[發(fā)明專利]人工智能模型優(yōu)化方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110694382.2
• 申請日: 2021-06-22
• 公開（公告）號: CN113419951A
• 公開（公告）日: 2021-09-21
• 發(fā)明（設(shè)計）人: 郭寧;俞加偉;尤薇
• 申請（專利權(quán)）人: 平安銀行股份有限公司
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06K9/62
• 代理公司: 深圳市沃德知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

本發(fā)明涉及人工智能技術(shù)，揭露了一種人工智能模型優(yōu)化方法，包括：構(gòu)建數(shù)據(jù)處理模型的隔離網(wǎng)絡(luò)，在隔離網(wǎng)絡(luò)中構(gòu)建數(shù)據(jù)處理模型的網(wǎng)絡(luò)組件的鏡像服務(wù)；提取預(yù)先獲取的處理數(shù)據(jù)的數(shù)據(jù)特征，按照數(shù)據(jù)特征對處理數(shù)據(jù)進行分類，得到測試樣本；對測試樣本進行數(shù)據(jù)采樣，得到測試數(shù)據(jù)；利用測試數(shù)據(jù)對鏡像服務(wù)進行測試；對測試結(jié)果中的錯誤結(jié)果對應(yīng)的測試數(shù)據(jù)進行擴充，利用擴充后的測試數(shù)據(jù)對鏡像服務(wù)進行訓(xùn)練,并利用訓(xùn)練后的鏡像服務(wù)對數(shù)據(jù)處理模型的網(wǎng)絡(luò)組件進行替換。此外，本發(fā)明還涉及區(qū)塊鏈技術(shù)，產(chǎn)品畫像及用戶畫像可存儲于區(qū)塊鏈的節(jié)點。本發(fā)明還提出一種人工智能模型優(yōu)化裝置、設(shè)備及介質(zhì)。本發(fā)明可以提高人工智能模型優(yōu)化的精確度。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種人工智能模型優(yōu)化方法、裝置、電子設(shè)備及計算機可讀存儲介質(zhì)。

背景技術(shù)

隨著AI應(yīng)用程序的日益普及和它本身所使用技術(shù)的復(fù)雜性，人工智能模型應(yīng)用的質(zhì)量保障重要性越來越突出，因此，對于智能模型的優(yōu)化成為了人們越來越關(guān)注的重點。

現(xiàn)有的智能人工智能模型優(yōu)化方式多為前向優(yōu)化，即在測試環(huán)境中制造測試數(shù)據(jù)，以測試數(shù)據(jù)對模型進行測試，根據(jù)測試結(jié)果對智能模型進行優(yōu)化，再利用優(yōu)化后的模型進行數(shù)據(jù)處理。該方法中，制造的測試數(shù)據(jù)中數(shù)據(jù)類型較少，導(dǎo)致測試場景有限，不足以對模型進行高精度的優(yōu)化，且固定的測試數(shù)據(jù)，難以發(fā)現(xiàn)模型過擬合的情況，導(dǎo)致測試后的模型難以泛化至實際生產(chǎn)數(shù)據(jù)。

發(fā)明內(nèi)容

本發(fā)明提供一種人工智能模型優(yōu)化方法、裝置及計算機可讀存儲介質(zhì)，其主要目的在于解決對模型進行優(yōu)化的精確度較低的問題。

為實現(xiàn)上述目的，本發(fā)明提供的一種人工智能模型優(yōu)化方法，包括：

對數(shù)據(jù)處理模型進行區(qū)域隔離，得到所述數(shù)據(jù)處理模型的隔離網(wǎng)絡(luò)，在所述隔離網(wǎng)絡(luò)中構(gòu)建所述數(shù)據(jù)處理模型的網(wǎng)絡(luò)組件的鏡像服務(wù)；

獲取所述數(shù)據(jù)處理模型中所述網(wǎng)絡(luò)組件運行時的處理數(shù)據(jù),提取所述處理數(shù)據(jù)的數(shù)據(jù)特征，按照所述數(shù)據(jù)特征對所述處理數(shù)據(jù)進行分類，得到測試樣本；

利用預(yù)設(shè)的隨機采樣器對所述測試樣本進行數(shù)據(jù)采樣，得到測試數(shù)據(jù)；

利用所述測試數(shù)據(jù)對所述鏡像服務(wù)進行測試，得到測試結(jié)果，獲取用戶對所述測試結(jié)果的反饋信息，根據(jù)所述反饋信息篩選出所述測試結(jié)果中的錯誤結(jié)果；

將所述錯誤結(jié)果對應(yīng)的測試數(shù)據(jù)進行擴充，利用擴充后的測試數(shù)據(jù)對所述鏡像服務(wù)進行預(yù)設(shè)次數(shù)的迭代訓(xùn)練,并利用訓(xùn)練后的鏡像服務(wù)對所述數(shù)據(jù)處理模型的網(wǎng)絡(luò)組件進行替換。

可選地，所述對數(shù)據(jù)處理模型進行區(qū)域隔離，得到所述數(shù)據(jù)處理模型的隔離網(wǎng)絡(luò)，包括：

獲取所述數(shù)據(jù)處理模型中每個網(wǎng)絡(luò)組件的資源利用率，確定所述數(shù)據(jù)處理模型中所述資源利用率小于預(yù)設(shè)利用率的網(wǎng)絡(luò)組件的運行空間為可用隔離區(qū)域；

限制所述可用隔離區(qū)域與所述數(shù)據(jù)處理模型之間的數(shù)據(jù)傳輸速率小于預(yù)設(shè)速率，得到隔離網(wǎng)絡(luò)。

可選地，所述在所述隔離網(wǎng)絡(luò)中構(gòu)建所述數(shù)據(jù)處理模型的網(wǎng)絡(luò)組件的鏡像服務(wù)，包括：

對所述數(shù)據(jù)處理模型中網(wǎng)絡(luò)組件進行鏡像參數(shù)復(fù)制，得到鏡像參數(shù)；

利用所述鏡像參數(shù)在所述隔離網(wǎng)絡(luò)中構(gòu)建所述網(wǎng)絡(luò)組件的鏡像服務(wù)。

可選地，所述獲取所述數(shù)據(jù)處理模型中所述網(wǎng)絡(luò)組件運行時的處理數(shù)據(jù)，包括：

獲取所述數(shù)據(jù)處理模型中各網(wǎng)絡(luò)組件的數(shù)據(jù)接口參數(shù)；

根據(jù)所述數(shù)據(jù)接口參數(shù)構(gòu)建數(shù)據(jù)聚合接口；

利用所述數(shù)據(jù)聚合接口從所述數(shù)據(jù)處理模型中抓取多網(wǎng)絡(luò)組件的處理數(shù)據(jù)。

可選地，所述提取所述處理數(shù)據(jù)的數(shù)據(jù)特征，包括：