[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

本申請公開了一種反事實預測模型數據處理方法、裝置、設備及存儲介質，涉及人工智能技術領域。所述方法包括：獲取與目標事件相關的歷史觀測數據；基于歷史觀測數據構建訓練樣本；通過編碼網絡基于訓練樣本，得到應對措施預測數據和平衡表示參數；通過解碼網絡基于平衡表示參數和應對措施真實數據，得到輸出變量預測數據；基于應對措施預測數據、應對措施真實數據、輸出變量預測數據和標簽數據，確定訓練損失；基于訓練損失對模型進行訓練。本申請提供的訓練方法能夠消除時變混雜因素和應對措施之間的關聯，從而在反事實預測時，可以消除時變混雜因素所造成的偏差，提高了模型的預測準確性。本申請提供的技術方案適用于疫情的反事實預測。

技術領域

本申請實施例涉及人工智能技術領域，特別涉及一種反事實預測模型數據處理方法、裝置、設備及存儲介質。

背景技術

隨著人工智能技術在反事實預測模型方面的研究和進步，科研人員可以通過反事實預測模型預測目標應對措施對疫情的管控效果。

以由一個循環神經網絡組成的反事實預測模型為例，基于歷史疫情數據對該反事實預測模型進行訓練，得到訓練好的反事實預測模型，然后通過改變模型的輸入數據，預測疫情未來發展趨勢。例如，將模型的輸入數據中的應對措施替換成目標應對措施，以預測目標應對措施對疫情的管控效果。

然而，由于時變混雜因素會和應對措施之間存在關聯，反事實預測模型基于目標應對措施得到的預測結果是有偏差的，不夠準確。

發明內容

本申請實施例提供了一種反事實預測模型數據處理方法、裝置、設備及存儲介質，能夠提升反事實預測模型的預測準確性。所述技術方案包括如下內容。

根據本申請實施例的一個方面，提供了一種反事實預測模型數據處理方法，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，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；

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；

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。

根據本申請實施例的一個方面，提供了一種事件的反事實預測方法，所述方法包括：

獲取與目標事件相關的歷史觀測數據，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；

基于所述歷史觀測數據構建參考數據，所述參考數據包括參考歷史時間單元序列對應的時變混雜因素數據和輸出變量真實數據；

獲取第一應對措施設定數據，所述第一應對措施設定數據用于替換所述應對措施真實數據輸入至反事實預測模型；

通過所述反事實預測模型基于所述參考數據，得到所述參考數據的平衡表示參數，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；