[发明专利]用于训练因果模型的方法和设备

权利要求书

1.一种用于训练因果模型的方法，包括：

基于多个观测变量和至少一个隐变量来建立因果模型，所述因果模型包括待确定的第一参数和第二参数，所述第一参数指示所述多个观测变量之间的第一关系，所述第二参数指示所述至少一个隐变量与所述多个观测变量之间的第二关系；

通过采用概率主成分分析，确定所述第二参数和与所述第一参数相关联的第三参数；

基于所述第二参数和所述第三参数，确定所述因果模型的噪声；以及

基于所述噪声，确定所述第一参数。

2.根据权利要求1所述的方法，其中所述第一关系和所述第二关系中的至少一个为线性关系。

3.根据权利要求1所述的方法，其中确定所述第二参数和所述第三参数包括：

通过采用概率主成分分析，获得所述因果模型的目标函数；以及

至少基于所述目标函数，确定所述第二参数和所述第三参数的值。

4.根据权利要求3所述的方法，其中确定所述第二参数和所述第三参数的值包括：

随机初始化所述第二参数和所述第三参数。

5.根据权利要求3所述的方法，其中确定所述第二参数和所述第三参数的值还包括：

迭代执行以下操作至少一次，直至收敛条件被满足：

基于所述第二参数和所述第三参数的当前值，确定所述至少一个隐变量的至少一个属性；以及

基于所述至少一个属性，更新所述第二参数和所述第三参数的所述当前值。

6.根据权利要求5所述的方法，其中所述至少一个属性包括所述至少一个隐变量的均值和方差。

7.根据权利要求5所述的方法，其中所述收敛条件包括所述目标函数的变化量低于预定阈值。

8.根据权利要求1所述的方法，其中确定所述第一参数包括：

基于所述噪声，利用不含隐变量的因果学习算法来确定所述第一参数。

9.根据权利要求1所述的方法，其中确定所述第一参数还包括：

确定所述噪声是否服从高斯分布；

响应于确定所述噪声服从高斯分布，利用基于高斯分布的因果学习算法来确定所述第一参数；以及

响应于确定所述噪声不服从高斯分布，利用基于非高斯分布的因果学习算法来确定所述第一参数。

10.一种用于训练因果模型的设备，包括：

处理器；以及

存储器，所述存储器存储有指令，所述指令在被所述处理器执行时使所述设备：

基于多个观测变量和至少一个隐变量来建立因果模型，所述因果模型包括待确定的第一参数和第二参数，所述第一参数指示所述多个观测变量之间的第一关系，所述第二参数指示所述至少一个隐变量与所述多个观测变量之间的第二关系；

通过采用概率主成分分析，确定所述第二参数和与所述第一参数相关联的第三参数；

基于所述第二参数和所述第三参数，确定所述因果模型的噪声；以及

基于所述噪声，确定所述第一参数。

11.根据权利要求10所述的设备，其中所述第一关系和所述第二关系中的至少一个为线性关系。

12.根据权利要求10所述的设备，其中所述指令在被所述处理器执行时使所述设备通过以下操作确定所述第二参数和所述第三参数：

通过采用概率主成分分析，获得所述因果模型的目标函数；以及

至少基于所述目标函数，确定所述第二参数和所述第三参数的值。

13.根据权利要求12所述的设备，其中所述指令在被所述处理器执行时使所述设备通过以下操作确定所述第二参数和所述第三参数的值：

随机初始化所述第二参数和所述第三参数。