本发明专利技术涉及人工智能技术，揭露了一种基于因果推断的业务因子生成方法，包括：接收用户选取指令，从预构建的标准行为因果网络中将所述用户选取指令中选择的目标节点作为目标事件，计算所述标准行为因果网络中各节点的行为因子与所述目标事件的因果效应，根据所述因果效应的大小选取预设数量的行为因子作为所述目标事件的业务因子。此外，本发明专利技术还涉及区块链技术，所述业务因子可存储在区块链的节点中。本发明专利技术还提出一种基于因果推断的业务因子生成方法装置、电子设备以及计算机可读存储介质。本发明专利技术可以解决相关业务因子查找准确率较低的问题。低的问题。低的问题。
【技术实现步骤摘要】
基于因果推断的业务因子生成方法、装置、设备及介质
[0001]本专利技术涉及人工智能
，尤其涉及一种基于因果推断的业务因子生成方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]传统机器学习算法中，关注的是特征之间的相关性，而无法去识别特征之间的因果，因此在进行产品决策与判断的时候，适用性较差。随着人工智能的进一步发展，各领域开始使用因果推断的方法对用户行为信息进行分析，从而提高产品或服务推送的准确率。
[0003]现有技术中，因果推断方法都是通过相关分析和A/B测试实验，而相关分析不能用于决策，A/B测试实验又是需要大量盲测进行事后验证，需要配置多次大量的实验才能找到真正有效的影响因子。测试周期长，营销成本大，且全凭业务经验挑选影响因子，无法从全局甚至多业务线联动发现有影响关系的业务因子，使得相关的业务因子的查找效率较低且不准确。
技术实现思路
[0004]本专利技术提供一种基于因果推断的业务因子生成方法、装置、设备及存储介质，其主要目的在于解决相关业务因子查找准确率较低的问题。
[0005]为实现上述目的，本专利技术提供的一种基于因果推断的业务因子生成方法，包括：
[0006]接收用户选取指令，从预构建的标准行为因果网络中将所述用户选取指令中选择的目标节点作为目标事件；
[0007]计算所述标准行为因果网络中各节点的行为因子与所述目标事件的因果效应；
[0008]根据所述因果效应的大小选取预设数量的行为因子作为所述目标事件的业务因子。r/>[0009]可选地，所述接收用户选取指令之前，所述方法还包括：
[0010]获取用户行为事件集合，抽取所述用户行为事件集合中用户的行为因子；
[0011]根据所述行为因子的优先度构建原始行为因果网络；
[0012]对所述原始行为因果网络进行反向调节及删边调节，得到标准行为因果网络。
[0013]可选地，所述抽取所述用户行为事件集合中用户的行为因子，包括：
[0014]提取所述用户行为事件集合中预设个数的多个待归因事件；
[0015]按照时间顺序将所述多个待归因事件进行排列，得到事件序列；
[0016]依次从所述事件序列中任意选取一个待归因事件作为目标因子，计算所述事件序列中其他待归因事件与所述目标因子的相关系数；
[0017]选取所述相关系数大于预设的相关阈值的待归因事件作为行为因子。
[0018]可选地，所述根据所述行为因子的优先度构建原始行为因果网络，包括：
[0019]随机选取预设个数的行为因子作为样本集；
[0020]计算所述样本集中各行为因子间的节点优先度；
[0021]以各行为因子作为网络节点，根据所述节点优先度对所述网络节点进行排列，并构造各个网络节点间的有向边；
[0022]汇总所述有向边及所述网络节点得到所述样本集的行为因果网络；
[0023]利用预设的评分算法对所述行为因果网络进行贪婪搜索，得到所述原始行为因果网络
[0024]可选地，所述计算所述样本集中各行为因子间的节点优先度，包括：
[0025]利用下述评分函数计算所述样本集中各行为因子间的节点优先度：
[0026][0027][0028]其中，D为所述样本集，n为样本集中行为因子的个数，score(D)为样本集中行为因子的节点优先度，m
ijk
为样本集中第i个节点取第k个值时，其父节点为第j个值的样本个数，q
i
为样本中父节点个数，α
ijk
为狄利克雷分布的超参数，γ()为伽马函数。
[0029]可选地，所述所述利用预设的评分算法对所述行为因果网络进行贪婪搜索，得到所述原始行为因果网络，包括：
[0030]按照所述行为因果网络中的节点顺序，利用预设的评分算法依次确定每个节点的节点结构以及所述节点结构的结构得分；
[0031]汇总每个节点最大结构得分的节点结构，得到所述原始行为因果网络。
[0032]可选地，所述对所述原始行为因果网络进行反向调节及删边调节，得到标准行为因果网络，包括：
[0033]计算所述原始行为因果网络中由有向边关联的节点间的互信息值；
[0034]将所述互信息值小于等于预设的互信息阈值的节点间的有向边删除，并计算所述原始行为因果网络中各节点的节点优先度；
[0035]若所述各节点的节点优先度未收敛，则调节所述原始行为因果网络中各节点间有向边的方向，直至所述原始行为因果网络中各节点的节点优先度收敛，得到所述标准行为因果网络。
[0036]为了解决上述问题，本专利技术还提供一种基于因果推断的业务因子生成装置，所述装置包括：
[0037]目标事件选取模块，用于接收用户选取指令，从预构建的标准行为因果网络中将所述用户选取指令中选择的目标节点作为目标事件；
[0038]业务因子生成模块，用于计算所述标准行为因果网络中各节点的行为因子与所述目标事件的因果效应，根据所述因果效应的大小选取预设数量的行为因子作为所述目标事件的业务因子。
[0039]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
[0040]存储器，存储至少一个计算机程序；及
[0041]处理器，执行所述存储器中存储的计算机程序以实现上述所述的基于因果推断的业务因子生成方法。
[0042]为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存
储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于因果推断的业务因子生成方法。
[0043]本专利技术通过预构建标准行为因果网络，并根据用户选取指令中选择的目标节点作为目标事件，可以直接输出与所述目标事件因果效应较强的业务因子，不需要复杂的相关分析和A/B测试实验，也无需人工根据经验选取，提高了业务因子生成的效率及准确率。因此本专利技术提出的基于因果推断的业务因子生成方法、装置、电子设备及计算机可读存储介质，可以解决相关业务因子查找准确率较低的问题。
附图说明
[0044]图1为本专利技术一实施例提供的基于因果推断的业务因子生成方法的流程示意图；
[0045]图2为本专利技术一实施例提供的基于因果推断的业务因子生成装置的功能模块图；
[0046]图3为本专利技术一实施例提供的实现所述基于因果推断的业务因子生成方法的电子设备的结构示意图。
[0047]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0048]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0049]本申请实施例提供一种基于因果推断的业务因子生成方法。所述基于因果推断的业务因子生成方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于因果推断的业务因子生成方法，其特征在于，所述方法包括：接收用户选取指令，从预构建的标准行为因果网络中将所述用户选取指令中选择的目标节点作为目标事件；计算所述标准行为因果网络中各节点的行为因子与所述目标事件的因果效应；根据所述因果效应的大小选取预设数量的行为因子作为所述目标事件的业务因子。2.如权利要求1所述的基于因果推断的业务因子生成方法，其特征在于，所述接收用户选取指令之前，所述方法还包括：获取用户行为事件集合，抽取所述用户行为事件集合中用户的行为因子；根据所述行为因子的优先度构建原始行为因果网络；对所述原始行为因果网络进行反向调节及删边调节，得到标准行为因果网络。3.如权利要求2所述的基于因果推断的业务因子生成方法，其特征在于，所述抽取所述用户行为事件集合中用户的行为因子，包括：提取所述用户行为事件集合中预设个数的多个待归因事件；按照时间顺序将所述多个待归因事件进行排列，得到事件序列；依次从所述事件序列中任意选取一个待归因事件作为目标因子，计算所述事件序列中其他待归因事件与所述目标因子的相关系数；选取所述相关系数大于预设的相关阈值的待归因事件作为行为因子。4.如权利要求2中所述的基于因果推断的业务因子生成方法，其特征在于，所述根据所述行为因子的优先度构建原始行为因果网络，包括：随机选取预设个数的行为因子作为样本集；计算所述样本集中各行为因子间的节点优先度；以各行为因子作为网络节点，根据所述节点优先度对所述网络节点进行排列，并构造各个网络节点间的有向边；汇总所述有向边及所述网络节点得到所述样本集的行为因果网络；利用预设的评分算法对所述行为因果网络进行贪婪搜索，得到所述原始行为因果网络。5.如权利要求4所述的基于因果推断的业务因子生成方法，其特征在于，所述计算所述样本集中各行为因子间的节点优先度，包括：利用下述评分函数计算所述样本集中各行为因子间的节点优先度：利用下述评分函数计算所述样本集中各行为因子间的节点优先度：其中，D为所述样本集，n为样本集中行为因子的个数，score(D)为样本集中行为因子的节点优先度，m
ijk
为样本集中第...
【专利技术属性】
技术研发人员：张严严，王雨洲，潘琪，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。