[發明專利]基于GBDT模型的規則提取方法和系統

在審

• 申請號: 202010761356.2
• 申請日: 2020-07-31
• 公開（公告）號: CN111915018A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 陳燕;王萌
• 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: 北京銘碩知識產權代理有限公司 11286
• 代理人: 蘇銀虹;張云珠

1.一種基于GBDT模型的規則提取方法，其中，包括：

獲取基于特定數據集訓練的GBDT模型的描述文件；

解析所述GBDT模型的描述文件，遍歷所述描述文件中的每棵決策樹，構造出每棵決策樹的從根結點分別到多個葉子結點的規則路徑，得到多個規則路徑，并提取所述多個規則路徑中的每個規則路徑所包含的規則表達式，以得到多個規則表達式；

從所述多個規則表達式中選取部分規則表達式作為目標規則表達式進行輸出。

2.如權利要求1所述的方法，其中，由機器學習平臺中規則提取算子來執行前述各步驟；

該方法還包括：通過算子配置界面獲取所述規則提取算子的配置信息；響應于啟動規則提取算子的操作基于所述配置信息啟動所述規則提取算子，從而由所述規則提取算子執行前述各步驟。

3.如權利要求1所述的方法，其中，構造出每棵決策樹的從根結點分別到多個葉子結點的規則路徑，包括：

判斷決策樹中的結點是否為葉子結點；

當結點不是葉子結點時，確定出該結點之后的子路徑所包含的子表達式，以及繼續判斷該結點之后的結點是否為葉子結點，直至尋找到為葉子結點的結點；

當結點是葉子結點時，確定出該結點所屬的決策樹的根結點到該葉子結點的規則路徑，并將該葉子結點的屬性信息添加到規則路徑。

4.如權利要求3所述的方法，其中，當結點不是葉子結點時，確定出該結點之后的子路徑所包含的子表達式，包括：

當結點不是葉子結點時，判斷該結點的特征是否為離散特征；

若該結點的特征是離散特征，則將該結點的左子路徑的子表達式編輯為特征值等于1，右子路徑的子表達式編輯為特征值不等于1；

若該結點的特征不是離散特征，則將該結點的左子路徑的子表達式編輯為特征值不大于預設值或為空，右子路徑的子表達式編輯為特征值大于預設值；或者，若該結點的特征不是離散特征，則將該結點的左子路徑的子表達式編輯為特征值不大于預設值，右子路徑的子表達式編輯為特征值大于預設值或為空。

5.如權利要求1所述的方法，其中，該方法在從所述多規則表達式中選取部分規則表達式作為目標規則表達式進行輸出之前，還包括：

針對所述多個規則表達式執行合并，得到多個參考規則表達式。

6.如權利要求1所述的方法，其中，所述針對多個規則表達式執行合并，包括：

對所述多個規則表達式中的每個規則表達式中的至少兩個子表達式進行比較，根據比較結果選擇該規則表達式中需要保留的子表達式。

7.如權利要求6所述的方法，其中，對每個規則表達式中的至少兩個子表達式進行比較，根據比較結果選擇該規則表達式中需要保留的子表達式，包括如下至少一項：

當一個規則表達式中與同一特征相關的至少兩個子表達式，均表示該同一特征的值需要小于預設值時，保留該至少兩個子表達式中預設值最小的子表達式；

當一個規則表達式中與同一特征相關的至少兩個子表達式，均表示該同一特征的值需要大于預設值時，保留該至少兩個子表達式中預設值最大的子表達式；

當規則表達式的與同一特征相關的至少兩個子表達式相同時，保留該至少兩個子表達式中的一個子表達式。

8.一種基于GBDT模型的規則提取系統，其中，包括規則提取模塊，所述規則提取模塊被配置為：

獲取基于特定數據集訓練的GBDT模型的描述文件；解析所述GBDT模型的描述文件，遍歷所述描述文件中的每棵決策樹，構造出每棵決策樹的從根結點分別到多個葉子結點的規則路徑，得到多個規則路徑，并提取所述多個規則路徑中的每個規則路徑所包含的規則表達式，以得到多個規則表達式；從所述多個規則表達式中選取部分規則表達式作為目標規則表達式進行輸出。

9.一種存儲計算機程序的計算機可讀存儲介質，其中，當所述計算機程序被至少一個計算裝置運行時，促使所述至少一個計算裝置執行如權利要求1至7中的任一權利要求所述的基于GBDT模型的規則提取方法。

10.一種包括至少一個計算裝置和至少一個存儲計算機程序的存儲裝置的系統，其中，所述計算機程序在被所述至少一個計算裝置運行時，促使所述至少一個計算裝置執行如權利要求1至7中的任一權利要求所述的基于GBDT模型的規則提取方法。