【技术实现步骤摘要】
价格偏见因素确定方法和装置
[0001]本申请涉及数据处理
，具体涉及价格偏见因素确定方法和装置，位置偏见因素确定方法和装置，偏见因素确定方法和装置，以及电子设备。
技术介绍
[0002]随着人工智能系统在日常生活中的广泛应用，人工智能已经成为了辅助人们决策的重要工具。影响人工智能系统公平公正的一个重要因素是人工智能系统采用的算法本身，算法公平性归因与评估已经成为业界重点关注的问题。
[0003]算法公平性归因与评估是对人工智能系统在敏感属性/受保护属性上存在的结果差异进行量化，利用评估结果改进人工智能系统，减少其对敏感属性的依赖，比如年龄、性别、收入——以及任何与这些属性相关的信息，从而确保人工智能系统的公平公正。人工智能系统通常具有技术链路长、影响因素多、敏感属性多的特点，目前主要基于专家对任务的深刻理解对公平性问题的产生进行溯源，发现算法偏见，定位偏见原因。
[0004]然而，在实现本专利技术过程中，专利技术人发现上述技术方案至少存在如下问题：基于专家对任务的深刻理解较难定位技术链路长、影响因素多...
【技术保护点】
【技术特征摘要】
1.一种价格偏见因素确定方法，其特征在于，包括：获取目标数据对象针对不同用户的第一价格数据、所述用户的用户特征数据集、所述目标数据对象的第二价格数据，形成所述目标数据对象的训练数据集；从所述训练数据集内学习得到所述目标数据对象的价格计算模型；通过所述价格计算模型，获取所述用户特征数据对所述第一价格数据的第一边际贡献数据；根据所述第一边际贡献数据，从多个用户特征中选取用户特征，作为所述价格确定系统对所述目标数据对象的价格偏见因素。2.根据权利要求1所述的方法，其特征在于，所述通过所述价格计算模型，获取所述用户特征数据对所述第一价格数据的边际贡献数据，包括：将所述用户特征数据作为目标特征数据，获取与所述目标特征数据对应的其它用户特征的至少一种组合特征数据；通过所述价格计算模型，根据与所述目标特征数据对应的所述用户的组合特征数据和所述第二价格数据，获取第三价格数据；根据所述组合特征数据、所述目标特征数据和所述第二价格数据，获取第四价格数据；根据所述第三价格数据和所述第四价格数据，获取与所述组合特征对应的所述目标特征数据的边际贡献数据，作为第二边际贡献数据；根据与所述至少一种组合特征分别对应的所述第二边际贡献数据，获取所述目标特征数据的所述第一边际贡献数据。3.根据权利要求2所述的方法，其特征在于，所述通过所述价格计算模型，根据与所述目标特征数据对应的所述用户的组合特征数据和所述第二价格数据，获取第三价格数据，包括：获取与所述目标特征数据对应的至少一个其它用户的所述组合特征以外的第一特征数据；通过所述价格计算模型，根据所述用户的组合特征数据、所述其它用户的所述组合特征以外的第一特征数据和所述第二价格数据，获取第五价格数据；根据与所述至少一个其它用户分别对应的所述第五价格数据，获取所述第三价格数据。4.根据权利要求1所述的方法，其特征在于，所述根据所述第一边际贡献数据，从多个用户特征中选取用户特征，包括：根据所述第一边际贡献数据和所述用户特征数据，获取所述用户特征对所述第一价格数据的偏见分数，作为第一偏见分数；根据所述第一偏见分数，从所述多个用户特征中选取用户特征。5.根据权利要求4所述的方法，其特征在于，所述根据所述第一边际贡献数据和所述用户特征数据，获取所述用户特征对所述第一价格数据的偏见分数，包括：获取所述用户特征的第一向量和第二向量之间的第一相关度，作为所述第一偏见分数；所述第一向量包括所述不同用户的所述第一边际贡献数据，所述第二向量包括所述不同用户的所述用户特征数据。6.根据权利要求4的方法，其特征在于，还包括：
根据所述多个用户特征，获取至少一个多特征组合；通过所述价格计算模型，获取多特征组合数据对所述第一价格数据的边际贡献数据，作为第三边际贡献数据；根据所述第三边际贡献数据，从多个用户特征中选取用户特征，作为所述价格确定系统对所述目标数据对象的价格偏见因素。7.根据权利要求6的方法，其特征在于，所述根据所述多个用户特征，获取至少一个多特征组合，包括：根据所述多个用户特征，获取至少一个双特征组合，所述双特征组合包括第一特征和第二特征；所述通过所述价格计算模型，获取多特征组合数据对所述第一价格数据的边际贡献数据，包括：获取目标双特征组合数据以外的其它用户特征的至少一种组合特征数据；通过所述价格计算模型，根据与所述目标双特征组合数据对应的所述用户的所述组合特征数据和所述第二价格数据，获取第六价格数据；根据所述组合特征数据、所述目标双特征组合数据和所述第...
【专利技术属性】
技术研发人员：杨颖一，刘翔宇，张荣，薛晖，
申请(专利权)人：阿里巴巴中国有限公司，
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。