买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西北工业大学

摘要：本发明公开了一种基于效果预测的人机协同决策参与者和协同机制选择方法，首先将决策机制、决策参与者的决策能力、决策问题和背景信息分别进行向量化，并通过线性变换将决策机制的原始向量和决策能力原始向量转化成相同的嵌入维度，并在拼接之后输入决策效果预测模型，最终预测决策效果的分数。经过训练之后的决策效果预测模型可以通过不同输入组合的分数对特定决策问题下决策参与者和决策机制组合的效能进行评估。本发明方法可以用于给定决策问题和决策参与者下决策机制的选择，给定决策问题和决策机制下部分或全部决策参与者选择等多个场景。

主权项：1.一种基于效果预测的人机协同决策参与者和协同机制选择方法，其特征在于，包括如下步骤：步骤1：能力向量的训练和获取；能力向量用来表征决策参与者与决策相关的能力；其获取的方法包括先验设定法、基于独立决策评测的训练、以及基于协同决策评测的训练这三种策略；其中先验设定法是根据决策参与者的天然属性和类别进行人工设定；基于独立决策评测的训练是指让所有决策参与者对一系列决策问题进行独立决策，记录每个决策参与者对各个决策问题的决策选项和决策效果，并采用自编码器模型对相应的结果向量进行降维，使向量维度从问题数量维度降为能力指标维度；基于协同评测的训练是指在已有协同效果预测模型的情况下，首先根据先验设定法或基于独立评测的训练方法进行初始化，再使用协同决策效果评测的标注数据和协同效果预测模型进行端到端的更新和优化；根据场景和数据的可获取性因素选择以上三种能力向量的构建方法；步骤2：协同机制和机制嵌入；所述协同机制是两个或多个决策参与者对于决策任务协作解决，最终得到决策结果的流程和机制；如果有多种备选协同机制，则将机制的类别采用原始机制向量进行表示，该向量是一个one-hot0-1向量；在输入预测模型时，采用线性层转化为一个维度与其他嵌入向量维度一致的嵌入向量进行表示；步骤3：协同效果预测模型的训练；所述协同效果预测模型用于在给定协同决策机制、决策任务信息和所有决策参与者的能力向量的情形下，预测决策效果的好坏；训练流程如下：a选择协同决策机制，获得协同决策机制的向量表示，并通过线性变换转化为机制嵌入；b选择决策参与者，获得所有决策参与者的向量表示，并通过线性变换转化为一组参与者的能力嵌入；c选择决策任务和相应的背景信息，获得决策背景信息的嵌入序列；d将协同机制、决策参与者和决策任务的嵌入信息拼接，并输入协同效果预测模型，对应协同机制位置的输出向量经过线性变化预测得到机制效用分数；e对应决策参与者采用所选择的机制对相应决策任务进行决策流程，输出决策结果，并采用人工评测或自动评测对决策结果的质量进行评估，得到标签；f重复a-e，生成带有输入信息和效果标签的数据，并划分训练、验证和测试集；g根据f生成的训练数据对协同效果预测模型进行有监督训练，使得模型学会根据输入信息预测最终决策的效果；步骤4：基于协同效果预测模型的协作者选择机制；在获得已训练的协同效果预测模型之后，在给定决策任务和背景信息的情况下，对协同机制、决策参与者集合进行部分或者全部的选择；首先，在给定所有决策参与者的情况下对不同的协同机制进行选择；其过程是遍历不同可能的协同机制，通过输入协同机制的表征，最终得到协同效果预测模型预测的分数；找到能使预测分数最高的协同机制，作为最佳的协同机制选择；其次，在给定协同机制的情形下对决策参与者的组合进行选择；具体过程是遍历所有可能得决策参与者组合，并将相应的能力表示向量的组合和其他确定的信息一同输入协同效应模型，得到一个决策效果的预测分数；找到使得预测分数最大的决策参与者组合作为最佳的选择；最后，在给定协同机制，同时给定部分决策参与者的情况下选择其他的决策参与者；对于两个决策参与者协同决策的情形，设一个参与者已经确定，则遍历其他所有可能得参与者，将能力向量与其他确定信息一同输入协同效果预测模型，找到使得协同效果预测模型预测分数最高的另一个参与者，并作为最佳参与者搭档的选择。

全文数据：

权利要求：

百度查询： 西北工业大学 基于效果预测的人机协同决策参与者和协同机制选择方法