[发明专利]一种基于大数据的机器学习引擎方法

权利要求书

1.一种基于大数据的机器学习引擎方法，其特征在于：包括如下步骤：

S1、获取外界环境信息；

S2、外界环境信息集合；

S3、信息处理；

S4、创建学习信息大数据库；

S5、建立学习知识库；

S6、获取机器学习任务；

S7、创建交互式学习系统；

S8、获取新的学习知识；

S9、利用新学知识执行任务。

2.根据权利要求1所述的一种基于大数据的机器学习引擎方法，其特征在于：所述S1中，获取外界环境信息，通过信息采集元件来获取外部环境中的知识信息；

所述S2中，外界环境信息集合，将信息采集元件所获取的外部环境中的知识信息数据进行集合，使散乱的外部环境信息形成集体。

3.根据权利要求2所述的一种基于大数据的机器学习引擎方法，其特征在于：所述S3中，信息处理，在外部环境信息集合后，通过知识信息处理器来对环境信息进行滤、排序、关联查询、拆分和数据对比处理，使外部环境信息整合成机器学习的知识；

所述S4中，创建学习信息大数据库，将经过信息处理器处理后的学习知识信息通过局域网上传至数据库中，使获取的环境信息进行集中，生成学习信息大数据库。

4.根据权利要求1所述的一种基于大数据的机器学习引擎方法，其特征在于：所述S5中，建立学习知识库，具体包括如下步骤：

A、根据学习信息领域和类型进行分类；

B、依照领域分类生成学习子知识库；

C、按照次序生成学习数据链；

D、自定义标签；

所述A中，在学习信息大数据库创建后，依据学习信息的所属领域和类型来将大数据库中的学习信息进行分类，使大数据库内的学习信息由集中式转换成分布式；

所述B中，将分类后的各个分布式学习信息再次根据所属领域和类型来生成学习子知识库，实现将学习信息大数据库转换成多个学习子知识库。

5.根据权利要求4所述的一种基于大数据的机器学习引擎方法，其特征在于：所述C中，在学习子知识库创建后，依照各个学习子知识库在学习信息大数据库中的顺序，以五个学习子知识库为一组单元数据链的形式来将各个学习子知识库生成为学习数据链；

所述D中，将各个学习子知识库生成的学习数据链，按照次序进行定义标签，实现对各个学习数据链进行标签分类。

6.根据权利要求1所述的一种基于大数据的机器学习引擎方法，其特征在于：所述S6中，获取机器学习任务，通过计算机来依据机器自身所学的知识来获取机器学习的任务；

所述S7中，创建交互式学习系统，包括交互式学习模型、信息交互模块、信息转换模块、信息传输模块、信息识别和信息反馈模块；

所述交互式学习模型，在机器通过计算机获取学习任务后，在计算机内部，建立交互式学习模型，交互式学习模型主要用以将信息进行导入和输出；

所述信息转换模块，通过交互式学习模型将机器的学习任务信息输送至信息转换模块，通过信息转换模块来将机器的学习任务信息与学习知识库内的知识信息保持统一格式。

7.根据权利要求6所述的一种基于大数据的机器学习引擎方法，其特征在于：所述信息交互模块，在信息转换模块将机器的学习任务信息转换成统一格式后，借助计算机将机器学习的任务信息以文字输入、语音输入和其他输入方式输入到学习知识库；

所述信息传输模块，在信息交互模块将学习任务信息传输至学习知识库内后，利用信息传输模块内的传输设备将学习任务信息分别传输至学习知识库内的各个学习数据链内。

8.根据权利要求6所述的一种基于大数据的机器学习引擎方法，其特征在于：所述信息识别，在学习任务信息传输至各个学习数据链内后，通过信息识别设备在对应的学习数据链内依据信息的领域和类型来判断与学习任务信息相匹配的学习数据链，并依照自定义标签来确定该学习任务信息对应的学习数据链内的知识信息；

所述信息反馈模块，在确定与学习任务信息对应的学习数据链后，通过信息传输设备将对应的学习数据链内的学习知识信息传输至计算机。