[发明专利]信息补充方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种信息补充方法，其特征在于，所述方法包括：

根据数据所适用的任务场景，确定出对所述数据的特征进行降维的目标降维方式；

根据所述目标降维方式对所述数据所包括的特征进行筛选，得到选中特征及落选特征；

基于所述落选特征对根据所述任务场景所确定的基础网络模型进行训练，得到第一网络模型，并获取所述第一网络模型针对所述落选特征输出的第一预测值，所述第一预测值用于表征所述落选特征所包含的信息；

将所述第一预测值所表征的信息补充到所述选中特征内，得到融合特征。

2.根据权利要求1所述的方法，其特征在于，所述将所述第一预测值所表征的信息补充到所述选中特征内，得到融合特征，包括：

将所述第一预测值转变成与所述选中特征同一数量级的新特征；

将所述新特征加入到所述选中特征内，得到所述融合特征。

3.根据权利要求1所述的方法，其特征在于，所述将所述第一预测值所表征的信息补充到所述选中特征内，得到融合特征，包括：

基于所述选中特征对所述基础网络模型进行训练，得到第二网络模型，并获取所述第二网络模型针对所述选中特征输出的第二预测值，所述第二预测值用于表征所述选中特征所包含的信息；

获取所述第一网络模型的第一评价指标及所述第二网络模型的第二评价指标；

根据所述第一评价指标及所述第二评价指标对所述第一预测值及所述第二预测值进行加权求和，得到所述融合特征。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第一评价指标及所述第二评价指标对所述第一预测值及所述第二预测值进行加权求和，得到所述融合特征，包括：

根据公式M＝H1×Y1/(H1+H2)+H2×Y2/(H1+H2),得到所述融合特征；

其中，M为所述融合特征，Y1为所述第一预测值，Y2为所述第二预测值，H1为所述第一评价指标，H2为所述第二评价指标。

5.根据权利要求1所述的方法，其特征在于，所述基于所述落选特征对根据所述任务场景所确定的基础网络模型进行训练，得到第一网络模型，并获取所述第一网络模型针对所述落选特征输出的第一预测值，包括：

基于所述落选特征分别对多个所述基础网络模型进行训练，得到多个预测值；

将所述多个预测值进行加权求和，得到所述第一预测值。

6.一种信息补充装置，其特征在于，所述装置包括：

确定模块，用于根据数据所适用的任务场景，确定出对所述数据的特征进行降维的目标降维方式；

筛选模块，用于根据所述目标降维方式对所述数据所包括的特征进行筛选，得到选中特征及落选特征；

输出模块，用于基于所述落选特征对根据所述任务场景所确定的基础网络模型进行训练，得到第一网络模型，并获取所述第一网络模型针对所述落选特征输出的第一预测值，所述第一预测值用于表征所述落选特征所包含的信息；

补充模块，用于将所述第一预测值所表征的信息补充到所述选中特征内，得到融合特征。

7.根据权利要求6所述的装置，其特征在于，所述补充模块，用于将所述第一预测值转变成与所述选中特征同一数量级的新特征；将所述新特征加入到所述选中特征内，得到所述融合特征。

8.根据权利要求6所述的装置，其特征在于，

所述输出模块，还用于基于所述选中特征对所述基础网络模型进行训练，得到第二网络模型，并获取所述第二网络模型针对所述选中特征输出的第二预测值，所述第二预测值用于表征所述选中特征所包含的信息；

所述补充模块，用于获取所述第一网络模型的第一评价指标及所述第二网络模型的第二评价指标；根据所述第一评价指标及所述第二评价指标对所述第一预测值及所述第二预测值进行加权求和，得到所述融合特征。