【技术实现步骤摘要】
基于因果知识的业务处理方法、装置以及设备
[0001]本说明书涉及机器学习
,尤其涉及一种基于因果知识的业务处理方法、装置以及设备。
技术介绍
[0002]随着互联网和移动终端的迅速普及,大量应用涌现,用户可以便利地在移动终端上安装各种应用的客户端,对应的服务端则为客户端提供线上业务,用户从而获得到相应的服务。
[0003]在为用户服务的过程中,对于同一种目的往往有多种可选的方案,这些目的既可以是底层的支撑系统的改进,比如,优化服务器的分布式架构、优化事务处理流程等,也可以是业务层面上面向用户的改进,比如,优化与用户的交互方式、提高用户的业务流量等,而这些目的最终又是为了帮助业务更好地进行,提高用户体验。目前,往往采用对照实验的方式,对多个可选的方案进行测试,以帮助选择较优的方案,然后用于实际业务中。
[0004]但是,在实际应用中,经常出现由于实验成本过高等原因导致不适合甚至无法做对照实验的情况,基于此,在多种可选方案存在的场景下,需要有适用性更好更可靠的业务处理方案。
技术实现思路
[0005]本说明书一个或多个实施例提供一种基于因果知识的业务处理方法、装置、设备以及存储介质,用以解决如下技术问题:在多种可选方案存在的场景下,需要有适用性更好更可靠的业务处理方案。
[0006]为解决上述技术问题,本说明书一个或多个实施例是这样实现的:
[0007]本说明书一个或多个实施例提供的一种基于因果知识的业务处理方法,包括:
[0008]确定业务对象相关的多个特 ...
【技术保护点】
【技术特征摘要】
1.一种基于因果知识的业务处理方法,包括:确定业务对象相关的多个特征;根据所述业务对象的待预测指标,确定各所述特征的因果知识,所述因果知识反映了对应的特征与所述待预测指标之间的因果关系;根据所述因果知识,生成包含了用于表示各所述特征的节点的因果图;根据所述多个特征的值和所述因果图,生成所述节点的嵌入向量;根据所述嵌入向量,对所述业务对象的所述待预测指标的值进行预测;根据所述预测的结果进行相应的业务处理。2.如权利要求1所述的方法,所述根据所述多个特征的值和所述因果图,生成所述节点的嵌入向量,具体包括:获取所述待预测指标的参考值,及其对应的所述多个特征的值;在所述多个特征选择至少一个特征,作为干预特征并对其值进行调整;根据调整后得的所述多个特征的值,生成所述节点的嵌入向量,以用于确定所述干预特征的值的调整对所述待预测指标的参考值的影响。3.如权利要求2所述的方法,所述根据所述预测的结果进行相应的业务处理,具体包括:根据所述预测的结果和所述待预测指标的参考值,确定所述干预特征的值的调整给所述待预测指标的参考值带来的增益值;根据所述增益值,确定是否对所述业务对象对应的业务进行相应的调整。4.如权利要求1所述的方法,所述根据所述业务对象的待预测指标,确定各所述特征的因果知识,具体包括:分别针对各所述特征,执行:将该特征作为原因节点,将所述业务对象的待预测指标或者其对应的效应作为结果节点,构建从所述原因节点指向所述结果节点的边;为该特征选择一个或者多个混淆特征作为混淆节点,构建从所述混淆节点分别指向所述原因节点和所述结果节点的边;根据由所述原因节点、所述结果节点、各所述混淆节点之间的边构成的因果子图,进行效应估计,确定反映该特征对所述业务对象的待预测指标的效应的数据,作为该特征的因果知识。5.如权利要求1所述的方法,所述根据所述因果知识,生成包含了用于表示各所述特征的节点的因果图,具体包括:根据所述因果知识,利用贝叶斯网络学习用于各所述特征的节点之间的结构拓扑;利用专家知识对所述结构拓扑进行局部调整,生成包含了各所述节点的因果图。6.如权利要求1所述的方法,所述因果知识为因果权重;所述根据所述多个特征的值和所述因果图,生成所述节点的嵌入向量,具体包括:将各所述特征的值作为向量中对应维度的值,构成特征值向量;根据所述因果权重,为所述特征值向量中的各维度的值相应地加权,得到特征加权值向量;根据所述因果图和所述特征加权值向量,生成所述节点的嵌入向量。
7.如权利要求6所述的方法,所述根据所述因果图和所述特征加权值向量,生成所述节点的嵌入向量,具体包括:根据所述因果图内的拓扑结构,生成所述节点的图结构向量;将所述特征加权值向量和所述图结构向量进行融合,生成所述节点的嵌入向量。8.如权利要求6所述的方法,所述根据所述因果图和所述特征加权值向量,生成所述节点的嵌入向量,具体包括:获取所述因果图中的一部分拓扑结构包含的原因节点和结果节点,所述原因节点表示所述业务对象的特征,所述结果节点表示所述业务对象的待预测指标或者其对应的效应;将获取的所述原因节点和所述结果节点之间的边的方向调整为反向,局部反向的拓扑结构;为所述局部反向的拓扑结构生成局部反向结构向量;融合所述局部反向结构向量和所述特征加权值向量,生成所述节点的嵌入向量。9.如权利要求8所述的方法,所述将获取的所述原因节点和结果节点之间的边的方向调整为反向,局部反向的拓扑结构,还包括:以所述原因节点作为起点,确定所述多个特征以外的特征,或者所述待预测指标以外的指标,作为增补节点加入所述局部反向的拓扑结构中;分别根据融合所述局部反向结构向量得到的所述节点的嵌入向量、未融合所述局部反向结构向量得到的所述节点的嵌入向量,预测待预测指标的值;若预测结果之间的差距小于设定阈值,则根据未融合所述局部反向结构向量得到的所述节点的嵌入向量,预测所述以外的特征或者所述以外的指标的值,作为优化参考值。10.如权利要求6所述的方法,所述将所述特征加权值向量和所述图结构向量进行融合,生成所述节点的嵌入向量,具体包括:将所述特征加权值向量、所述特征值向量和所述图结构向量进行融合,生成所述节点的嵌入向量。11.如权利要求1所述的方法,所述根据所述嵌入向量,对所述业务对象的所述待预测指标的值进行预测,具体包括:将所述嵌入向量输入预先训练得到的图卷积神经网络;通过所述图卷积神经网络的处理,输出所预测的对所述业务对象的所述待预测指标的值。12.如权利要求1~11任一项所述的方法,所述业务对象包括商品或者商户,所述待预测指标包括表示销售情况或者客户转化情况的指标。13.一种基于因果知识的业务处理装置,包括:业务特征确定模块,确定业务对象相关的多个特征;因果知识确定模块,根据所述业务对象的待预测指标,确定各所述特征的因果知...
【专利技术属性】
技术研发人员:王昊文,彭从阳,李玉娇,
申请(专利权)人:支付宝杭州信息技术有限公司,
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。