【技术实现步骤摘要】
本说明书实施例通常涉及人工智能领域，尤其涉及用于干预效应评估的树模型构建、干预效应评估方法、装置及系统。
技术介绍
1、随着计算机技术的发展，机器学习已经应用于各种各样的业务领域来进行业务数据分析或业务建模来提供业务服务，比如，业务服务决策或业务服务效果评估等。在一些应用场景下，会对所服务的对象应用干预行为来实现期望目的，比如，在生物医学上的药物试验场景下对不同群体用户应用药物来检验药物效果，在互联网场景下针对用户行为提供激励政策和激励行为来提高用户针对目标业务的响应积极性，比如，提升用户在业务平台的活跃度等。如何有效地评估干预行为所产生的干预效应是亟待解决的问题。
技术实现思路
1、本说明书实施例提供用于干预效应评估的树模型构建、干预效应评估方法、装置及系统。利用该干预效应评估方案，将试验对象样本数据和观测对象样本数据进行数据融合来构建应用于评估对象干预行为的干预效应的效应评估树模型，并且在效应评估树模型的每次节点分裂时，使用考虑了观测对象样本数据的数据融合影响的试验对象样本数据的无偏干预效应评估结果作为当前节点的分裂损失值来确定当前节点的目标节点分裂条件，从而可以综合试验对象样本数据的无偏性和观测对象样本数据的有偏性在干预效应评估上的优势，由此提升所构建的效应评估树模型的模型性能，进而实现针对干预效应的有效评估。
2、根据本说明书的实施例的一个方面，提供一种用于干预效应评估的树模型构建方法，包括：获取对象样本数据集，所述对象样本数据集包括试验对象样本数据和观测对象样
3、可选地，在上述方面的一个示例中，所述数据融合因子随子节点内的无偏干预效应评估结果所指示的评估精度增加和/或有偏干预效应评估结果所指示的观测对象样本数据相对于试验对象样本数据的评估差异增加而减小。
4、可选地，在上述方面的一个示例中，所述无偏干预效应评估结果包括根据落入各个子节点内的试验对象样本数据的观测结果标记值确定的各个子节点处的无偏干预效应方差之和，以及所述有偏干预效应评估结果包括所述试验对象样本数据所对应的无偏干预效应相对于所述观测对象样本数据的有偏干预效应的偏差的平方。
5、可选地，在上述方面的一个示例中，所述树模型构建方法还可以包括；对所述对象样本数据集中的对象样本数据的观测结果标记值进行因果性转换。相应地，所述无偏干预效应评估结果和所述有偏干预效应评估结果根据所述对象样本数据的经过因果性转换后的观测结果标记值确定。
6、可选地，在上述方面的一个示例中，对所述对象样本数据集中的对象样本数据的观测结果标记值进行因果性转换可以包括：使用二分类模型来基于所述对象样本数据的对象特征进行数据有偏性预测；以及使用所述对象样本数据的数据有偏性预测值和干预行为标记值，对所述观测结果标记值进行因果性转换。
7、可选地，在上述方面的一个示例中，所述树模型构建方法还可以包括：在每次节点分裂时，根据落入所述当前节点的对象样本数据的对象特征取值，确定候选节点分裂条件集。相应地，所述以分裂损失最小化为目标确定当前节点的节点分裂条件包括：确定在所述候选节点分裂条件集中的各个候选节点分裂条件下当前节点的分裂损失值；以及将分裂损失值最小的候选节点分裂条件，确定为所述目标节点分裂条件。
8、可选地，在上述方面的一个示例中，所述树模型构建方法还可以包括：判断针对当前节点的节点分裂是否满足节点分裂停止条件，在满足所述节点分裂停止条件时，根据当前的节点状态得到所述效应评估树模型，所述节点分裂停止条件包括下述节点分裂停止条件中的一项：树的当前深度达到预设深度；所述当前节点没有候选节点分裂条件；按照所述目标分裂条件分裂得到的两个子节点的分裂损失值之和大于所述当前节点的分裂损失值；和所述当前节点的分裂损失值小于预设阈值。
9、根据本说明书的实施例的另一方面，提供一种用于评估对象干预行为的干预效应的方法，包括：获取被应用有干预行为的目标干预对象的对象特征数据；根据所述对象特征数据，将所述目标干预对象划分到效应评估树模型的目标叶节点，所述效应评估树模型按照如上所述的树模型构建方法构建出；以及将所述目标叶节点处的干预效应值，确定为所应用的干预行为的干预效应值。
10、根据本说明书的实施例的另一方面，提供一种用于干预效应评估的树模型构建装置，包括：样本数据获取单元，获取对象样本数据集，所述对象样本数据集包括试验对象样本数据和观测对象样本数据；以及树模型构建单元，使用所述对象样本数据集来基于节点分裂构建应用于干预效应评估的效应评估树模型，在每次节点分裂时，以分裂损失值最小化为目标确定当前节点的目标节点分裂条件，其中，当前节点的分裂损失值包括当前节点所分裂出的各个子节点处的经过数据融合后的无偏分裂损失值，各个子节点处的经过数据融合后的无偏分裂损失值根据该子节点内的试验对象样本数据所产生的无偏干预效应评估结果和数据融合因子确定，所述数据融合因子用于反映在与观测对象样本数据融合后所产生的试验对象样本数据的无偏干预效应评估结果在无偏分裂损失值确定时的缩放度。
11、可选地，在上述方面的一个示例中，所述数据融合因子随子节点内的无偏干预效应评估结果所指示的评估精度增加和/或有偏干预效应评估结果所指示的观测对象样本数据相对于试验对象样本数据的评估差异增加而减小。
12、可选地，在上述方面的一个示例中，所述树模型构建装置还可以包括；因果性转换单元，对所述对象样本数据集中的对象样本数据的观测结果标记值进行因果性转换。相应地，所述无偏干预效应评估结果和所述有偏干预效应评估结果根据所述对象样本数据的经过因果性转换后的观测结果标记值确定。
13、可选地，在上述方面的一个示例中，所述因果性转换单元包括：数据有偏性预测模块，使用二分类模型来基于所述对象样本数据的对象特征进行数据有偏性预测；以及因果性转换模块，使用所述对象样本数据的数据有偏性预测值和干预行为标记值，对所述观测结果标记值进行因果性转换。
14、可选地，在上述方面的一个示例中，所述树模型构建单元包括：候选节点分裂条件确定模块，在执行当前节点的节点分裂时，根据落入所述当前节点的对象样本数据的对象特征取值，确定候选节点分裂条件集；分裂损失值确定模块，确定在所述候选节点分裂条件集中的各个候选节点分裂条件下所述当前节点的分裂损失值；以及目标节点分裂条件确定模块，将分裂损失值最小的候选节点分裂条件，确定为所述当本文档来自技高网...
【技术保护点】
1.一种用于干预效应评估的树模型构建方法，包括：
2.如权利要求1所述的树模型构建方法，其中，所述数据融合因子随子节点内的无偏干预效应评估结果所指示的评估精度增加和/或有偏干预效应评估结果所指示的观测对象样本数据相对于试验对象样本数据的评估差异增加而减小。
3.如权利要求1所述的树模型构建方法，其中，所述无偏干预效应评估结果包括根据落入各个子节点内的试验对象样本数据的观测结果标记值确定的各个子节点处的无偏干预效应方差之和，以及所述有偏干预效应评估结果包括所述试验对象样本数据所对应的无偏干预效应相对于所述观测对象样本数据的有偏干预效应的偏差的平方。
4.如权利要求3所述的树模型构建方法，还包括；
5.如权利要求4所述的树模型构建方法，其中，对所述对象样本数据集中的对象样本数据的观测结果标记值进行因果性转换包括：
6.如权利要求1所述的树模型构建方法，还包括：
7.如权利要求1所述的树模型构建方法，还包括：
8.一种用于评估对象干预行为的干预效应的方法，包括：
9.一种用于干预效应评估的树
10.如权利要求9所述的树模型构建装置，其中，所述数据融合因子随子节点内的无偏干预效应评估结果所指示的评估精度增加和/或有偏干预效应评估结果所指示的观测对象样本数据相对于试验对象样本数据的评估差异增加而减小。
11.如权利要求9所述的树模型构建装置，还包括；
12.如权利要求11所述的树模型构建装置，其中，所述因果性转换单元包括：
13.如权利要求9所述的树模型构建装置，其中，所述树模型构建单元包括：
14.一种用于评估对象干预行为的干预效应的干预效应评估装置，包括：
15.一种干预效应评估系统，包括：
16.一种用于干预效应评估的树模型构建装置，包括：
17.一种用于评估对象干预行为的干预效应的干预效应评估装置，包括：
...【技术特征摘要】
1.一种用于干预效应评估的树模型构建方法，包括：
2.如权利要求1所述的树模型构建方法，其中，所述数据融合因子随子节点内的无偏干预效应评估结果所指示的评估精度增加和/或有偏干预效应评估结果所指示的观测对象样本数据相对于试验对象样本数据的评估差异增加而减小。
3.如权利要求1所述的树模型构建方法，其中，所述无偏干预效应评估结果包括根据落入各个子节点内的试验对象样本数据的观测结果标记值确定的各个子节点处的无偏干预效应方差之和，以及所述有偏干预效应评估结果包括所述试验对象样本数据所对应的无偏干预效应相对于所述观测对象样本数据的有偏干预效应的偏差的平方。
4.如权利要求3所述的树模型构建方法，还包括；
5.如权利要求4所述的树模型构建方法，其中，对所述对象样本数据集中的对象样本数据的观测结果标记值进行因果性转换包括：
6.如权利要求1所述的树模型构建方法，还包括：
7.如权利要求1所述的树模型构...
【专利技术属性】
技术研发人员：唐才智，顾嘉，崔卿，李龙飞，周俊，
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。