[发明专利]训练因果推断模型的方法、信息提示方法以装置

权利要求书

1.一种训练因果推断模型的方法，包括：

利用第一样本数据集来训练波动预测模型和操作预测模型；

利用经训练的波动预测模型，基于第二样本数据集确定多个数据波动预测值；

利用经训练的操作预测模型，基于所述第二样本数据集确定多个操作预测值；以及

利用所述第二样本数据集、所述多个数据波动预测值和所述多个操作预测值，训练因果推断模型；

其中，所述第一样本数据集包括多个第一样本数据，所述多个第一样本数据中的每个第一样本数据包括用户特征、数据波动值和操作值，所述用户特征包括基础属性、行业属性、操作频率、计划预算和生效物料规模中的至少一种；

其中，所述利用第一样本数据集来训练波动预测模型和操作预测模型包括：以所述每个第一样本数据中的数据波动值作为标签，以所述每个第一样本数据中的用户特征作为输入数据，训练所述波动预测模型；以及以所述每个第一样本数据中的操作值作为标签，以所述每个第一样本数据中的用户特征作为输入数据，训练操作预测模型；

其中，所述利用所述第二样本数据集、所述多个数据波动预测值和所述多个操作预测值，训练因果推断模型，包括：针对所述第二样本数据集中的每个第二样本数据，根据所述第二样本数据中的数据波动值和基于所述第二样本数据得到的数据波动预测值，确定波动值残差；根据所述第二样本数据中的操作值和基于所述第二样本数据得到的操作预测值，确定操作值残差；根据所述波动值残差和所述操作值残差，确定因果参数样本；以及以所述因果参数样本作为标签，以所述第二样本数据中的用户特征作为输入数据，训练所述因果推断模型；

其中，所述以所述因果参数样本作为标签，以所述第二样本数据中的用户特征作为输入数据，训练所述因果推断模型包括：

将所述每个第二样本数据中的用户特征输入因果推断模型，以得到与每个第二样本数据对应的因果参数预测值；

根据以下公式计算第三目标函数：

其中，所述为所述第三目标函数，所述是于所述第二样本数据集中第i个第二样本数据对应的操作值残差，所述是与所述第i个第二样本数据对应的波动值残差，所述为与所述第i个第二样本数据对应的因果参数预测值，M是第二样本数据集中第二样本数据的总数量；以及

在所述第三目标函数没有收敛的情况下，根据所述第三目标函数的值调整所述因果推断模型的参数，并返回将所述每个第二样本数据中的用户特征输入因果推断模型的步骤。

2.根据权利要求1所述的方法，其中，所述训练波动预测模型包括：

将所述每个第一样本数据中的用户特征输入波动预测模型，以得到与每个第一样本数据对应的波动预测值；

根据以下公式计算第一目标函数：

其中，所述为所述第一目标函数，所述是第一样本数据集中第i个第一样本数据中的数据波动值，所述是与所述第i个第一样本数据对应的波动预测值，所述N是第一样本数据集中第一样本数据的总数量；以及

在所述第一目标函数没有收敛的情况下，根据所述第一目标函数的值调整所述波动预测模型的参数，并返回将所述每个第一样本数据中的用户特征输入所述波动预测模型的步骤。

3.根据权利要求1所述的方法，其中，所述训练操作预测模型包括：

将所述每个第一样本数据中的用户特征输入操作预测模型，以得到与每个第一样本数据对应的操作预测值；

根据以下公式计算第二目标函数：

其中，所述为所述第二目标函数，所述是第一样本数据集中第i个第一样本数据中的操作值，所述是与所述第i个第一样本数据对应的操作预测值，所述N是第一样本数据集中第一样本数据的总数量；以及

在所述第二目标函数没有收敛的情况下，根据所述第二目标函数的值调整所述操作预测模型的参数，并返回将所述每个第一样本数据中的用户特征输入所述操作预测模型的步骤。

4.根据权利要求1所述的方法，其中，所述波动预测模型和所述操作预测模型包括梯度提升树模型，所述因果推断模型包括随机森林模型。