JP7502283B2 - 人工知能/機械学習を用いたicsフローのオートコンプリートのためのシステムおよび方法 - Google Patents
人工知能/機械学習を用いたicsフローのオートコンプリートのためのシステムおよび方法 Download PDFInfo
- Publication number
- JP7502283B2 JP7502283B2 JP2021521187A JP2021521187A JP7502283B2 JP 7502283 B2 JP7502283 B2 JP 7502283B2 JP 2021521187 A JP2021521187 A JP 2021521187A JP 2021521187 A JP2021521187 A JP 2021521187A JP 7502283 B2 JP7502283 B2 JP 7502283B2
- Authority
- JP
- Japan
- Prior art keywords
- flow
- ics
- flows
- user
- user context
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 108
- 238000010801 machine learning Methods 0.000 title claims description 19
- 238000013473 artificial intelligence Methods 0.000 title claims description 15
- 238000003909 pattern recognition Methods 0.000 claims description 35
- 230000008569 process Effects 0.000 claims description 28
- 238000013461 design Methods 0.000 claims description 8
- 230000008520 organization Effects 0.000 claims description 5
- 230000000977 initiatory effect Effects 0.000 claims 2
- 230000010354 integration Effects 0.000 description 54
- 230000000694 effects Effects 0.000 description 19
- 238000011161 development Methods 0.000 description 13
- 238000013507 mapping Methods 0.000 description 10
- 238000003058 natural language processing Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000003066 decision tree Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000005610 quantum mechanics Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000003339 best practice Methods 0.000 description 3
- 238000013506 data mapping Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 235000012571 Ficus glomerata Nutrition 0.000 description 1
- 244000153665 Ficus glomerata Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/908—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/231—Hierarchical techniques, i.e. dividing or merging pattern sets so as to obtain a dendrogram
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/30—Arrangements for executing machine instructions, e.g. instruction decode
- G06F9/30003—Arrangements for executing specific machine instructions
- G06F9/3005—Arrangements for executing specific machine instructions to perform operations for flow control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/046—Forward inferencing; Production systems
- G06N5/047—Pattern matching networks; Rete networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/461—Saving or restoring of program or task context
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Library & Information Science (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Stored Programmes (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
本特許文献の開示の一部には、著作権保護の対象となるものが含まれている。著作権者は、この特許文献または特許開示の何者かによる複製が、特許商標庁の特許ファイルまたは記録にある限り、それに対して異議を唱えないが、そうでなければ、いかなる場合もすべての著作権を留保する。
本願は、2019年9月10日に出願され「SYSTEM AND METHOD FOR AUTO-COMPLETION OF ICS FLOW USING ARTIFICIAL INTELLIGENCE/MACHINE LEARNING」と題された米国特許出願第16/566,490号、2019年9月10日に出願され「SYSTEM AND METHOD FOR NEXT STEP PREDICTION FOR ICS FLOW USING ARTIFICIAL INTELLIGENCE/MACHINE LEARNING」と題された米国特許出願第16/566,504号、2019年9月10日に出願され「SYSTEM AND METHOD FOR NEXT OBJECT PREDICTION FOR ICS FLOW USING ARTIFICIAL INTELLIGENCE/MACHINE LEARNING」と題された米国特許出願第16/566,511号、および、2018年10月18日に出願され「SYSTEM AND METHOD FOR AUTO-COMPLETION OF ICS FLOW USING ARTIFICIAL INTELLIGENCE/MACHINE LEARNING」と題されたインド特許出願第201841039490号に基づく優先権を主張し、これらの出願を本明細書に引用により援用する。
本発明の実施形態は、概して統合クラウドサービスに関し、特に人工知能および/または機械学習を用いた統合クラウドサービスにおけるフローのオートコンプリートに関する。
統合クラウドサービス(ICS:Integration cloud service)(たとえばオラクル(登録商標)統合クラウドサービス)は、サービスとしてのソフトウェア(SaaS:Software as a Service)およびオンプレミスアプリケーションのような製品の利用を支援する、クラウドにおける単純で強力な統合プラットフォームである。ICSは、サービスとしての統合プラットフォーム(iPaas:integration platform as a service)として提供することが可能であり、アプリケーション間のポイント・アンド・クリック統合のためのウェブベースの統合デザイナーを含むことが可能であり、トランザクションに対するリアルタイムの洞察を提供するリッチなモニタリングダッシュボードである。
ある実施形態に従い、本明細書において、人工知能/機械学習を用いたICSフローのオートコンプリートのためのシステムおよび方法を説明する。次回アクション予測は、ユーザが追加を考えている可能性がある次のアクションセットを予測し示唆することにより、ユーザがフローを素早くモデル化するのを支援するサービスである。また、このサービスは、ユーザが統合フローの作成中にベストプラクティスのうちのいくつかに従うことを支援する。
先に述べたことは、その他の特徴とともに、添付の明細書、請求項、および図面を参照すると明らかになるであろう。具体的な詳細事項は、各種実施形態の理解のために提供される。しかしながら、各種実施形態はこれらの具体的な詳細事項なしで実施し得ることは明らかであろう。添付の明細書および図面は限定を意図したものではない。
図1は、ある実施形態に係るICS統合フローを設計し実行するためのICSプラットフォームを示す。
図2に示されるように、ICS207は、ICS統合フローを設計し、実行し、管理するためのクラウドベースの統合サービスを提供することができる。ICSは、エンタープライズクラウド環境(たとえばオラクルパブリッククラウド)201においてアプリケーションサーバ217上で実行されるウェブアプリケーション209およびICSランタイム215を含み得る。ウェブアプリケーションは、ユーザがICS統合フローを設計、起動、管理、およびモニタリングするための、複数のユーザインターフェイスをエクスポーズする設計時期を提供することができる。起動されたICS統合フローは、ICSランタイム上でデプロイおよび実行することができる。
ある実施形態に従うと、ユーザ320がウェブUIアプリケーションにおける開発インターフェイス(たとえば開発キャンバス)310を使用し、既存の複数の接続301、たとえば接続A303、接続B305および接続N307を用いることで、ICS統合フローを作成することができる。
ある実施形態に従うと、次回アクション予測は、ユーザが追加を考えている可能性がある次のアクションセットを予測し示唆することにより、クライアントがフローを素早くモデル化するのを支援するサービスである。また、このサービスは、ユーザが統合フローの作成中にベストプラクティスのうちのいくつかに従うことを支援する。
ある実施形態に従うと、本明細書のシステムおよび方法は、ICSフローのようなアプリケーションフローを予測するために、JSONモデルのためのパターン認識モデルメカニズムを利用することができる。このモデルにおいて、類似度スコアを生成することにより、入力/ソースJSONが、保存されているJSONパターンと、どれだけ密接に一致しているかを示すことができる。
ある実施形態に従うと、本明細書に記載の方法/モデルは、フィールドアレイタイプパターン認識を利用することができる。このようなアレイタイプパターン認識(たとえばJSONアレイタイプパターン認識)は、アレイ内のオフセットを考慮して個々のフィールドの類似度スコアから総平均類似度スコアを生成することに基づく。一例として以下が入力ソースアレイパターンを含むものとする。
ある実施形態に従うと、ユーザは、フローデザイナー500のシェーディングされていない部分501に示されている、統合フローの第1の部分を選択することができる。システムおよび方法は、統合フローのこの最初から、ユーザのコンテキストに応じて、各種選択対象としてのいくつかのオプション503~507を、ユーザに提示することができる。図面に示されているように、現在、オプション505がウィンドウ502(現在の選択ウィンドウ)に表示されている。その他のフロー推奨を、選択可能なカードレイアウトとして提供することができる。特定のフローが選択されると、ICSデザイナーはそのフロー全体を表示する。ボタンナビゲーションを提供することもできる。
ある実施形態に従うと、システムおよび方法は、本明細書において、プロセスモデルの不変パターン認識の階層クラスタリングモデルを提供する。このモデルにおいて、プロセスの設計方法についての知識が、学習され、ユーザおよびプロセスコンテキストに基づいてプロセスモデルのクラスタの階層としてカプセル化され、最も正確なクラスタはクラスタツリーのリーフである。知識は、ユーザおよびプロセスコンテキストに基づいてクエリすることができるツリー構造で符号化される。
ある実施形態に従うと、JSON入力パターン901を受信することができる。類似度に基づくパターン認識902を、JSON入力パターンに対し、JSON入力パターンからの入力(たとえば「swagger」、「info.version」、および「info.title」)を用いて実行することにより、JSON入力パターンとマッチングさせたいくつかの出力JSONパターン903~905をランク付けすることができる。
ステップ1030で、この方法はユーザコンテキストを収集することができる。
ある実施形態に従うと、本明細書に記載のシステムおよび方法は、JSONファイル等のファイルフォーマットのICSフロー等のフロー内のパターン認識に基づく次回アクティビティ予測を提供することができる。これは、パターン認識(たとえばJSONパターン内)に基づく次回アクティビティ予測として説明することができる。次回アクティビティ予測は、コンテキストそのものまたはコンテキストの一部に基づいて、複数のコンテキスト内で行うことができる。次のタスクを過去のすべてのタスクに基づいて予測することができる、または、予測を、あるスコープ内で利用できるタスクの頻度を考慮する包括コンテキストに基づいて行うことができる。
ある実施形態に従うと、本明細書に記載の方法およびシステムが、次回アクティビティを予測するために完全または部分一致を実行する場合、システムおよび方法は、既存のフローのパターン認識を用い、発生頻度に基づいて、可能性のある、タスクの次回シーケンスの、ランク付けを実行することができる。たとえば、「Sales Account Creation」フローを含む以下のフローにおいて、ユーザがこのフローの設計の真最中でありアカウントビジネスオブジェクトをセールスクラウドアカウントビジネスオブジェクトにマッピングする割当ステップに到達したと想定する。この入力に基づいて、パターン認識システムは、この入力パターン(すなわち設計されているフロー)に密接に一致する最大25の既存フローを認識する。
ステップ1230で、この方法はユーザコンテキストを収集することができる。
ある実施形態に従うと、本明細書に記載のシステムおよび方法は、パターン認識(たとえばJSONパターン認識)に基づいて、アクティビティによって参照される、アプリケーション、オペレーション、およびビジネスオブジェクトをランク付けするためのメカニズムを提供することができる。アクティビティが参照するアプリケーション、オペレーション、およびビジネスオブジェクトのランク付けは、複数のコンテキストで計算することができる。たとえば、これらのコンテキストは、完全/部分コンテキストに基づき得る(すなわちランク付けは過去のすべてのタスクに基づいて計算される)。ある実施形態に従うと、予測は、これに加えてまたはこれに代えて、特定のタスクが参照するアプリケーション、オペレーション、およびビジネスオブジェクトの頻度を考慮する包括コンテキストに基づくものであってもよい。
ある実施形態に従うと、システムおよび方法は、特定のタスクが参照するアプリケーション、オペレーション、およびビジネスオブジェクトを、既存のフローのパターン認識(たとえばICSフローのJSONパターン)に基づく、その発生頻度に基づいて、ランク付けすることができる。これを説明するために、たとえば以下の「Sales Account Creation」というICSフローを取り上げる。このような例において、ユーザがこのICSフローの設計の真最中でありセールスアカウントビジネスオブジェクトをセールスクラウドアカウントビジネスオブジェクトにマッピングする割当ステップに到達したと想定する。この入力に基づいて、パターン認識システムは、この入力パターン(設計されているICSフロー)に密接に一致するいくつかの既存フローを認識する。具体例としての入力フローを以下に示す。
ステップ1430で、この方法はユーザコンテキストを収集することができる。
Claims (11)
- 人工知能/機械学習を用いたICS(統合クラウドサービス)フローのオートコンプリートをサポートするためのシステムであって、前記システムは、
1つ以上のマイクロプロセッサを含むコンピュータを備え、
前記コンピュータは、
統合フローマップを開始するステップと、
ユーザコンテキストを収集するステップと、
前記収集したユーザコンテキストに基づいて複数のフロー予測を提供するステップとを実行するように構成され、
前記複数のフロー予測の提供においてランキング生成器が使用され、
前記ランキング生成器は、入力パターンを利用して、前記入力パターンとマッチングされた複数の出力パターンをランク付けし、前記ランク付けは1つ以上の入力を利用し、
前記入力パターンは、一部が、前記収集したユーザコンテキストから作成される、システム。 - ユーザコンテキストは、組織、系列組織、部門、サブ部門、およびユーザ情報を考慮する、請求項1に記載のシステム。
- プロセスモデルの不変パターン認識の階層クラスタリングモデルが、前記複数のフロー予測の提供において利用される、請求項1または2に記載のシステム。
- 前記階層クラスタリングモデルは、格納されている、プロセス設計の機械学習知識を、クラスタの階層として利用する、請求項3に記載のシステム。
- 前記階層クラスタリングモデルはさらに、前記収集したユーザコンテキストに基づいて機械学習モデルを利用する、請求項4に記載のシステム。
- 人工知能/機械学習を用いたICS(統合クラウドサービス)フローのオートコンプリートをサポートするための方法であって、前記方法は、
コンピュータが、統合フローマップを開始するステップと、
前記コンピュータが、ユーザコンテキストを収集するステップと、
前記コンピュータが、前記収集したユーザコンテキストに基づいて複数のフロー予測を提供するステップとを含み、
前記複数のフロー予測の提供においてランキング生成器が使用され、
前記ランキング生成器は、入力パターンを利用して、前記入力パターンとマッチングされた複数の出力パターンをランク付けし、前記ランク付けは1つ以上の入力を利用し、
前記入力パターンは、一部が、前記収集したユーザコンテキストから作成される、方法。 - ユーザコンテキストは、組織、系列組織、部門、サブ部門、およびユーザ情報を考慮する、請求項6に記載の方法。
- プロセスモデルの不変パターン認識の階層クラスタリングモデルが、前記複数のフロー予測の提供において利用される、請求項6または7に記載の方法。
- 前記階層クラスタリングモデルは、格納されている、プロセス設計の機械学習知識を、クラスタの階層として利用する、請求項8に記載の方法。
- 前記階層クラスタリングモデルはさらに、前記収集したユーザコンテキストに基づいて機械学習モデルを利用する、請求項9に記載の方法。
- 請求項6~10のいずれか1項に記載の方法を1つ以上のコンピュータに実行させるためのプログラム。
Applications Claiming Priority (9)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN201841039490 | 2018-10-18 | ||
IN201841039490 | 2018-10-18 | ||
US16/566,504 US20200125892A1 (en) | 2018-10-18 | 2019-09-10 | System and method for next step prediction of ics flow using artificial intelligence/machine learning |
US16/566,490 | 2019-09-10 | ||
US16/566,490 US11556733B2 (en) | 2018-10-18 | 2019-09-10 | System and method for auto-completion of ICS flow using artificial intelligence/machine learning |
US16/566,511 | 2019-09-10 | ||
US16/566,511 US20200125977A1 (en) | 2018-10-18 | 2019-09-10 | System and method for next object prediction for ics flow using artificial intelligence/machine learning |
US16/566,504 | 2019-09-10 | ||
PCT/US2019/056364 WO2020081587A1 (en) | 2018-10-18 | 2019-10-15 | System and method for auto-completion of ics flow using artificial intelligence/machine learning |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022505231A JP2022505231A (ja) | 2022-01-14 |
JPWO2020081587A5 JPWO2020081587A5 (ja) | 2022-10-17 |
JP7502283B2 true JP7502283B2 (ja) | 2024-06-18 |
Family
ID=70279586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021521187A Active JP7502283B2 (ja) | 2018-10-18 | 2019-10-15 | 人工知能/機械学習を用いたicsフローのオートコンプリートのためのシステムおよび方法 |
Country Status (5)
Country | Link |
---|---|
US (3) | US20200125892A1 (ja) |
EP (1) | EP3867776A1 (ja) |
JP (1) | JP7502283B2 (ja) |
CN (1) | CN113168422A (ja) |
WO (2) | WO2020081587A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200125892A1 (en) * | 2018-10-18 | 2020-04-23 | Oracle International Corporation | System and method for next step prediction of ics flow using artificial intelligence/machine learning |
CN111381940B (zh) * | 2020-05-29 | 2020-08-25 | 上海冰鉴信息科技有限公司 | 分布式数据处理方法及装置 |
US11824837B2 (en) * | 2020-07-15 | 2023-11-21 | Sap Se | End user creation of trusted integration pathways between different enterprise systems |
US11973657B2 (en) | 2020-10-21 | 2024-04-30 | Accenture Global Solutions Limited | Enterprise management system using artificial intelligence and machine learning for technology analysis and integration |
US11902398B2 (en) | 2021-06-22 | 2024-02-13 | Bizdata Inc. | System and method to integrate data from one application to another application |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160358354A1 (en) | 2015-06-05 | 2016-12-08 | Oracle International Corporation | System and method for graphically displaying recommended mappings in an integration cloud service design time |
US20180052861A1 (en) | 2016-08-22 | 2018-02-22 | Oracle International Corporation | System and method for metadata-driven external interface generation of application programming interfaces |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7076762B2 (en) | 2002-03-22 | 2006-07-11 | Sun Microsystems, Inc. | Design and redesign of enterprise applications |
US8468244B2 (en) * | 2007-01-05 | 2013-06-18 | Digital Doors, Inc. | Digital information infrastructure and method for security designated data and with granular data stores |
US10419722B2 (en) * | 2009-04-28 | 2019-09-17 | Whp Workflow Solutions, Inc. | Correlated media source management and response control |
US8607190B2 (en) | 2009-10-23 | 2013-12-10 | International Business Machines Corporation | Automation of software application engineering using machine learning and reasoning |
US20130080584A1 (en) | 2011-09-23 | 2013-03-28 | SnapLogic, Inc | Predictive field linking for data integration pipelines |
US20140282489A1 (en) * | 2013-03-15 | 2014-09-18 | Tibco Software Inc. | Predictive System for Deploying Enterprise Applications |
US9535902B1 (en) * | 2013-06-28 | 2017-01-03 | Digital Reasoning Systems, Inc. | Systems and methods for entity resolution using attributes from structured and unstructured data |
US10169720B2 (en) * | 2014-04-17 | 2019-01-01 | Sas Institute Inc. | Systems and methods for machine learning using classifying, clustering, and grouping time series data |
US10496927B2 (en) * | 2014-05-23 | 2019-12-03 | DataRobot, Inc. | Systems for time-series predictive data analytics, and related methods and apparatus |
CN104239058A (zh) | 2014-09-22 | 2014-12-24 | 山东省计算中心(国家超级计算济南中心) | 一种面向复用的软件需求建模及演化方法 |
US10324697B2 (en) | 2015-06-04 | 2019-06-18 | Oracle International Corporation | System and method for importing and extorting an integration flow in a cloud-based integration platform |
US10372773B2 (en) * | 2015-06-05 | 2019-08-06 | Oracle International Corporation | System and method for providing recommended mappings for use by a mapper in an integration cloud service design time |
US9792281B2 (en) * | 2015-06-15 | 2017-10-17 | Microsoft Technology Licensing, Llc | Contextual language generation by leveraging language understanding |
US11175910B2 (en) * | 2015-12-22 | 2021-11-16 | Opera Solutions Usa, Llc | System and method for code and data versioning in computerized data modeling and analysis |
US10394532B2 (en) * | 2015-12-22 | 2019-08-27 | Opera Solutions U.S.A., Llc | System and method for rapid development and deployment of reusable analytic code for use in computerized data modeling and analysis |
US10621677B2 (en) * | 2016-04-25 | 2020-04-14 | Intuit Inc. | Method and system for applying dynamic and adaptive testing techniques to a software system to improve selection of predictive models for personalizing user experiences in the software system |
US10423393B2 (en) * | 2016-04-28 | 2019-09-24 | Microsoft Technology Licensing, Llc | Intelligent flow designer |
US10402740B2 (en) * | 2016-07-29 | 2019-09-03 | Sap Se | Natural interactive user interface using artificial intelligence and freeform input |
CA3039374A1 (en) * | 2016-10-06 | 2018-04-12 | The Dun & Bradstreet Corporation | Machine learning classifier and prediction engine for artificial intelligence optimized prospect determination on win/loss classification |
US10956821B2 (en) * | 2016-11-29 | 2021-03-23 | International Business Machines Corporation | Accurate temporal event predictive modeling |
US20190272474A1 (en) * | 2018-03-01 | 2019-09-05 | Intauleca Corp. | Resilient management of resource utilization |
US11625647B2 (en) * | 2018-05-25 | 2023-04-11 | Todd Marlin | Methods and systems for facilitating analysis of a model |
US20200125892A1 (en) | 2018-10-18 | 2020-04-23 | Oracle International Corporation | System and method for next step prediction of ics flow using artificial intelligence/machine learning |
US11601453B2 (en) * | 2019-10-31 | 2023-03-07 | Hewlett Packard Enterprise Development Lp | Methods and systems for establishing semantic equivalence in access sequences using sentence embeddings |
US11170438B1 (en) * | 2020-07-22 | 2021-11-09 | Square, Inc. | Intelligent item financing |
WO2022040366A1 (en) * | 2020-08-18 | 2022-02-24 | IntelliShot Holdings, Inc. | Automated threat detection and deterrence apparatus |
-
2019
- 2019-09-10 US US16/566,504 patent/US20200125892A1/en active Pending
- 2019-09-10 US US16/566,490 patent/US11556733B2/en active Active
- 2019-09-10 US US16/566,511 patent/US20200125977A1/en active Pending
- 2019-10-15 EP EP19797530.3A patent/EP3867776A1/en not_active Withdrawn
- 2019-10-15 JP JP2021521187A patent/JP7502283B2/ja active Active
- 2019-10-15 CN CN201980077673.8A patent/CN113168422A/zh active Pending
- 2019-10-15 WO PCT/US2019/056364 patent/WO2020081587A1/en unknown
- 2019-10-18 WO PCT/US2019/056962 patent/WO2020081949A1/en active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160358354A1 (en) | 2015-06-05 | 2016-12-08 | Oracle International Corporation | System and method for graphically displaying recommended mappings in an integration cloud service design time |
US20180052861A1 (en) | 2016-08-22 | 2018-02-22 | Oracle International Corporation | System and method for metadata-driven external interface generation of application programming interfaces |
Also Published As
Publication number | Publication date |
---|---|
CN113168422A (zh) | 2021-07-23 |
WO2020081587A1 (en) | 2020-04-23 |
US20200125892A1 (en) | 2020-04-23 |
US20200125891A1 (en) | 2020-04-23 |
EP3867776A1 (en) | 2021-08-25 |
US11556733B2 (en) | 2023-01-17 |
WO2020081949A1 (en) | 2020-04-23 |
US20200125977A1 (en) | 2020-04-23 |
JP2022505231A (ja) | 2022-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7502283B2 (ja) | 人工知能/機械学習を用いたicsフローのオートコンプリートのためのシステムおよび方法 | |
US11561772B2 (en) | Low-code development platform | |
US9412071B2 (en) | Rules execution platform system and method | |
US20190304445A1 (en) | Conversational framework | |
JP2023520420A (ja) | チャットボットのために不均衡なトレーニングデータを取り扱うためのバッチング技術 | |
US11055090B2 (en) | Component management platform | |
US10901804B2 (en) | Apparatus and method to select services for executing a user program based on a code pattern included therein | |
US8756323B2 (en) | Semantic- and preference-based planning of cloud service templates | |
US9015011B2 (en) | Assistant tool | |
US9058176B2 (en) | Domain-specific generation of programming interfaces for business objects | |
US20210125082A1 (en) | Operative enterprise application recommendation generated by cognitive services from unstructured requirements | |
US10572881B2 (en) | Applying entity search techniques to expedite entitlement resolution in support services | |
US20220004914A1 (en) | Code generation for auto-ai | |
CN106484389B (zh) | 动作流分段管理 | |
US11847443B2 (en) | Constraints-based refactoring of monolith applications through attributed graph embeddings | |
US20230177337A1 (en) | Multi-objective driven refactoring of a monolith application using reinforcement learning | |
WO2023103815A1 (en) | Contextual dialogue framework over dynamic tables | |
US11836469B2 (en) | Dynamic code snippet promotion | |
US10025838B2 (en) | Extract transform load input suggestion | |
Paz | Microsoft Azure Cosmos DB Revealed: A Multi-Model Database Designed for the Cloud | |
US11138273B2 (en) | Onboarding services | |
US11811626B1 (en) | Ticket knowledge graph enhancement | |
WO2023066073A1 (en) | Distributed computing for dynamic generation of optimal and interpretable prescriptive policies with interdependent constraints | |
US20240202458A1 (en) | Generating prompt recommendations for natural language processing tasks | |
Ding | Persistence and discovery of reusable cloud application topologies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221006 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221006 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231027 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231114 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240209 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240507 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240606 |