[发明专利]用于数据处理的方法、装置和介质

说明书

本公开的实施例涉及用于数据处理的方法、设备和计算机可读存储介质。一种用于数据处理的方法，包括：基于第一目标数据集的特征与预定数据集的特征之间的相似性，获取与预定数据集的特征相对应的多种候选因果模型配置的相应第一性能；基于相应第一性能，从多种候选因果模型配置中选择目标因果模型配置；以及利用基于目标因果模型配置构建的因果模型对第一目标数据集进行处理。本公开的实施例还提供了能够实现上述方法的设备和计算机可读存储介质。本公开的实施例能够自适应地构建良好的因果模型。

技术领域

本公开的实施例涉及数据处理领域，并且更具体地，涉及用于数据处理的方法、装置和计算机可读存储介质。

背景技术

随着信息技术的飞速发展，数据规模迅速增长。在这样的背景和趋势下，利用机器学习或人工智能对数据的处理分析受到越来越广泛的关注。因果知识被认为对机器学习或人工智能系统具有重要价值。一旦利用因果分析技术获得因果模型，就能够协助用户对特定应用场景下数据所反映的问题或目标进行预测、决策，来改善或解决该应用场景用户的问题。

发明内容

本公开的实施例提供了用于数据处理的方法、装置和计算机可读存储介质。

在本公开的第一方面，提供一种用于数据处理的方法。该方法包括：基于第一目标数据集的特征与预定数据集的特征之间的相似性，获取与预定数据集的特征相对应的多种候选因果模型配置的相应第一性能；基于相应第一性能，从多种候选因果模型配置中选择目标因果模型配置；以及利用基于目标因果模型配置构建的因果模型对第一目标数据集进行处理。

在本公开的第二方面，提供一种用于数据处理的方法。该方法包括：基于训练数据集与预定数据集之间的相似性，获取与预定数据集的特征相对应的多种候选因果模型配置的相应第二性能；基于相应第二性能，从多种候选因果模型配置中选择目标因果模型配置；确定对训练数据集应用基于目标因果模型配置构建的因果模型所得到的第二性能度量；以及基于第二性能度量，更新与目标因果模型配置相对应的第二性能。

在本公开的第三方面，提供一种用于数据处理的方法。该方法包括：基于第一目标数据集的特征与一个或多个预定特征之间的相似性，确定目标数据分析模型配置，目标数据分析模型配置基于多个候选数据分析模型配置的性能而被确定；以及利用基于目标数据分析模型配置构建的目标数据分析模型对第一目标数据集进行处理。

本公开的第四方面，提供一种用于数据处理的装置。该装置包括至少一个处理单元和至少一个存储器。至少一个存储器被耦合到至少一个处理单元并且存储用于由至少一个处理单元执行的指令。指令当由至少一个处理单元执行时，使得该装置执行动作，动作包括：基于第一目标数据集的特征与预定数据集的特征之间的相似性，获取与预定数据集的特征相对应的多种候选因果模型配置的相应第一性能；基于相应第一性能，从多种候选因果模型配置中选择目标因果模型配置；以及利用基于目标因果模型配置构建的因果模型对第一目标数据集进行处理。

本公开的第五方面，提供一种用于数据处理的装置。该装置包括至少一个处理单元和至少一个存储器。至少一个存储器被耦合到至少一个处理单元并且存储用于由至少一个处理单元执行的指令。指令当由至少一个处理单元执行时，使得该装置执行动作，动作包括：基于训练数据集与预定数据集之间的相似性，获取与预定数据集的特征相对应的多种候选因果模型配置的相应第二性能；基于相应第二性能，从多种候选因果模型配置中选择目标因果模型配置；确定对训练数据集应用基于目标因果模型配置构建的因果模型所得到的第二性能度量；以及基于第二性能度量，更新与目标因果模型配置相对应的第二性能。