使用生成人工智能（AI）自动生成聚类分析概要的制作方法

背景技术：

1、本公开总体上涉及计算机软件系统，并且具体地，涉及用于使用生成ai自动生成聚类分析概要的系统和方法。

2、数据分析中的经典任务是基于相似观察或实体的属性来识别相似观察或实体的组。该任务被称为聚类（clustering）分析。形成的组被称为集群（cluster）。存在各种聚类技术，主要被设计为将观察指派给聚类标签。然而，从商业角度理解什么使得每个集群独特最终是用户的责任。用于可视化集群简档的常用方法是在二维（2d）空间中绘制数据点，根据它们指派的集群对它们着色。遗憾的是，该技术具有若干缺点。使用2d空间的技术在多于两个聚类变量的情况下变得无效。该技术也限于数字数据。随着集群数量的增加，该技术变得更难以解释，并且仅提供定性概要。汇总任务是耗时的并且要求数据科学技能。

3、以下公开提供了对与聚类分析概要的生成相关联的问题的各种技术解决方案。

技术实现思路

1.一种计算机实现的方法，包括：

2.根据权利要求1所述的方法，其中，所述元数据包括与所述数据集有关的语义和上下文信息。

3.根据权利要求1所述的方法，其中，配置所述聚类设置还包括：

4.根据权利要求1所述的方法，其中，所述聚类算法选自包括k均值、dbscan、分层聚类或监督或无监督学习算法的组。

5.根据权利要求1所述的方法，其中，生成所述统计描述还包括：

6.根据权利要求5所述的方法，其中，确定所述简档还包括：

7.根据权利要求5所述的方法，其中，确定所述特异性还包括计算比较度量，其中，所述比较度量包括所述识别的集群与全局群体中的平均值之间的绝对差异和相对差异。

8.根据权利要求1所述的方法，其中，所述聚类概要包括描述所述集群中的实体的集群标签以及集群描述，其中，所述集群描述包括所述集群的特性和独特特征，以提供对所述数据集的见解。

9.一种计算机系统，包括：

10.根据权利要求9所述的计算机系统，其中，所述元数据包括与所述数据集有关的语义和上下文信息。

11.根据权利要求9所述的计算机系统，其中，配置所述聚类设置还包括：

12.根据权利要求9所述的计算机系统，其中，生成所述统计描述还包括：

13.根据权利要求12所述的计算机系统，其中，确定所述简档还包括：

14.根据权利要求12所述的计算机系统，其中，确定所述特异性还包括计算比较度量，其中，所述比较度量包括所述识别的集群与全局群体中的平均值之间的绝对差异和相对差异。

15.一种存储计算机可执行指令的非暂时性计算机可读介质，所述计算机可执行指令在由计算机系统的至少一个处理器执行时使所述计算机系统执行方法，所述方法包括：

16.根据权利要求15所述的非暂时性计算机可读介质，其中，配置所述聚类设置还包括：

17.根据权利要求15所述的非暂时性计算机可读介质，其中，生成所述统计描述还包括：

18.根据权利要求17所述的非暂时性计算机可读介质，其中，确定所述简档还包括：

19.根据权利要求17所述的非暂时性计算机可读介质，其中，确定所述特异性还包括计算比较度量，其中，所述比较度量包括所述识别的集群与全局群体中的平均值之间的绝对差异和相对差异。

20.根据权利要求15所述的非暂时性计算机可读介质，其中，所述聚类概要包括描述所述集群中的实体的集群标签以及集群描述，其中，所述集群描述包括所述集群的特性和独特特征，以提供对所述数据集的见解。