序列处理方法、动作预测方法、装置、设备及介质与流程

本公开涉及人工智能，尤其涉及一种序列处理方法、动作预测方法、装置、设备及介质。

背景技术：

1、在个性化推荐、智能交互等应用场景中，对目标对象未来动作的精准预测是提升系统智能化水平的关键。例如，通过对目标对象的历史动作序列进行深度挖掘与分析，能够从中提取出目标对象的动作模式，在实际预测场景中将动作模式作为预测先验信息，辅助预测目标对象在给定场景下的动作；从而预测先验信息的准确度与动作预测的准确度紧密关联。

2、相关技术中，在对历史动作序列进行分析时，往往难以捕捉分散在历史动作序列中的相关特征，导致分析得到的预测先验信息存在偏差，进而导致动作预测的准确度低。

技术实现思路

1、本公开提供一种序列处理方法、动作预测方法、装置、设备及介质，以至少解决相关技术中在对历史动作序列进行分析时，往往难以捕捉分散在历史动作序列中的模式特征，导致分析得到的预测先验信息存在偏差，进而导致动作预测的准确度低的问题。本公开的技术方案如下：

2、根据本公开实施例的第一方面，提供一种序列处理方法，所述方法包括：

3、对目标对象的历史动作序列进行子序列采样，得到多个样本子序列；每个所述样本子序列中包括多个元素，每个所述元素包括历史场景和所述历史场景对应的历史动作；

4、基于每个所述样本子序列中的第一元素和每个所述样本子序列的末尾元素中的历史场景进行动作预测，得到所述目标对象在所述末尾元素中的历史场景下的第一预测动作和在动作预测过程中的预测推理信息；所述第一元素为每个所述样本子序列中除所述末尾元素以外的其他元素；

5、基于每个所述样本子序列、所述末尾元素中的历史动作与所述第一预测动作的动作比较信息、所述预测推理信息进行先验信息提取，得到预测先验信息；所述预测先验信息用于对所述目标对象在待预测场景下的动作预测提供指导。

6、在一示例性实施例中，所述预测先验信息包括所述目标对象的动作先验信息；所述动作先验信息表征所述目标对象在历史时间段内的动作偏好；

7、所述基于每个所述样本子序列、所述末尾元素中的历史动作与所述第一预测动作的动作比较信息、所述预测推理信息进行先验信息提取，得到预测先验信息，包括：

8、在所述预测推理信息包括第一推理信息的情况下，基于每个所述样本子序列、所述动作比较信息对所述第一推理信息进行信息处理，得到所述动作先验信息；所述第一推理信息为与所述目标对象的动作偏好关联的推理信息。

9、在一示例性实施例中，所述预测先验信息包括所述目标对象的偏见先验信息；所述偏见先验信息为指示预测模型规避预设推理倾向的约束信息；

10、所述基于每个所述样本子序列、所述末尾元素中的历史动作与所述第一预测动作的动作比较信息、所述预测推理信息进行先验信息提取，得到预测先验信息，包括：

11、在所述预测推理信息包括第二推理信息的情况下，基于每个所述样本子序列、所述动作比较信息对所述第二推理信息进行信息处理，得到所述偏见先验信息；所述第二推理信息为与所述预测模型的推理倾向关联的推理信息。

12、在一示例性实施例中，所述基于每个所述样本子序列、所述末尾元素中的历史动作与所述第一预测动作的动作比较信息、所述预测推理信息进行先验信息提取，得到预测先验信息，包括：

13、基于每个所述样本子序列、所述动作比较信息以及所述预测推理信息进行先验信息提取，得到每个所述样本子序列对应的至少一条候选先验信息；

14、对至少一条所述候选先验信息进行可靠性验证，基于可靠性验证结果从至少一条所述候选先验信息中确定所述预测先验信息。

15、在一示例性实施例中，所述对至少一条所述候选先验信息进行可靠性验证，基于可靠性验证结果从至少一条所述候选先验信息中确定所述预测先验信息，包括：

16、对每个所述样本子序列的第一元素中的历史动作进行动作改写，得到改写子序列；

17、对至少一条所述候选先验信息与所述改写子序列进行匹配，得到匹配结果；

18、基于所述匹配结果，从至少一条所述候选先验信息中确定已验证先验信息；所述已验证先验信息与所述改写子序列不匹配；

19、基于所述已验证先验信息确定所述预测先验信息。

20、在一示例性实施例中，所述对至少一条所述候选先验信息进行可靠性验证，基于可靠性验证结果从至少一条所述候选先验信息中确定所述预测先验信息，包括：

21、对每个所述样本子序列的末尾元素中的历史场景进行场景改写，得到多个改写场景；

22、基于所述末尾元素中的历史场景和多个所述改写场景生成多个候选场景；

23、在至少一条所述候选先验信息的指示下对多个所述候选场景进行场景选择，得到至少一条所述候选先验信息对应的场景选择结果；

24、基于所述场景选择结果，从至少一条所述候选先验信息中确定已验证先验信息；所述已验证先验信息对应的场景选择结果指示没有选择所述历史场景；

25、基于所述已验证先验信息确定所述预测先验信息。

26、在一示例性实施例中，所述对至少一条所述候选先验信息进行可靠性验证，基于可靠性验证结果从至少一条所述候选先验信息中确定所述预测先验信息，包括：

27、从所述历史动作序列中获取与每条所述候选先验信息相匹配的正样本序列集，以及与每条所述候选先验信息不匹配的负样本序列集；

28、基于每条所述候选先验信息对所述正样本序列集中的多个正样本序列分别进行约束编码，得到多个所述正样本序列各自对应的第一序列特征；

29、基于每条所述候选先验信息对所述负样本序列集中的多个负样本序列分别进行约束编码，得到多个所述负样本序列各自对应的第二序列特征；

30、在任意两个所述正样本序列各自对应的第一序列特征的第一距离小于第一预设距离，且任一正样本序列对应的第一序列特征与任一负样本序列对应的第二序列特征的第二距离均大于等于第二预设距离的情况下，将每个所述候选先验信息确定为已验证信息；

31、基于所述已验证先验信息确定所述预测先验信息。

32、在一示例性实施例中，所述基于所述已验证先验信息确定所述预测先验信息，包括：

33、将所述已验证先验信息添加到先验信息集合中；

34、在所述先验信息集合中包括目标先验信息组的情况下，基于所述目标先验信息组生成所述预测先验信息；所述目标先验信息组基于所述先验信息集合中的多条语义相似或者语义相同的已验证先验信息确定；

35、所述方法还包括：

36、在基于所述目标先验信息生成所述预测先验信息的情况下，从所述先验信息集合中删除所述目标先验信息组。

37、在一示例性实施例中，所述基于每个所述样本子序列中的第一元素和每个所述样本子序列的末尾元素中的历史场景进行动作预测，得到所述目标对象在所述末尾元素中的历史场景下的第一预测动作和在动作预测过程中的预测推理信息，包括：

38、基于每个所述样本子序列中的第一元素、每个所述样本子序列的末尾元素中的历史场景和历史先验信息进行动作预测，得到所述第一预测动作和所述预测推理信息；所述历史先验信息为在所述预测先验信息生成之前，用于对所述目标对象在给定场景下的动作预测提供指导的信息。

39、在一示例性实施例中，所述对目标对象的历史动作序列进行子序列采样，得到多个样本子序列，包括：

40、对所述历史动作序列进行子序列采样，得到多个采样子序列；每个所述采样子序列中包括多个元素，每个所述元素包括历史场景和所述历史场景对应的历史动作；

41、基于每个所述采样子序列中的第二元素和每个所述采样子序列的末尾元素中的历史场景进行动作预测，得到所述目标对象在所述末尾元素中的历史场景下的第二预测动作和所述第二预测动作的预测置信度；所述第二元素为每个所述采样子序列中除所述末尾元素以外的其他元素；

42、基于多个所述采样子序列和多个所述采样子序列各自对应的第二预测动作的预测置信度，确定多个所述样本子序列。

43、在一示例性实施例中，所述基于多个所述采样子序列和多个所述采样子序列各自对应的第二预测动作的预测置信度，确定多个所述样本子序列，包括：

44、从多个所述采样子序列中确定多个所述样本子序列；多个所述样本子序列各自对应的第二预测动作的预测置信度均小于等于预设置信度。

45、在一示例性实施例中，所述基于多个所述采样子序列和多个所述采样子序列各自对应的第二预测动作的预测置信度，确定多个所述样本子序列，包括：

46、按照多个所述采样子序列各自对应的第二预测动作的预测置信度从低到高的顺序，对多个所述采样子序列进行排序，得到多个所述样本子序列；

47、所述基于每个所述样本子序列中的第一元素和每个所述样本子序列的末尾元素中的历史场景进行动作预测，得到所述目标对象在所述末尾元素中的历史场景下的第一预测动作和在动作预测过程中的预测推理信息，包括：

48、基于预测置信度从低到高的顺序的顺序对多个所述样本子序列进行遍历，基于每个所述样本子序列中的第一元素和每个所述样本子序列的末尾元素中的历史场景进行动作预测，得到所述第一预测动作和所述预测推理信息。

49、根据本公开实施例的第二方面，提供一种动作预测方法，其特征在于，所述方法包括：

50、获取目标对象对应的预测先验信息和所述目标对象的动作子序列；所述动作子序列为所述目标对象的历史动作序列的子序列，且所述动作子序列的末尾元素与所述历史动作序列的末尾元素一致；所述预测先验信息基于上述第一方面的序列处理方法确定；

51、基于所述预测先验信息、所述动作子序列和待预测场景进行动作预测，得到所述目标对象在所述待预测场景下的第三预测动作。

52、根据本公开实施例的第三方面，提供一种序列处理装置，所述装置包括：

53、子序列采样单元，被配置为执行对目标对象的历史动作序列进行子序列采样，得到多个样本子序列；每个所述样本子序列中包括多个元素，每个所述元素包括历史场景和所述历史场景对应的历史动作；

54、第一预测单元，被配置为执行基于每个所述样本子序列中的第一元素和每个所述样本子序列的末尾元素中的历史场景进行动作预测，得到所述目标对象在所述末尾元素中的历史场景下的第一预测动作和在动作预测过程中的预测推理信息；所述第一元素为每个所述样本子序列中除所述末尾元素以外的其他元素；

55、先验信息确定单元，被配置为执行基于每个所述样本子序列、所述末尾元素中的历史动作与所述第一预测动作的动作比较信息、所述预测推理信息进行先验信息提取，得到预测先验信息；所述预测先验信息用于对所述目标对象在待预测场景下的动作预测提供指导。

56、在一示例性实施例中，所述预测先验信息包括所述目标对象的动作先验信息；所述动作先验信息表征所述目标对象在历史时间段内的动作偏好；

57、所述先验信息确定单元，被配置为执行：

58、在所述预测推理信息包括第一推理信息的情况下，基于每个所述样本子序列、所述动作比较信息对所述第一推理信息进行信息处理，得到所述动作先验信息；所述第一推理信息为与所述目标对象的动作偏好关联的推理信息。

59、在一示例性实施例中，所述预测先验信息包括所述目标对象的偏见先验信息；所述偏见先验信息为指示预测模型规避预设推理倾向的约束信息；

60、所述先验信息确定单元，被配置为执行：

61、在所述预测推理信息包括第二推理信息的情况下，基于每个所述样本子序列、所述动作比较信息对所述第二推理信息进行信息处理，得到所述偏见先验信息；所述第二推理信息为与所述预测模型的推理倾向关联的推理信息。

62、在一示例性实施例中，所述先验信息确定单元，被配置为执行：

63、基于每个所述样本子序列、所述动作比较信息以及所述预测推理信息进行先验信息提取，得到每个所述样本子序列对应的至少一条候选先验信息；

64、对至少一条所述候选先验信息进行可靠性验证，基于可靠性验证结果从至少一条所述候选先验信息中确定所述预测先验信息。

65、在一示例性实施例中，所述先验信息确定单元，被配置为执行：

66、对每个所述样本子序列的第一元素中的历史动作进行动作改写，得到改写子序列；

67、对至少一条所述候选先验信息与所述改写子序列进行匹配，得到匹配结果；

68、基于所述匹配结果，从至少一条所述候选先验信息中确定已验证先验信息；所述已验证先验信息与所述改写子序列不匹配；

69、基于所述已验证先验信息确定所述预测先验信息。

70、在一示例性实施例中，所述先验信息确定单元，被配置为执行：

71、对每个所述样本子序列的末尾元素中的历史场景进行场景改写，得到多个改写场景；

72、基于所述末尾元素中的历史场景和多个所述改写场景生成多个候选场景；

73、在至少一条所述候选先验信息的指示下对多个所述候选场景进行场景选择，得到至少一条所述候选先验信息对应的场景选择结果；

74、基于所述场景选择结果，从至少一条所述候选先验信息中确定已验证先验信息；所述已验证先验信息对应的场景选择结果指示没有选择所述历史场景；

75、基于所述已验证先验信息确定所述预测先验信息。

76、在一示例性实施例中，所述先验信息确定单元，被配置为执行：

77、从所述历史动作序列中获取与每条所述候选先验信息相匹配的正样本序列集，以及与每条所述候选先验信息不匹配的负样本序列集；

78、基于每条所述候选先验信息对所述正样本序列集中的多个正样本序列分别进行约束编码，得到多个所述正样本序列各自对应的第一序列特征；

79、基于每条所述候选先验信息对所述负样本序列集中的多个负样本序列分别进行约束编码，得到多个所述负样本序列各自对应的第二序列特征；

80、在任意两个所述正样本序列各自对应的第一序列特征的第一距离小于第一预设距离，且任一正样本序列对应的第一序列特征与任一负样本序列对应的第二序列特征的第二距离均大于等于第二预设距离的情况下，将每个所述候选先验信息确定为已验证信息；

81、基于所述已验证先验信息确定所述预测先验信息。

82、在一示例性实施例中，所述先验信息确定单元，被配置为执行：

83、将所述已验证先验信息添加到先验信息集合中；

84、在所述先验信息集合中包括目标先验信息组的情况下，基于所述目标先验信息组生成所述预测先验信息；所述目标先验信息组基于所述先验信息集合中的多条语义相似或者语义相同的已验证先验信息确定；

85、所述装置还包括集合更新单元，被配置为执行：

86、在基于所述目标先验信息生成所述预测先验信息的情况下，从所述先验信息集合中删除所述目标先验信息组。

87、在一示例性实施例中，所述第一预测单元，被配置为执行：

88、基于每个所述样本子序列中的第一元素、每个所述样本子序列的末尾元素中的历史场景和历史先验信息进行动作预测，得到所述第一预测动作和所述预测推理信息；所述历史先验信息为在所述预测先验信息生成之前，用于对所述目标对象在给定场景下的动作预测提供指导的信息。

89、在一示例性实施例中，所述子序列采样单元，被配置为执行：

90、对所述历史动作序列进行子序列采样，得到多个采样子序列；每个所述采样子序列中包括多个元素，每个所述元素包括历史场景和所述历史场景对应的历史动作；

91、基于每个所述采样子序列中的第二元素和每个所述采样子序列的末尾元素中的历史场景进行动作预测，得到所述目标对象在所述末尾元素中的历史场景下的第二预测动作和所述第二预测动作的预测置信度；所述第二元素为每个所述采样子序列中除所述末尾元素以外的其他元素；

92、基于多个所述采样子序列和多个所述采样子序列各自对应的第二预测动作的预测置信度，确定多个所述样本子序列。

93、在一示例性实施例中，所述子序列采样单元，被配置为执行：

94、从多个所述采样子序列中确定多个所述样本子序列；多个所述样本子序列各自对应的第二预测动作的预测置信度均小于等于预设置信度。

95、在一示例性实施例中，所述子序列采样单元，被配置为执行：

96、按照多个所述采样子序列各自对应的第二预测动作的预测置信度从低到高的顺序，对多个所述采样子序列进行排序，得到多个所述样本子序列；

97、所述第一预测单元，被配置为执行：

98、基于预测置信度从低到高的顺序的顺序对多个所述样本子序列进行遍历，基于每个所述样本子序列中的第一元素和每个所述样本子序列的末尾元素中的历史场景进行动作预测，得到所述第一预测动作和所述预测推理信息。

99、根据本公开实施例的第四方面，提供一种动作预测装置，所述装置包括：

100、信息获取单元，被配置为执行获取目标对象对应的预测先验信息和所述目标对象的动作子序列；所述动作子序列为所述目标对象的历史动作序列的子序列，且所述动作子序列的末尾元素与所述历史动作序列的末尾元素一致；所述预测先验信息基于上述第一方面的序列处理方法确定；

101、第二预测单元，被配置为执行基于所述预测先验信息、所述动作子序列和待预测场景进行动作预测，得到所述目标对象在所述待预测场景下的第三预测动作。

102、根据本公开实施例的第五方面，提供一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现如上所述的序列处理方法，或动作预测方法。

103、根据本公开实施例的第六方面，提供一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如上所述的序列处理方法，或动作预测方法。

104、根据本公开实施例的第七方面，提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序存储在可读存储介质中，计算机设备的至少一个处理器从所述可读存储介质读取并执行所述计算机程序，使得设备执行上述的序列处理方法，或动作预测方法。

105、本公开的实施例提供的技术方案至少带来以下有益效果：

106、本公开通过从历史动作序列中采样样本子序列，并基于每个样本子序列中在前元素的历史场景和历史场景对应的历史动作，对末尾元素在相应历史场景下的动作进行预测，得到第一预测动作和预测推理信息，进而能够基于样本子序列、末尾元素的历史动作与第一预测动作的动作比较信息、预测推理信息得到预测先验信息；由于每个样本子序列可以是历史动作序列的细粒度表示，相应在对多个样本子序列进行逐个处理过程中，均能够获取到多个样本子序列各自对应的细粒度特征，使得提取得到的预测先验信息中可包括分散在历史动作序列中的细粒度特征，能够提高预测先验信息确定的准确性，进而在准确的预测先验信息的指导下进行动作预测，能够提高动作预测的准确性。区别于相关技术中直接对历史动作序列进行序列处理，难以捕捉到分散在历史动作序列中的细粒度特征的技术方案，解决了由于缺少细粒度特征使得预测先验信息存在偏差进而导致动作预测的准确度低的技术问题。

107、进一步地，预测推理信息是指在动作预测过程中生成的，能够表征从历史场景、历史动作映射至第一预测动作的完整逻辑推导链条或中间状态轨迹，其推理过程可作为动作预测的相关经验；由于预测推理信息是在对多个样本子序列逐个处理过程中所生成的，每个样本子序列可以是历史动作序列的细粒度表示，相应预测推理信息是细粒度的推理信息，进而通过对预测推理信息进行总结归纳即可得到细粒度的预测先验信息，用于在未来类似场景中直接指导动作预测；相应地通过样本子序列和动作比较信息对预测推理信息的进行约束即可得到与历史动作序列相匹配的预测先验信息，无需从头开始构建预测先验信息，进而降低了预测先验信息的构建难度，提高了预测先验信息构建的便利性。

108、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。