基于模型训练的节点解析方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，公开了一种基于模型训练的节点解析方法、装置、设备及存储介质，用于减少节点判断次数以及提高解析目标叶子节点的效率，达到毫秒级反馈的效果。基于模型训练的节点解析方法包括：从预置梯度提升决策树GBDT模型中获取多个GBDT结构；遍历多个GBDT结构，对多个GBDT结构进行合并，生成多个待判断树结构；获取多个叶子节点判断条件；在每层叶子节点中选取待判断叶子节点，得到多个待判断叶子节点，根据每个待判断叶子节点对应的叶子节点判断条件选取目标待判断叶子节点或者目标待判断叶子节点对应的兄弟叶子节点作为目标叶子节点，得到多个目标叶子节点。此外，本发明专利技术还涉及区块链技术，多个目标叶子节点可存储于区块链中。

【技术实现步骤摘要】
基于模型训练的节点解析方法、装置、设备及存储介质
本专利技术涉及人工智能
，尤其涉及一种基于模型训练的节点解析方法、装置、设备及存储介质。
技术介绍
梯度提升决策树(gradientboostingdecisiontree，GBDT)模型的叶子节点可以用来作为逻辑回归模型的特征来训练，以提高逻辑回归模型的效果，在业界已经得到充分的认证和实践。大致过程分三步，第一步：训练GBDT模型；第二步：解析GBDT模型的叶子节点，生成特征；第三步：将GBDT叶子节点特征输入逻辑回归模型训练。在现有的技术中，解析GBDT模型叶子节点的方式是遍历GBDT模型中的每一棵树，判断叶子节点是否满足条件。通常训练GBDT模型将树的深度设置为5，迭代次数为100，每棵树的叶子节点数为64，这种遍历方式需要5x64x100＝32000次循环条件判断，非常耗费时间导致工作效率极低。
技术实现思路
本专利技术的主要目的在于解决解析叶子节点时耗费时间及工作效率低的问题。本专利技术第一方面提供了一种基于模型训练的节点解析方法，包括：从预置本文档来自技高网...

【技术保护点】
1.一种基于模型训练的节点解析方法，其特征在于，所述基于模型训练的节点解析方法包括：/n从预置梯度提升决策树GBDT模型中获取多个GBDT结构，每个GBDT结构包括多个叶子节点；/n遍历所述多个GBDT结构，对所述多个GBDT结构进行合并，生成多个待判断树结构；/n从所述多个待判断树结构中获取多个叶子节点判断条件，每个叶子节点判断条件对应一个叶子节点；/n在每层叶子节点中选取待判断叶子节点，得到多个待判断叶子节点，根据每个待判断叶子节点对应的叶子节点判断条件选取目标待判断叶子节点或者目标待判断叶子节点对应的兄弟叶子节点作为目标叶子节点，得到多个目标叶子节点，所述多个待判断叶子节点包括第一待判断...

【技术特征摘要】
1.一种基于模型训练的节点解析方法，其特征在于，所述基于模型训练的节点解析方法包括：
从预置梯度提升决策树GBDT模型中获取多个GBDT结构，每个GBDT结构包括多个叶子节点；
遍历所述多个GBDT结构，对所述多个GBDT结构进行合并，生成多个待判断树结构；
从所述多个待判断树结构中获取多个叶子节点判断条件，每个叶子节点判断条件对应一个叶子节点；
在每层叶子节点中选取待判断叶子节点，得到多个待判断叶子节点，根据每个待判断叶子节点对应的叶子节点判断条件选取目标待判断叶子节点或者目标待判断叶子节点对应的兄弟叶子节点作为目标叶子节点，得到多个目标叶子节点，所述多个待判断叶子节点包括第一待判断叶子节点至第N待判断叶子节点，其中，N为正整数。


2.根据权利要求1所述的基于模型训练的节点解析方法，其特征在于，所述遍历所述多个GBDT结构，对所述多个GBDT结构进行合并，生成多个待判断树结构包括：
遍历所述多个GBDT结构，判断所述多个GBDT结构中的多个叶子节点是否包括至少一组相同节点；
若所述多个GBDT结构中的多个叶子节点包括至少一组相同节点，则合并至少一组相同节点下的多个子节点，生成多个待判断树结构。


3.根据权利要求2所述的基于模型训练的节点解析方法，其特征在于，所述遍历所述多个GBDT结构，判断所述多个GBDT结构中的多个叶子节点是否包括至少一组相同节点包括：
遍历所述多个GBDT结构，随机选取两个GBDT结构，并判断随机选取的两个GBDT结构的同一层叶子节点中是否包括至少一组相同节点；
若所述随机选取的两个GBDT结构的同一层叶子节点中至少包括一组相同节点，则判定所述多个GBDT结构中包括至少一组相同节点；
或者，
分别统计所述多个GBDT结构的节点数，选取所述节点数最高的两个GBDT结构，得到两个顺序GBDT结构，并判断所述两个顺序GBDT结构的同一层叶子节点中是否包括至少一组相同节点；
若所述两个顺序GBDT结构的同一层叶子节点中至少包括一组相同节点，则判定所述多个GBDT结构中包括至少一组相同节点。


4.根据权利要求3所述的基于模型训练的节点解析方法，其特征在于，所述若所述多个GBDT结构中的多个叶子节点包括至少一组相同节点，则合并至少一组相同节点下的多个子节点，生成多个待判断树结构包括：
若所述多个GBDT结构中的多个叶子节点中包括至少一组相同节点，则从所述随机选取的两个GBDT结构或者所述两个顺序GBDT结构中的任意一个GBDT结构中提取多个第一相同子节点及多个第一相同兄弟子节点，从另一个GBDT结构中提取多个第二相同子节点及多个第二相同兄弟子节点；
将所述第二相同子节点合并到所述第一相同子节点，将所述第二相同兄弟节点合并至所述第一相同兄弟子节点，生成待整合的待判断树结构；
根据所述多个GBDT结构中的其他GBDT结构，得到多个其他待整合的待判断树结构；
整合所述待整合的待判断树结构和所述多个其他待整合的待判断树结构，得到多个待判断树结构。


5.根据权利要求4所述的基于模型训练的节点解析方法，其特征在于，所述将所述第二相同子节点合并到所述第一相同子节点，将所述第二相同兄弟节点合并至所述第一相同兄弟子节点，生成待整合的待判断树结构包括：
将所述多个第一相同子节点及所述多个第一相同兄弟子节点整合成目标相同子节点集，将所述多个第二相同子节点及多个第二相同兄弟子节点整合为预合并子节点集；
判断所述目标相同子节点集中是否包括与所述多个第二相同子节点或者与所述多个第二相同兄弟子节点相同的第一相同子节点或者第一相同兄弟子节点；
若包括，则从所述预合并相同子...

【专利技术属性】
技术研发人员：张杰，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44