[发明专利]一种数据稀疏区域的人口流动预测方法及装置

权利要求书

1.一种数据稀疏区域的人口流动预测方法，其特征在于，包括：

利用基于强化学习的因果发现模型从源区域的数据中获取相应的区域因果知识；

基于所述区域因果知识和初始的变分自动编码器，得到基于因果增强的变分自动编码器；利用所述基于因果增强的变分自动编码器对目标区域的缺失特征进行恢复，获得潜在的因果嵌入向量；其中，所述潜在的因果嵌入向量是观测特征以及所述缺失特征对应的表征向量；

基于所述源区域与所述目标区域之间知识蒸馏的迁移学习算法，将预测模型的知识迁移到所述目标区域，并基于所述预测模型的知识和所述潜在的因果嵌入向量进行所述目标区域的人口流动预测；其中，所述预测模型是预先基于所述源区域的数据构建的人口流动预测模型。

2.根据权利要求1所述的数据稀疏区域的人口流动预测方法，其特征在于，所述利用基于强化学习的因果发现模型从源区域的数据中获取相应的区域因果知识，具体包括：

获取所述源区域的数据；基于强化学习的区域因果知识构建策略确定基于区域属性特征排序的因果发现模型，利用所述因果发现模型对所述源区域的数据进行分析，以获得满足预设条件的区域属性特征顺序，并通过贝叶斯检验修剪得到包含区域属性特征之间关系的特征因果图；其中，所述特征因果图用于表示所述区域因果知识。

3.根据权利要求2所述的数据稀疏区域的人口流动预测方法，其特征在于，利用所述基于因果增强的变分自动编码器对目标区域的缺失特征进行恢复，获得潜在的因果嵌入向量，具体包括：

将所述特征因果图作为特征恢复路径，基于所述初始的变分自动编码器和所述特征恢复路径来学习包含区域属性特征的缺失信息，得到所述潜在的因果嵌入向量。

4.根据权利要求1所述的数据稀疏区域的人口流动预测方法，其特征在于，基于所述区域因果知识和初始的变分自动编码器，得到基于因果增强的变分自动编码器，具体包括：

将所述目标区域的未观测到的缺失特征显式建模为辅助的潜在变量，并使用所述区域因果知识对应的因果路径将特征之间的关联关系添加到所述初始的变分自动编码器，以构建得到初始的基于因果增强的变分自动编码器；通过反向传播训练因果增强所述初始的基于因果增强的变分自动编码器，得到所述基于因果增强的变分自动编码器。

5.根据权利要求1所述的数据稀疏区域的人口流动预测方法，其特征在于，基于所述预测模型的知识和所述潜在的因果嵌入向量进行所述目标区域的人口流动预测，具体包括：

基于所述预测模型的知识和所述潜在的因果嵌入向量获取所述目标区域中起点区域的特征和终点区域的特征，并添加起点和终点之间的距离信息，来预测所述目标区域中起点和终点之间的人流量。

6.根据权利要求1所述的数据稀疏区域的人口流动预测方法，其特征在于，所述区域因果知识为源区域中人员特征和区域属性特征之间的因果映射关系信息。

7.根据权利要求1所述的数据稀疏区域的人口流动预测方法，其特征在于，所述目标区域为数据稀疏区域。

8.一种数据稀疏区域的人口流动预测装置，其特征在于，包括：

区域因果知识获取单元，用于利用基于强化学习的因果发现模型从源区域的数据中获取相应的区域因果知识；

因果嵌入向量获取单元，用于基于所述区域因果知识和初始的变分自动编码器，得到基于因果增强的变分自动编码器；利用所述基于因果增强的变分自动编码器对目标区域的缺失特征进行恢复，获得潜在的因果嵌入向量；其中，所述潜在的因果嵌入向量是观测特征以及所述缺失特征对应的表征向量；

人口流动预测单元，用于基于所述源区域与所述目标区域之间知识蒸馏的迁移学习算法，将预测模型的知识迁移到所述目标区域，并基于所述预测模型的知识和所述潜在的因果嵌入向量进行所述目标区域的人口流动预测；其中，所述预测模型是预先基于所述源区域的数据构建的人口流动预测模型。