基于多模型融合的数据归因处理方法、系统和电子设备与流程

本发明涉及数据处理，具体而言，涉及一种基于多模型融合的数据归因处理方法、系统和电子设备。

背景技术：

1、在多源数据归因处理领域，例如在数字营销归因场景中，传统方法普遍采用末次点击归因、线性归因等基于预设规则的归因方式。该类方法忽略了不同数据源之间的交互影响及用户决策过程中的混淆因素，导致归因结果准确性低，无法反映各数据源的真实贡献。部分改进方案引入博弈论模型进行贡献度分配，但其计算复杂度随数据源数量呈指数级增长，面对大规模数据时计算缓慢，难以实用化。此外，现有系统多采用离线批处理架构，归因权重更新周期长，无法实时响应数据流的动态变化；在求解资源配置优化问题时，传统算法面对非线性、多约束目标函数求解延迟高，难以满足动态调整的时效性需求。上述问题导致现有技术在高维非线性目标下，归因精度与计算实时性无法兼顾，制约了资源分配参数的动态高效求解。综上所述，现有数据归因处理方法存在归因精度低、计算延迟高的技术问题。

技术实现思路

1、本发明的目的在于提供一种基于多模型融合的数据归因处理方法、系统和电子设备，以解决现有数据归因处理方法存在的归因精度低、计算延迟高的技术问题。

2、第一方面，本发明实施例提供了一种基于多模型融合的数据归因处理方法，该方法包括：获取目标对象在多个数据源下的多源触点数据，构建上述目标对象的交互序列；基于因果推断的混淆因素剥离模型处理上述交互序列，获取因果基准参数，并基于上述因果基准参数通过采样近似计算各上述数据源的边际贡献权重；将各上述数据源的边际贡献权重作为批处理层的全局权重，初始化流处理层的滑动窗口，并响应于检测到转化事件，在上述滑动窗口内对上述交互序列进行增量归因更新，得到更新后的边际贡献权重；基于代理模型加速的多目标进化算法，结合上述更新后的边际贡献权重求解资源分配参数。

3、在一些可选的实现中，上述基于因果推断的混淆因素剥离模型处理上述交互序列，获取因果基准参数，包括：通过第一预测模型处理上述交互序列，获取上述数据源的曝光倾向残差；通过第二预测模型处理上述交互序列，获取基线转化结果残差；基于上述曝光倾向残差和上述基线转化结果残差进行回归分析，得到上述因果基准参数。

4、在一些可选的实现中，上述基于上述因果基准参数通过采样近似计算各上述数据源的边际贡献权重，包括：根据各上述数据源的历史贡献度进行分层采样，生成多个数据源排列顺序；针对每个上述数据源排列顺序，按顺序遍历各上述数据源，计算当前数据源加入前序数据源集合后的第一预测转化值，以及未加入上述当前数据源时的第二预测转化值，将上述第一预测转化值与上述第二预测转化值的差值作为上述当前数据源在上述数据源排列顺序下的边际贡献；重复执行上述生成多个数据源排列顺序及计算边际贡献的步骤，直至连续预设次数的迭代中上述边际贡献的变化量小于预设收敛阈值；所有上述数据源排列顺序下的上述边际贡献求平均值，得到各上述数据源的上述边际贡献权重；其中，上述第一预测转化值和上述第二预测转化值基于上述因果基准参数和预设的转化预测函数计算得到。

5、在一些可选的实现中，上述将各上述数据源的边际贡献权重作为批处理层的全局权重，初始化流处理层的滑动窗口，并响应于检测到转化事件，在上述滑动窗口内对上述交互序列进行增量归因更新，得到更新后的边际贡献权重，包括：通过上述批处理层按第一周期计算全局精确归因权重并进行存储；通过上述流处理层接收实时事件流，并基于上述全局精确归因权重初始化上述滑动窗口；响应于在上述实时事件流中检测到上述转化事件，基于预设的近似加权算法在上述滑动窗口内对上述交互序列进行增量归因更新，得到上述更新后的边际贡献权重。

6、在一些可选的实现中，上述基于代理模型加速的多目标进化算法，结合上述更新后的边际贡献权重求解资源分配参数，包括：初始化包含多个个体的种群，将每个上述个体编码为各上述数据源的候选资源分配向量；在上述多目标进化算法的迭代过程中，使用高斯过程代理模型评估上述种群中每个上述个体的适应度，上述适应度基于上述更新后的边际贡献权重和预设的资源约束条件计算；按预设校准周期，使用真实目标函数模型对上述高斯过程代理模型进行校准，更新上述高斯过程代理模型的超参数；基于交叉操作和变异操作生成子代种群，并采用精英保留策略保留帕累托前沿的非支配解；当满足预设收敛条件时，从上述帕累托前沿中选取目标个体，将上述目标个体对应的候选资源分配向量作为上述资源分配参数；其中，上述真实目标函数模型用于计算在给定候选资源分配向量下的预期总转化量和资源利用效率。

7、在一些可选的实现中，上述获取目标对象在多个数据源下的多源触点数据，构建上述目标对象的交互序列，包括：获取上述多源触点数据中的多种标识类型数据，构建包含标识节点和观测关联边的概率因子图，上述标识节点对应上述标识类型数据，上述观测关联边对应同一事件中的标识共现关系；通过消息传播算法在上述概率因子图中进行迭代计算，获取各上述标识节点的边缘概率；基于上述边缘概率融合跨源标识，确定上述目标对象的统一标识；基于上述统一标识对上述多源触点数据进行时间排序，构建上述交互序列。

8、在一些可选的实现中，上述方法还包括：实时监控各上述数据源的运行状态指标，上述运行状态指标包括曝光事件数、交互事件数和转化事件数；基于上述运行状态指标和上述更新后的边际贡献权重，计算各上述数据源的实时贡献度变化量；当检测到任一上述数据源的上述实时贡献度变化量超过预设波动阈值时，触发上述多目标进化算法重新求解上述资源分配参数；基于重新求解得到的上述资源分配参数，生成针对各上述数据源的任务调度控制指令；将上述任务调度控制指令下发至对应的数据源节点，以调整上述数据源节点的资源输出策略；其中，上述任务调度控制指令包括目标资源分配额度、资源分配时间窗口参数和目标对象特征标签，上述数据源节点根据上述任务调度控制指令动态调整资源分配接口的调用频率和并发数。

9、第二方面，本发明实施例提供了一种基于多模型融合的数据归因处理系统，包括：序列构建模块，用于获取目标对象在多个数据源下的多源触点数据，构建上述目标对象的交互序列；归因计算模块，用于基于因果推断的混淆因素剥离模型处理上述交互序列，获取因果基准参数，并基于上述因果基准参数通过采样近似计算各上述数据源的边际贡献权重；增量更新模块，用于将各上述数据源的边际贡献权重作为批处理层的全局权重，初始化流处理层的滑动窗口，并响应于检测到转化事件，在上述滑动窗口内对上述交互序列进行增量归因更新，得到更新后的边际贡献权重；资源求解模块，用于基于代理模型加速的多目标进化算法，结合上述更新后的边际贡献权重求解资源分配参数。

10、第三方面，本发明实施例提供了一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。

11、第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述第一方面任一项所述的方法。

12、本发明提供了一种基于多模型融合的数据归因处理方法、系统和电子设备，该方法通过获取目标对象在多个数据源下的多源触点数据，构建交互序列；基于因果推断的混淆因素剥离模型处理交互序列，获取因果基准参数，并基于因果基准参数通过采样近似计算各数据源的边际贡献权重；将各数据源的边际贡献权重作为批处理层的全局权重，初始化流处理层的滑动窗口，响应于检测到转化事件，在滑动窗口内对交互序列进行增量归因更新，得到更新后的边际贡献权重；基于代理模型加速的多目标进化算法，结合更新后的边际贡献权重求解资源分配参数，解决了现有数据归因处理方法存在的归因精度低、计算延迟高的技术问题，实现了兼顾归因精度与计算实时性，动态高效求解资源分配参数的效果。