[發明專利]模型定制系統和方法

有效

• 申請號: 202110732815.9
• 申請日: 2021-06-30
• 公開（公告）號: CN113554171B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 王小坤;雍高鵬;李殿亞;王洋;孫叔琦;李婷婷;常月
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06N3/10
• 分類號: G06N3/10;G06N3/08;G06F16/27;G06F16/28;G06F16/23;G06F8/20
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 張夢瑤

本公開提供一種模型定制系統和方法，涉及人工智能領域，尤其涉及自然語言處理及深度學習等領域。具體實現方案為：模型定制系統包括數據庫、數據交互中心、訓練中心和模型存儲中心；其中，數據庫包括二進制日志，用于記錄數據庫表結構變更以及表數據修改；數據交互中心用于響應于目標對象的定制請求，獲取目標對象的定制數據，并將定制數據發送至數據庫進行存儲；訓練中心用于獲取數據庫的二進制日志，并根據二進制日志感知數據交互中心的數據變化信息，根據數據變化信息生成訓練數據，以及根據訓練數據生成目標對象的定制模型；模型存儲中心用于接收訓練中心發送的目標對象的定制模型，并采用分布式存儲方法對目標對象的定制模型進行存儲。

技術領域

本公開涉及人工智能領域，尤其涉及自然語言處理及深度學習等領域，特別涉及一種模型定制系統和一種用于該模型定制系統的方法。

背景技術

近年來，人工智能領域中自然語言處理技術獲得了爆發式發展，新技術和新模型層出不窮。在新時代背景下，如何將多樣化的先進的自然語言處理領域科研成果高效地應用到產業實踐中并解決實際問題，是自然語言處理領域中的核心問題。此外，深度學習是人工智能領域中的關鍵技術，研發人員通常是基于深度學習框架來開展相關工作。

然而，傳統的用于模型訓練的方法和平臺無法滿足復雜的深度學習開發要求。

發明內容

本公開提供了一種用于AI(Artificial?Intelligence，人工智能)定制化模型場景下的模型定制系統和方法。

根據本公開的第一方面，提供了一種模型定制系統，包括：

數據庫，所述數據庫包括二進制日志，所述二進制日志用于記錄數據庫表結構變更以及表數據修改；

數據交互中心，用于響應于目標對象的定制請求，獲取所述目標對象的定制數據，并將所述定制數據發送至所述數據庫進行存儲；

訓練中心，用于獲取所述數據庫的二進制日志，并根據所述二進制日志感知所述數據交互中心的數據變化信息，根據所述數據變化信息生成訓練數據，以及根據所述訓練數據生成所述目標對象的定制模型；

模型存儲中心，用于接收所述訓練中心發送的所述目標對象的定制模型，并采用分布式存儲方法對所述目標對象的定制模型進行存儲。

根據本公開的第二方面，提供了一種模型定制方法，所述方法應用于模型定制系統上，其中，所述模型定制系統包括數據交互中心、數據庫、訓練中心和模型存儲中心，所述方法包括：

所述數據交互中心響應于目標對象的定制請求，獲取所述目標對象的定制數據，并將所述定制數據發送至所述數據庫進行存儲；

所述訓練中心獲取所述數據庫的二進制日志，并根據所述二進制日志感知所述數據交互中心的數據變化信息，并根據所述數據變化信息生成訓練數據，以及根據所述訓練數據生成所述目標對象的定制模型；

所述模型存儲中心接收所述訓練中心發送的所述目標對象的定制模型，并采用分布式存儲方法對所述目標對象的定制模型進行存儲。

根據本公開的技術方案，通過將模型定制系統拆分為數據庫、數據交互中心、訓練中心和模型存儲中心，每個模塊均有各自功能，使得各個模塊內聚度高，而模塊之間的耦合度低，可以提高定制系統的可擴展性，從而可以滿足復雜的深度學習開發要求。

應當理解，本部分所描述的內容并非旨在標識本公開的實施例的關鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。

附圖說明

附圖用于更好地理解本方案，不構成對本公開的限定。其中：

圖1是本公開實施例提供的一種模型定制系統的結構示意圖；

圖2是本公開實施例提供的另一種模型定制系統的結構示意圖；