[發明專利]模型訓練及獲取附加特征數據的方法、裝置、設備及介質

在審

• 申請號: 201910617687.6
• 申請日: 2019-07-10
• 公開（公告）號: CN110858326A
• 公開（公告）日: 2020-03-03
• 發明（設計）人: 李京;涂威威
• 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;G06F21/62
• 代理公司: 北京展翼知識產權代理事務所(特殊普通合伙) 11452
• 代理人: 王明遠

1.一種用于獲取附加特征數據的方法，包括：

獲取特征預測模型，其中，所述特征預測模型基于源數據集訓練而成，用于基于源數據與目標數據之間的至少一部分共有特征，來預測源數據的至少一部分獨有特征；

獲取目標數據集；

針對目標數據集中的每條目標數據，將所述目標數據中的所述至少一部分共有特征輸入特征預測模型，以得到所述特征預測模型針對輸入的所述至少一部分共有特征所預測出的至少一部分獨有特征；

將預測出的所述至少一部分獨有特征作為所述目標數據的附加特征數據。

2.如權利要求1所述的方法，其中，獲取特征預測模型的步驟包括：從外部接收特征預測模型；或者，獲取特征預測模型的步驟包括：獲取源數據集，基于所述源數據集訓練特征預測模型。

3.如權利要求1所述的方法，其中，獲取特征預測模型的步驟包括：

獲取一個或多個特征預測模型，其中，每個特征預測模型的樣本特征為所述至少一部分共有特征之中對應的一個或多個共有特征，每個特征預測模型的樣本標記為所述至少一部分獨有特征之中對應的一個或多個獨有特征。

4.如權利要求1所述的方法，其中，獲取特征預測模型的步驟包括：

獲取一個或多個特征預測模型，每個所述特征預測模型用于預測所述至少一部分獨有特征之中對應的單個獨有特征，所述特征預測模型的樣本特征為所述至少一部分共有特征，所述特征預測模型的樣本標記為所述單個獨有特征。

5.如權利要求1所述的方法，其中，獲取特征預測模型的步驟包括：

獲取一個或多個特征預測模型，每個所述特征預測模型用于預測所述至少一部分獨有特征之中對應的至少兩個獨有特征，所述特征預測模型的樣本特征為所述至少一部分共有特征，所述特征預測模型的樣本標記為所述至少兩個獨有特征。

6.一種特征預測模型的訓練方法，包括：

獲取源數據集；

基于所述源數據集訓練特征預測模型，其中，所述特征預測模型用于基于源數據與目標數據之間的至少一部分共有特征，來預測源數據的至少一部分獨有特征。

7.一種用于獲取附加特征數據的裝置，包括：

預測模型獲取單元，用于獲取特征預測模型，其中，所述特征預測模型基于源數據集訓練而成，所述特征預測模型用于基于源數據與目標數據之間的至少一部分共有特征，來預測源數據的至少一部分獨有特征；

目標數據集獲取單元，用于獲取目標數據集；

預測單元，用于針對目標數據集中的每條目標數據，將所述目標數據中的所述至少一部分共有特征輸入特征預測模型，以得到所述特征預測模型針對輸入的所述至少一部分共有特征所預測出的至少一部分獨有特征；以及

特征數據確定單元，用于將預測出的所述至少一部分獨有特征作為所述目標數據的附加特征數據。

8.一種特征預測模型的訓練裝置，包括：

源數據集獲取單元，用于獲取源數據集；

訓練單元，用于基于所述源數據集訓練特征預測模型，其中，所述特征預測模型用于基于源數據與目標數據之間的至少一部分共有特征，來預測源數據的至少一部分獨有特征。

9.一種計算設備，包括：

處理器；以及

存儲器，其上存儲有可執行代碼，當所述可執行代碼被所述處理器執行時，使所述處理器執行如權利要求1-6中任何一項所述的方法。

10.一種非暫時性機器可讀存儲介質，其上存儲有可執行代碼，當所述可執行代碼被電子設備的處理器執行時，使所述處理器執行如權利要求1至6中任一項所述的方法。