[发明专利]利用人工智能AI模型组分析多类数据的方法及装置

说明书

本申请公开了一种利用人工智能AI模型组分析多类数据的方法及装置，属于人工智能技术领域。该方法包括：获取多类数据，该多类数据中的每一类数据表示影响目标事件的结果的一方面因素；并输入多类数据中的每一类数据至对应的第一AI模型，根据每个第一AI模型的目标隐含层获得对应一类数据的目标隐含层特征；然后，根据多个目标隐含层特征生成融合特征；再输入融合特征至第二AI模型，以根据第二AI模型对融合特征进行分析，输出预测值，该预测值指示根据多类数据对目标事件进行预测的结果。本申请提高了根据多类数据对目标事件进行预测的准确性。

本申请要求于2019年09月09日提交的申请号为2019108496243、发明名称为“多类数据的分析方法及其装置、计算机设备、存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。

技术领域

本申请涉及人工智能(artificial intelligence，AI)技术领域，特别涉及一种利用人工智能AI模型组分析多类数据的方法及装置。

背景技术

随着人工智能的普及，AI模型应用到了越来越多的领域，例如：医疗、金融、交通等。在很多领域中，需要利用AI模型分析多类数据，以对目标事件进行预测。多类数据中的每一类数据用于表示影响目标事件的预测结果的一方面因素。根据多类数据对目标事件进行预测，能够分别获取多类数据的特征，提高对目标事件进行预测的准确性。例如，该多类数据可以为：具有不同的数学表达方式的多类数据，具有不同数据维度的多类数据，用于代表不同的含义的多类数据。

相关技术中，可以将多类数据输入至多层感知机(multilayer perceptron，MLP)，然后，采用多层感知机分别获取该多类数据的特征，并根据该多类数据的特征对目标事件进行预测。其中，由于每类数据可以使用一个矩阵表示，将多类数据输入至多层感知机的实现方法是：将多类数据的矩阵按预设方式进行拼接，然后将经过拼接处理后的矩阵输入至多层感知机。

但是，由于多类数据的数据类型差异较大，直接将拼接后的多类数据的矩阵输入至多层感知机，多层感知机较难同时适配于多类数据，导致较难有效提取多类数据的特征，影响多层感知机根据数据的特征对目标事件进行预测的准确度。

发明内容

本申请提供了一种利用人工智能AI模型组分析多类数据的方法及装置，可以解决多层感知机对简单拼接后的多类数据进行分析的准确度较低的问题。

第一方面，本申请提供了一种利用AI模型组分析多类数据的方法，该AI模型组包括多个第一AI模型和第二AI模型，其中，该多个第一AI模型中的每个第一AI模型对应多类数据中的一类数据，该方法包括：获取多类数据，多类数据中的每一类数据表示影响目标事件的结果的一方面的因素；输入多类数据中的每一类数据至对应的第一AI模型，根据每个第一AI模型的目标隐含层获得对应一类数据的目标隐含层特征；根据多个目标隐含层特征生成融合特征；输入融合特征至第二AI模型，根据第二AI模型对融合特征进行分析，输出预测值，预测值指示根据多类数据对目标事件进行预测的结果。

本申请实施例提供的利用AI模型组分析多类数据的方法，该方法通过采用AI模型组中多个第一AI模型中的每一个第一AI模型，分别对多类数据中的每类数据进行分析，然后根据每个第一AI模型的目标隐含层获得对应一类数据的目标隐含层特征，再根据该多个目标隐含层获取融合特征，然后采用第二AI模型根据融合特征对目标事件进行预测，相较于相关技术，由于预先采用多个第一AI模型分别获取多类数据的特征，然后对用于表示多类数据的特征的融合特征进行分析，使得AI模型组可以深度地挖掘每一类数据的特征，充分利用每一类数据的特征，有效地提高了根据多类数据对目标事件进行预测的准确性。