[发明专利]用于定义机器学习（ML）解决方案的聊天机器人

权利要求书

1.一种用于定义机器学习解决方案的计算机实现的方法，所述方法包括：

接收描述要通过生成机器学习解决方案来解决的问题的第一输入；

将第一输入改写成一个或多个文本片段；

至少部分地基于对所述一个或多个文本片段的分类来确定第一输入的意图以创建机器学习体系架构；

将所述一个或多个文本片段与一个或多个机器学习模型的一个或多个机器学习框架相关，所述相关包括分析具有所述一个或多个文本片段的所述一个或多个机器学习框架的元数据；

经由显示器和音频输出中的一个或多个呈现所述一个或多个机器学习模型；

接收所述一个或多个机器学习模型的选择，其中所述选择选自所述一个或多个机器学习模型；

接收识别用于生成机器学习体系架构的数据源的第二输入；

接收用于机器学习体系架构的一个或多个约束的第三输入；

至少部分地基于选择的所述一个或多个机器学习模型、识别数据源的第二输入和识别所述一个或多个约束的第三输入为机器学习体系架构生成多个代码；以及

将指定生成的代码的元数据存储在存储器中。

2.如权利要求1所述的计算机实现的方法，还包括为机器学习体系架构提供一个或多个服务，所述一个或多个服务包括监视、日志记录和提醒。

3.如权利要求1所述的计算机实现的方法，还包括接收识别如何呈现机器学习解决方案的第四输入。

4.如权利要求1所述的计算机实现的方法，还包括：

分析所述一个或多个约束以至少部分地基于优化所述一个或多个约束来生成用于机器学习体系架构的第二多个代码；

生成优化的解决方案；以及

显示优化的解决方案。

5.如权利要求1所述的计算机实现的方法，还包括经由智能助理接口部署机器学习体系架构。

6.如权利要求1所述的计算机实现的方法，其中第一输入包括听觉输入、文本输入和图形用户界面输入中的至少一个。

7.如权利要求1所述的计算机实现的方法，其中所述一个或多个机器学习模型包括分类器模型、推荐器模型和强化学习模型中的至少一个。

8.如权利要求1所述的计算机实现的方法，其中所述一个或多个约束包括资源、位置、安全性和隐私中的至少一个。

9.一种有形地实施在非暂态机器可读存储介质中的计算机程序产品，包括被配置为使数据处理装置执行用于定义机器学习解决方案的操作的指令，所述操作包括：

接收描述要通过生成机器学习解决方案来解决的问题的第一输入；

将第一输入改写成一个或多个文本片段；

至少部分地基于所述一个或多个文本片段来确定第一输入的意图以创建机器学习体系架构；

将所述一个或多个文本片段与一个或多个机器学习模型的一个或多个机器学习框架相关，所述相关包括分析具有所述一个或多个文本片段的所述一个或多个机器学习框架的元数据；

经由显示器和音频输出中的一个或多个呈现所述一个或多个机器学习模型；

接收所述一个或多个机器学习模型的选择，其中所述选择选自所述一个或多个机器学习模型；

接收识别用于生成机器学习体系架构的数据源的第二输入；

接收用于机器学习体系架构的一个或多个约束的第三输入；

至少部分地基于选择的所述一个或多个机器学习模型、识别数据源的第二输入和识别所述一个或多个约束的第三输入为机器学习体系架构生成多个代码；以及

将指定生成的代码的元数据存储在存储器中。

10.如权利要求9所述的计算机程序产品，包括被配置为使数据处理装置执行另外的操作的指令，所述另外的操作包括为机器学习体系架构提供一个或多个服务，所述一个或多个服务包括监视、日志记录和提醒。