[發明專利]構建條件關系網絡、進行條件業務處理的方法及裝置

有效

• 申請號: 202010089190.4
• 申請日: 2020-02-12
• 公開（公告）號: CN111325254B
• 公開（公告）日: 2022-06-28
• 發明（設計）人: 吳歈;何建杉;王太峰;褚崴
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 陳霽;周良玉

本說明書實施例提供的構建條件關系網絡、利用所構建的條件關系網絡進行條件業務處理的方法及裝置，將分布式架構引入條件關系網絡的數據處理過程。在構建條件關系網絡時，以各個業務狀態的屬性類別的聯合概率分布為基礎，在更新初始關系網絡中的連接邊時，拆分出多個局部網絡進行分布式數據處理，使得單個任務處理的數據僅包括聯合概率分布數據及以一個節點為基準的局部網絡數據。進一步地，在利用條件關系網絡進行業務數據處理過程中，也基于分布式數據處理的構思，針對待預測節點進行屬性類別采樣的多個子任務，將各個子任務分發給多個分布式設備進行處理。這種構思可以減少單任務的數據處理量，解決條件關系網絡應用實踐中的數據量瓶頸問題。

技術領域

本說明書一個或多個實施例涉及計算機技術領域，尤其涉及利用樣本業務數據構建條件關系網絡的方法及裝置，以及利用所構建的條件關系網絡預測業務狀態的屬性類別的業務處理方法及裝置。

背景技術

隨著計算機技術的發展，人工智能的應用越來越廣泛。越來越多的場景可以通過機器學習模型實現。關系網絡是一種圖結構，其通常由節點和連接邊構成，節點可以對應諸如實體、對象等，連接邊用于表示節點之間的關聯關系。關系網絡可以通過機器學習模型進行處理，以對相應節點的屬性進行預測。條件關系網絡(如貝葉斯網絡)是一種概率圖模型，可以用于描述節點之間的跳轉概率，例如描述不同頁面之間的跳轉概率的圖模型等。因此，條件關系網絡可以被廣泛地用于網絡的因果關系挖掘和推斷。

發明內容

本說明書一個或多個實施例描述的方法及裝置，可以解決背景技術中提到的一個或多個問題。

根據第一方面，提供了一種構建條件關系網絡的方法，所述條件關系網絡用于描述預定的多個業務狀態之間的條件關系，包括與業務數據中的各個業務狀態分別對應的各個節點，以及指示節點之間的條件關系的有向連接邊，單個業務狀態對應至少一個屬性類別；所述方法包括：按照各個樣本分別在所述多個業務狀態上的屬性類別，確定各個業務狀態的屬性類別的聯合概率分布，各個樣本分別對應各條樣本業務數據；基于通過預定方式初始化各個節點間的條件關系得到的初始關系網絡，分別以各個節點為基準拆分出各個局部網絡，并針對各個局部網絡分別生成各個條件關系改變任務，以分發給多個分布式設備，從而使得單個分布式設備在接收到相應局部網絡的條件改變任務后，基于所述聯合概率分布，在改變該相應局部網絡的條件關系的情況下，得到改變條件關系后的局部網絡與初始的局部網絡相比的網絡分數增益；依據從所述多個分布式設備獲取的各個網絡分數增益，迭代更新所述初始關系網絡中的條件關系，直至不存在滿足預定增益條件的網絡分數增益，得到當前關系網絡；基于所述當前關系網絡，以及所述聯合概率分布，為所述當前關系網絡確定各個節點分別對應的各個條件概率分布，從而得到所述多個業務狀態對應的各個節點形成的條件關系網絡，使得所述條件關系網絡用于在給定的若干節點的當前屬性類別情況下，預測其他節點的屬性類別的業務處理，所述條件概率分布用于描述相應節點在其各個父節點對應的業務狀態條件下，該相應節點的業務狀態處于各個屬性類別的概率。

在一個實施例中，所述聯合概率分布包括分別對應于所述多個業務狀態上的各種屬性類別組合的各個概率，單個屬性類別組合是在所述多個業務狀態上各取一個屬性類別構成的組合；所述按照各個樣本分別在所述多個業務狀態上的屬性類別，確定各個業務狀態的屬性類別的聯合概率分布包括：針對各種屬性類別組合中的第一屬性類別組合，生成第一統計任務；將所述第一統計任務分發給第一分布式設備，以供所述第一分布式設備統計對應于所述第一屬性類別組合的第一樣本的數量，并進行反饋；將所述第一樣本的數量或所述第一樣本的數量與全體樣本數量的比值，作為所述第一屬性類別組合對應的概率。

在一個實施例中，單個業務狀態下的各個屬性類別分別通過與所述單個業務狀態對應的單個節點上的各個狀態值描述。