技术特征：1.一种用于训练分类器(c)的计算机实现的方法，包括由一个或多个处理器执行的以下操作：
2.根据权利要求1所述的方法，其中
3.根据权利要求2所述的方法，其中
4.根据前述权利要求中任一项所述的方法，
5.根据前述权利要求中任一项所述的方法，
6.一种用于对块(b)进行分类的系统，
7.根据权利要求6所述的系统，
8.其上存储有以下的计算机可读存储介质：
9.计算机程序，
技术总结使用主动学习方法，在基于注意力的分类器的训练循环中处理空间结构化信息块，诸如日志文件或图像。首先，分类器为每个经分类的块提供预测标签和注意力图。如果相应块的分类器的输出满足选择准则，例如最小置信度、边缘采样或熵采样，则从经分类的块中选择块。然后，将选择的块与预测标签和注意力图的视觉表示一起显示给用户，允许输入用户选择的标签和用户选择的注意力图。基于这些变化，分类器被再训练。该方法允许自动、智能地选择需要由领域专家标记的少量数据点。领域专家不需要先验地收集训练数据，而是系统地、迭代地被要求训练示例，所述训练示例然后被机器学习算法直接用于学习。该方法为领域专家提供了一种直观和可视的方式以通过突出显示这些部分来表达他/她在查看块时会注意什么。经训练的分类器可以用于不同的应用，例如复杂工业系统中的自动日志文件诊断，包括在事故时的事件自动标记。由于较早地检测到问题，这可能潜在地导致增加的系统正常运行时间和降低的维护成本。
技术研发人员：G·O·布里克斯,S·莫戈雷亚努
受保护的技术使用者：西门子股份公司
技术研发日：技术公布日：2024/1/25