[发明专利]用于主动学习的候选列表选择模型

权利要求书

1.一种用于生成选择模型以选择用于进行特定属性相关验证的化合物候选列表的计算机实现的方法，所述方法包括：

接收从属性模型输出的预测结果列表，用于预测多个化合物是否与所述特定属性相关联和属性模型分数；

基于所述属性模型分数再训练所述选择模型；

使用所述再训练的选择模型从所述多个化合物中选择化合物候选列表；

发送所述选择的化合物候选列表以进行所述特定属性相关验证，其中基于所述验证更新所述属性模型；以及

至少重复所述选择模型的接收和再训练，直到确定所述选择模型已经被有效训练。

2.根据权利要求1所述的计算机实现的方法，其中所述选择模型通过基于所述属性模型分数训练ML技术生成。

3.根据权利要求1或2所述的计算机实现的方法，其中再训练所述选择模型还包括基于所述属性模型分数和先前的属性模型分数确定是否再训练所述选择模型以选择化合物候选列表。

4.根据权利要求1至3中任一项所述的计算机实现的方法，其中所述方法进一步包括：

使用所述选择模型，从所述预测结果列表中为所述化合物候选列表选择一组化合物用于验证；

验证所述选择的化合物候选列表中的每种化合物与所述特定属性的关联；以及

发送化合物的验证候选列表以更新所述属性模型。

5.根据权利要求4所述的计算机实现的方法，其中ML技术使用标记的训练数据集生成所述属性模型，所述标记的训练数据集与涉及所述特定属性的所述多个化合物的子集相关联，并且其中所述化合物的验证候选列表被并入所述标记的训练数据集，以通过所述ML技术来更新所述属性模型。

6.根据权利要求4或5所述的计算机实现的方法，其中验证所述选择的化合物候选列表还包括基于实验室实验或计算机分析验证所述化合物候选列表中的每种化合物与所述特定属性的关联。

7.根据权利要求6所述的计算机实现的方法，其中

所述实验室实验输出一组与所述选择的化合物候选列表和所述属性相关的实验室实验验证结果，其中基于所述实验室实验验证结果和用于生成所述属性模型的所述ML技术来更新所述属性模型；或者

计算机分析输出一组与所述选择的化合物候选列表和所述特定属性相关的计算机分析验证结果，其中基于所述计算机分析验证结果和用于生成所述属性模型的所述ML技术来更新所述属性模型。

8.根据权利要求4至7中任一项所述的计算机实现的方法，其中所述选择模型被进一步训练以选择用于验证所述选择的化合物候选列表的验证方法，其中选择用于验证所述选择的化合物候选列表的所述验证方法进一步包括：

基于所述特定属性和所述选择的化合物候选列表选择是进行实验室实验还是进行计算机分析；

响应于选择执行实验室实验，其中所述实验室实验输出实验室实验验证结果，用于估计所述选择的化合物候选列表上的每个化合物与所述特定属性的关联，其中所述实验室实验验证结果用于更新所述属性模型；

响应于确定执行计算机分析，其中所述计算机分析输出计算机分析验证结果，用于估计所述选择的化合物候选列表上的每种化合物与所述特定属性的关联，其中所述计算机分析验证结果用于更新所述属性模型。

9.根据权利要求7所述的计算机实现的方法，所述方法进一步包括：

接收从所述属性模型输出的预测结果列表，用于预测多个化合物是否与所述特定属性相关联和属性模型分数；

基于所述属性模型分数和先前的属性模型分数，确定是否再训练所述选择模型以选择化合物候选列表和验证方法；以及

基于所述属性模型分数和/或所述预测结果列表再训练所述选择模型。