[發(fā)明專利]業(yè)務(wù)模型的管理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110208974.9
• 申請(qǐng)日: 2021-02-25
• 公開（公告）號(hào): CN112836033A
• 公開（公告）日: 2021-05-25
• 發(fā)明（設(shè)計(jì)）人: 劉濤
• 申請(qǐng)（專利權(quán)）人: 平安銀行股份有限公司
• 主分類號(hào): G06F16/332
• 分類號(hào): G06F16/332;G06F40/117;G06F40/186;G06F40/197;G06Q40/02
• 代理公司: 北京市京大律師事務(wù)所 11321
• 代理人: 姚維

本發(fā)明涉及開發(fā)輔助領(lǐng)域，公開了業(yè)務(wù)模型的管理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，用于提高業(yè)務(wù)模型的調(diào)用效率。業(yè)務(wù)模型的管理方法包括：將基礎(chǔ)樣本數(shù)據(jù)輸入至樣本集管理系統(tǒng)，并將信息標(biāo)記后的基礎(chǔ)樣本數(shù)據(jù)保存至樣本集管理系統(tǒng)中；基于交互式算法和基礎(chǔ)樣本數(shù)據(jù)生成對(duì)應(yīng)的項(xiàng)目語(yǔ)句，并將項(xiàng)目語(yǔ)句保存至算法語(yǔ)句庫(kù)中；根據(jù)文本定義文件中的定義參數(shù)和預(yù)置提取指令提取項(xiàng)目語(yǔ)句，并預(yù)置模型訓(xùn)練工具生成模型文件；上線模型文件，利用檢測(cè)算法對(duì)當(dāng)前模型文件進(jìn)行效率檢測(cè)，當(dāng)效率檢測(cè)值小于效率閾值時(shí)，將當(dāng)前模型文件回滾至線上業(yè)務(wù)模型中的上一個(gè)模型文件，完成模型文件的回滾。此外，本發(fā)明還涉及區(qū)塊鏈技術(shù)，基礎(chǔ)樣本數(shù)據(jù)可存儲(chǔ)于區(qū)塊鏈中。

技術(shù)領(lǐng)域

本發(fā)明涉及開發(fā)輔助領(lǐng)域，尤其涉及一種業(yè)務(wù)模型的管理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著科學(xué)技術(shù)的迅速發(fā)展，電子信息技術(shù)越來越廣泛的應(yīng)用于生活中的各個(gè)行業(yè)中。在銀行領(lǐng)域中，各銀行為了提升自身競(jìng)爭(zhēng)力和更好的為用戶提供服務(wù)，在財(cái)務(wù)項(xiàng)目研發(fā)的過程中加入人工智能(artificial intelligence，AI)技術(shù)，因此財(cái)務(wù)項(xiàng)目研發(fā)中涉及到算法代碼的編寫與存儲(chǔ)、樣本數(shù)據(jù)管理與使用、模型文件的管理與上線。在研發(fā)財(cái)務(wù)項(xiàng)目的過程中由于算法和代碼冗余且重復(fù)率過大，因此會(huì)利用到不同的算法模型或代碼模板。

現(xiàn)有對(duì)算法模型的管理一般為對(duì)算法模型進(jìn)行版本管理，在使用時(shí)，直接調(diào)用業(yè)務(wù)模型中對(duì)應(yīng)的算法模型即可，一旦出現(xiàn)算法模型錯(cuò)誤時(shí)，無法根據(jù)業(yè)務(wù)模型做出相應(yīng)的操作，導(dǎo)致業(yè)務(wù)模型的調(diào)用效率低下。

發(fā)明內(nèi)容

本發(fā)明提供了一種業(yè)務(wù)模型的管理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，用于提高業(yè)務(wù)模型的調(diào)用效率。

本發(fā)明第一方面提供了一種業(yè)務(wù)模型的管理方法，包括：獲取業(yè)務(wù)模型的基礎(chǔ)樣本數(shù)據(jù)，將所述基礎(chǔ)樣本數(shù)據(jù)輸入至樣本集管理系統(tǒng)，并對(duì)所述基礎(chǔ)樣本數(shù)據(jù)進(jìn)行信息標(biāo)記，將信息標(biāo)記后的基礎(chǔ)樣本數(shù)據(jù)保存至所述樣本集管理系統(tǒng)的樣本數(shù)據(jù)庫(kù)中；基于交互式算法和所述基礎(chǔ)樣本數(shù)據(jù)生成對(duì)應(yīng)的項(xiàng)目語(yǔ)句，并將所述項(xiàng)目語(yǔ)句保存至算法語(yǔ)句庫(kù)中；獲取文本定義文件，根據(jù)所述文本定義文件中的定義參數(shù)和預(yù)置提取指令提取所述算法語(yǔ)句庫(kù)中的項(xiàng)目語(yǔ)句，并將提取后的項(xiàng)目語(yǔ)句確定為目標(biāo)語(yǔ)句，利用所述目標(biāo)語(yǔ)句和預(yù)置模型訓(xùn)練工具生成模型文件；上線所述模型文件，得到線上業(yè)務(wù)模型，利用檢測(cè)算法對(duì)所述線上業(yè)務(wù)模型中的當(dāng)前模型文件進(jìn)行效率檢測(cè)，得到對(duì)應(yīng)的效率檢測(cè)值，當(dāng)所述效率檢測(cè)值小于效率閾值時(shí)，將所述當(dāng)前模型文件回滾至所述線上業(yè)務(wù)模型中的上一個(gè)模型文件，完成模型文件的回滾。

可選的，在本發(fā)明第一方面的第一種實(shí)現(xiàn)方式中，所述獲取業(yè)務(wù)模型的基礎(chǔ)樣本數(shù)據(jù)，將所述基礎(chǔ)樣本數(shù)據(jù)輸入至樣本集管理系統(tǒng)，并對(duì)所述基礎(chǔ)樣本數(shù)據(jù)進(jìn)行信息標(biāo)記，將信息標(biāo)記后的基礎(chǔ)樣本數(shù)據(jù)保存至所述樣本集管理系統(tǒng)的樣本數(shù)據(jù)庫(kù)中包括：通過傳輸接口接收業(yè)務(wù)模型的初始樣本數(shù)據(jù)，并將所述初始樣本數(shù)據(jù)輸入至樣本集管理系統(tǒng)；利用樣本采集指令采集所述業(yè)務(wù)模型的原始樣本數(shù)據(jù)，并將所述原始樣本數(shù)據(jù)輸入至所述樣本集管理系統(tǒng)；在所述樣本集管理系統(tǒng)中對(duì)所述初始樣本數(shù)據(jù)和所述原始樣本數(shù)據(jù)進(jìn)行整合，得到所述業(yè)務(wù)模型的基礎(chǔ)樣本數(shù)據(jù)，對(duì)所述基礎(chǔ)樣本數(shù)據(jù)進(jìn)行信息標(biāo)記，將信息標(biāo)記后的基礎(chǔ)樣本數(shù)據(jù)保存至所述樣本集管理系統(tǒng)的樣本數(shù)據(jù)庫(kù)中。

可選的，在本發(fā)明第一方面的第二種實(shí)現(xiàn)方式中，所述基于交互式算法和所述基礎(chǔ)樣本數(shù)據(jù)生成對(duì)應(yīng)的項(xiàng)目語(yǔ)句，并將所述項(xiàng)目語(yǔ)句保存至算法語(yǔ)句庫(kù)中包括：將所述基礎(chǔ)樣本數(shù)據(jù)從所述樣本集管理系統(tǒng)中導(dǎo)出至算法語(yǔ)句庫(kù)中，得到候選樣本數(shù)據(jù)；利用交互式算法建立所述候選樣本數(shù)據(jù)對(duì)應(yīng)的算法語(yǔ)句，并對(duì)所述算法語(yǔ)句進(jìn)行測(cè)試與調(diào)整，得到項(xiàng)目語(yǔ)句，將所述項(xiàng)目語(yǔ)句保存至所述算法語(yǔ)句庫(kù)。