意向预测方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种意向预测方法、装置、电子设备及存储介质，该方法包括：将对象的待预测特征数据输入至预先训练的意向预测模型；其中，意向预测模型是通过训练特征样本进行训练得到，训练特征样本通过对训练数据进行敏感分析处理和数据增强处理得到；在意向预测模型中，对待预测特征数据进行深度网络变换处理，并通过激活函数对深度网络变换处理后的待预测特征数据进行计算，得到待预测特征数据的门控值，以及基于待预测特征数据和门控值生成意向预测结果，以得到意向预测模型输出的对象的意向预测结果。本申请实施例的技术方案门控控制特征的使用程度，从而增加特征的丰富度，提高意向预测的准确度。高意向预测的准确度。高意向预测的准确度。

【技术实现步骤摘要】
意向预测方法、装置、电子设备及存储介质


[0001]本申请涉及计算机
，具体而言，涉及一种意向预测方法、装置、电子设备及存储介质。

技术介绍

[0002]意向预测一般通过将特征输入至模型，得到预测结果，输入模型的特征变化，模型所输出的预测结果也会受影响，如在模型进行意向预测时，会出现部分特征出现缺失的情况，导致模型的效果降低，影响预测结果的准确性。
[0003]针对模型进行意向预测所遇到的特征缺失问题，目前对特征缺失的解决方案有两种，一种是将缺失的特征值或是样本进行删除，但这种方案会大大减少特征的丰富度，降低预测结果的准确率；一种是对缺失值进行填充，如通过统计值中的均值或中位数补充缺失值，或是将缺失值的前一个或者后一个的值作为填充值进行填充等方案，而填充方案对缺失值所填充的不为真实值，同样无法得到准确的预测结果。

技术实现思路

[0004]为解决上述技术问题，本申请的实施例提供了一种意向预测方法及装置、电子设备、计算机可读存储介质、计算机程序产品。
[0005]根据本申请实施例的一个方面，提供了一种意向预测方法，包括：
[0006]将对象的待预测特征数据输入至预先训练的意向预测模型；其中，所述意向预测模型是通过训练特征样本进行训练得到，所述训练特征样本通过对训练数据进行敏感分析处理和数据增强处理得到；在所述意向预测模型中，对所述待预测特征数据进行深度网络变换处理，并通过激活函数对深度网络变换处理后的待预测特征数据进行计算，得到所述待预测特征数据的门控值，以及基于所述待预测特征数据和所述门控值生成意向预测结果，以得到所述意向预测模型输出的所述对象的意向预测结果。
[0007]根据本申请实施例的一个方面，提供了一种意向预测装置，包括：待预测特征数据输入模块，配置为将对象的待预测特征数据输入至预先训练的意向预测模型；其中，所述意向预测模型是通过训练特征样本进行训练得到，所述训练特征样本通过对训练数据进行敏感分析处理和数据增强处理得到；意向预测结果输出模块，配置为在所述意向预测模型中，对所述待预测特征数据进行深度网络变换处理，并通过激活函数对深度网络变换处理后的待预测特征数据进行计算，得到所述待预测特征数据的门控值，以及基于所述待预测特征数据和所述门控值生成意向预测结果，以得到所述意向预测模型输出的所述对象的意向预测结果。
[0008]在一实施例中，意向预测装置还包括：
[0009]模型构建模块，配置为构建初始的意向预测模型；其中，所述初始的意向预测模型包括初始的机器学习模型和初始的门控模块；
[0010]模型训练模块，配置为将所述训练特征样本输入至所述初始的意向预测模型，以
使所述初始的门控模块基于所述训练特征样本生成训练门控值，并根据所述初始的机器学习模型基于所述训练门控值和所述训练特征样本生成的意向预测结果，对所述初始的意向预测模型进行训练，得到所述意向预测模型。
[0011]在一实施例中，意向预测装置还包括：
[0012]特征提取模块，配置为对所述训练数据进行特征提取，得到训练特征数据；
[0013]敏感分析模块，配置为基于所述训练特征数据的敏感度确定所述训练特征数据中含有的敏感特征，并对所述训练特征数据中含有的敏感特征进行屏蔽处理；
[0014]训练特征样本获取模块，配置为基于屏蔽处理后的敏感特征生成增强数据，并将所述增强数据与所述训练特征数据作为训练特征样本。
[0015]在一实施例中，敏感分析模块包括：
[0016]默认值处理单元，配置为对所述训练特征数据中的待分析特征进行默认值处理，得到的缺失特征集合；其中，所述待分析特征为所述训练特征数据中的至少一个特征；
[0017]评估指标获取单元，配置为基于所述缺失特征集合得到缺失特征指标，并基于所述训练特征数据得到对象评估指标；
[0018]敏感度获取单元，配置为根据所述缺失特征指标与所述对象评估指标确定所述待分析特征的敏感度；
[0019]敏感特征判断单元，配置为基于所述敏感度检测所述待分析特征是否为所述敏感特征。
[0020]在一实施例中，敏感度获取单元，包括：
[0021]差异值计算板块，配置为获取所述缺失评估指标与所述对象评估指标之间的差异值；
[0022]敏感度获取板块，配置为将所述缺失评估指标与所述对象评估指标之间的差异值作为所述待分析特征的敏感度。
[0023]在一实施例中，所述待分析特征的敏感度用于表征所述缺失评估指标与所述对象评估指标之间的差异值；敏感特征判断单元，包括：
[0024]检测板块，配置为检测所述待分析特征的差异值与预设差异阈值之间的大小关系；
[0025]第一敏感特征分析板块，配置为若检测到缺失特征集合的敏感度大于所述预设差异阈值，则将所述待分析特征确定为敏感特征；
[0026]第二敏感特征分析板块，配置为若检测到缺失特征集合的敏感度小于或等于所述预设差异阈值，则将所述待分析特征确定为非敏感特征。
[0027]在一实施例中，对多个训练数据分别进行特征提取，对应得到多个训练特征数据；敏感分析模块，包括：
[0028]敏感值获取单元，配置为基于各个训练特征数据中含有的敏感特征，针对相同敏感维度统计敏感特征的出现次数，得到多个敏感维度的敏感值；
[0029]屏蔽处理单元，配置为基于多个敏感维度的敏感值，对所述各个训练特征数据中含有的敏感特征进行屏蔽处理。
[0030]在一实施例中，屏蔽处理单元，包括：
[0031]敏感值分析板块，配置为分别检测多个敏感维度的敏感值与预设敏感阈值之间的
大小关系；
[0032]目标敏感维度屏蔽板块，配置为若检测到存在至少一个敏感值大于所述预设敏感阈值的敏感维度，则将所述至少一个敏感值大于所述预设敏感阈值的敏感维度作为目标敏感维度，并对所述各个特征数据中针对所述目标敏感维度对应的敏感特征进行屏蔽处理；
[0033]随机屏蔽板块，配置为若检测到不存在敏感值大于所述预设敏感阈值的敏感维度的敏感维度，则对各个特征数据中含有的敏感特征进行随机选取，对选取得到的敏感特征进行屏蔽处理。
[0034]在一实施例中，敏感分析模块，包括：
[0035]特征值获取单元，配置为获取所述训练特征数据中含有的敏感特征对应的特征值；
[0036]特征值替换单元，配置为将所述特征值替换为指定值，以对所述敏感特征进行屏蔽处理。
[0037]根据本申请实施例的一个方面，提供了一种电子设备，包括一个或多个处理器；存储装置，用于存储一个或多个计算机程序，当所述一个或多个计算机程序被所述一个或多个处理器执行时，使得所述电子设备实现如上所述的意向预测方法。
[0038]根据本申请实施例的一个方面，提供了一种计算机可读存储介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行如上所述的意向预测方法。
[0039]根据本申请实施例的一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种意向预测方法，其特征在于，包括：将对象的待预测特征数据输入至预先训练的意向预测模型；其中，所述意向预测模型是通过训练特征样本进行训练得到，所述训练特征样本通过对训练数据进行敏感分析处理和数据增强处理得到；在所述意向预测模型中，对所述待预测特征数据进行深度网络变换处理，并通过激活函数对深度网络变换处理后的待预测特征数据进行计算，得到所述待预测特征数据的门控值，以及基于所述待预测特征数据和所述门控值生成意向预测结果，以得到所述意向预测模型输出的所述对象的意向预测结果。2.根据权利要求1所述的方法，其特征在于，在所述将对象的待预测特征数据输入至预先训练的意向预测模型之前，所述方法还包括：构建初始的意向预测模型；其中，所述初始的意向预测模型包括初始的机器学习模型和初始的门控模块；将所述训练特征样本输入至所述初始的意向预测模型，以使所述初始的门控模块基于所述训练特征样本生成训练门控值，并根据所述初始的机器学习模型基于所述训练门控值和所述训练特征样本生成的意向预测结果，对所述初始的意向预测模型进行训练，得到所述意向预测模型。3.根据权力要求2所述的方法，其特征在于，在所述将所述训练特征样本输入至所述初始的意向预测模型之前，所述方法还包括：对所述训练数据进行特征提取，得到训练特征数据；基于所述训练特征数据的敏感度确定所述训练特征数据中含有的敏感特征，并对所述训练特征数据中含有的敏感特征进行屏蔽处理；基于屏蔽处理后的敏感特征生成增强数据，并将所述增强数据与所述训练特征数据作为训练特征样本。4.根据权利要求3所述的方法，其特征在于，所述基于所述训练特征数据的敏感度确定所述训练特征数据中含有的敏感特征，包括：对所述训练特征数据中的待分析特征进行默认值处理，得到的缺失特征集合；其中，所述待分析特征为所述训练特征数据中的至少一个特征；基于所述缺失特征集合得到缺失特征指标，并基于所述训练特征数据得到对象评估指标；根据所述缺失特征指标与所述对象评估指标确定所述待分析特征的敏感度；基于所述敏感度检测所述待分析特征是否为所述敏感特征。5.根据权利要求4所述的方法，其特征在于，所述根据所述缺失特征指标与所述对象评估指标确定所述待分析特征的敏感度，包括：获取所述缺失评估指标与所述对象评估指标之间的差异值；将所述缺失评估指标与所述对象评估指标之间的差异值作为所述待分析特征的敏感度。6.根据权利要求4所述的方法，其特征在于，所述待分析特征的敏感度用于表征所述缺失评估指标与所述对象评估指标之间的差异值；所述基于所述敏感度检测所述待分析特征是否为所述敏感特征，包括：
检测所述待分析特征的差异值与预设差异阈值之间的大小关系；若检测到缺失特征集合的敏感度大于所述预设差异阈值，则将所述待...

【专利技术属性】
技术研发人员：林炳怀，王丽园，郭潇阳，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：