技术特征：
1.一种评估操作结果的方法，包括：针对一组观测数据建立初始预测模型，其中所述初始预测模型具有分层结构，并且包括用于对个体进行分组的门控节点和用于基于不同的预测方法来执行预测的多个不同的专家节点，并且其中所述观测数据包括多个个体的多个个体特征、针对所述多个个体执行的所述预定操作中的相应操作及相应操作结果；利用所述观测数据确定所述初始预测模型的门控节点和专家节点的参数，以获得最终预测模型；以及利用所述最终预测模型中的各个专家节点，对所述观测数据中与其匹配的个体子组进行预测，以确定所述预定操作对于各个个体子组的操作结果。2.根据权利要求1所述的方法，其中利用所述观测数据确定所述初始预测模型的门控节点和专家节点的参数包括：确定针对所述初始预测模型的优化目标函数，并且基于所述观测数据和所述优化目标函数对所述初始预测模型进行优化，以确定所述最终预测模型。3.根据权利要求1所述的方法，其中确定针对所述初始预测模型的优化目标函数包括：基于分解渐进贝叶斯方法来确定针对所述初始预测模型的优化目标函数。4.根据权利要求3所述的方法，其中所述基于分解渐进贝叶斯方法来确定针对所述初始预测模型的优化目标函数进一步包括：在基于所述分解渐进贝叶斯方法确定的所述优化目标函数中引入隐变量，所述隐变量指示所述观测数据中的每条观测数据与预测模型中的各个专家节点是否匹配。5.根据权利要求4所述的方法，其中基于所述观测数据和所述优化目标函数对所述初始预测模型进行优化包括：利用所述观测数据基于所述优化目标函数对所述隐变量优化，以确定所述观测数据与所述各个专家节点匹配的优化概率；基于所确定的优化概率，对现有的预测模型进行缩减，以得到精简预测模型；基于所述优化目标函数，对所述精简预测模型中的门控节点以及专家节点进行优化，以确定各个门控节点的优化参数值以及专家节点的优化参数值，从而生成优化的预测模型。6.根据权利要求5所述的方法，其中重复所述优化概率分布的确定、对当前预测模型的缩减和对门控节点和专家节点的优化的操作，以确定能够用于进行预测的所述最终预测模型。7.根据权利要求1所述的方法，其中所述初始预测网络是分层混合专家网络模型。8.根据权利要求1所述的方法，其中所述预定操作包括至少三种不同处置水平的操作。9.根据权利要求1所述的方法，其中所述预定操作包括基于连续操作处置水平的操作。10.一种用于评估操作结果的方法，包括：接收一个或多个个体的个体特征和针对所述一个或多个个体执行的预定操作中的相应操作方式；基于预测模型和所述一个或多个个体的个体特征，确定所述一个或多个个体所属的一个或多个子组，所述预测模型具有分层结构，并且包括用于对个体进行分组的门控节点和用于基于不同预测方法执行预测的多个不同的专家节点；以及
根据所述相应操作方式，利用所述预测模型中与确定的所述一个或多个子组相关联的专家节点来针对所述一个或多个个体预测相应的操作结果。11.根据权利要求10所述的方法，其中所述预测模型是通过以下操作而预先确定的：针对一组观测数据建立初始预测模型，其中所述初始预测模型具有分层结构，并且包括用于对个体进行分组的门控节点和用于基于不同的预测方法来执行预测的多个不同的专家节点，所述观测数据包括多个个体的多个个体特征、针对所述多个个体所执行的所述预定操作中的相应操作及相应操作结果；利用所述观测数据确定所述初始预测模型的门控节点和专家节点的参数，以获得最终预测模型。12.一种电子设备，包括：处理器；以及与处理器耦合的存储器，所述存储器具有存储于其中的指令，所述指令在被处理器执行时使所述电子设备执行动作，所述动作包括：针对一组观测数据建立初始预测模型，其中所述初始预测模型具有分层结构，并且包括用于对个体进行分组的门控节点和用于基于不同的预测方法来执行预测的多个不同的专家节点，所述观测数据包括多个个体的多个个体特征、针对所述多个个体所执行的所述预定操作中的相应操作及相应操作结果；利用所述观测数据确定所述初始预测模型的门控节点和专家节点的参数，以获得最终预测模型；以及利用所述最终预测模型中的各个专家节点，对所述观测数据中与其匹配的个体子组进行预测，以确定所述预定操作对于各个个体子组的操作结果。13.根据权利要求12所述的电子设备，其利用所述观测数据确定所述初始预测模型的门控节点和专家节点的参数包括：确定针对所述初始预测模型的优化目标函数，并且基于所述观测数据和所述优化目标函数对所述初始预测模型进行优化，以所述最终预测模型。14.根据权利要求13所述的电子设备，其中确定针对所述初始预测模型的优化目标函数包括：基于分解渐进贝叶斯方法来确定针对所述初始预测模型的优化目标函数。15.根据权利要求14所述的电子设备，其中所述基于分解渐进贝叶斯方法来确定针对所述初始预测模型的优化目标函数进一步包括：在基于所述分解渐进贝叶斯方法确定的所述优化目标函数中引入隐变量，所述隐变量指示所述观测数据中的每条观测数据与预测模型中的各个专家节点是否匹配。16.根据权利要求15所述的电子设备，其中基于所述观测数据和所述优化目标函数对所述初始预测模型进行优化包括：基于所述优化目标函数，对所述隐变量优化，以确定所述观测数据与所述各个专家节点匹配的优化概率；基于所确定的优化概率，对现有的预测模型进行缩减，以得到精简预测模型；基于所述优化目标函数，对所述精简预测模型中的门控节点以及专家节点进行优化，以确定各个门控节点的优化参数值以及专家节点的优化参数值，从而生成优化预测模型。
17.根据权利要求14所述的电子设备，其中重复所述优化概率分布的确定、对当前预测模型的缩减和对门控节点和专家节点的优化的操作，以确定能够用于进行预测的所述最终预测模型。18.根据权利要求11所述的电子设备，其中所述初始预测网络是分层混合专家网络模型。19.根据权利要求11所述的电子设备，其中所述预定操作包括至少三种不同处置水平的操作。20.根据权利要求11所述的电子设备，其中所述预定操作包括基于连续操作处置水平的操作。21.一种电子设备，包括：处理器；以及与处理器耦合的存储器，所述存储器具有存储于其中的指令，所述指令在被处理器执行时使所述电子设备执行动作，所述动作包括：接收一个或多个个体的个体特征和针对所述一个或多个个体执行的预定操作中的相应操作方式；基于预测模型和所述一个或多个个体的个体特征，确定所述一个或多个个体所属的一个或多个子组，所述预测模型具有分层结构，并且包括用于对个体进行分组的门控节点和用于基于不同预测方法执行预测的多个不同的专家节点；以及根据所述相应操作方式，利用所述预测模型中与确定的所述一个或多个子组相关联的专家节点来针对所述一个或多个个体预测相应的操作结果。22.根据权利要求19所述的电子设备，其中所述优化预测模型是通过以下操作而预先确定的：针对一组观测数据建立初始预测模型，其中所述初始预测模型具有分层结构，并且包括用于对个体进行分组的门控节点和用于基于不同的预测方法来执行预测的多个不同的专家节点，所述观测数据包括多个个体的多个个体特征、针对所述多个个体所执行的所述预定操作中的相应操作及相应操作结果；利用所述观测数据确定所述初始预测模型的门控节点和专家节点的参数，以获得最终预测模型。23.一种计算机程序产品，所述计算机程序产品被有形地存储在计算机可读介质上并且包括机器可执行指令，所述机器可执行指令在被执行时使机器执行根据权利要求1至9中任一项所述的方法。24.一种计算机程序产品，所述计算机程序产品被有形地存储在计算机可读介质上并且包括机器可执行指令，所述机器可执行指令在被执行时使机器执行根据权利要求10至11中任一项所述的方法。
技术总结
公开了一种用于评估操作结果的方法、电子设备和计算机可读程序介质。在一种用于评估操作结果的方法中，针对一组观测数据建立初始预测模型，其中初始预测模型具有分层结构且包括用于对个体进行分组的门控节点和用于基于不同的预测方法来执行预测的多个不同的专家节点，观测数据包括个体的个体特征、针对个体执行的相应操作及相应操作结果；利用观测数据确定门控节点和专家节点的参数，以获得最终预测模型；以及利用最终预测模型中的各个专家节点，来评估预定操作对观测数据中与其匹配的个体子组的操作结果。利用本公开的实施方式，能够以自动化方式实现精确的操作结果评估而无需调节超参数，并且其适合于多种数据类型，具有更加广泛的应用场景。有更加广泛的应用场景。有更加广泛的应用场景。
技术研发人员：李伟 刘春辰
受保护的技术使用者：日本电气株式会社
技术研发日：2020.03.31
技术公布日：2021/10/7