[發明專利]線上部署機器學習模型的方法、設備和存儲介質

有效

• 申請號: 201810961818.8
• 申請日: 2018-08-22
• 公開（公告）號: CN109343857B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 畢文智;謝波
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: G06F8/60
• 分類號: G06F8/60;G06N20/00
• 代理公司: 深圳市聯鼎知識產權代理有限公司 44232
• 代理人: 劉抗美

本公開涉及用于線上部署機器學習模型的方法、設備和存儲介質。所述方法包括：將離線的第一機器學習模型導出成第一xml文件；將第一xml文件導入到應用平臺；在應用平臺上將第一xml文件識別并解析成java類；以及使所述java類運行在應用平臺上。通過本公開的各實施例，能夠提供將機器學習模型部署到已運行的應用平臺上的方案。

技術領域

本發明涉及計算機技術領域，特別是涉及一種用于線上部署機器學習模型的方法、設備和存儲介質。

背景技術

很多應用平臺上運行著各種機器學習模型，以滿足業務需要。目前，在應用平臺上部署機器學習模型的主要手段為離線部署，即，通過離線訓練得到穩定的機器學習模型，在應用平臺的系統版本發布的同時或在此之前將該機器學習模型集成在應用平臺的系統版本中，而無法在應用平臺已運行的狀態下線上部署機器學習模型。

發明內容

為解決以上問題中的一個或多個，本發明實施例提供了一種用于線上部署機器學習模型的方法、設備和存儲介質。

根據本公開的第一方面，提供一種用于線上部署機器學習模型的方法，其包括：

將離線的第一機器學習模型導出成第一xml文件；

將第一xml文件導入到應用平臺；

在應用平臺上將第一xml文件識別并解析成java類；以及

使所述java類運行在應用平臺上。

根據一示例性實施例，所述將離線的第一機器學習模型導出成第一xml文件包括：

將第一機器學習模型的類型及參數信息保存到xml格式文件的模型信息節點中；

將第一機器學習模型的特征字段信息及結果字段信息保存到xml格式文件的數據字典節點中；

將第一機器學習模型的特征數據所需的轉換保存到xml格式文件的轉換字典節點中；以及

將所述模型信息節點、所述數據字典節點和所述轉換字典節點均置于xml格式文件的根節點下，使所述模型信息節點、所述數據字典節點和所述轉換字典節點成兄弟關系，從而形成第一xml文件，

其中，第一xml文件符合PMML規范。

根據一示例性實施例，所述在應用平臺上將第一xml文件識別并解析成java類包括：

將數據字典節點解析成DataDictionary類，用于保存特征字段與結果字段的名稱及類型；

將轉換字典節點解析成TransformationDictionary類，用于保存關于DataDictionary類中哪些字段需要轉換的信息并用于對要轉換的字段執行相應的轉換；

將模型信息節點解析成Model類，用于執行機器學習模型的預算算法并返回預測結果。

根據一示例性實施例，將模型信息節點解析成Model類包括：根據機器學習模型的類型確定預算算法并將該預算算法封裝在Model類中。

根據一示例性實施例，所述使所述java類運行在應用平臺上包括：

根據DataDictionary類中的特征字段信息確定第一機器學習模型所需要的標準特征數據，并獲取與所述標準特征數據相對應的實時特征數據；

通過TransformationDictionary類對所獲取的實時特征數據執行所述相應的轉換，以得到所需要的標準特征數據；以及

通過Model類對所述標準特征數據執行預算算法以得到預測結果。

根據一示例性實施例，所述方法還包括：