買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉上海數鳴人工智能科技有限公司申請的專利基于無標簽樣本學習的預測集成建模方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115935178B 。

龍圖騰網通過國家知識產權局官網在2025-08-08發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211320300.9，技術領域涉及：G06F18/214；該發明授權基于無標簽樣本學習的預測集成建模方法是由項亮;裴智暉設計研發完成，并于2022-10-26向國家知識產權局提交的專利申請。

本基于無標簽樣本學習的預測集成建模方法在說明書摘要公布了：一種基于無標簽樣本學習的預測集成建模方法，其包括數據預處理步驟、特征工程的處理步驟、正無標簽樣本隨機切分與組合集成訓練策略步驟和模型訓練步驟；其中，本發明對原始訓練數據中的正標簽樣本和無標簽樣本進行隨機采樣并按一定樣本比例，組合為k份新的樣本空間；同時保留一部分數據作為袋外數據用作驗證；使用k個學習器進行訓練和建立k個預測模型；對每個建立好的k個預測模型，進行獨立的袋外數據進行預測，袋外數據中的每個樣本都能得到k個預測結果；對k次預測結果取平均，作為袋外數據最終的預測結果；對k個預測模型進行模型評價指標處理和調優處理，得到最終的k個預測模型。因此，本發明有效提升了特征篩選的效果。

本發明授權基于無標簽樣本學習的預測集成建模方法在權利要求書中公布了：1.一種基于無標簽樣本學習的預測集成建模方法，其特征在于，包括數據預處理步驟S1、特征工程的處理步驟S2、正無標簽樣本隨機切分與組合集成訓練策略步驟S3和模型訓練步驟S4； 所述數據預處理步驟S1包括如下步驟： 步驟S11：獲取N個用戶的原始數據信息，并從所述用戶的原始數據信息提取原始特征信息；其中，所述原始特征信息包括用戶ID、用戶所在省份、用戶所在城市、用戶訪問DPI、用戶訪問時間頻度、設備類型和或用戶是否點擊特征；其中，所述用戶所在省份、用戶所在城市、和用戶訪問DPI為類別特征，所述用戶訪問時間為連續特征，所述N大于等于2； 步驟S12：對所述用戶的原始特征信息進行異常檢測與處理步驟； 步驟S13：通過獨熱編碼對類別特征進行處理，根據業務需求及求解模型選擇進行歸一化后梯度下降處理，或利用RankGauss方法對連續特征進行調整樣本分布處理； 所述特征工程的處理步驟S2包括如下步驟： 步驟S21：用戶訪問DPI處理步驟，建立用戶ID與用戶訪問DPI的特征列； 步驟S22：采用通過獨熱編碼對類別特征進行處理； 步驟S23：連續特征進行數值型特征改造處理； 步驟S24：進行特征篩選和特征構造，以形成新的特征； 步驟S25：執行連續特征離散化處理； 步驟S3具體包括如下步驟： 對原始訓練數據中的正標簽樣本和無標簽樣本進行隨機采樣并按一定樣本比例，組合為k份新的樣本空間；同時保留一部分數據作為袋外數據用作驗證； 所述模型訓練步驟S4包括： 步驟S41：將k份數據中的無標簽樣本視作負樣本，與正樣本組成新的訓練數據集，將袋外數據作為驗證數據集； 步驟S42：在所述訓練數據集和驗證數據集的基礎上使用k個學習器進行訓練和建立k個預測模型； 步驟S43：對每個建立好的k個預測模型，進行步驟S41中獨立的袋外數據進行預測，所述袋外數據中的每個樣本都能得到k個預測結果；其中，所述k個預測結果為一個概率值； 步驟S44：對k次預測結果取平均，作為所述袋外數據最終的預測結果； 步驟S45：根據所述袋外數據最終的預測結果，對所述k個預測模型進行模型評價指標處理和調優處理，得到最終的k個預測模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人上海數鳴人工智能科技有限公司，其通訊地址為：200436 上海市靜安區萬榮路1256、1258號406室；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。