[發明專利]機器學習系統、方法及電子設備

在審

• 申請號: 202010907359.2
• 申請日: 2020-09-02
• 公開（公告）號: CN113537507A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 李偉;陳守志;蘇函晶;洪立濤
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 李昂;張穎玲

1.一種機器學習系統，其特征在于，包括：

發布系統以及多個子計算系統，所述多個子計算系統彼此隔離，且對應機器學習模型的不同處理階段；其中，

所述多個子計算系統，用于根據所存儲的數據，執行對應的處理階段中的計算任務；

所述發布系統，用于接收任意兩個所述子計算系統之間的數據轉移請求；當檢測到所述數據轉移請求滿足跨系統數據轉移的安全性條件時，授權執行與所述數據轉移請求對應的數據轉移操作。

2.根據權利要求1所述的機器學習系統，其特征在于，

所述多個子計算系統，用于通過以下至少之一實現彼此隔離：

使用不同的計算資源執行各自的計算任務；使用不同的存儲資源存儲執行計算任務所需要使用的數據、以及計算任務的結果。

3.根據權利要求1所述的機器學習系統，其特征在于，

所述多個子計算系統包括離線計算系統、近線計算系統以及在線計算系統；

所述離線計算系統，還用于根據所存儲的歷史數據，執行所述機器學習模型的離線訓練計算任務；

其中，所述離線訓練計算任務包括：基于所述歷史數據的特征統計轉換、基于特征統計轉換得到的歷史特征從所述歷史數據中抽取歷史樣本、基于所述歷史樣本訓練所述機器學習模型；

所述近線計算系統，還用于根據實時數據執行近線訓練計算任務；

其中，所述近線訓練計算任務包括：基于所述實時數據的特征統計轉換、基于特征統計轉換得到的實時特征從所述實時數據中抽取實時樣本、基于所述實時樣本訓練所述機器學習模型；

所述在線計算系統，還用于響應于實時的預測請求，執行所述機器學習模型的在線預測計算任務，基于得到的預測結果響應所述預測請求。

4.根據權利要求3所述的機器學習系統，其特征在于，

所述近線計算系統，還用于通過被所述發布系統授權的第一數據轉移操作，從所述離線計算系統獲取第一數據，并結合所述第一數據以及所述實時數據執行所述近線訓練計算任務；

其中，所述第一數據包括以下至少之一：

在所述離線訓練計算任務中計算得到的所述機器學習模型的歷史參數，在所述離線訓練計算任務中計算得到的所述歷史特征。

5.根據權利要求4所述的機器學習系統，其特征在于，

所述近線計算系統，還用于：

將所述歷史特征作為實時特征，并根據所述實時特征從所述實時數據中抽取實時樣本；

基于所述實時樣本，對部署所述歷史參數的所述機器學習模型進行訓練。

6.根據權利要求4所述的機器學習系統，其特征在于，

所述在線計算系統，還用于通過被所述發布系統授權的第二數據轉移操作，從所述近線計算系統獲取第二數據，并結合所述第二數據和所存儲的待測數據執行所述在線預測計算任務；

其中，所述第二數據包括以下至少之一：

在所述近線訓練計算任務中計算得到的所述機器學習模型的實時參數，在所述近線訓練計算任務中計算得到的所述實時特征。

7.根據權利要求6所述的機器學習系統，其特征在于，

所述在線計算系統，還用于：

根據所述實時特征，從所述待測數據中抽取待測樣本；

通過部署所述實時參數的所述機器學習模型，對所述待測樣本進行預測處理，得到預測結果。

8.根據權利要求4所述的機器學習系統，其特征在于，

所述近線計算系統，還用于結合第二數據和所存儲的待測數據，執行近線預測計算任務，得到預測結果；

其中，所述第二數據包括以下至少之一：

在所述近線訓練計算任務中計算得到的所述機器學習模型的實時參數，在所述近線訓練計算任務中計算得到的所述實時特征；

所述在線計算系統，還用于響應于實時的預測請求，通過被所述發布系統授權的第三數據轉移操作，從所述近線計算系統獲取所述預測結果，以響應所述預測請求。