[发明专利]一种信息处理方法及装置

说明书

本申请实施例公开了一种信息处理方法及装置。所述方法包括：确定机器学习模型对输入信息的处理结果，所述处理结果为分类预测值或回归预测值；确定在所述机器学习模型内的各变量中，所述处理结果涉及的变量；计算所述处理结果涉及的变量对所述处理结果的贡献度；根据所述处理结果涉及的变量及其贡献度，输出对所述处理结果的解释信息。利用本申请实施例，可以对机器学习模型的处理结果进行白盒化的解释，因此，可以提高机器学习模型的可解释性，进而有利于正确指导模型优化方向，也有利于减少模型优化所需的处理资源的浪费。

技术领域

本申请涉及计算机软件技术领域，尤其涉及一种信息处理方法及装置。

背景技术

随着计算机技术和互联网技术的迅速发展，很多交易都可以在网上进行，给用户带来了便利，但也给用户的账户带来了更多的风险。

目前，一般采用逻辑回归模型进行账户风险的刻画，该模型可解释性较强，但只适用于小规模特征的训练，并且其准确率与覆盖率难以满足很多业务的需要。

针对这个问题，在现有技术中针对大规模特征采用机器学习模型进行了尝试，并且准确率与覆盖率均得到了提升，但是由于机器学习模型的可解释性较差，导致难以解释模型处理结果，进而可能会使后续的模型优化方向走向误区，浪费模型优化所需的处理资源。

发明内容

本申请实施例提供一种信息处理方法及装置，用以解决现有技术中由于机器学习模型的可解释性较差，导致难以解释模型处理结果，进而可能会使后续的模型优化方向走向误区，浪费模型优化所需的处理资源。

为解决上述技术问题，本申请实施例是这样实现的：

本申请实施例提供的一种信息处理方法，包括：

确定机器学习模型对输入信息的处理结果，所述处理结果为分类预测值或回归预测值；

确定在所述机器学习模型内的各变量中，所述处理结果涉及的变量；

计算所述处理结果涉及的变量对所述处理结果的贡献度；

根据所述处理结果涉及的变量及其贡献度，输出对所述处理结果的解释信息。

本申请实施例提供的一种信息处理装置，包括：

第一确定模块，确定机器学习模型对输入信息的处理结果，所述处理结果为分类预测值或回归预测值；

第二确定模块，确定在所述机器学习模型内的各变量中，所述处理结果涉及的变量；

计算模块，计算所述处理结果涉及的变量对所述处理结果的贡献度；

输出模块，根据所述处理结果涉及的变量及其贡献度，输出对所述处理结果的解释信息。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：可以提高机器学习模型的可解释性，进而有利于正确指导模型优化方向，也有利于减少模型优化所需的处理资源的浪费，可以部分或全部地解决现有技术中的问题。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请的方案的实施流程概述图；

图2为本申请的方案的重点内容细述图；

图3为本申请实施例提供的一种信息处理方法的流程示意图；

图4a、图4b分别为本申请实施例提供的一种实际应用场景下，基于一种决策树的决策路径及各节点对应的预测值的示意图；