← 返回列表
反事实公平性的预测模型训练方法、预测方法及其装置
摘要文本
本发明提供一种反事实公平性的预测模型训练方法、预测方法及其装置，该预测模型训练方法包括：获取包括多个样本的训练数据集，每个样本包括含有敏感属性的多个属性和观测结果；基于属性和观测结果生成部分有向无环图，从中查找可能影响敏感属性的属性，生成敏感属性的多个父节点集；基于每个父节点集训练对应预设的倾向性得分模型，输出父节点集对样本的敏感属性值的倾向得分估计值；基于每个倾向得分估计值和对应的预测结果训练对应预设的因果效应模型，输出敏感属性对预测结果的因果效应估计值；基于所有因果效应估计值训练预设的预测模型，结合最小‑最大联合学习算法交替训练因果效应模型和预测模型，使训练好的预测模型满足反事实公平性。 专利查询网
申请人信息
- 申请人:中国人民大学
- 申请人地址:100872 北京市海淀区中关村大街59号
- 发明人: 中国人民大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 反事实公平性的预测模型训练方法、预测方法及其装置 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311236303.9 |
| 申请日 | 2023/9/22 |
| 公告号 | CN117610398A |
| 公开日 | 2024/2/27 |
| IPC主分类号 | G06F30/27 |
| 权利人 | 中国人民大学 |
| 发明人 | 刘越; 李昊轩; 郑淳元; 耿直; 张坤 |
| 地址 | 北京市海淀区中关村大街59号 |
专利主权项内容
1.一种反事实公平性的预测模型训练方法，其特征在于，该方法的步骤包括：获取训练数据集，所述训练数据集包括多个样本，每个样本包括含有敏感属性在内的多个属性和作为标签的对应的观测结果；基于作为节点的属性和观测结果生成部分有向无环图，从所述部分有向无环图中查找可能影响所述敏感属性的属性，基于查找结果生成所述敏感属性的多个可能的父节点集；基于每个可能的父节点集训练对应预设的倾向性得分模型，所述倾向性得分模型用于输出所述可能的父节点集对于样本的敏感属性值的倾向得分估计值；基于每个倾向得分估计值和对应的预测结果训练对应预设的因果效应模型，所述因果效应模型用于输出所述敏感属性对于预测结果的因果效应估计值；基于所有的因果效应估计值训练预设的预测模型，结合最小-最大联合学习算法交替训练所述因果效应模型和所述预测模型，以满足反事实公平性的预测模型作为训练好的公平的预测模型。 （来自 马克数据网）