[发明专利]用于因果效应分析的特征提取方法和装置

说明书

技术领域

本发明涉及数据分析领域，特别涉及一种用于因果效应分析的特征提取方法和装置。

背景技术

随着数据分析技术的发展，大数据引起了越多越多的关注。对大数据进行分析的一个重要目的在于有效地预测或控制感兴趣的事件的发生状态。而为了进行预测或控制，需要对事件之间的因果效应进行分析。

因果效应是指一个事件的发生对另一个事件的发生具有直接或间接的影响，前者为原因事件，后者为结果事件。一般地，原因事件和结果事件存在时序上的先后顺序，在分析事件之间的因果效应时，需要寻找在结果事件发生之前的潜在的原因事件，再从中确定与结果事件之间真正具有因果效应的原因事件。但是，由于数据量过于庞大，如果直接进行分析，计算量太大，因此需要对潜在的原因事件进行特征提取，以便根据提取到的特征继续进行因果效应分析。

由Porcaro C、Zappasodi F、Rossini PM和Tecchio F撰写的，在2008年12月23日在期刊Clinical Neurophysiology的120卷2期中在线公开的，名称为“Choice of multivariate autoregressive model order affecting real netgorkfunctional connectivity estimate”的论文中，提出了一种按照固定时间间隔进行特征提取的方法。具体包括：每隔固定时间间隔，获取潜在原因事件，将该潜在原因事件的发生状态作为该结果事件在该时间间隔中的原因特征，以便进行因果效应分析。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：

上述的特征提取方式中，为了保证特征提取的准确性，所采用的固定的时间间隔很小，而面对大数据问题，对于某一结果事件来说，可能具有数以万计潜在的原因事件，此时若采用很小的固定时间间隔进行特征提取，会提取到大量的原因特征，必然导致原因特征的维度过高。过高维度的原因特征会导致计算量过大，不仅使得因果效应分析中用于计算的时间过长，还可能产生过拟合现象，使得某些与结果事件之间没有因果效应的原因特征在随机噪声的干扰下，与结果事件产生错误的关联，增加了因果效应分析的出错率。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种用于因果效应分析的特征提取方法和装置。所述技术方案如下：

第一方面，提供了一种用于因果效应分析的特征提取方法，所述方法包括：

确定用于对结果事件进行因果效应分析的特征时间点；

根据所述特征时间点，获取预设数目的时间区间，所述预设数目的时间区间位于所述特征时间点之前，且所述时间区间距离所述特征时间点的间隔长度与所述时间区间的跨度呈正相关关系；

根据所述预设数目的时间区间中每个时间区间所发生的潜在原因事件的事件信息，提取对所述结果事件进行因果效应分析的特征。

第二方面，提供了一种用于因果效应分析的特征提取装置，所述装置包括：

时间点确定模块，用于确定用于对结果事件进行因果效应分析的特征时间点；

区间获取模块，用于根据所述特征时间点，获取预设数目的时间区间，所述预设数目的时间区间位于所述特征时间点之前，且所述时间区间距离所述特征时间点的间隔长度与所述时间区间的跨度呈正相关关系；

特征提取模块，用于根据所述预设数目的时间区间中每个时间区间所发生的潜在原因事件的事件信息，提取对所述结果事件进行因果效应分析的特征。

本发明实施例提供的技术方案带来的有益效果是：

本发明实施例提供的方法和装置，在综合考虑短期潜在原因事件和长期潜在原因事件的情况下，能够控制提取特征的数量，减少了计算量，避免了出现过拟合现象，进而增加了因果效应分析的准确率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种用于因果效应分析的特征提取方法的流程图；

图2是本发明实施例提供的一种用于因果效应分析的特征提取方法的流程图；

图3是本发明实施例提供的一种时间区间示意图；

图4是本发明实施例提供的一种用于因果效应分析的特征提取方法的流程图；