[發(fā)明專利]針對(duì)機(jī)器學(xué)習(xí)的特征處理方法及特征處理系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201610880712.6
• 申請(qǐng)日: 2016-10-09
• 公開（公告）號(hào): CN107871166B
• 公開（公告）日: 2020-08-21
• 發(fā)明（設(shè)計(jì)）人: 羅遠(yuǎn)飛;涂威威
• 申請(qǐng)（專利權(quán)）人: 第四范式（北京）技術(shù)有限公司
• 主分類號(hào): G06N20/00
• 分類號(hào): G06N20/00
• 代理公司: 北京博雅睿泉專利代理事務(wù)所(特殊普通合伙) 11442
• 代理人: 馬鐵良

1.一種針對(duì)文本信息的特征處理方法，包括：

(A)獲取文本信息數(shù)據(jù)，對(duì)所述文本信息數(shù)據(jù)進(jìn)行文本分析以及格式轉(zhuǎn)換處理，得到包含所述文本信息的數(shù)據(jù)記錄，其中，所述數(shù)據(jù)記錄包括至少一個(gè)屬性信息，獲取所述屬性信息的連續(xù)特征及離散特征；

(B)針對(duì)基于所述至少一個(gè)屬性信息之中的至少一部分屬性信息產(chǎn)生的連續(xù)特征之中的每一個(gè)連續(xù)特征，執(zhí)行基本分箱運(yùn)算和至少一個(gè)附加運(yùn)算，以產(chǎn)生與所述每一個(gè)連續(xù)特征對(duì)應(yīng)的基本分箱特征和至少一個(gè)附加特征；

(C)產(chǎn)生至少包括所產(chǎn)生的基本分箱特征和至少一個(gè)附加特征的機(jī)器學(xué)習(xí)樣本，

其中，步驟(C)中產(chǎn)生的機(jī)器學(xué)習(xí)樣本被用于基于機(jī)器學(xué)習(xí)模型的預(yù)測處理。

2.如權(quán)利要求1所述的特征處理方法，其中，所述至少一個(gè)附加運(yùn)算包括以下種類的運(yùn)算之中的至少一種運(yùn)算：對(duì)數(shù)運(yùn)算、指數(shù)運(yùn)算、絕對(duì)值運(yùn)算、高斯變換運(yùn)算。

3.如權(quán)利要求1或2所述的特征處理方法，其中，所述至少一個(gè)附加運(yùn)算包括與基本分箱運(yùn)算分箱方式相同但分箱參數(shù)不同的附加分箱運(yùn)算；或者，所述至少一個(gè)附加運(yùn)算包括與基本分箱運(yùn)算分箱方式不同的附加分箱運(yùn)算。

4.如權(quán)利要求3所述的特征處理方法，其中，分箱方式包括有監(jiān)督分箱和/或無監(jiān)督分箱下的分箱方式。

5.如權(quán)利要求3所述的特征處理方法，其中，基本分箱運(yùn)算和附加分箱運(yùn)算分別對(duì)應(yīng)于不同寬度的等寬分箱運(yùn)算或不同深度的等深分箱。

6.如權(quán)利要求5所述的特征處理方法，其中，所述不同寬度或不同深度在數(shù)值上構(gòu)成等比數(shù)列或等差數(shù)列。

7.如權(quán)利要求3所述的特征處理方法，其中，在步驟(B)中，執(zhí)行基本分箱運(yùn)算和/或附加分箱運(yùn)算，以產(chǎn)生與所述每一個(gè)連續(xù)特征對(duì)應(yīng)的多維度的基本分箱特征和/或附加分箱特征，其中，每個(gè)維度指示對(duì)應(yīng)的箱子中是否被分到了相應(yīng)的連續(xù)特征；或者，每個(gè)維度指示對(duì)應(yīng)的箱子中被分到的相應(yīng)的連續(xù)特征的特征值；或者，每個(gè)維度指示對(duì)應(yīng)的箱子中被分到的所有連續(xù)特征的特征值的平均值；或者，每個(gè)維度指示對(duì)應(yīng)的箱子中被分到的所有連續(xù)特征的特征值的中間值；或者，每個(gè)維度指示對(duì)應(yīng)的箱子中被分到的所有連續(xù)特征的特征值的邊界值。

8.如權(quán)利要求3所述的特征處理方法，其中，在步驟(B)中，執(zhí)行基本分箱運(yùn)算和/或附加分箱運(yùn)算的步驟包括：額外設(shè)置離群箱，使得具有離群值的連續(xù)特征被分到所述離群箱。

9.如權(quán)利要求1所述的特征處理方法，其中，在步驟(C)中產(chǎn)生的機(jī)器學(xué)習(xí)樣本還包括基于所述至少一部分屬性信息產(chǎn)生的所述連續(xù)特征之中的至少一個(gè)連續(xù)特征。

10.一種針對(duì)文本信息的特征處理系統(tǒng)，包括：

文本信息數(shù)據(jù)獲取裝置，用于獲取文本信息數(shù)據(jù)，對(duì)所述文本信息數(shù)據(jù)進(jìn)行文本分析以及格式轉(zhuǎn)換處理，得到包含所述文本信息的數(shù)據(jù)記錄，其中，所述數(shù)據(jù)記錄包括至少一個(gè)屬性信息，還用于獲取所述屬性信息的連續(xù)特征及離散特征；

特征產(chǎn)生裝置，用于針對(duì)基于所述至少一個(gè)屬性信息之中的至少一部分屬性信息產(chǎn)生的連續(xù)特征之中的每一個(gè)連續(xù)特征，執(zhí)行基本分箱運(yùn)算和至少一個(gè)附加運(yùn)算，以產(chǎn)生與所述每一個(gè)連續(xù)特征對(duì)應(yīng)的基本分箱特征和至少一個(gè)附加特征；

機(jī)器學(xué)習(xí)樣本產(chǎn)生裝置，用于產(chǎn)生至少包括所產(chǎn)生的基本分箱特征和至少一個(gè)附加特征的機(jī)器學(xué)習(xí)樣本，

其中，由機(jī)器學(xué)習(xí)樣本產(chǎn)生裝置產(chǎn)生的機(jī)器學(xué)習(xí)樣本被用于基于機(jī)器學(xué)習(xí)模型的預(yù)測處理。

11.如權(quán)利要求10所述的特征處理系統(tǒng)，其中，所述至少一個(gè)附加運(yùn)算包括以下種類的運(yùn)算之中的至少一種運(yùn)算：對(duì)數(shù)運(yùn)算、指數(shù)運(yùn)算、絕對(duì)值運(yùn)算、高斯變換運(yùn)算。

12.如權(quán)利要求10或11所述的特征處理系統(tǒng)，其中，所述至少一個(gè)附加運(yùn)算包括與基本分箱運(yùn)算分箱方式相同但分箱參數(shù)不同的附加分箱運(yùn)算；或者，所述至少一個(gè)附加運(yùn)算包括與基本分箱運(yùn)算分箱方式不同的附加分箱運(yùn)算。