[發明專利]數據處理方法、裝置、設備及存儲介質

在審

• 申請號: 201911030979.6
• 申請日: 2019-10-28
• 公開（公告）號: CN110751227A
• 公開（公告）日: 2020-02-04
• 發明（設計）人: 鄭健;沈麗忠;謝立東;李婉華;陳銘新;李曉敦;趙世輝;唐景峰
• 申請（專利權）人: 中國建設銀行股份有限公司;建信金融科技有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00
• 代理公司: 11332 北京品源專利代理有限公司
• 代理人: 孟金喆

本發明實施例公開了一種數據處理方法、裝置、設備及存儲介質。該方法包括：將獲取的第一歷史數據以及第一歷史數據的處理結果作為訓練樣本，基于至少一種機器學習算法進行訓練得到至少一個更新模型；第一歷史數據為從第一歷史時刻至當前時刻接收到的數據；從至少一個更新模型中選取候選模型，將當前獲取的待處理數據分配至候選模型以及正在使用的目標模型中進行處理；根據處理結果，從候選模型以及正在使用的目標模型中確定新的目標模型，采用新的目標模型對新的數據進行處理。本發明實施例通過在線測試各模型處理當前數據的性能，從而準確高效地確定最優模型作為目標模型，實現模型的快速平滑更新。

技術領域

本發明實施例涉及數據處理技術領域，尤其涉及一種數據處理方法、裝置、設備及存儲介質。

背景技術

機器學習是通過對已知數據進行分析，獲得數據模型，利用該模型對未知數據進行預測的過程?；诓煌木唧w算法和邏輯準則可以訓練得到不同的機器學習模型。

隨著在線類業務的發展，數據規模不斷增大，數據變化速率越來越快，開發訓練過程中使用的訓練數據與應用該機器學習模型時的預測數據存在差異，利用傳統的機器學習算法得到的模型不能很好地適應新增的數據的變化規律，使得利用該模型對未知數據的預測的準確率降低。因此，往往需要不斷對機器學習模型進行更新，使用新模型替代歷史模型。

然而機器學習的算法豐富多樣，不同的算法在不同的數據場景下各有優勢。在一定訓練數據的支持下，得到的更新模型之間的準確率可能相差無幾，在沒有更多數據的支持下，無法判斷哪個模型更能適應未知的數據變化，如果逐一測試各模型的性能，則效率低下。

發明內容

本發明實施例提供一種數據處理方法、裝置、設備及存儲介質，以實現平滑快速地對模型進行更新，從而更加準確高效地對數據進行處理。

第一方面，本發明實施例提供了一種數據處理方法，該方法包括：

將獲取的第一歷史數據以及第一歷史數據的處理結果作為訓練樣本，基于至少一種機器學習算法進行訓練得到至少一個更新模型；其中，所述第一歷史數據為從第一歷史時刻至當前時刻接收到的數據；

從至少一個更新模型中選取候選模型，并將當前獲取的待處理數據分配至候選模型以及正在使用的目標模型中進行處理；

根據處理結果，從候選模型以及正在使用的目標模型中確定新的目標模型，用于采用新的目標模型對新的數據進行處理。

第二方面，本發明實施例提供了一種數據處理裝置，該裝置包括：

更新模型確定模塊，用于將獲取的第一歷史數據以及第一歷史數據的處理結果作為訓練樣本，基于至少一種機器學習算法進行訓練得到至少一個更新模型；其中，所述第一歷史數據為從第一歷史時刻至當前時刻接收到的數據；

候選模型選取模塊，用于從至少一個更新模型中選取候選模型，并將當前獲取的待處理數據分配至候選模型以及正在使用的目標模型中進行處理；

新的目標模型確定模塊，用于根據處理結果，從候選模型以及正在使用的目標模型中確定新的目標模型，用于采用新的目標模型對新的數據進行處理。

第三方面，本發明實施例還提供了一種設備，該設備包括：

一個或多個處理器；

存儲器，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如本發明實施例中任一所述的數據處理方法。

第四方面，本發明實施例還提供了一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如本發明實施例中任一所述的數據處理方法。