[發明專利]一種模型處理方法、裝置、電子設備和存儲介質

在審

• 申請號: 202110275915.3
• 申請日: 2021-03-15
• 公開（公告）號: CN113065843A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 晏賽;駱穎民;趙麗麗;楊蕾;劉才良;陳保賀;王玢;張肇勇;文書凡
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06Q10/10
• 分類號: G06Q10/10;G06K9/62;G06N20/00
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;賈允

1.一種模型處理方法，其特征在于，所述方法包括：

接收目標業務的模型處理配置指令，所述模型處理配置指令包括所述目標業務對應的目標機器學習模型的模型關聯特征信息，以及所述目標機器學習模型在所述目標業務下的數據集路徑信息、訓練輪次和模型預期參數；

將所述模型關聯特征信息、所述數據集路徑信息和所述訓練輪次配置到預設的工作流流程信息中，生成所述目標業務對應的目標工作流運行實例，所述目標工作流運行實例包括模型訓練實例和模型測試實例；

通過運行所述模型訓練實例訓練所述目標機器學習模型，得到目標訓練模型；

通過運行所述模型測試實例測試所述目標訓練模型，得到測試結果；

在所述測試結果與所述模型預期參數相匹配的情況下，將所述目標訓練模型作為業務模型，所述業務模型用于執行所述目標業務。

2.根據權利要求1所述的模型處理方法，其特征在于，所述數據集路徑信息包括訓練數據路徑信息，所述目標機器學習模型的數目有多個，所述通過運行所述模型訓練實例訓練所述目標機器學習模型，得到目標訓練模型包括：

根據所述訓練數據路徑信息，獲取訓練數據集；

從所述訓練數據集中獲取當前訓練輪次對應的訓練數據集；

基于當前訓練輪次對應的訓練數據集，分別對上一訓練輪次對應的目標訓練后模型進行訓練，得到當前訓練輪次對應的訓練后模型；其中，在當前訓練輪次為第一訓練輪次時，所述上一訓練輪次對應的目標訓練后模型為多個目標機器學習模型；

對當前訓練輪次對應的訓練后模型，按照每個訓練后模型對應的訓練效果數據由大至小依次排序，得到當前訓練輪次對應的訓練后模型序列，所述訓練效果數據表征所述訓練后模型與所述目標業務的匹配程度；

從當前訓練輪次對應的訓練后模型序列中，由前往后確定當前訓練輪次對應的目標訓練后模型；

若當前訓練輪次對應的目標訓練后模型不滿足預設訓練條件，則返回執行所述從所述訓練數據集中獲取當前訓練輪次對應的訓練數據集及后續步驟，直至當前訓練輪次對應的目標訓練后模型滿足預設訓練條件時，從當前訓練輪次對應的目標訓練后模型中確定目標訓練模型。

3.根據權利要求2所述的模型處理方法，其特征在于，所述從所述訓練數據集中獲取當前訓練輪次對應的訓練數據集包括：

基于預設采樣條件，確定當前訓練輪次對應的采樣數量，其中，第一個訓練輪次對應的采樣數量低于其他訓練輪次的采樣數量；

基于所述當前訓練輪次對應的采樣數量，從所述訓練數據集中獲取所述采樣數量個訓練數據，得到當前訓練輪次對應的當前訓練數據集。

4.根據權利要求2所述的模型處理方法，其特征在于，所述從當前訓練輪次對應的訓練后模型序列中，由前往后確定當前訓練輪次對應的目標訓練后模型包括：

基于預設篩選條件，確定當前訓練輪次對應的篩選數量，其中，第一個訓練輪次對應的篩選數量高于其他訓練輪次的篩選數量；

根據所述當前訓練輪次對應的篩選數量，從所述訓練后模型序列中由前到后確定多個訓練后模型。

5.根據權利要求1所述的模型處理方法，其特征在于，所述接收業務模型的模型處理配置指令之前，所述方法還包括：

接收初始數據集；

將所述初始數據集配置到預設的數據解析流程信息中，生成所述初始數據集對應的數據集解析實例；

通過運行所述數據集解析實例解析所述初始數據集，得到數據解析結果；

將所述數據解析結果發送到云端進行存儲。

6.根據權利要求1所述的模型處理方法，其特征在于，所述方法還包括：

接收機器學習模型；

生成所述機器學習模型的初始應用狀態信息，所述初始應用狀態信息表征所述機器學習模型不可應用；

獲取所述機器學習模型的訓練數據路徑信息；

將所述訓練數據路徑信息配置到預設的工作流實例中，生成模型驗證實例；

通過運行所述模型驗證實例訓練所述機器學習模型，得到所述機器學習模型對應的驗證數據；

在所述驗證數據滿足預設應用條件時，將所述機器學習模型的初始應用狀態信息更新為可應用。