[發明專利]特征的確定方法和裝置

在審

• 申請號: 202110602611.3
• 申請日: 2021-05-31
• 公開（公告）號: CN113344063A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 楊德將;李原;郝萌
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/52;G06N20/00
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種特征的確定方法，所述方法包括：

獲取由模型的訓練樣本的原始特征所組成的特征矩陣；

對所述特征矩陣進行降維，得到降維矩陣；

從所述降維矩陣中，提取入模特征作為待處理特征，所述入模特征與經訓練的所述模型的預測結果相關；

確定所述待處理特征在所述特征矩陣中對應的原始特征作為反解結果，并基于所述反解結果確定目標特征，其中，所述目標特征用于訓練所述模型。

2.根據權利要求1所述的方法，其中，所述對所述特征矩陣進行降維，得到降維矩陣，包括：

對所述特征矩陣進行奇異值分解，得到奇異矩陣；

將所述奇異矩陣中指定數量的元素作為降維系數，并基于所述降維系數對所述特征矩陣進行降維，得到所述降維矩陣。

3.根據權利要求2所述的方法，其中，所述方法還包括：

從所述奇異矩陣中提取出所述入模特征指示的元素作為待處理元素；

所述確定所述待處理特征在所述特征矩陣中對應的原始特征作為反解結果，包括：

基于所述待處理元素，確定所述待處理特征在所述特征矩陣中對應的原始特征作為所述反解結果。

4.根據權利要求3所述的方法，其中，所述基于所述反解結果確定目標特征，包括：

根據對應的待處理元素在所述反解結果中進行特征選取，得到對應的待處理元素不小于元素閾值的反解結果作為所述目標特征。

5.根據權利要求1所述的方法，其中，所述經訓練的所述模型的生成步驟，包括：

采用所述降維矩陣中的特征，訓練待訓練的所述模型，得到經訓練的所述模型；以及

所述入模特征的生成步驟，包括：

利用經訓練的所述模型進行預測，得到從該模型輸出的所述預測結果和與所述預測結果相關的入模特征。

6.根據權利要求2所述的方法，其中，所述將所述奇異矩陣中指定數量的元素作為降維系數，包括：

按照所述奇異矩陣中元素的奇異值由大到小的順序，從所述奇異矩陣中確定所述指定數量的元素，作為所述降維系數。

7.根據權利要求2所述的方法，其中，所述指定數量的確定步驟，包括：

獲取所述模型的建模平臺的訓練數據大小需求；

確定符合所述訓練數據大小需求的特征數，作為所述指定數量。

8.根據權利要求1-7任意之一所述的方法，其中，所述方法還包括：

采用所述目標特征，訓練所述經訓練的模型，得到目標模型。

9.一種特征的確定裝置，所述裝置包括：

獲取單元，被配置成獲取由模型的訓練樣本的原始特征所組成的特征矩陣；

降維單元，被配置成對所述特征矩陣進行降維，得到降維矩陣；

特征確定單元，被配置成從所述降維矩陣中，提取入模特征作為待處理特征，所述入模特征與經訓練的所述模型的預測結果相關；

反解單元，被配置成確定所述待處理特征在所述特征矩陣中對應的原始特征作為反解結果，并基于所述反解結果確定目標特征，其中，所述目標特征用于訓練所述模型。

10.根據權利要求9所述的裝置，其中，所述降維單元，進一步被配置成按照如下方式執行所述對所述特征矩陣進行降維，得到降維矩陣：

對所述特征矩陣進行奇異值分解，得到奇異矩陣；將所述奇異矩陣中指定數量的元素作為降維系數，并基于所述降維系數對所述特征矩陣進行降維，得到所述降維矩陣。

11.根據權利要求10所述的裝置，其中，所述裝置還包括：提取單元，被配置成從所述奇異矩陣中提取出所述入模特征指示的元素作為待處理元素；

所述反解單元，進一步被配置成按照如下方式執行所述確定所述待處理特征在所述特征矩陣中對應的原始特征作為反解結果：

基于所述待處理元素，確定所述待處理特征在所述特征矩陣中對應的原始特征作為所述反解結果。