(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111608440.1 (22)申请日 2021.12.24 (71)申请人 天翼云科技有限公司 地址 100007 北京市东城区青龙胡同甲1 号、 3号2幢2层20 5-32室 (72)发明人 蔡灿宏　 (51)Int.Cl. G06F 16/901(2019.01) G06N 20/00(2019.01) (54)发明名称 一种因果关系分析模型构建及因果关系分 析方法 (57)摘要 本发明公开了一种因果关系分析模型构建 及因果关系分析方法， 获取网络图谱中的每一个 目标节点 以及与所述目标节点相连接的关联节 点； 对每一个所述目标节点对应的关联节点的类 型进行划分得到所述目标节点对应的多个前因 条件节点， 在布尔代数算法的三层模 型中输入计 算得到的前因节点对所述目标节点的信息增益 以及前因条件节点的中心度进行训练得到满足 条件的因果 关系分析模型， 然后利用该因果关系 分析模型进行因果关系分析， 在保留布尔代数算 法的高效率 性的同时提高了模型分析的准确性。 权利要求书3页 说明书13页 附图5页 CN 114461858 A 2022.05.10 CN 114461858 A 1.一种因果关系分析模型构建方法， 其特 征在于， 包括如下步骤： 获取网络图谱中的每一个目标节点以及与所述目标节点相连接的关联节点； 对每一个所述目标节点对应的关联节点的类型进行划分得到所述目标节点对应的多 个前因条件节点； 将所述多个前因条件节点对应的二分条件值和相应的目标节点对应的二分条件值构 成多条极小 项； 将所述极小项中所述目标节点对应的二分条件值为1的构成正集群， 将所述极小项中 所述目标节点对应的二分条件值 为0的构成负集群； 根据所述前因节点在所述正集群中的频率计算所述前因节点对所述目标节点的信息 增益； 将每一个目标节点对应所述信息增益和所述前因条件节点在所述网络图谱中的中心 度输入布尔代数算法的三层模型进行训练直至得到满足条件的因果关系分析模型。 2.一种因果关系分析 方法， 其特 征在于， 包括如下步骤： 获取待分析网络图谱； 对所述待分析网络图谱中任一待分析节点确定所述待分析节点对应的前因条件节点 在所述待分析网络图谱中的中心度以及所述待分析节点与其对应的前因条件节点构建的 多条极小 项； 将所述待分析节点对应的前因条件节点在所述待分析网络图谱中的中心度以及所述 多条极小项输入到如权利要求1所述的因果关系分析模型构建方法得到的因果关系分析模 型得到所述待分析节点的信息增益； 根据所述中心度与所述信息增益在所述因果关系分析模型对所述待分析节点进行分 析。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述中心度与 所述信息增益在所 述因果关系分析模型对所述待分析节点进行分析， 包括： 根据所述多条极小项构造布尔表达式得到对应的蕴涵项并进行筛选得到满足预设条 件的蕴涵项； 对每一个所述蕴涵项中对应的所述前因条件节点进行排查直至所述每一个蕴涵项得 到对应的素蕴涵项； 根据LCMC衡量法对所述素蕴涵项 进行筛选直至得到的本质蕴涵项覆盖所述 正集群。 4.根据权利要求3所述的方法， 其特征在于， 所述根据所述多条极小项构造布尔表达式 得到对应的蕴涵项并进行筛 选得到满足预设条件的蕴涵项， 包括： 计算所述待分析节点在所述 正集群中的频率； 根据所述中心度、 所述待分析节点的信 息增益以及所述频率计算所述前因条件节点的 冗余分数； 将所述冗余分数按照高低进行排序并由高至低选取所述前因条件节点并构造所述蕴 涵项。 5.根据权利要求3所述的方法， 其特征在于， 所述对每一个所述蕴涵项中对应的所述前 因条件节点进行排 查直至所述每一个蕴涵项得到对应的素蕴涵项， 包括： 在任一所述蕴涵项中移除任一所述前因条件节点得到新的蕴涵项；权　利　要　求　书 1/3 页 2 CN 114461858 A 2将所述新的蕴涵项与所述负集群进行比对； 当所述新的蕴涵项与所述负集群有交集， 则保留所述前因条件节点； 当所述新的蕴涵项与 所述负集群无交集， 则保留所述新的蕴涵项 并得到对应的素蕴涵 项。 6.根据权利要求3所述的方法， 其特征在于， 所述根据LCMC衡量法对所述素蕴涵项进行 筛选直至得到的本质蕴涵项覆盖所述 正集群， 包括： 计算每一个所述素蕴涵项覆盖所述极小 项的个数； 对所述个数进行筛选得到满足条件的所述素蕴涵项并根据所述素蕴涵项形成对应的 本质蕴涵项。 7.一种因果关系分析模型构建装置， 其特 征在于， 包括： 第一获取模块， 用于获取网络图谱中的每一个目标节点以及与 所述目标节点相连接的 关联节点； 划分模块， 用于对每一个所述目标节点对应的关联节点的类型进行划分得到所述目标 节点对应的多个前因条件节点； 第一组成模块， 用于将所述多个前因条件节点对应的二分条件值和相应的目标节点对 应的二分条件值构成多条极小 项； 第二组成模块， 用于将所述极小项中所述目标节点对应的二分条件值为1的构成正集 群， 将所述极小 项中所述目标节点对应的二分条件值 为0的构成负集群； 计算模块， 用于根据 所述前因节点在所述正集群中的频率计算所述前因节点对所述目 标节点的信息增益； 训练模块， 用于将每一个目标节点对应所述信 息增益和所述前因条件节点在所述网络 图谱中的中心度输入布尔代数算法的三层模型进行训练直至得到满足条件的因果关系分 析模型。 8.一种因果关系分析装置， 其特 征在于， 包括： 第二获取模块， 用于获取待分析网络图谱； 确定模块， 用于对所述待分析网络图谱中任一待分析节点确定所述待分析节点对应的 前因条件节点在所述待分析网络图谱中的中心度以及所述待分析节点与其对应的前因条 件节点构建的多条极小 项； 输入模块， 用于将所述待分析节点对应的前因条件节点在所述待分析网络图谱中的中 心度以及所述多 条极小项输入到如权利要求 1所述的因果关系分析模型构建方法得到的因 果关系分析模型 得到所述待分析节点的信息增益； 分析模块， 用于根据 所述中心度与 所述信息增益在所述因果关系分析模型对所述待分 析节点进行分析。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机指 令， 所述计算机指令用于使所述计算机执行如权利要求1所述的因果关系分析模型构建方 法或如权利要求2－6任一项所述的因果关系分析 方法。 10.一种电子设备， 其特征在于， 包括： 存储器和处理器， 所述存储器和所述处理器之间 互相通信连接， 所述存储器存储有计算机指 令， 所述处理器通过执行所述计算机指令， 从而 执行如权利要求 1所述的因果关系分析模型构建方法或如权利要求2 －6任一项 所述的因果权　利　要　求　书 2/3 页 3 CN 114461858 A 3