[發(fā)明專利]分布式設備使用機器學習模型聚合系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010943090.3
• 申請日: 2020-09-09
• 公開（公告）號: CN112101576B
• 公開（公告）日: 2021-07-30
• 發(fā)明（設計）人: 樊星
• 申請（專利權(quán)）人: 上海松鼠課堂人工智能科技有限公司
• 主分類號: G06N20/20
• 分類號: G06N20/20
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明提供了分布式設備使用機器學習模型聚合系統(tǒng)。該系統(tǒng)中，模型存儲平臺中存儲有多個機器學習模型，模型使用設備可以通過向模型分配平臺發(fā)送模型使用請求來獲得模型存儲平臺中的相應機器學習模型，從而使得模型使用設備可以方便地獲得想要使用的、已有的機器學習模型，模型使用設備獲得機器學習模型之后，可以根據(jù)需要對機器學習模型進行利用；因而，采用上述技術(shù)方案，使得模型使用設備不需要自己從頭開始設計機器學習模型，節(jié)省了機器學習模型的開發(fā)時間，使得全民的機器學習模型得到充分的共享使用；并且，模型使用設備對應的使用信息可以聚合到中間設備、以及分析處理平臺，實現(xiàn)重要信息的聚合。

技術(shù)領域

本發(fā)明涉及機器學習技術(shù)領域，特別涉及分布式設備使用機器學習模型聚合系統(tǒng)。

背景技術(shù)

在機器學習技術(shù)領域，機器學習是一門多領域交叉學科，涉及概率論、統(tǒng)計學、逼近論、凸分析、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。它是人工智能的核心，是使計算機具有智能的根本途徑。

現(xiàn)有技術(shù)中，不同的公司會根據(jù)自身的需求設計相應的機器學習模型，而實際上，有很多機器學習模型是不需要重復開發(fā)的，如果能夠方便地獲取別人開發(fā)的已有機器學習模型來為己所用，對于機器學習模型的開發(fā)速度會是很大的提高。而現(xiàn)有技術(shù)中，缺少一種能夠方便地讓用戶快速獲取已開發(fā)成功的機器學習模型的技術(shù)。

發(fā)明內(nèi)容

本發(fā)明提供一種分布式設備使用機器學習模型聚合系統(tǒng)。

本發(fā)明實施例提供一種分布式設備使用機器學習模型聚合系統(tǒng)，包括模型存儲平臺、模型分配平臺、多個模型使用設備、多個中間處理設備和分析處理平臺，其中：

模型存儲平臺，用于存儲多個機器學習模型；

模型分配平臺，用于根據(jù)模型使用設備發(fā)送來的模型使用請求，從所述模型存儲平臺獲取與所述模型使用請求匹配的機器學習模型，并將所述匹配的機器學習模型發(fā)送給所述模型使用設備；

多個模型使用設備，分散布置于不同的地址位置處，每個模型使用設備用于向所述模型分配平臺發(fā)送模型使用請求，獲取所述模型分配平臺返回的機器學習模型，對所述機器學習模型進行使用，生成對所述機器學習模型的模型使用信息，將所述模型使用信息根據(jù)使用時間分成多個模型使用信息段，將每個模型使用信息段發(fā)送給該個模型使用信息段相應的中間處理設備；

多個中間處理設備，分散布置于不同的地址位置處，每個中間處理設備用于獲取相應的模型使用設備發(fā)送來的模型使用信息段進行存儲；將模型使用信息段對應的預設信息發(fā)送給所述分析處理平臺；

所述分析處理平臺，用于對所述中間處理設備發(fā)送來的預設信息進行處理。

在一個實施例中，上述系統(tǒng)還包括：

所述模型使用信息包括：模型使用設備對機器學習模型的細粒度使用日志，細粒度使用日志包括在每個預設時間點對機器學習模型的使用日志。

在一個實施例中，上述系統(tǒng)還包括：

后臺管理平臺，用于為每個模型使用設備配置相應的中間處理設備，每個模型使用設備對應至少兩個中間處理設備；每個中間處理設備對應至少兩個模型使用設備；并建立模型使用設備與相應的中間處理設備之間的數(shù)據(jù)傳輸鏈接；

其中，不同的中間處理設備可對應同一個模型使用設備；不同的模型使用設備可對應同一個中間處理設備。

在一個實施例中，所述模型使用設備將所述模型使用信息根據(jù)使用時間分成多個模型使用信息段，將每個模型使用信息段發(fā)送給該個模型使用信息段相應的中間處理設備，包括:

所述模型使用設備按照使用時間先后順序，將模型使用信息分割為N個模型使用信息段；每個模型使用信息段對應的使用時間段中的時間為連續(xù)使用時間；