[發(fā)明專利]訓(xùn)練因果推斷模型的方法、信息提示方法以裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202110519634.8
• 申請(qǐng)日: 2021-05-12
• 公開(kāi)（公告）號(hào): CN113112311B
• 公開(kāi)（公告）日: 2023-07-25
• 發(fā)明（設(shè)計(jì)）人: 錢麗華;熊健;王浩
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): G06Q30/0241
• 分類號(hào): G06Q30/0241;G06F18/214;G06N20/00
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 鄢功軍

1.一種訓(xùn)練因果推斷模型的方法，包括：

利用第一樣本數(shù)據(jù)集來(lái)訓(xùn)練波動(dòng)預(yù)測(cè)模型和操作預(yù)測(cè)模型；

利用經(jīng)訓(xùn)練的波動(dòng)預(yù)測(cè)模型，基于第二樣本數(shù)據(jù)集確定多個(gè)數(shù)據(jù)波動(dòng)預(yù)測(cè)值；

利用經(jīng)訓(xùn)練的操作預(yù)測(cè)模型，基于所述第二樣本數(shù)據(jù)集確定多個(gè)操作預(yù)測(cè)值；以及

利用所述第二樣本數(shù)據(jù)集、所述多個(gè)數(shù)據(jù)波動(dòng)預(yù)測(cè)值和所述多個(gè)操作預(yù)測(cè)值，訓(xùn)練因果推斷模型；

其中，所述第一樣本數(shù)據(jù)集包括多個(gè)第一樣本數(shù)據(jù)，所述多個(gè)第一樣本數(shù)據(jù)中的每個(gè)第一樣本數(shù)據(jù)包括用戶特征、數(shù)據(jù)波動(dòng)值和操作值，所述用戶特征包括基礎(chǔ)屬性、行業(yè)屬性、操作頻率、計(jì)劃預(yù)算和生效物料規(guī)模中的至少一種；

其中，所述利用第一樣本數(shù)據(jù)集來(lái)訓(xùn)練波動(dòng)預(yù)測(cè)模型和操作預(yù)測(cè)模型包括：以所述每個(gè)第一樣本數(shù)據(jù)中的數(shù)據(jù)波動(dòng)值作為標(biāo)簽，以所述每個(gè)第一樣本數(shù)據(jù)中的用戶特征作為輸入數(shù)據(jù)，訓(xùn)練所述波動(dòng)預(yù)測(cè)模型；以及以所述每個(gè)第一樣本數(shù)據(jù)中的操作值作為標(biāo)簽，以所述每個(gè)第一樣本數(shù)據(jù)中的用戶特征作為輸入數(shù)據(jù)，訓(xùn)練操作預(yù)測(cè)模型；

其中，所述利用所述第二樣本數(shù)據(jù)集、所述多個(gè)數(shù)據(jù)波動(dòng)預(yù)測(cè)值和所述多個(gè)操作預(yù)測(cè)值，訓(xùn)練因果推斷模型，包括：針對(duì)所述第二樣本數(shù)據(jù)集中的每個(gè)第二樣本數(shù)據(jù)，根據(jù)所述第二樣本數(shù)據(jù)中的數(shù)據(jù)波動(dòng)值和基于所述第二樣本數(shù)據(jù)得到的數(shù)據(jù)波動(dòng)預(yù)測(cè)值，確定波動(dòng)值殘差；根據(jù)所述第二樣本數(shù)據(jù)中的操作值和基于所述第二樣本數(shù)據(jù)得到的操作預(yù)測(cè)值，確定操作值殘差；根據(jù)所述波動(dòng)值殘差和所述操作值殘差，確定因果參數(shù)樣本；以及以所述因果參數(shù)樣本作為標(biāo)簽，以所述第二樣本數(shù)據(jù)中的用戶特征作為輸入數(shù)據(jù)，訓(xùn)練所述因果推斷模型；

其中，所述以所述因果參數(shù)樣本作為標(biāo)簽，以所述第二樣本數(shù)據(jù)中的用戶特征作為輸入數(shù)據(jù)，訓(xùn)練所述因果推斷模型包括：

將所述每個(gè)第二樣本數(shù)據(jù)中的用戶特征輸入因果推斷模型，以得到與每個(gè)第二樣本數(shù)據(jù)對(duì)應(yīng)的因果參數(shù)預(yù)測(cè)值；

根據(jù)以下公式計(jì)算第三目標(biāo)函數(shù)：

其中，所述為所述第三目標(biāo)函數(shù)，所述是于所述第二樣本數(shù)據(jù)集中第i個(gè)第二樣本數(shù)據(jù)對(duì)應(yīng)的操作值殘差，所述是與所述第i個(gè)第二樣本數(shù)據(jù)對(duì)應(yīng)的波動(dòng)值殘差，所述為與所述第i個(gè)第二樣本數(shù)據(jù)對(duì)應(yīng)的因果參數(shù)預(yù)測(cè)值，M是第二樣本數(shù)據(jù)集中第二樣本數(shù)據(jù)的總數(shù)量；以及

在所述第三目標(biāo)函數(shù)沒(méi)有收斂的情況下，根據(jù)所述第三目標(biāo)函數(shù)的值調(diào)整所述因果推斷模型的參數(shù)，并返回將所述每個(gè)第二樣本數(shù)據(jù)中的用戶特征輸入因果推斷模型的步驟。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述訓(xùn)練波動(dòng)預(yù)測(cè)模型包括：

將所述每個(gè)第一樣本數(shù)據(jù)中的用戶特征輸入波動(dòng)預(yù)測(cè)模型，以得到與每個(gè)第一樣本數(shù)據(jù)對(duì)應(yīng)的波動(dòng)預(yù)測(cè)值；

根據(jù)以下公式計(jì)算第一目標(biāo)函數(shù)：

其中，所述為所述第一目標(biāo)函數(shù)，所述是第一樣本數(shù)據(jù)集中第i個(gè)第一樣本數(shù)據(jù)中的數(shù)據(jù)波動(dòng)值，所述是與所述第i個(gè)第一樣本數(shù)據(jù)對(duì)應(yīng)的波動(dòng)預(yù)測(cè)值，所述N是第一樣本數(shù)據(jù)集中第一樣本數(shù)據(jù)的總數(shù)量；以及

在所述第一目標(biāo)函數(shù)沒(méi)有收斂的情況下，根據(jù)所述第一目標(biāo)函數(shù)的值調(diào)整所述波動(dòng)預(yù)測(cè)模型的參數(shù)，并返回將所述每個(gè)第一樣本數(shù)據(jù)中的用戶特征輸入所述波動(dòng)預(yù)測(cè)模型的步驟。

3.根據(jù)權(quán)利要求1所述的方法，其中，所述訓(xùn)練操作預(yù)測(cè)模型包括：

將所述每個(gè)第一樣本數(shù)據(jù)中的用戶特征輸入操作預(yù)測(cè)模型，以得到與每個(gè)第一樣本數(shù)據(jù)對(duì)應(yīng)的操作預(yù)測(cè)值；

根據(jù)以下公式計(jì)算第二目標(biāo)函數(shù)：

其中，所述為所述第二目標(biāo)函數(shù)，所述是第一樣本數(shù)據(jù)集中第i個(gè)第一樣本數(shù)據(jù)中的操作值，所述是與所述第i個(gè)第一樣本數(shù)據(jù)對(duì)應(yīng)的操作預(yù)測(cè)值，所述N是第一樣本數(shù)據(jù)集中第一樣本數(shù)據(jù)的總數(shù)量；以及

在所述第二目標(biāo)函數(shù)沒(méi)有收斂的情況下，根據(jù)所述第二目標(biāo)函數(shù)的值調(diào)整所述操作預(yù)測(cè)模型的參數(shù)，并返回將所述每個(gè)第一樣本數(shù)據(jù)中的用戶特征輸入所述操作預(yù)測(cè)模型的步驟。

4.根據(jù)權(quán)利要求1所述的方法，其中，所述波動(dòng)預(yù)測(cè)模型和所述操作預(yù)測(cè)模型包括梯度提升樹(shù)模型，所述因果推斷模型包括隨機(jī)森林模型。