CN116483891A - 一种信息预测方法、装置、设备和存储介质 - Google Patents

Abstract

本公开实施例提供了一种信息预测方法、装置、设备和存储介质。该方法包括：获取目标对象的原始特征数据；对原始特征数据进行结构化处理，获得目标特征数据；对目标特征数据中缺失特征值的位置进行掩码标记，获得掩码后的目标特征数据；基于目标预测网络模型和掩码后的目标特征数据进行掩码位置的信息预测，确定原始特征数据中缺失的目标特征值，其中，目标预测网络模型是预先基于预训练语言模型进行掩码训练获得的。通过本公开实施例的技术方案，可以实现缺失信息的准确预测。

Description

一种信息预测方法、装置、设备和存储介质

技术领域

本公开实施例涉及计算机技术，尤其涉及一种信息预测方法、装置、设备和存储介质。

背景技术

随着计算机技术的快速发展，可以利用对象的各种特征数据进行对象分析。例如，利用视频的各种特征数据进行视频分析，有助于从海量视频中做出决策，给用户提供更好的体验服务。

然而，由于数据漏报、计算延迟等种种原因会导致采集的特征数据中存在部分信息缺失的情况，从而利用这种缺失部分信息的特征数据无法准确地进行对象分析。可见，当前急需一种对缺失的信息进行预测的方式，以补全缺失的信息。

发明内容

本公开提供一种信息预测方法、装置、设备和存储介质，以实现缺失信息的准确预测。

第一方面，本公开实施例提供了一种信息预测方法，包括：

获取目标对象的原始特征数据；

对所述原始特征数据进行结构化处理，获得目标特征数据；

对所述目标特征数据中缺失特征值的位置进行掩码标记，获得掩码后的目标特征数据；

基于目标预测网络模型和掩码后的目标特征数据进行掩码位置的信息预测，确定所述原始特征数据中缺失的目标特征值，其中，所述目标预测网络模型是预先基于预训练语言模型进行掩码训练获得的。

第二方面，本公开实施例还提供了一种信息预测装置，包括：

原始特征数据获取模块，用于获取目标对象的原始特征数据；

结构化处理模块，用于对所述原始特征数据进行结构化处理，获得目标特征数据；

掩码标记模块，用于对所述目标特征数据中缺失特征值的位置进行掩码标记，获得掩码后的目标特征数据；

信息预测模块，用于基于目标预测网络模型和掩码后的目标特征数据进行掩码位置的信息预测，确定所述原始特征数据中缺失的目标特征值，其中，所述目标预测网络模型是预先基于预训练语言模型进行掩码训练获得的。

第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开实施例任一所述的信息预测方法。

第四方面，本公开实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例任一所述的信息预测方法。

本公开实施例，通过预先基于预训练语言模型进行掩码训练，可以快速地获得能够准确预测信息的目标预测网络模型。对目标对象的原始特征数据进行结构化处理，获得特定结构下的目标特征数据，并对目标特征数据中缺失特征值的位置进行掩码标记，获得掩码后的目标特征数据。可以将掩码后的目标特征数据输入至预先训练好的目标预测网络模型，以使目标预测网络模型对输入的目标特征数据中掩码位置处的信息进行准确预测，获得原始特征数据中缺失的目标特征值，从而利用目标预测网络模型实现了缺失信息的准确预测。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1是本公开实施例所提供的一种信息预测方法的流程示意图；

图2是本公开实施例所提供的另一种信息预测方法的流程示意图；

图3是本公开实施例所提供的一种信息预测装置的结构示意图；

图4是本公开实施例所提供的一种电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。

例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确地提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。

作为一种可选的但非限定性的实现方式，响应于接收到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。

可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本公开的实现方式构成限定，其它满足相关法律法规的方式也可应用于本公开的实现方式中。

可以理解的是，本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。

图1为本公开实施例所提供的一种信息预测方法的流程示意图，本公开实施例适用于对任意一种对象缺失的特征值进行预测的情况，尤其是适用于多媒体场景中对缺失的视频特征值进行预测的情况，或者，电商等涉及物品的场景中对缺失的物品特征值进行预测的情况。该方法可以由信息预测装置来执行，该装置可以通过软件和/或硬件的形式实现，可选的，该装置通过电子设备来实现，该电子设备可以是移动终端、PC端或服务器等。

如图1所示，信息预测方法具体包括以下步骤：

S110、获取目标对象的原始特征数据。

其中，目标对象可以是指需要采集特征数据的任意一种对象。例如，目标对象可以是：视频、图片或者物品等。原始特征数据可以包括多种对象特征和对象特征对应的特征值。例如，目标对象为视频时，原始特征数据可以包括：视频类型、视频发布时间、视频播放量、视频画面分辨率和视频码率等。原始特征数据可以以文本形式进行表征。

具体地，可以通过采集目标对象的各种特征数据，获得采集到的原始特征数据。由于数据漏报、计算延迟等原因导致一些对象特征的特征值无法采集到，使得原始特征数据中会缺失这些特征值。需要注意的是，直接采集到的原始特征数据是杂乱无章的特征数据，利用原始特征数据无法直接进行缺失信息的准确预测。

S120、对原始特征数据进行结构化处理，获得目标特征数据。

具体地，可以基于结构化语言，对原始特征数据进行结构化处理，从而将原始特征数据转换为具有特定结构的目标特征数据。其中，结构化语言可以是但不限于JSON(JavaScript Object Notation，JS对象简谱)。

示例性地，可以对所有的对象特征进行分组划分，将属于同一特征类型的对象特征作为一组，从而可以更加充分地表征同一组中的对象特征的内在关联。例如，与对象内容相关的对象特征可以划分为一组，用于表征对象性能的对象特征可以划分为一组。

示例性地，结构化的目标特征数据可以包括至少一组特征类别数据，每组特征类别数据包括至少一个对象特征和相应的特征值。需要说明的是，不同对象特征对应的特征值可能相同，也可能不同，从而目标特征数据中需要包含有对象特征的名称，以便识别相同特征值的不同含义。

例如，JSON结构的目标特征数据可以如下所示：

其中，a1，a2，b1和b2均为对象特征的名称。a2的特征值和b1的特征值为空值null，也就是原始特征数据中缺失的特征值。

又如，JSON结构的目标特征数据也可以如下所示：

其中，A为第一组特征类别数据的类别名称，B为第二组特征类别数据的类别名称。通过将每组特征类别数据的类别名称也添加至目标类型数据中，可以更加充分地表征同一组中的对象特征之间的关联以及不同组中的对象特征之间的关联，进一步提高信息预测的准确性。

S130、对目标特征数据中缺失特征值的位置进行掩码标记，获得掩码后的目标特征数据。

其中，目标特征数据中缺失的特征值可以为一个或多个。每个缺失特征值的位置处均需要进行掩码标记，以便可以同时预测出缺失的所有特征值。

具体地，可以在目标特征数据中缺失特征值的位置处标记预设掩码符，从而利用预设掩码符可以标识出目标特征数据中需要预测的信息位置。其中，预设掩码符号可以是但不限于：<MASK>。例如，可以将目标特征数据中的空值标识(比如null)替换为预设掩码符号(比如<MASK>)，从而实现目标特征数据中缺失特征值位置的掩码标记。例如，对上述的JSON结构的目标特征数据进行掩码标记后的目标特征数据如下所示：

S140、基于目标预测网络模型和掩码后的目标特征数据进行掩码位置的信息预测，确定原始特征数据中缺失的目标特征值，其中，目标预测网络模型是预先基于预训练语言模型进行掩码训练获得的。

应该理解，利用丰富的对象特征可以对目标对象进行多角度描述，并且这些对象特征中蕴含着内在关联。例如，视频类型与视频画面分辨率具有关联，比如美妆视频类型的画面分辨率较高。据此，可以通过充分挖掘对象特征之间的关联性进行缺失特征值的准确预测。

其中，预训练语言模型可以是预先利用大量语言数据进行训练所获得的一个通用网络模型。由于输入的特征数据为文本序列，输出的预测信息也为一个文本序列，因此预训练语言模型是指文本到文本的生成式结构。例如，预训练语言模型可以是但不限于T5(Text-to-Text Transfer Transformer)模型。T5模型是通过在海量文本中进行无监督学习，从而挖掘出语言中的内在关联。利用T5模型可以更好地学习文本中的语义关联。目标预测网络模型是在预训练语言模型的基础上进行较为少量数据的掩码训练所获得的用于预测缺失信息的特定模型。掩码训练可以是指基于文本上下文，对文本中随机遮掩的字或者词进行预测还原，使得训练出的目标预测网络模型具有准确预测缺失信息的能力。

具体地，通过基于结构化的完整的样本特征数据，对预训练语言模型进行掩码训练，可以更加快速准确地获得训练好的目标预测网络模型。将掩码后的目标特征数据输入至预先掩码训练获得的目标预测网络模型中，目标预测网络模型可以对输入的目标特征数据中掩码位置处的信息进行准确预测，比如预测每个标识有<MASK>位置处的信息，并将预测出的信息进行输出，从而基于目标预测网络模型的输出，可以获得原始特征数据中缺失的所有目标特征值，从而利用目标预测网络模型实现了缺失信息的准确预测。例如，若原始特征数据中存在多个缺失的特征值，则目标预测网络模型输出的是预测出的多个特征值组成的序列文本，比如输出的序列文本为：<X>a1的特征值<X>b1的特征值<X>，其中<X>为分隔符。

示例性地，在确定原始特征数据中缺失的目标特征值之后，可以将目标特征值补充至原始特征数据中的相应位置，从而实现原始特征数据的补全。通过利用补全后完整的原始特征数据对目标对象进行后续分析，大大提高了对象分析的准确性。

本公开实施例的技术方案，通过预先基于预训练语言模型进行掩码训练，可以快速地获得能够准确预测信息的目标预测网络模型。对目标对象的原始特征数据进行结构化处理，获得特定结构下的目标特征数据，并对目标特征数据中缺失特征值的位置进行掩码标记，获得掩码后的目标特征数据。可以将掩码后的目标特征数据输入至预先训练好的目标预测网络模型，以使目标预测网络模型对输入的目标特征数据中掩码位置处的信息进行准确预测，获得原始特征数据中缺失的目标特征值，从而利用目标预测网络模型实现了缺失信息的准确预测。

在上述技术方案的基础上，在步骤S120之后，还可以包括：确定目标特征数据中的连续型特征对应的连续特征值；对连续特征值进行离散化处理，获得离散特征值，并更新目标特征数据中的连线特征值为相应的离散特征值。

其中，对象特征可以包括连续型特征和离散型特征。连续型特征可以是指特征值连续变化的对象特征。例如，连续型特征可以包括数值型特征，比如视频播放量等。连续特征值的取值情况是无限的。离散特征值的取值情况是有限的，可枚举的。

具体地，为了降低模型的训练难度和提高信息预测的准确性，需要对结构化的目标特征数据中的每个连续型特征进行离散化处理。可以基于分桶方式，对每个连续型特征对应的连续特征值进行离散化处理，获得每个连续型特征对应的离散特征值。其中，分桶方式可以是指连续的整个值域范围划分为多个桶，每个桶对应一段值域范围，比如，0-99可以等分为0-9、10-19，……、90-99十个桶。若某个连续型特征对应的连续特征值为5，则离散化后的离散特征值为0-9。通过将目标特征数据中的连线特征值更新为相应的离散特征值，使得目标特征数据中的所有特征值均为离散特征值，基于这样的目标特征数据进行缺失信息预测，预测出的特征值也为离散特征值。例如，若缺失的特征值为连续特征值，比如缺失视频播放数量，则预测出的特征值为包含缺失有该连续特征值的离散特征值范围，比如5000-10000，从而可以降低预测难度，同时也会提高信息预测的准确性。

在上述各技术方案的基础上，步骤S130可以包括：基于目标特征数据中缺失特征值的对象特征数量和对象特征总数量，确定目标特征数据对应的特征值缺失率；若特征值缺失率小于或等于预设缺失率，则对目标特征数据中缺失特征值的位置进行掩码标记，获得掩码后的目标特征数据。

其中，对象特征总数量可以是指目标特征数据中包含的所有对象特征的总数量。特征值缺失率可以是衡量目标特征数据中的特征值缺失程度。预设缺失率可以是预先设置的，允许利用目标网络预测模型进行信息预测的最大特征值缺失率。

具体地，可以将目标特征数据中缺失特征值的对象特征数量与对象特征总数量进行相除，获得该目标特征数据对应的特征值缺失率。将特征值缺失率与预设缺失率进行比较，确定是否能够利用目标网络预测模型进行缺失信息的准确预测。在特征值缺失率小于或等于预设缺失率时，表明目标特征数据中缺失的特征值较少，此时可以进行后续的信息预测操作，以便利用目标网络预测模型挖掘目标特征数据中未缺失的特征值与缺失的特征值之间的内在关联，从而准确预测出缺失的特征值。在特征值缺失率大于预设缺失率时，表明目标特征数据中缺失了大量的特征值，目标网络预测模型仅基于未缺失的少量特征值无法准确预测出大量的缺失值，此时需要停止利用目标网络预测模型进行信息预测。

示例性地，在特征值缺失率大于预设缺失率时，可以基于目标对象中缺失特征值的每个目标对象特征对应的历史特征值，预测出缺失的目标特征值。例如，可以将历史特征值的平均值作为缺失的目标特征值进行数据补全。又如，可以利用历史特征值，对目标特征数据中缺失的部分特征值进行补全，以使部分补全后的目标特征数据的特征值缺失率小于或等于预设缺失率，之后再利用目标预测网络模型对部分补全后的目标特征数据中仍缺失的特征值进行信息预测，进而保证信息预测的准确性。

在上述各技术方案的基础上，步骤S130可以包括：将掩码后的目标特征数据输入至目标预测网络模型进行每个掩码位置的信息预测，并基于目标预测网络模型的输出，获得每个掩码位置对应的预测特征值和相应的预测概率；将预测概率大于或等于预设概率阈值的预测特征值确定为原始特征数据中缺失的目标特征值。

应该理解，每个掩码位置对应缺失的一个特征值。目标特征数据中可能存在一个或多个缺失的特征值，即掩码位置的数量也可能为一个或多个。

具体地，目标预测网络模型可以利用编解码方式，对输入的目标特征数据中的每个掩码位置处的信息进行预测还原，获得预测出的每个掩码位置对应的预测特征值和该预测特征值对应的预测概率。预测概率可以用于表征预测特征值是真实特征值的概率。当预测特征值对应的预测概率小于预设概率阈值时，表明该预测特征值并不是真实的特征值，不能将该预测特征值作为缺失的目标特征值进行补全。当预测特征值对应的预测概率大于或等于预设概率阈值时，表明该预测特征值预测准确，此时可以将该预测特征值作为缺失的目标特征值进行补全，从而可以保证补全的特征值的精确性。

图2为本公开实施例所提供的另一种信息预测方法的流程示意图，本公开实施例在上述公开实施例的基础上，对预训练语言模型的掩码训练过程进行了详细描述。其中与上述各公开实施例相同或相应的术语的解释在此不再赘述。

如图2所示，信息预测方法具体包括以下步骤：

S210、获取结构化的完整的样本特征数据。

具体地，针对样本对象采集完整的原始特征数据，并对该原始特征数据进行结构化处理，获得具有特定结构(比如JSON结构)的完整的样本特征数据。样本特征数据中的每个对象均对应一个特征值，不存在缺失的特征值。

示例性地，为了降低模型的训练难度和提高信息预测的准确性，可以对样本特征数据中的每个连续型特征进行离散化处理，获得离散特征值，并更新样本特征数据中的连线特征值为相应的离散特征值，使得样本特征数据中的所有特征值均为离散特征值。通过利用这样的样本特征数据进行掩码训练，所预测出的特征值也是离散形式的特征值，从而可以降低模型的预测难度和训练难度，提高信息预测的准确性。

S220、对样本特征数据中的样本特征值进行随机掩码处理，获得掩码后的样本特征数据。

具体地，可以基于预设缺失率，即缺失的特征值最大比例，对样本特征数据中的特征值进行随机掩码处理。其中，预设缺失率为15％。例如，将样本特征数据中的对象特征总数量与预设缺失率进行相乘，获得需要掩码的样本特征值数量，并从样本特征数据中随机选取该数量的样本特征值进行掩码，比如将选取的样本特征值替换为预设掩码符号(比如<MASK>)，以便对样本特征数据中掩码位置处的样本特征值进行预测。被预设掩码符号替换的样本特征值为真实的特征值，其作为模型训练的标签。

需要说明的是，仅对样本特征数据中具体的样本特征值进行掩码处理，无需对样本特征数据中的对象特征进行掩码，比如“视频类型”对应的特征值为：“美妆”，则仅对“美妆”进行遮掩，无需对“视频类型”这个对象特征的名称进行遮掩，以便基于所有的对象特征和其他未被掩码的特征值，对掩码的特征值进行准确预测。

示例性地，步骤S220可以包括：对样本特征数据中的特征类别数据的排列顺序进行随机打乱，获得打乱后的样本特征数据；对打乱后的样本特征数据中的样本特征值进行随机掩码处理，获得掩码后的样本特征数据。

具体地，类似于上述的目标特征数据，样本特征数据也可以包括至少一组特征类别数据，每组特征类别数据包括至少一个对象特征和相应的样本特征值。为了避免对象特征过多、位于不同特征类别数据中的两个具有关联的对象特征之间的距离过远，比如JSON数据中的第一组特征类别数据中的对象特征与最后一组特征类别数据中的对象特征存在关联，从而在模型训练时，先对样本特征数据中的特征类别数据的排列顺序进行随机打乱，也就是将JSON数据中的段落顺序进行随机打乱，再基于预设缺失率，对打乱后的样本特征数据中的样本特征值进行随机掩码处理，获得掩码后的样本特征数据。利用打乱排列顺序的特征类别数据进行模型训练，可以使得模型更加充分学习到不同对象特征之间的语义关联，进一步提高信息预测的准确性。

需要说明的是，可以先随机打乱特征类别数据的排列顺序，再进行样本特征值的随机掩码，也可以先进行样本特征值的随机掩码，再随机打乱特征类别数据的排列顺序，本实施例对这两个步骤的执行顺序不做限定。

S230、将掩码后的样本特征数据输入至预训练语言模型中进行掩码位置的信息预测，获得预测出的样本特征值。

具体地，预训练语言模型可以基于编解码方式，对输入的掩码后的样本特征数据中的每个掩码位置进行信息预测，并将预测出的每个掩码位置对应的样本特征值进行输出，从而基于预训练语言模型的输出，获得预测出的每个掩码位置对应的样本特征值。

S240、基于预测出的样本特征值和被掩码的样本特征值确定训练误差，并将训练误差反向传播至预训练语言模型，调整预训练语言模型中的网络参数，直到满足预设收敛条件时，将当前的预训练语言模型作为目标预测网络模型。

应该理解，预测出的样本特征值为当次训练输出的预测结果。被掩码的样本特征值为真实的特征值，即训练标签。通过基于损失函数、预测出的样本特征值和被掩码的样本特征值可以确定出当次训练的训练误差，将训练误差反向传播至预训练语言模型中，调整预训练语言模型中的网络参数，并对调整后的预训练语言模型进行下次迭代训练，直到满足预设收敛条件，比如迭代次数等于预设次数，或者训练误差变化趋于平稳时，确定预训练语言模型的掩码训练结束，并将此时的预训练语言模型作为能够准确预测信息的目标预测网络模型。通过在预训练语言模型的基础上进行掩码信息预测任务的训练，可以更加快速地获得目标预测网络模型，提高了模型训练效率和准确性。

S250、获取目标对象的原始特征数据。

S260、对原始特征数据进行结构化处理，获得目标特征数据。

S270、对目标特征数据中缺失特征值的位置进行掩码标记，获得掩码后的目标特征数据。

S280、基于目标预测网络模型和掩码后的目标特征数据进行掩码位置的信息预测，确定原始特征数据中缺失的目标特征值。

本公开实施例的技术方案，通过利用训练误差反向传播，更新预训练语言模型中的网络参数的训练方式，可以在预训练语言模型的基础上进行掩码信息预测任务的训练，更加快速准确地获得目标预测网络模型，提高了模型训练效率和准确性。

图3为本公开实施例所提供的一种信息预测装置的结构示意图，如图3所示，该装置具体包括：原始特征数据获取模块310、结构化处理模块320、掩码标记模块330和信息预测模块340。

其中，原始特征数据获取模块310，用于获取目标对象的原始特征数据；结构化处理模块320，用于对所述原始特征数据进行结构化处理，获得目标特征数据；掩码标记模块330，用于对所述目标特征数据中缺失特征值的位置进行掩码标记，获得掩码后的目标特征数据；信息预测模块340，用于基于目标预测网络模型和掩码后的目标特征数据进行掩码位置的信息预测，确定所述原始特征数据中缺失的目标特征值，其中，所述目标预测网络模型是预先基于预训练语言模型进行掩码训练获得的。

在上述技术方案的基础上，所述目标特征数据包括至少一组特征类别数据，每组特征类别数据包括至少一个对象特征和相应的特征值。

在上述各技术方案的基础上，该装置还包括：预训练语言模型训练模块；

预训练语言模型训练模块，包括：

样本特征数据获取单元，用于获取结构化的完整的样本特征数据；

样本特征值掩码单元，用于对所述样本特征数据中的样本特征值进行随机掩码处理，获得掩码后的样本特征数据；

样本特征数据输入单元，用于将掩码后的样本特征数据输入至预训练语言模型中进行掩码位置的信息预测，获得预测出的样本特征值；

反向传播单元，用于基于预测出的样本特征值和被掩码的样本特征值确定训练误差，并将所述训练误差反向传播至预训练语言模型，调整预训练语言模型中的网络参数，直到满足预设收敛条件时，将当前的预训练语言模型作为目标预测网络模型。

在上述各技术方案的基础上，样本特征值掩码单元，具体用于：

对所述样本特征数据中的特征类别数据的排列顺序进行随机打乱，获得打乱后的样本特征数据；对打乱后的样本特征数据中的样本特征值进行随机掩码处理，获得掩码后的样本特征数据。

在上述各技术方案的基础上，该装置还包括：

连续特征值确定模块，用于在对所述原始特征数据进行结构化处理，获得目标特征数据之后，确定所述目标特征数据中的连续型特征对应的连续特征值；

离散化处理模块，用于对所述连续特征值进行离散化处理，获得离散特征值，并更新所述目标特征数据中的连线特征值为相应的离散特征值。

在上述各技术方案的基础上，掩码标记模块330，具体用于：

基于所述目标特征数据中缺失特征值的对象特征数量和对象特征总数量，确定所述目标特征数据对应的特征值缺失率；若所述特征值缺失率小于或等于预设缺失率，则对所述目标特征数据中缺失特征值的位置进行掩码标记，获得掩码后的目标特征数据。

在上述各技术方案的基础上，信息预测模块340，具体用于：

将掩码后的目标特征数据输入至目标预测网络模型进行每个掩码位置的信息预测，并基于所述目标预测网络模型的输出，获得每个掩码位置对应的预测特征值和相应的预测概率；将所述预测概率大于或等于预设概率阈值的预测特征值确定为所述原始特征数据中缺失的目标特征值。

本公开实施例所提供的信息预测装置可执行本公开任意实施例所提供的信息预测方法，具备执行信息预测方法相应的功能模块和有益效果。

值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本公开实施例的保护范围。

图4为本公开实施例所提供的一种电子设备的结构示意图。下面参考图4，其示出了适于用来实现本公开实施例的电子设备(例如图4中的终端设备或服务器)500的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图4所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。编辑/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

本公开实施例提供的电子设备与上述实施例提供的信息预测方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。

本公开实施例提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所提供的信息预测方法。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标对象的原始特征数据；对所述原始特征数据进行结构化处理，获得目标特征数据；对所述目标特征数据中缺失特征值的位置进行掩码标记，获得掩码后的目标特征数据；基于目标预测网络模型和掩码后的目标特征数据进行掩码位置的信息预测，确定所述原始特征数据中缺失的目标特征值，其中，所述目标预测网络模型是预先基于预训练语言模型进行掩码训练获得的。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开的一个或多个实施例，【示例一】提供了一种信息预测方法，包括：

获取目标对象的原始特征数据；

对所述原始特征数据进行结构化处理，获得目标特征数据；

对所述目标特征数据中缺失特征值的位置进行掩码标记，获得掩码后的目标特征数据；

基于目标预测网络模型和掩码后的目标特征数据进行掩码位置的信息预测，确定所述原始特征数据中缺失的目标特征值，其中，所述目标预测网络模型是预先基于预训练语言模型进行掩码训练获得的。

根据本公开的一个或多个实施例，【示例二】提供了一种信息预测方法，还包括：

可选的，所述目标特征数据包括至少一组特征类别数据，每组特征类别数据包括至少一个对象特征和相应的特征值。

根据本公开的一个或多个实施例，【示例三】提供了一种信息预测方法，还包括：

可选的，基于预训练语言模型进行掩码训练，获得目标预测网络模型，包括：

获取结构化的完整的样本特征数据；

对所述样本特征数据中的样本特征值进行随机掩码处理，获得掩码后的样本特征数据；

将掩码后的样本特征数据输入至预训练语言模型中进行掩码位置的信息预测，获得预测出的样本特征值；

基于预测出的样本特征值和被掩码的样本特征值确定训练误差，并将所述训练误差反向传播至预训练语言模型，调整预训练语言模型中的网络参数，直到满足预设收敛条件时，将当前的预训练语言模型作为目标预测网络模型。

根据本公开的一个或多个实施例，【示例四】提供了一种信息预测方法，还包括：

可选的，所述对所述样本特征数据中的样本特征值进行随机掩码处理，获得掩码后的样本特征数据，包括：

对所述样本特征数据中的特征类别数据的排列顺序进行随机打乱，获得打乱后的样本特征数据；

对打乱后的样本特征数据中的样本特征值进行随机掩码处理，获得掩码后的样本特征数据。

根据本公开的一个或多个实施例，【示例五】提供了一种信息预测方法，还包括：

可选的，在对所述原始特征数据进行结构化处理，获得目标特征数据之后，还包括：

确定所述目标特征数据中的连续型特征对应的连续特征值；

对所述连续特征值进行离散化处理，获得离散特征值，并更新所述目标特征数据中的连线特征值为相应的离散特征值。

根据本公开的一个或多个实施例，【示例六】提供了一种信息预测方法，还包括：

可选的，所述对所述目标特征数据中缺失特征值的位置进行掩码标记，获得掩码后的目标特征数据，包括：

基于所述目标特征数据中缺失特征值的对象特征数量和对象特征总数量，确定所述目标特征数据对应的特征值缺失率；

若所述特征值缺失率小于或等于预设缺失率，则对所述目标特征数据中缺失特征值的位置进行掩码标记，获得掩码后的目标特征数据。

根据本公开的一个或多个实施例，【示例七】提供了一种信息预测方法，还包括：

可选的，所述基于目标预测网络模型和掩码后的目标特征数据进行掩码位置的信息预测，确定所述原始特征数据中缺失的目标特征值，包括：

将掩码后的目标特征数据输入至目标预测网络模型进行每个掩码位置的信息预测，并基于所述目标预测网络模型的输出，获得每个掩码位置对应的预测特征值和相应的预测概率；

将所述预测概率大于或等于预设概率阈值的预测特征值确定为所述原始特征数据中缺失的目标特征值。

根据本公开的一个或多个实施例，【示例八】提供了一种信息预测装置，包括：

原始特征数据获取模块，用于获取目标对象的原始特征数据；

结构化处理模块，用于对所述原始特征数据进行结构化处理，获得目标特征数据；

掩码标记模块，用于对所述目标特征数据中缺失特征值的位置进行掩码标记，获得掩码后的目标特征数据；

信息预测模块，用于基于目标预测网络模型和掩码后的目标特征数据进行掩码位置的信息预测，确定所述原始特征数据中缺失的目标特征值，其中，所述目标预测网络模型是预先基于预训练语言模型进行掩码训练获得的。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种信息预测方法，其特征在于，包括：

获取目标对象的原始特征数据；

对所述原始特征数据进行结构化处理，获得目标特征数据；

对所述目标特征数据中缺失特征值的位置进行掩码标记，获得掩码后的目标特征数据；

基于目标预测网络模型和掩码后的目标特征数据进行掩码位置的信息预测，确定所述原始特征数据中缺失的目标特征值，其中，所述目标预测网络模型是预先基于预训练语言模型进行掩码训练获得的。

2.根据权利要求1所述的信息预测方法，其特征在于，所述目标特征数据包括至少一组特征类别数据，每组特征类别数据包括至少一个对象特征和相应的特征值。

3.根据权利要求1所述的信息预测方法，其特征在于，基于预训练语言模型进行掩码训练，获得目标预测网络模型，包括：

获取结构化的完整的样本特征数据；

对所述样本特征数据中的样本特征值进行随机掩码处理，获得掩码后的样本特征数据；

将掩码后的样本特征数据输入至预训练语言模型中进行掩码位置的信息预测，获得预测出的样本特征值；

基于预测出的样本特征值和被掩码的样本特征值确定训练误差，并将所述训练误差反向传播至预训练语言模型，调整预训练语言模型中的网络参数，直到满足预设收敛条件时，将当前的预训练语言模型作为目标预测网络模型。

4.根据权利要求3所述的信息预测方法，其特征在于，所述对所述样本特征数据中的样本特征值进行随机掩码处理，获得掩码后的样本特征数据，包括：

对所述样本特征数据中的特征类别数据的排列顺序进行随机打乱，获得打乱后的样本特征数据；

对打乱后的样本特征数据中的样本特征值进行随机掩码处理，获得掩码后的样本特征数据。

5.根据权利要求1所述的信息预测方法，其特征在于，在对所述原始特征数据进行结构化处理，获得目标特征数据之后，还包括：

确定所述目标特征数据中的连续型特征对应的连续特征值；

对所述连续特征值进行离散化处理，获得离散特征值，并更新所述目标特征数据中的连线特征值为相应的离散特征值。

6.根据权利要求1所述的信息预测方法，其特征在于，所述对所述目标特征数据中缺失特征值的位置进行掩码标记，获得掩码后的目标特征数据，包括：

基于所述目标特征数据中缺失特征值的对象特征数量和对象特征总数量，确定所述目标特征数据对应的特征值缺失率；

若所述特征值缺失率小于或等于预设缺失率，则对所述目标特征数据中缺失特征值的位置进行掩码标记，获得掩码后的目标特征数据。

7.根据权利要求1-6任一项所述的信息预测方法，其特征在于，所述基于目标预测网络模型和掩码后的目标特征数据进行掩码位置的信息预测，确定所述原始特征数据中缺失的目标特征值，包括：

将掩码后的目标特征数据输入至目标预测网络模型进行每个掩码位置的信息预测，并基于所述目标预测网络模型的输出，获得每个掩码位置对应的预测特征值和相应的预测概率；

将所述预测概率大于或等于预设概率阈值的预测特征值确定为所述原始特征数据中缺失的目标特征值。

8.一种信息预测装置，其特征在于，包括：

原始特征数据获取模块，用于获取目标对象的原始特征数据；

结构化处理模块，用于对所述原始特征数据进行结构化处理，获得目标特征数据；

掩码标记模块，用于对所述目标特征数据中缺失特征值的位置进行掩码标记，获得掩码后的目标特征数据；

信息预测模块，用于基于目标预测网络模型和掩码后的目标特征数据进行掩码位置的信息预测，确定所述原始特征数据中缺失的目标特征值，其中，所述目标预测网络模型是预先基于预训练语言模型进行掩码训练获得的。

9.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的信息预测方法。

10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的信息预测方法。