[發明專利]構建基于PU學習的模型的方法、裝置及預測方法、裝置

在審

• 申請號: 201910333907.2
• 申請日: 2019-04-24
• 公開（公告）號: CN110084374A
• 公開（公告）日: 2019-08-02
• 發明（設計）人: 涂威威;王海
• 申請（專利權）人: 第四范式（北京）技術有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 北京鼎佳達知識產權代理事務所(普通合伙) 11348
• 代理人: 王偉鋒;劉鐵生

1.一種構建基于PU學習的模型的方法，包括：

獲取樣本數據集，所述樣本數據集中包括帶正標簽的正樣本數據及無標簽的未標記樣本數據；

基于所述樣本數據集訓練得到多個候選模型；

基于所述樣本數據集構造評估集；

根據所述評估集，以及預設評估條件分別對每個候選模型進行評估，得到對應每個候選模型的評估結果；

選擇評估結果符合預設條件的候選模型；

根據預設的集成方法對所選擇的模型進行集成，得到目標模型。

2.如權利要求1所述的方法，其中，基于所述樣本數據集訓練得到多個候選模型包括：

基于所述樣本數據集構建多個訓練集；

從機器學習算法的集合、超參數組合的集合以及所述多個訓練集中分別進行選擇，訓練得到多個候選模型；其中，一種機器學習算法、一組超參數和一個訓練集確定一個候選模型。

3.如權利要求2所述的方法，其中，所述基于所述樣本數據集構建多個訓練集包括：

基于所述樣本數據集中的至少部分正樣本數據構建一個正樣本訓練子集，對所述樣本數據集中的未標記樣本數據進行多次采樣操作構建多個負樣本訓練子集，將所述正樣本訓練子集與所述多個負樣本訓練子集分別進行組合得到多個訓練集；

或者，

基于所述樣本數據集中的至少部分正樣本數據構建多個正樣本訓練子集，對所述樣本數據集中的未標記樣本數據進行多次采樣操作構建多個負樣本訓練子集，將每個正樣本訓練子集與所述多個負樣本訓練子集分別進行組合得到多個訓練集。

4.如權利要求1所述的方法，其中，所述基于所述樣本數據集構造評估集包括：

對所述樣本數據集中的正樣本數據進行采樣構建正樣本評估子集，對所述樣本數據集中的未標記樣本數據進行采樣構建負樣本評估子集，將正樣本評估子集和負樣本評估子集組合得到評估集。

5.如權利要求1所述的方法，其中，

所述基于所述樣本數據集構造評估集包括：基于所述樣本數據集構建多個評估集，其中每個評估集中包括正樣本數據以及作為負樣本數據的未標記樣本數據；

所述根據所述評估集，以及預設評估條件分別對每個候選模型進行評估，得到對應每個候選模型的評估結果，包括：對于每個候選模型，根據所述多個評估集和預設評估條件分別對該候選模型進行評估，得到多個評估結果，融合所述多個評估結果得到該候選模型對應的最終評估結果。

6.一種利用機器學習模型執行預測任務的方法，其中，該方法包括：

根據如權利要求1-5中任一項所述的方法，得到目標模型；

獲取相應的預測樣本數據；

利用所述目標模型對所述預測樣本數據執行相應的預測任務。

7.一種構建基于PU學習的模型的裝置，包括：

獲取單元，用于獲取樣本數據集，所述樣本數據集中包括帶正標簽的正樣本數據及無標簽的未標記樣本數據；

訓練單元，用于基于所述樣本數據集訓練得到多個候選模型；

評估集構造單元，用于基于所述樣本數據集構造評估集；

評估單元，用于根據所述評估集，以及預設評估條件分別對每個候選模型進行評估，得到對應每個候選模型的評估結果；

選擇單元，用于選擇評估結果符合預設條件的候選模型；

集成單元，用于根據預設的集成方法對所選擇的模型進行集成，得到目標模型。

8.一種利用機器學習模型執行預測任務的裝置，其中，該裝置包括：

如權利要求7所述的裝置，用于得到目標模型；

預測數據獲取單元，用于獲取相應的預測樣本數據；

執行單元，用于利用所述目標模型對所述預測樣本數據執行相應的預測任務。

9.一種計算機可讀存儲介質，其中，所述計算機可讀存儲介質上存儲有計算機程序，其中，所述計算機程序被一個或多個計算裝置執行時實現權利要求1-6中任意一項所述的方法。

10.一種包括一個或多個計算裝置和一個或多個存儲裝置的系統，所述一個或多個存儲裝置上記錄有計算機程序，所述計算機程序在被所述一個或多個計算裝置執行時使得所述一個或多個計算裝置實現如權利要求1-6中任一項所述的方法。