[發明專利]反事實預測模型數據處理方法、裝置、設備及存儲介質

有效

• 申請號: 202110461378.1
• 申請日: 2021-04-27
• 公開（公告）號: CN112988851B
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 孫繼超;葉志豪;田彥培;陳曦
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06Q10/04;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 祝亞男

1.一種反事實預測模型數據處理方法，其特征在于，所述反事實預測模型包括編碼網絡和解碼網絡，所述方法包括：

獲取與目標事件相關的歷史觀測數據；其中，所述歷史觀測數據包括多個歷史時間單元分別對應的觀測數據，所述觀測數據包括時變混雜因素數據、應對措施真實數據和輸出變量真實數據，所述時變混雜因素數據是指與所述應對措施真實數據相關聯的因素的數據，所述輸出變量真實數據用于描述所述目標事件的歷史狀態；

基于所述歷史觀測數據構建訓練樣本，所述訓練樣本的輸入數據包括第一歷史時間單元序列對應的觀測數據，所述訓練樣本的標簽數據包括第二歷史時間單元序列對應的輸出變量真實數據；

通過所述編碼網絡基于所述訓練樣本的輸入數據，得到所述訓練樣本對應的應對措施預測數據和平衡表示參數，所述平衡表示參數用于消除所述時變混雜因素數據與所述應對措施真實數據之間的關聯，所述平衡表示參數用于等效表示所述時變混雜因素與所述輸出變量真實數據之間的間接關聯；

通過所述解碼網絡基于所述訓練樣本對應的平衡表示參數和應對措施真實數據，得到所述訓練樣本對應的輸出變量預測數據；

基于所述訓練樣本對應的應對措施預測數據、應對措施真實數據、輸出變量預測數據和標簽數據，確定所述反事實預測模型的訓練損失；

基于所述訓練損失對所述反事實預測模型進行訓練。

2.根據權利要求1所述的方法，其特征在于，

所述第一歷史時間單元序列包括所述多個歷史時間單元中的第n個歷史時間單元至第n+k個歷史時間單元，n為正整數，k為正整數；

所述第二歷史時間單元序列包括所述多個歷史時間單元中的第n+p個歷史時間單元至第n+k+p個歷史時間單元，p為正整數。

3.根據權利要求2所述的方法，其特征在于，所述通過所述編碼網絡基于所述訓練樣本的輸入數據，得到所述訓練樣本對應的應對措施預測數據和平衡表示參數，包括：

通過所述編碼網絡基于所述訓練樣本的輸入數據中的第n個歷史時間單元至第n+i個歷史時間單元的時變混雜因素數據和輸出變量真實數據，得到所述第n+i個歷史時間單元的平衡表示參數，i為小于等于k的正整數；

通過所述編碼網絡基于所述第n+i個歷史時間單元的平衡表示參數和輸出變量真實數據，得到所述第n+i個歷史時間單元的應對措施預測數據。

4.根據權利要求3所述的方法，其特征在于，所述通過所述解碼網絡基于所述訓練樣本對應的平衡表示參數和應對措施真實數據，得到所述訓練樣本對應的輸出變量預測數據，包括：

通過所述解碼網絡基于所述第n+i個歷史時間單元的平衡表示參數和應對措施真實數據，得到所述第n+i個歷史時間單元的輸出變量預測數據。

5.根據權利要求1所述的方法，其特征在于，所述基于所述訓練樣本對應的應對措施預測數據、應對措施真實數據、輸出變量預測數據和標簽數據，確定所述反事實預測模型的訓練損失，包括：

基于所述訓練樣本對應的應對措施預測數據和應對措施真實數據，計算分類損失；

基于所述訓練樣本對應的輸出變量預測數據和標簽數據，計算對比損失；

基于所述分類損失和所述對比損失，計算所述反事實預測模型的訓練損失。

6.根據權利要求5所述的方法，其特征在于，所述基于所述分類損失和所述對比損失，計算所述反事實預測模型的訓練損失，包括：

基于所述對比損失減去所述分類損失的差值，得到所述反事實預測模型的訓練損失；

所述基于所述訓練損失對所述反事實預測模型進行訓練，包括：

以最小化所述訓練損失為目標，調整所述反事實預測模型的參數，得到完成訓練的反事實預測模型。