[发明专利]操作预测装置及其模型学习方法、操作预测方法

权利要求书

1.一种操作预测装置，其特征在于，具有：

数据集获取部，获取由多个对象构成的数据集；

属性信息获取部，获取用户的属性信息；以及

预测部，使用经过机器学习后的模型来根据所述数据集及所述属性信息预测所述用户将对所述数据集进行的操作，

所述模型具有包括第一模块和第二模块的结构，关于所述数据集中包括的各对象，所述第一模块使用神经网络计算与该对象和所述属性信息的组合对应的指标值，所述第二模块通过针对由所述第一模块得到的分别与所述多个对象对应的多个指标值进行规定的处理，来计算所述用户的操作的预测结果，

所述模型使用学习用数据进行机器学习，所述学习用数据包括由多个样本构成的样本数据集、作为某操作者对所述样本数据集进行的操作结果的正解数据以及所述操作者的属性信息。

2.根据权利要求1所述的操作预测装置，其特征在于，

所述神经网络具有被给予至少一个对象和所述属性信息作为输入并输出指标值的概率分布的结构，

所述第一模块从所述神经网络所输出的概率分布中对指标值进行采样，并将该指标值输出到所述第二模块。

3.根据权利要求2所述的操作预测装置，其特征在于，

所述第一模块使用可微函数从所述概率分布中对所述指标值进行采样。

4.根据权利要求1至3中任一项所述的操作预测装置，其特征在于，

所述神经网络具有被递归地输入由所述第一模块及所述第二模块中的任一者得到的值的结构。

5.根据权利要求1至4中任一项所述的操作预测装置，其特征在于，

所述第一模块具有被给予多个对象作为输入并输出同时或连续出现所述多个对象这一条件下的指标值的结构。

6.根据权利要求1至5中任一项所述的操作预测装置，其特征在于，

所述对象或所述属性信息包含多个信息，

所述第一模块由与所述多个信息各自对应的多个子模块构成，关于各对象，所述第一模块输出通过所述多个子模块得到的多个指标值。

7.根据权利要求1至6中任一项所述的操作预测装置，其特征在于，

所述规定的处理包括以下处理中的至少任一种处理：

针对所述指标值的四则运算；

基于所述指标值或根据所述指标值运算得到的值的所述多个对象的排序；

针对所述指标值或根据所述指标值运算得到的值的阈值处理；

基于所述指标值或根据所述指标值运算得到的值从所述多个对象中选择一部分对象；以及

基于所述指标值或根据所述指标值运算得到的值的所述多个对象的分组。

8.根据权利要求1至7中任一项所述的操作预测装置，其特征在于，

所述规定的处理通过使用可微函数的处理或使用可微函数的处理的组合近似而构成。

9.一种模型学习方法，其特征在于，用于对在权利要求1至8中任一项所述的操作预测装置中使用的模型进行机器学习，所述模型学习方法具有以下步骤：

获取由多个样本构成的样本数据集；

获取作为操作者对所述多个样本的操作结果的正解数据；

获取所述操作者的属性信息；以及

使用由所述多个样本构成的样本数据集、所述正解数据以及所述操作者的属性信息进行所述模型的机器学习。

10.根据权利要求9所述的模型学习方法，其特征在于，

在进行所述机器学习的步骤中，通过误差反向传播法，基于给予了所述多个样本和所述操作者的属性信息作为输入时的所述模型的输出与所述正解数据之间的误差，进行所述第一模块及所述第二模块的学习。