[发明专利]使用机器学习技术使风险最小化

说明书

本公开的实施例涉及使用机器学习技术使风险最小化。实施例涉及一种利用机器学习技术使合规风险最小化的智能计算机平台。从跨两个或更多个域的一个或多个数据源中提取特征，并且标识活动数据。在活动数据内标识特征，其被用来创建一个或多个模型。测量域活动影响并且计算风险概率。基于所计算的风险概率生成策略，并且编排一个或多个合规活动。遵从该编排来执行一个或多个经编码的动作。

技术领域

本发明实施例涉及一种人工智能平台以及一种优化方法以跨旅行组件使风险最小化。更具体地，实施例涉及理解和测量不同旅行组件之间的交叉影响，以及用于决策制定的强化学习。

发明内容

实施例包括用于交叉合规风险评定和优化的系统、计算机程序产品和方法。

在一个方面，一种计算机系统被提供有处理单元和存储器，以用于与人工智能(AI)计算机平台一起使用，以使合规风险最小化。处理单元操作地耦合到存储器，并且与AI平台和嵌入式工具通信，该嵌入式工具包括数据管理器、机器学习(ML)管理器和推荐引擎。数据管理器用以从跨两个或更多个域的一个或多个数据源中提取特征，并且标识所提取的特征内的活动数据。ML管理器用以标识活动数据内的特征，用所标识的特征创建一个或多个模型，并且测量域活动影响。ML管理器还基于所测量的影响来计算风险概率。推荐引擎从所计算的风险概率生成策略，并且还基于所生成的策略来编排(orchestrate)一个或多个合规活动。处理单元选择性地执行遵从该编排的一个或多个经编码的动作。

在另一方面，提供了一种计算机程序设备以使合规风险最小化。程序代码由处理单元可执行，以跨两个或更多个域监测和评估数据并且使风险最小化。程序代码从跨两个或更多个域的一个或多个数据源中提取特征，并且标识所提取的特征内的活动数据。程序代码标识活动数据内的特征，用所标识的特征创建一个或多个模型，并且测量域活动影响。基于所测量的影响来计算风险概率。程序代码还从所计算的风险概率生成策略，并且基于所生成的策略来编排一个或多个合规活动。遵从该编排执行一个或多个经编码的动作。

在又一方面，提供了一种用于合规风险分析和优化的方法。从跨两个或更多个域的一个或多个数据源中提取特征，并且标识所提取的特征中的活动数据。标识活动数据内的特征，该特征被用来创建一个或多个模型。测量域活动影响，并且基于所测量的影响来计算风险概率。基于所计算的风险概率生成策略，并且基于所生成的策略来编排一个或多个合规活动。遵从该编排执行一个或多个经编码的动作。

通过结合附图对(多个)当前优选实施例的以下详细描述，这些以及其他特征和优点将变得显而易见。

附图说明

本文参考的附图形成说明书的一部分。除非另外明确指出，否则附图中所示的特征仅意在说明一些实施例，而不是所有实施例。

图1描绘了图示人工智能平台计算系统的系统图。

图2描绘了图示示例分类矩阵的框图。

图3描绘了图示如图1中所示和所述的人工智能平台工具及其关联的应用程序接口的框图。

图4描绘了图示用于使活动数据相关并且评定跨活动的概率的编排的功能性的流程图。

图5描绘了图示ML算法的动态特性的流程图。

图6描绘了图示基于云的支持系统的计算机系统/服务器的示例的框图，以实现以上关于图1-图5描述的系统和过程。

图7描绘了图示云计算机环境的框图。

图8描绘了图示由云计算环境提供的一组功能抽象模型层的框图。

具体实施方式