[發明專利]系統及其指標優化方法及裝置

有效

• 申請號: 201610192188.3
• 申請日: 2016-03-30
• 公開（公告）號: CN107292320B
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 劉毅捷
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 李輝;劉飛

本申請提供了一種系統及其指標優化方法及裝置，該方法包括：獲取系統的所有已用指標參數及其數值，以及所有待選用指標參數及其數值；基于預設的數據降維算法將所述所有已用指標參數及其數值進行降維處理，獲得對應的特征參數集及其數值；以所述特征參數集的數值作為輸入，并以所述所有待選用指標參數的數值作為目標輸出，訓練預設的機器學習模型，獲得所述所有待選用指標參數的數值的預測值；獲取所述所有待選用指標參數中每個待選用指標的數值與其對應預測值的差異度量值；選取出預設數量個其差異度量值最大的待選用指標作為所述系統的新增指標。本申請可提高指標優選效率，并降低系統性能抖動。

技術領域

本申請涉及數據處理技術領域，尤其是涉及一種系統及其指標優化方法及裝置。

背景技術

隨著時間的推移，一些系統在實際應用過程中，其相關統計信息在不斷累積豐富，而通過對統計信息的分析和處理，可能會發現需要有新指標添加進來并在此基礎上重構系統，以提升其性能。

而隨著計算機網絡及信息技術的不斷發展變化，目前已有一些系統具有自動構建新指標集的功能，這些新指標集可以幫助系統適應新的變化，從而有利于提高系統性能。但由于通常新指標集中的新指標的數量往往較大，而其中有些系統(比如在線系統)的資源有限，因而可能無法滿足使用全部的新指標。在這種情況下，需要從新指標集里優選出最有效的指標，以便于實現以較少的指標集帶來較大的系統性能提升。

目前針對新指標優選的方法主要是將新指標集中所有新指標依次單獨加入已有系統的原指標集，重新訓練，然后根據系統性能的提升幅度來排序，并最終依據排序選擇一部分新指標。

然而，本申請的發明人發現：上述方法需要逐個遍歷新指標集中每一個新指標，非常耗時。同時，如果已有系統已經較為復雜，新增的單個指標實際并不一定能夠為該系統帶來實際的性能提升。有時候，系統性能的抖動甚至可能是由于隨機參數的選取造成的，因此，一般的，往往需要同時加入一組指標，才可能看到實際的效果。而按照現有技術從一個新指標集中優選一組指標的遍歷復雜度是指數級的，這會占用太多的系統資源，工程上幾乎難以實施。

發明內容

本申請實施例的目的在于提供一種系統及其指標優化方法及裝置，以提高系統指標優選效率，降低系統性能的抖動。

為達到上述目的，一方面本申請實施例提供了一種系統指標優化方法，包括以下步驟：

獲取系統的所有已用指標參數及其數值，以及所有待選用指標參數及其數值；

基于預設的數據降維算法將所述所有已用指標參數及其數值進行降維處理，獲得對應的特征參數集及其數值；

以所述特征參數集的數值作為輸入，并以所述所有待選用指標參數的數值作為目標輸出，訓練預設的機器學習模型，獲得所述所有待選用指標參數的數值的預測值；

獲取所述所有待選用指標參數中每個待選用指標的數值與其對應預測值的差異度量值；

選取出預設數量個其差異度量值最大的待選用指標作為所述系統的新增指標。

另一方面，本申請實施例還提供了一種系統指標優化裝置，包括：

數據獲取模塊，用于獲取系統的所有已用指標參數及其數值，以及所有待選用指

標參數及其數值；

數據降維模塊，用于基于預設的數據降維算法將所述所有已用指標參數及其數值進行降維處理，獲得對應的特征參數集及其數值；

數據預測模塊，用于以所述特征參數集的數值作為輸入，并以所述所有待選用指標參數的數值作為目標輸出，訓練預設的機器學習模型，獲得所述所有待選用指標參數的數值的預測值；

差異獲取模塊，用于獲取所述所有待選用指標參數中每個待選用指標的數值與其對應預測值的差異度量值；