(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210987804.X (22)申请日 2022.08.17 (71)申请人 北京云从科技有限公司 地址 102300 北京市门头沟区石龙 经济开 发区永安路20号3号楼一层102室 (72)发明人 朱蕾　 (74)专利代理 机构 北京润泽恒知识产权代理有 限公司 1 1319 专利代理师 李兴迪 (51)Int.Cl. G06K 9/62(2022.01) G06Q 30/02(2012.01) (54)发明名称 预测模型搭建方法、 系统及计算机存 储介质 (57)摘要 本申请提供一种预测模型搭建方法、 装置、 计算机存储介质， 包括： 利用训练好的特征提取 模型针对每一个训练样本执行特征提取， 获得每 一个训练样 本的样本特征； 根据多个不同的特征 粒度， 分别针对所有样本特征执行聚类分析， 获 得每一个特征粒度的特征聚类结果； 根据每一个 特征粒度的训练标签组、 每一个特征粒度的特征 聚类结果， 训练每一个特征粒度的分类器， 获得 每一个特征粒度的训练好的分类器； 根据预测需 求， 利用训练好的各分类器中的至少一个， 搭建 满足预测需求的预测模型。 借此， 本申请提供了 一种多粒度表征无监督的模型搭建方案， 可降低 模型搭建成本并提高模型 预测精度。 权利要求书2页 说明书5页 附图3页 CN 115456042 A 2022.12.09 CN 115456042 A 1.一种预测模型 搭建方法， 包括： 利用训练好的特征提取模型， 针对每一个训练样本执行特征提取， 获得每一个训练样 本的样本特 征； 根据多个不同的特征粒度， 分别针对所有样本特征执行聚类分析， 获得每一个特征粒 度的特征聚类结果； 根据每一个特征粒度的训练标签组、 每一个特征粒度的特征聚类结果， 训练每一个特 征粒度的分类 器， 获得每一个特 征粒度的训练好的分类 器； 根据预测需求， 利用训练好的各分类器中的至少一个， 搭建满足所述预测需求的预测 模型。 2.根据权利要求1所述的方法， 其中， 所述根据多个不同的特征粒度， 分别针对所有样 本特征执行聚类分析， 获得每一个特 征粒度的特 征聚类结果， 包括： 利用预设聚类算法， 根据每一个特征粒度， 分别针对所有样本特征执行聚类分析， 获得 每一个特 征粒度的特 征聚类结果； 其中， 每一个特 征粒度的特 征聚类结果包括有至少两个聚类特 征集。 3.根据权利要求2所述的方法， 其中， 所述预设聚类算法至少包括： 基于距离的聚类方 法、 基于层次的聚类算法、 基于密度的聚类算法中的一个。 4.根据权利要求2所述的方法， 其中， 所述根据每一个特征粒度的训练标签组、 每一个 特征粒度的特征聚类结果， 训练每一个特征粒度的分类器， 获得每一个特征粒度的训练好 的分类器， 包括： 针对各特征粒度中的任意 一个当前 粒度， 根据所述当前粒度的当前特征聚类结果， 生成所述当前粒度的训练标签组， 其中， 所述 训练标签组包含有多个训练标签， 各训练标签与所述当前特征聚类结果中的各聚类特征集 一一对应； 训练步骤， 根据所述当前特征聚类结果中的每一个聚类特征集、 每一个聚类特征集的 训练标签， 训练所述当前 粒度的分类 器， 获得所述当前 粒度的训练好的分类 器。 5.根据权利要求4所述的方法， 其中， 所述分类器至少包括： 贝叶斯分类器、 知识向量机 分类器中的一个。 6.根据权利要求 4所述的方法， 其中， 所述训练步骤 还包括： 利用深度学习方法， 根据所述当前特征聚类结果中的每一个聚类特征集、 每一个聚类 特征集的训练标签， 训练所述当前 粒度的分类 器。 7.根据权利要求1或4所述的方法， 其中， 所述根据 预测需求， 利用训练好的各分类器中 的至少一个， 搭建满足所述预测需求的预测模型， 包括： 根据所述预测需求， 从各 特征粒度中确定满足所述预测需求的至少一个目标 粒度； 利用每一个目标 粒度的训练好的分类 器， 搭建满足所述预测需求的预测模型。 8.一种预测模型 搭建装置， 包括： 特征提取模块， 用于利用训练好的特征提取模型针对每一个训练样本执行特征提取， 获得每一个训练样本的样本特 征； 聚类模块， 用于根据多个不同的特征粒度， 分别针对所有样本特征执行聚类分析， 获得 每一个特 征粒度的特 征聚类结果；权　利　要　求　书 1/2 页 2 CN 115456042 A 2训练模块， 用于根据每一个特征粒度的训练标签组、 每一个特征粒度的特征聚类结果， 训练每一个特 征粒度的分类 器， 获得每一个特 征粒度的训练好的分类 器； 模型搭建模块， 用于根据 预测需求， 利用训练好的各分类器中的至少一个， 搭建满足所 述预测需求的预测模型。 9.根据权利要求8所述的装置， 其中， 所述训练模块包括： 针对各特征粒度中的任意一个当前粒度， 根据所述当前粒度的当前特征聚类结果， 生 成所述当前粒度的训练标签组， 并利用所述当前粒度的当前特征聚类结果、 所述当前粒度 的训练标签组， 训练所述当前 粒度的分类 器， 获得所述当前 粒度的训练好的分类 器； 其中， 所述训练标签组包含有多个训练标签， 各训练标签与所述当前特征聚类结果中 的各聚类特 征集一一对应。 10.一种计算机存储介质， 其特征在于， 所述计算机存储介质中存储有用于执行上述权 利要求1至7中任一项所述的方法中各步骤的各指令 。权　利　要　求　书 2/2 页 3 CN 115456042 A 3