[发明专利]反事实预测模型数据处理方法、装置、设备及存储介质

权利要求书

1.一种反事实预测模型数据处理方法，其特征在于，所述反事实预测模型包括编码网络和解码网络，所述方法包括：

获取与目标事件相关的历史观测数据；其中，所述历史观测数据包括多个历史时间单元分别对应的观测数据，所述观测数据包括时变混杂因素数据、应对措施真实数据和输出变量真实数据，所述时变混杂因素数据是指与所述应对措施真实数据相关联的因素的数据，所述输出变量真实数据用于描述所述目标事件的历史状态；

基于所述历史观测数据构建训练样本，所述训练样本的输入数据包括第一历史时间单元序列对应的观测数据，所述训练样本的标签数据包括第二历史时间单元序列对应的输出变量真实数据；

通过所述编码网络基于所述训练样本的输入数据，得到所述训练样本对应的应对措施预测数据和平衡表示参数，所述平衡表示参数用于消除所述时变混杂因素数据与所述应对措施真实数据之间的关联，所述平衡表示参数用于等效表示所述时变混杂因素与所述输出变量真实数据之间的间接关联；

通过所述解码网络基于所述训练样本对应的平衡表示参数和应对措施真实数据，得到所述训练样本对应的输出变量预测数据；

基于所述训练样本对应的应对措施预测数据、应对措施真实数据、输出变量预测数据和标签数据，确定所述反事实预测模型的训练损失；

基于所述训练损失对所述反事实预测模型进行训练。

2.根据权利要求1所述的方法，其特征在于，

所述第一历史时间单元序列包括所述多个历史时间单元中的第n个历史时间单元至第n+k个历史时间单元，n为正整数，k为正整数；

所述第二历史时间单元序列包括所述多个历史时间单元中的第n+p个历史时间单元至第n+k+p个历史时间单元，p为正整数。

3.根据权利要求2所述的方法，其特征在于，所述通过所述编码网络基于所述训练样本的输入数据，得到所述训练样本对应的应对措施预测数据和平衡表示参数，包括：

通过所述编码网络基于所述训练样本的输入数据中的第n个历史时间单元至第n+i个历史时间单元的时变混杂因素数据和输出变量真实数据，得到所述第n+i个历史时间单元的平衡表示参数，i为小于等于k的正整数；

通过所述编码网络基于所述第n+i个历史时间单元的平衡表示参数和输出变量真实数据，得到所述第n+i个历史时间单元的应对措施预测数据。

4.根据权利要求3所述的方法，其特征在于，所述通过所述解码网络基于所述训练样本对应的平衡表示参数和应对措施真实数据，得到所述训练样本对应的输出变量预测数据，包括：

通过所述解码网络基于所述第n+i个历史时间单元的平衡表示参数和应对措施真实数据，得到所述第n+i个历史时间单元的输出变量预测数据。

5.根据权利要求1所述的方法，其特征在于，所述基于所述训练样本对应的应对措施预测数据、应对措施真实数据、输出变量预测数据和标签数据，确定所述反事实预测模型的训练损失，包括：

基于所述训练样本对应的应对措施预测数据和应对措施真实数据，计算分类损失；

基于所述训练样本对应的输出变量预测数据和标签数据，计算对比损失；

基于所述分类损失和所述对比损失，计算所述反事实预测模型的训练损失。

6.根据权利要求5所述的方法，其特征在于，所述基于所述分类损失和所述对比损失，计算所述反事实预测模型的训练损失，包括：

基于所述对比损失减去所述分类损失的差值，得到所述反事实预测模型的训练损失；

所述基于所述训练损失对所述反事实预测模型进行训练，包括：

以最小化所述训练损失为目标，调整所述反事实预测模型的参数，得到完成训练的反事实预测模型。