【技术实现步骤摘要】
本专利技术涉及人工智能，具体而言，涉及基于一种梯度提升树的因果推断模型的构建及相关装置。
技术介绍
1、在机器学习领域，uplift模型(因果推断模型)是一种因果推断方法，也是一个特殊的预测模型，旨在分析干预行为对于个体响应的影响。uplift模型可应用于多种预测领域,例如,在广告的投放过程中，广告的展现量、点击量、消费量等数据经常会出现波动。通常这些数据波动是由于用户在管理系统中所做的操作造成的。在数据波动前用户可能进行了多种类型的操作，而这些操作可能并不全是导致数据波动的原因，因此用户难以确定哪些操作是导致数据波动的主因。
技术实现思路
1、本专利技术的目的在于提供一种基于梯度提升树的因果推断模型的构建及相关装置，以改善上述问题。为了实现上述目的，本专利技术采取的技术方案如下：
2、第一方面，本申请提供了一种基于梯度提升树的因果推断模型的构建方法，包括：
3、获取多个对象的干预信息、个体特征和个体效应，其中，所述个体效应包括对象受到干预之前的第一个体效应和受到干预之后的第二个体效应；
4、由多个对象的干预信息、个体特征和个体效应构建数据集，其中，对象的干预信息、个体特征和第一个体效应为输入标签，第二个体特征效应为输出标签；
5、构建基于梯度提升树的因果推断模型，利用所述数据集对因果推断模型进行训练和验证，得到训练完成的因果推断模型。
6、第二方面，本申请还提供了一种基于梯度提升树的因果推断模型的构建装置，包括：
...【技术保护点】
1.一种基于梯度提升树的因果推断模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的基于梯度提升树的因果推断模型的构建方法，其特征在于,获取对象的个体特征，包括：
3.根据权利要求2所述的基于梯度提升树的因果推断模型的构建方法，其特征在于,获取对象的第一个体效应，包括：
4.根据权利要求1所述的基于梯度提升树的因果推断模型的构建方法，其特征在于,由多个对象的干预信息、个体特征和个体效应构建数据集之后，包括：
5.根据权利要求4所述的基于梯度提升树的因果推断模型的构建方法，其特征在于,利用所述数据集对因果推断模型进行训练和验证，包括：
6.根据权利要求5所述的基于梯度提升树的因果推断模型的构建方法，其特征在于,所述因果推断模型学习个体特征与第二个体效应之间的因果关系后，输出预测个体效应，包括：
7.一种基于梯度提升树的因果推断模型的构建装置，其特征在于，包括：
8.根据权利要求1所述的基于梯度提升树的因果推断模型的构建装置，其特征在于,信息获取模块包括：
9.根据权利要求8所述的
10.根据权利要求1所述的基于梯度提升树的因果推断模型的构建装置，其特征在于,数据集构建模块包括：
11.根据权利要求10所述的基于梯度提升树的因果推断模型的构建装置，其特征在于,数据集构建模块还包括：
12.根据权利要求11所述的基于梯度提升树的因果推断模型的构建装置，其特征在于,个体效应预测单元包括：
13.一种基于梯度提升树的因果推断模型的构建设备，其特征在于，包括：
14.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于梯度提升树的因果推断模型的构建方法的步骤。
...【技术特征摘要】
1.一种基于梯度提升树的因果推断模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的基于梯度提升树的因果推断模型的构建方法，其特征在于,获取对象的个体特征，包括：
3.根据权利要求2所述的基于梯度提升树的因果推断模型的构建方法，其特征在于,获取对象的第一个体效应，包括：
4.根据权利要求1所述的基于梯度提升树的因果推断模型的构建方法，其特征在于,由多个对象的干预信息、个体特征和个体效应构建数据集之后，包括：
5.根据权利要求4所述的基于梯度提升树的因果推断模型的构建方法，其特征在于,利用所述数据集对因果推断模型进行训练和验证，包括：
6.根据权利要求5所述的基于梯度提升树的因果推断模型的构建方法，其特征在于,所述因果推断模型学习个体特征与第二个体效应之间的因果关系后，输出预测个体效应，包括：
7.一种基于梯度提升树的因果推断模型的构建装置，其特征在于，...
【专利技术属性】
技术研发人员：夏范进，
申请(专利权)人：中信百信银行股份有限公司，
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。