[发明专利]用于实时可视模拟内的动态、增量推荐的系统和方法

说明书

根据各种实施例，本文描述的是用于与利用机器学习(ML、DataFlow机器学习、DFML)的数据集成或其它计算环境一起使用的、用于管理数据流(dataflow、DF)以及构建复杂的数据流软件应用(数据流应用、流水线)的系统(数据人工智能系统、数据AI系统)。根据实施例，该系统可以包括在本文中在一些实施例中称为流水线编辑器或Lambda Studio IDE的软件开发组件和图形用户界面，其提供与系统一起使用的可视环境，包括基于对与数据相关联的含义或语义的理解来提供对于对从输入HUB访问的数据执行语义动作的实时推荐。

版权声明

本专利文档的公开内容的一部分包含受版权保护的素材。版权拥有者不反对任何人对专利文档或专利公开内容按照在专利商标局的专利文件或记录中出现的那样进行传真复制，但是除此之外在任何情况下都保留所有版权。

优先权要求：

本申请要求于2016年8月22日提交的申请号为62/378,143，标题为“SYSTEM ANDMETHOD FOR AUTOMATED MAPPING OF DATA TYPES BETWEEN CLOUD AND DATABASESERVICES”；于2016年8月22日提交的申请号为62/378,146，标题为“SYSTEM AND METHODFOR DYNAMIC,INCREMENTAL RECOMMENDATIONS WITHIN REAL-TIME VISUAL SIMULATION”；于2016年8月22日提交的申请号为62/378,147，标题为“SYSTEM AND METHOD FORINFERENCING OF DATA TRANSFORMATIONS THROUGH PATTERNDECOMPOSITION”；于2016年8月22日提交的申请号为62/378,150，标题为“SYSTEM AND METHOD FOR ONTOLOGY INDUCTIONTHROUGH STATISTICAL PROFILING AND REFERENCE SCHEMA MATCHING”；于2016年8月22日提交的申请号为62/378,151，标题为“SYSTEM AND METHOD FOR METADATA-DRIVENEXTERNAL INTERFACE GENERATION OF APPLICATION PROGRAMMING INTERFACES”；以及于2016年8月22日提交的申请号为62/378,152，标题为“SYSTEM AND METHOD FOR DYNAMICLINEAGE TRACKING AND RECONSTRUCTION OF COMPLEX BUSINESS ENTITIES WITH HIGH-LEVEL POLICIES”的美国临时专利申请的优先权权益；以上申请中的每一个均通过引用被并入本文。

技术领域

本发明的实施例一般而言涉及集成从各个源获得的数据的方法，并且特别地涉及在实时可视模拟内提供动态、增量推荐。

背景技术

当今的计算环境中的许多计算环境都需要能够在不同类型的软件应用之间共享大量数据。但是，由于例如分布式应用所支持的数据类型或者分布式应用的执行环境的差异，分布式应用在它们的配置方面可能明显不同。应用的配置可能取决于例如它的应用编程接口、运行时环境、部署方案、生命周期管理或安全管理。

旨在用于开发此类分布式应用的软件设计工具往往是资源密集型的，通常需要人类域模型专家的服务来策划应用和数据集成。因此，面临构建将用于在不同类型的执行环境中集成不同类型的数据的复杂、可扩展、分布式应用的任务的应用开发人员通常必须花费大量的手动工作来设计、构建和配置这些应用。

发明内容