基于因果推断的操作信息确定方法、装置和模型训练方法与流程
本公开涉及计算机，具体涉及基于因果推断的操作信息确定方法、装置和模型训练方法。
背景技术：
1、在物流行业中，入驻在商家平台中的客户对象在合同期内的行为表现通常纷繁多样，商家平台为实现更好的管理，会对客户对象实施一些干预动作。因此，如何确定出对客户对象的有效干预动作是一个亟待解决的技术问题。
2、现有的用于确定客户对象的有效干预动作的方法通常是通过人工分析来确定的，即通过人工对客户对象的运营数据进行分析来确定出有效干预动作，这种方法通常存在效率低以及确定出的干预动作不够准确等问题。
技术实现思路
1、本公开提供了一种基于因果推断的操作信息确定方法和装置、波动预测模型训练方法和装置、电子设备、计算机可读存储介质以及计算机程序产品。
2、根据本公开的一方面，提供了一种基于因果推断的操作信息确定方法，包括：
3、确定目标对象的运营数据和至少一个候选操作信息，所述候选操作信息用于表征可对所述目标对象实施的候选干预操作；
4、将所述运营数据和至少一个候选操作信息输入至预先训练的波动预测模型，得到各候选操作信息对应的所述目标对象的关键参数波动量，所述波动预测模型基于因果推断模型训练得到；
5、基于所述关键参数波动量，从所述至少一个候选操作信息中确定出目标操作信息。
6、根据本公开的另一方面，提供了一种波动预测模型训练方法，包括：
7、获取目标对象的历史运营数据、历史操作信息以及所述目标对象被执行所述历史操作信息表征的干预操作后关键参数的历史波动量；
8、以所述历史运营数据和历史操作信息为输入数据，以所述历史波动量为期望输出数据，对初始因果推断模型进行训练，得到波动预测模型。
9、根据本公开的再一方面，提供了一种基于因果推断的操作信息确定装置，包括：
10、信息采集模块，配置为确定目标对象的运营数据和至少一个候选操作信息，所述候选操作信息用于表征可对所述目标对象实施的候选干预操作；
11、预测模块，配置为将所述运营数据和至少一个候选操作信息输入至预先训练的波动预测模型，得到各候选操作信息对应的所述目标对象的关键参数波动量，所述波动预测模型基于因果推断模型训练得到；
12、确定模块，配置为基于所述关键参数波动量，从所述至少一个候选操作信息中确定出目标操作信息。
13、根据本公开的再一方面，提供一种波动预测模型训练装置，包括：
14、特征获取模块，配置为获取目标对象的历史运营数据、历史操作信息以及所述目标对象被执行所述历史操作信息表征的干预操作后的关键参数的历史波动量；
15、训练模块，配置为以所述历史运营数据和历史操作信息为输入数据，以所述历史波动量为期望输出数据，对初始训练模型进行训练，得到波动预测模型。
16、根据本公开的再一方面，提供一种电子设备，包括：
17、至少一个处理器；以及
18、与所述至少一个处理器通信连接的存储器；其中，
19、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述方法中的任一实施例的方法。
20、根据本公开的再一方面，提供一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述方法中的任一实施例的方法。
21、根据本公开的再一方面，提供一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述方法中的任一实施例的方法。
22、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
技术特征：
1.一种基于因果推断的操作信息确定方法，包括：
2.根据权利要求1所述的方法，其中，所述运营数据包括可变数据和不可变数据；
3.根据权利要求2所述的方法，其中，所述将所述运营数据和至少一个候选操作信息输入至预先训练的波动预测模型，得到各候选操作信息对应的所述目标对象的关键参数波动量，包括：
4.根据权利要求1-3任一项所述的方法，所述方法还包括：
5.根据权利要求1-4任一项所述的方法，其中，所述因果推断模型包括双重机器学习模型。
6.一种波动预测模型训练方法，包括：
7.根据权利要求6所述的方法，所述关键参数包括第一关键参数和第二关键参数；所述初始因果推断模型包括与所述第一关键参数对应的第一子模型和与所述第二关键参数对应的第二子模型；
8.根据权利要求7所述的方法，其中，在所述第一训练和所述第二训练的过程中，分别基于联合损失值进行参数调优，所述联合损失值为通过对第一损失值和第二损失值进行加权求和确定出，所述第一损失值为对应于所述第一子模型的损失值，所述第二损失值为对应于所述第二子模型的损失值。
9.根据权利要求6所述的方法，其中，所述获取目标对象的历史运营数据、历史操作信息以及所述目标对象被执行所述历史操作信息表征的干预操作后的关键参数的历史波动量包括：
10.一种基于因果推断的操作信息确定装置，包括：
11.一种波动预测模型训练装置，包括：
12.一种电子设备，包括：
13.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法或者权利要求6-9所述的方法。
14.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的方法或者权利要求6-9所述的方法。
技术总结
本公开提供了于因果推断的操作信息确定方法和装置、波动预测模型训练方法和装置、电子设备、计算机可读存储介质以及计算机程序产品，涉及计算机技术领域。具体实现方案为：确定目标对象的运营数据和至少一个候选操作信息，所述候选操作信息用于表征可对所述目标对象实施的候选干预操作；将所述运营数据和至少一个候选操作信息输入至预先训练的波动预测模型，得到各候选操作信息对应的所述目标对象的关键参数波动量，所述波动预测模型基于因果推断模型训练得到；基于所述关键参数波动量，从所述至少一个候选操作信息中确定出目标操作信息。实现了对目标对象的相对客观的评估，且具有较高的预测准确度，降低了人工作业量，提升了处理效率。
技术研发人员：吴立帅,于一淼,陈鹏,徐诚浪
受保护的技术使用者：北京京东远升科技有限公司
技术研发日：
技术公布日：2024/12/5