[发明专利]基于机器学习的众评众验方法、介质、装置和计算设备

权利要求书

1.一种基于机器学习的众评众验方法，其中待处理对象α包括至少两个互不关联的第一特征信息，所述方法包括：

建立所述待处理对象的决策模型，使得所述决策模型至少包括所述待处理对象的第一特征信息L以及与所述第一特征信息关联的第二特征信息z；

基于所述决策模型，利用所述待处理对象α的所有第一特征信息获得所述待处理对象α的第二特征信息。

2.如权利要求1所述的方法，其中使用最大似然估计法利用所述待处理对象α的所有第一特征信息获得所述第二特征信息。

3.如权利要求1所述的方法，其中，所述决策模型至少还包括用于表征所述待处理对象的第一特征信息的来源偏好Y。

4.如权利要求3所述的方法，其中,使用最大后验估计法利用所述待处理对象α的所有第一特征信息获得所述第二特征信息。

5.如权利要求1-4任一所述的方法，其中,当所述决策模型的第二特征信息z为高维离散变量时，其被连续化为x。

6.如权利要求3-5任一所述的方法，其中所述来源偏好Y至少包括权值矩阵w和偏置向量t。

7.如权利要求6所述的方法，其中，设有N个待处理对象，M个第一特征信息的来源，则满足以下分布：

其中，i为所述待处理对象的序号，j为所述来源的序号，J_i为存在第一特征信息的来源为j的待处理对象的集合。

8.一种基于机器学习的众评众验装置，其中待处理对象α包括至少两个互不关联的第一特征信息，所述装置包括：

决策模型建立模块，被配置为建立所述待处理对象的决策模型，使得所述决策模型至少包括所述待处理对象的第一特征信息L以及与所述第一特征信息关联的第二特征信息z；

处理模块，被配置为基于所述决策模型，利用所述待处理对象α的所有第一特征信息获得所述待处理对象α的第二特征信息。

9.一种计算机可读存储介质，存储有程序代码，所述程序代码当被处理器执行时，实现如权利要求1-7之一所述的方法。

10.一种计算设备，包括处理器和存储有程序代码的存储介质，所述程序代码当被处理器执行时，实现如权利要求1-7之一所述的方法。