés des modèles d'apprentissage automatique entraînés. Une chaîne amorce est entrée dans chaque modèle de marche aléatoire, et chaque modèle de marche aléatoire génère de manière itérative un ou plusieurs caractères suivants pour la chaîne amorce afin de générer au moins un terme à partir de chaque modèle de marche aléatoire. Une classe prédite pour ledit terme généré par chaque modèle de marche aléatoire peut être déterminée, et un ordre classé pour ledit terme généré par chaque modèle de marche aléatoire avec les classes prédites peut être délivré en sortie à une interface graphique utilisateur.
Dernières données bibliographiques dont dispose le Bureau international