[发明专利]利用机器学习模型执行预测的方法及装置

权利要求书

1.一种利用机器学习模型执行预测的方法，包括：

获取将针对其执行预测的当前数据记录；

获取第一机器学习模型针对所述当前数据记录所涉及的一系列连续数据记录执行预测的过程中所产生的内部状态，以用作与所述当前数据记录相应的序列特征，其中，第一机器学习模型具有循环结构，所述一系列连续数据记录包括在所述当前数据记录之前连续出现的在先数据记录，或者，所述一系列连续数据记录包括在所述当前数据记录之前连续出现的在先数据记录连同所述当前数据记录；

产生与所述当前数据记录相应的预测样本，其中，所述序列特征被用作所述预测样本所包括的特征之一；以及

利用第二机器学习模型针对预测样本来提供关于预测目标的预测结果。

2.如权利要求1所述的方法，其中，第一机器学习模型被事先训练为针对一系列连续数据记录来提供关于序列预测目标的序列预测结果，其中，序列预测目标与所述预测目标相同或不同。

3.如权利要求2所述的方法，其中，获取内部状态的步骤包括：

将所述当前数据记录所涉及的一系列连续数据记录依次输入第一机器学习模型，并提取第一机器学习模型在所述一系列连续数据记录之中的最后一个数据记录被输入第一机器学习模型之后产生的内部状态。

4.如权利要求2所述的方法，其中，所述当前数据记录涉及待预测行为对象，所述在先数据记录涉及连续正向行为对象，其中，

第一机器学习模型被事先训练为针对一系列连续正向行为对象来预测下一连续正向行为对象，或者，第一机器学习模型被事先训练为针对一系列连续正向行为对象和接下来连续出现的下一行为对象来预测所述下一行为对象对应正向行为对象还是负向行为对象，

并且，在利用第二机器学习模型针对预测样本来提供关于预测目标的预测结果的步骤中，利用第二机器学习模型来预测所述预测样本对应正向行为对象还是负向行为对象。

5.如权利要求4所述的方法，其中，所述待预测行为对象指示以下项之中的至少一项：将预测其是否被接受的推荐对象、将预测其是否为欺诈行为的行为对象、将预测其是否为异常行为的行为对象、将预测其是否被接受的营销对象。

6.如权利要求2所述的方法，其中，第一机器学习模型包括多个第一机器学习子模型，其中，每个第一机器学习子模型被事先训练为针对一系列连续数据记录的对应属性特征来提供关于序列预测目标的序列预测结果；或者，第一机器学习模型作为单个机器学习模型，被事先训练为针对一系列连续数据记录的全部属性特征来提供关于序列预测目标的序列预测结果。

7.如权利要求6所述的方法，其中，在所述对应属性特征或所述全部属性特征包括多个属性特征的情况下，所述多个属性特征各自的特征向量经由仿射变换而映射到统一的特征空间。

8.一种利用机器学习模型执行预测的装置，包括：

数据记录获取单元，被配置为获取将针对其执行预测的当前数据记录；

序列特征提取单元，被配置为获取第一机器学习模型针对所述当前数据记录所涉及的一系列连续数据记录执行预测的过程中所产生的内部状态，以用作与所述当前数据记录相应的序列特征，其中，第一机器学习模型具有循环结构，所述一系列连续数据记录包括在所述当前数据记录之前连续出现的在先数据记录，或者，所述一系列连续数据记录包括在所述当前数据记录之前连续出现的在先数据记录连同所述当前数据记录；

预测样本产生单元，被配置为产生与所述当前数据记录相应的预测样本，其中，所述序列特征被用作所述预测样本所包括的特征之一；以及

预测单元，被配置为利用第二机器学习模型针对预测样本来提供关于预测目标的预测结果。