[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

说明书

本申请公开了一种反事实预测模型数据处理方法、装置、设备及存储介质，涉及人工智能技术领域。所述方法包括：获取与目标事件相关的历史观测数据；基于历史观测数据构建训练样本；通过编码网络基于训练样本，得到应对措施预测数据和平衡表示参数；通过解码网络基于平衡表示参数和应对措施真实数据，得到输出变量预测数据；基于应对措施预测数据、应对措施真实数据、输出变量预测数据和标签数据，确定训练损失；基于训练损失对模型进行训练。本申请提供的训练方法能够消除时变混杂因素和应对措施之间的关联，从而在反事实预测时，可以消除时变混杂因素所造成的偏差，提高了模型的预测准确性。本申请提供的技术方案适用于疫情的反事实预测。

技术领域

本申请实施例涉及人工智能技术领域，特别涉及一种反事实预测模型数据处理方法、装置、设备及存储介质。

背景技术

随着人工智能技术在反事实预测模型方面的研究和进步，科研人员可以通过反事实预测模型预测目标应对措施对疫情的管控效果。

以由一个循环神经网络组成的反事实预测模型为例，基于历史疫情数据对该反事实预测模型进行训练，得到训练好的反事实预测模型，然后通过改变模型的输入数据，预测疫情未来发展趋势。例如，将模型的输入数据中的应对措施替换成目标应对措施，以预测目标应对措施对疫情的管控效果。

然而，由于时变混杂因素会和应对措施之间存在关联，反事实预测模型基于目标应对措施得到的预测结果是有偏差的，不够准确。

发明内容

本申请实施例提供了一种反事实预测模型数据处理方法、装置、设备及存储介质，能够提升反事实预测模型的预测准确性。所述技术方案包括如下内容。

根据本申请实施例的一个方面，提供了一种反事实预测模型数据处理方法，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，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；

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；

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。

根据本申请实施例的一个方面，提供了一种事件的反事实预测方法，所述方法包括：

获取与目标事件相关的历史观测数据，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；

基于所述历史观测数据构建参考数据，所述参考数据包括参考历史时间单元序列对应的时变混杂因素数据和输出变量真实数据；

获取第一应对措施设定数据，所述第一应对措施设定数据用于替换所述应对措施真实数据输入至反事实预测模型；

通过所述反事实预测模型基于所述参考数据，得到所述参考数据的平衡表示参数，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；