Gemäss http://www.onedot.com lernt die Onedot Plattform Diese Seite beschreibt wie die KI von Daten und Feedback von Benutzern über die Zeit lernt.
Einführung
Die Onedot Plattform wird über die Zeit und wird immer besser und präziser bezüglich Vorschläge während des Produktdaten-Onboardings. Wie genau wird dies erreicht?
...
Bei jedem Produktdaten-Onboarding werden hauptsächlich in den Modulen Attributextraktion, Klassifizierung, Attribut-Mapping, Normalisierung, Segmentierungen wie Golden Record Generation, etc. KI/ML Modelle verwendet, um initiale Vorschläge zur Datenverarbeitung zu generieren, welche anschliessend in Feedback-Aufgaben korrigiert und/oder bestätigt werden.
Verwendete KI Modelle
Onedot verwendet verschiedene Typen von KI/ML Modellen:
...
Modelle wie Classifier werden werden im Falle von öffentlichen Standards wie ECLASS, UNSPSC, etc. aus öffentlich verfügbaren Internet Datenquellen trainiert. Bei kundenspezifischen Klassifikationen und Kategoriebäumen werden Classifier hauptsächlich durch Produktdatenexporte (PDEs) und durch Feedback aus Klassifikationsaufgaben trainiert.
Knowledge Datenbank
Darüber hinaus verwendet Onedot auch eine proprietäre Knowledge-Datenbank um Benutzer-Feedback von Produktdatenexperten auf Ebene Feedback-Aufgabe, Datenquelle, Kunde, oder einzelnem Auftrag wie einem Produktdaten-Onboarding, zu speichern, und so menschliches Feedback mit Priorität in Folgeaufträgen und Aufträgen für denselben Kunden zu verwenden. Benutzer-Feedback kann beispielsweise Information zu assoziierten Quell- und Zielattributen oder verwendete Klasse/Kategorie für bestimmte Produkte enthalten. Benutzer-Feedback wird strukturiert erhoben als einfache Ja/Nein Fragen oder Auswahl von vordefinierten Listen von Attributen, Klassen, Werten aus Wertelisten, etc.
...