(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210023585.3 (22)申请日 2022.01.10 (71)申请人 华南理工大 学 地址 510641 广东省广州市天河区五山路 381号 (72)发明人 谭明奎　庄壮伟　刘立钊　陈国昊　 李振宇　黄尚昕　贺方舟　罗志杰　 冯博政　邹博韬　唐润　严笑　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 郑宏谋 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/28(2019.01) G06F 16/36(2019.01)G06N 20/00(2019.01) (54)发明名称 面向科研应用的自动机器学习实现方法、 平 台及装置 (57)摘要 本发明公开了一种面向科研应用的自动机 器学习实现方法、 平台及装置， 其中方法包括： 获 取用户输入的科研数据， 根据科研数据和预设构 建的关系图谱生成解决方案； 根据解决方案， 利 用深度学习方法对用户需求进行智能分析， 生成 规范化的检索表单； 基于用户对 各科研数据的操 作信息， 为用户提供个性化的数据推荐服务； 结 合拖拽式编程与代码编程构建可视化算子， 通过 可视化算子构建实验的算法流程图， 以实现可视 化编程与展示； 其中， 关系图谱通过标签系统与 关联系统构建获得。 本发明打破了现有机器学习 平台中存在的数据壁垒， 有效地提升科研数据的 利用率， 降低科研人员之间的沟通成本， 可广泛 应用于机器学习平台技 术领域。 权利要求书2页 说明书7页 附图3页 CN 114528477 A 2022.05.24 CN 114528477 A 1.一种面向科研 应用的自动机器学习实现方法， 其特 征在于， 包括以下步骤： 获取用户输入的科研数据， 根据科研数据和预设构建的关系图谱生成解决方案； 根据解决方案， 利用深度学习方法对用户需求进行智能分析， 生成规范化的检索表单； 基于用户对各 科研数据的操作信息， 为用户提供个性 化的数据推荐服 务； 结合拖拽式编程与代码编程构建可视化算子， 通过可视化算子构建实验的算法流程 图， 以实现可视化编程与展示； 其中， 关系图谱通过 标签系统与关联系统构建获得。 2.根据权利要求1所述的一种面向科研应用的自动机器学习实现方法， 其特征在于， 所 述科研数据的类别： 数据集、 模型、 算法、 论文、 实验、 博客文档。 3.根据权利要求1所述的一种面向科研应用的自动机器学习实现方法， 其特征在于， 所 述解决方案包含了科研数据中关系图谱的构的数据集、 模型、 算法、 论文与实验； 所述解决 方案是不同种类的科研数据之 间的关联关系的描述， 并指出这些科研数据的子集完成哪些 特定的科研任务。 4.根据权利要求1所述的一种面向科研应用的自动机器学习实现方法， 其特征在于， 还 包括以下步骤： 当不明确科研数据关联与平台数据库中的数据的关联关系时， 用户使用标注系统对该 数据进行信息标注； 标注内容包含： 科研数据的应用领域、 应用任务、 数据样本格式等一种 或者多种； 平台数据库基于科研数据的标签信 息进行分析， 对具有相同标签 内容的科研数据进行 关联； 当明确科研数据关联与平台数据库中的数据的关联关系时， 用户使用关联系统直接创 建多个科研数据间的关联关系。 5.根据权利要求1所述的一种面向科研应用的自动机器学习实现方法， 其特征在于， 所 述操作信息包括： 对科研数据的创建、 收藏、 检索与使用； 所述为用户提供个性 化的数据推荐服 务， 包括： 用户确定检索范围后， 构建并提交规范化的检索表单； 记录用户的检索行为， 分析检索表单并返回查询结果； 通过分析用户对科研数据的操作信息， 生成用户画像， 并根据用户画像为基础提供个 性化的数据推荐服 务。 6.根据权利要求1所述的一种面向科研应用的自动机器学习实现方法， 其特征在于， 所 述利用深度学习方法对用户需求进行智能分析， 生成规范化的检索表单， 包括： 通过深度学习方法， 提取描述或图片中存在的数据实体信息， 分析出包含该类数据的 数据集集合、 模型集 合加入检索表单中； 通过语义理解， 分析需求中所需完成的任务， 从而构建出完成的规范化检索表单； 其中， 规范化的检索表单包含如下内容： 数据集集合、 模型集合、 算法集合、 论文集合、 实验集合与解决的任务； 通过该规范化检索表单对平台数据库中存在的解决方案进行检 索。 7.根据权利要求1所述的一种面向科研应用的自动机器学习实现方法， 其特征在于， 所 述结合拖拽式编程与代码编程构建可视化算子， 通过可视化算子构建实验的算法流程图，权　利　要　求　书 1/2 页 2 CN 114528477 A 2包括： 结合代码编 程与拖拽式编 程创建可视化算子， 并通过可视化算子复用以构建实验的算 法流程图； 运行实验时， 解析实验的算法流 程图， 生成可 执行代码； 实验结束后结合图表向用户展示实验结果。 8.根据权利要求7所述的一种面向科研应用的自动机器学习实现方法， 其特征在于， 代 码编程通过解析用户输入的具有预设特定结构的代码， 分析出代码 中包含的参数， 并利用 参数信息来构建特定可视化 算子； 拖拽式编 程则通过让用户选择一个或多个预设的可视化算子， 用户通过改变算子参数 与算子连接 逻辑进行新可视化 算子的构建。 9.一种面向科研 应用的自动机器学习实现平台， 其特 征在于， 包括： 数据输入模块， 用于获取用户输入的科研数据， 根据科研数据和预设构建的关系图谱 生成解决方案； 智能分析模块， 用于根据解决方案， 利用深度 学习方法对用户需求进行智能分析， 生成 规范化的检索表单； 用户操作模块， 用于基于用户对各科研数据的操作信息， 为用户提供个性化的数据推 荐服务； 可视化展示模块， 用于结合拖拽式编程与代码编程构建可视化算子， 通过可视化算子 构建实验的算法流 程图， 以实现可视化编程与展示； 其中， 关系图谱通过 标签系统与关联系统构建获得。 10.一种面向科研 应用的自动机器学习实现装置， 其特 征在于， 包括： 至少一个处 理器； 至少一个存 储器， 用于存 储至少一个程序； 当所述至少一个程序被所述至少一个处理器执行， 使得所述至少一个处理器实现权利 要求1‑8任一项所述方法。权　利　要　求　书 2/2 页 3 CN 114528477 A 3