買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉浙江大學(xué);杭州高新區(qū)(濱江)區(qū)塊鏈與數(shù)據(jù)安全研究院申請的專利一種基于推理增強(qiáng)的人工智能預(yù)測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119378673B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411964175.4，技術(shù)領(lǐng)域涉及：G06N5/025；該發(fā)明授權(quán)一種基于推理增強(qiáng)的人工智能預(yù)測方法是由褚志軒;王渤軒;鄭昊倫;孫浥塵;任奎設(shè)計(jì)研發(fā)完成，并于2024-12-30向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本一種基于推理增強(qiáng)的人工智能預(yù)測方法在說明書摘要公布了：本發(fā)明公開了一種基于推理增強(qiáng)的人工智能預(yù)測方法。選擇性偏差校正，有效減少選擇性偏差的影響，從而提升預(yù)測的準(zhǔn)確性。相比傳統(tǒng)回歸方法假設(shè)數(shù)據(jù)分布一致，本發(fā)明能夠有效剔除偽相關(guān)，識(shí)別出真實(shí)的因果效應(yīng)，從而在高偏差場景下展現(xiàn)更高的預(yù)測準(zhǔn)確性。在數(shù)據(jù)特征缺失場景中展現(xiàn)出顯著的魯棒性和穩(wěn)定性。采用完全條件規(guī)范多重插補(bǔ)得到不含缺失項(xiàng)的完整數(shù)據(jù)集，優(yōu)于傳統(tǒng)簡單插補(bǔ)，不僅減少了插補(bǔ)偏差，還顯著提高了模型在高缺失數(shù)據(jù)場景中的魯棒性，能夠更全面地利用外部因素信息，提高對復(fù)雜場景的適應(yīng)能力。本發(fā)明對外部因素顯式建模。這種針對外部因素的專門處理，使本發(fā)明在復(fù)雜環(huán)境中能夠更好地捕捉外部信息的影響，提升預(yù)測效果。

本發(fā)明授權(quán)一種基于推理增強(qiáng)的人工智能預(yù)測方法在權(quán)利要求書中公布了：1.一種基于推理增強(qiáng)的人工智能廣告投放效果預(yù)測方法，其特征在于，包括：獲得有關(guān)預(yù)測系統(tǒng)關(guān)注變量的定義，定義效果變量Y代表廣告效果，處理變量T廣告投放策略，混淆變量Z代表用戶的購買習(xí)慣，可觀測代理變量X代表用戶的消費(fèi)瀏覽行為記錄，調(diào)整變量M代表廣告投放時(shí)周末外部因素，和各變量之間的因果關(guān)系； 根據(jù)變量的定義，獲得相關(guān)變量的數(shù)據(jù)集； 根據(jù)獲得的相關(guān)變量的數(shù)據(jù)集，使用完全條件規(guī)范多重插補(bǔ)FCSMI對數(shù)據(jù)集中數(shù)據(jù)的缺失數(shù)據(jù)特征進(jìn)行插補(bǔ)，得到不含缺失項(xiàng)的完整數(shù)據(jù)集； 根據(jù)各變量之間的因果關(guān)系，假設(shè)用戶的購買習(xí)慣Z在廣告投放策略T、用戶的消費(fèi)瀏覽行為記錄X、廣告投放時(shí)周末外部因素M給定的條件下服從正態(tài)分布，構(gòu)建一個(gè)以處理變量的值t、代理變量的值x和調(diào)整變量的值m為輸入，以Z服從的正態(tài)分布的期望和方差為輸出的全連接的神經(jīng)網(wǎng)絡(luò)模型； 根據(jù)各變量之間的因果關(guān)系，假設(shè)廣告效果Y在廣告投放策略T、用戶的購買習(xí)慣Z和廣告投放時(shí)周末外部因素M給定的條件下服從正態(tài)分布，建立一個(gè)以處理變量的值t、混淆變量的值z和調(diào)整變量的值m為輸入，以Y服從的正態(tài)分布的期望和方差為輸出的全連接的神經(jīng)網(wǎng)絡(luò)模型； 設(shè)定用戶的購買習(xí)慣z服從的先驗(yàn)概率分布； 基于上述建立的兩個(gè)全連接的神經(jīng)網(wǎng)絡(luò)模型，使用不含缺失項(xiàng)的完整數(shù)據(jù)集作為訓(xùn)練數(shù)據(jù)集，以變分下界ELBO為目標(biāo)函數(shù)，通過訓(xùn)練得到神經(jīng)網(wǎng)絡(luò)模型的參數(shù)；基于訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，計(jì)算廣告效果Y的條件概率分布Py|z,m,t；基于廣告效果Y和任意給定的用戶的購買習(xí)慣z，廣告投放時(shí)周末外部因素m，廣告投放策略t的條件概率分布的條件概率分布py|z,m,t和用戶的購買習(xí)慣z服從的先驗(yàn)概率分布，應(yīng)用貝葉斯公式，獲得有關(guān)廣告效果Y的預(yù)測結(jié)論，即廣告效果Y在給定廣告投放策略t和廣告投放時(shí)周末外部因素m時(shí)的條件概率分布Py|m,t。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人浙江大學(xué);杭州高新區(qū)(濱江)區(qū)塊鏈與數(shù)據(jù)安全研究院，其通訊地址為：310058 浙江省杭州市西湖區(qū)余杭塘路866號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。