[發明專利]一種模型評估方法、電子設備及計算機可讀存儲介質

有效

• 申請號: 202110888946.6
• 申請日: 2021-08-04
• 公開（公告）號: CN113342700B
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 趙菁;李旭冬;袁明凱;黃斌;羅章龍;嚴明
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06N5/00;G06N3/00
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 趙翠萍;張穎玲

本申請提供一種模型評估方法、電子設備及計算機可讀存儲介質；方法包括：獲取K個因素組、以及每個因素組對應的K個第1次查找值；通過迭代i執行以下處理：獲取K個第i次查找值對應的第i次決策值；基于第i次決策值與決策閾值的比較結果，將K個因素組劃分為第一因素組和第二因素組；將第一因素組中的目標因素的第i次查找值，更新至第二因素組中的每個因素組中；在第一因素組和更新的第二因素組中，對每個因素組的目標因素的第i次查找值進行折半查找，得到每個因素組對應的K個第i+1次查找值；基于迭代i得到的每個因素組對應的K個第I次查找值，確定最優組合值，并基于最優組合值評估決策模型。通過本申請，能夠提升決策模型的評估效率。

技術領域

本申請涉及計算機應用領域中的模型評估技術，尤其涉及一種模型評估方法、電子設備及計算機可讀存儲介質。

背景技術

在涉及多因素的決策模型的評估過程中，常常存在多因素最優化處理，其中，多因素是指影響決策模型決策的多個因素，最優化是指最大化或最小化決策模型的決策值的過程。

一般來說，針對決策模型的評估過程中的多因素最優化，可以通過粒子群算法實現。然而，采用粒子群算法實現多因素最優化時，涉及到粒子群體中因素的數目、粒子搜索過程中的速度、最大速度、消息同步的頻率和迭代的次數等，所以，粒子群算法的復雜度較高；因此，采用粒子群算法實現決策模型評估過程中的多因素最優化時，復雜度較高，導致決策模型的評估效率較低。

發明內容

本申請實施例提供一種模型評估方法、裝置、電子設備及計算機可讀存儲介質，能夠提升決策模型的評估效率。

本申請實施例的技術方案是這樣實現的：

本申請實施例提供一種模型評估方法，包括：

獲取K個因素組，基于每個所述因素組所包括的目標因素，確定每個所述因素組對應的K個第1次查找值，每個所述因素組還包括K-1個因素，每個所述因素組的所述目標因素不同，K為大于1的正整數；

通過迭代i執行以下處理，1≤i≤I-1，且i為遞增的正整數變量，I為大于1的正整數：

利用決策模型得出K個所述第i次查找值對應的第i次決策值；

基于所述第i次決策值與決策閾值的比較結果，將K個所述因素組劃分為第一因素組和第二因素組；

將所述第一因素組中的所述目標因素的第i次查找值，更新至所述第二因素組中的每個所述因素組中；

在所述第一因素組和更新的所述第二因素組中，對每個所述因素組的所述目標因素的所述第i次查找值進行折半查找，得到每個所述因素組對應的K個第i+1次查找值；

基于迭代i得到的每個所述因素組對應的K個第I次查找值，確定最優組合值，并基于所述最優組合值評估所述決策模型。

本申請實施例提供一種模型評估裝置，包括：

初始化模塊，用于獲取K個因素組，基于每個所述因素組所包括的目標因素，確定每個所述因素組對應的K個第1次查找值，每個所述因素組還包括K-1個因素，每個所述因素組的所述目標因素不同，K為大于1的正整數；

查找迭代模塊，用于通過迭代i執行以下處理，1≤i≤I-1，且i為遞增的正整數變量，I為大于1的正整數：利用決策模型得出K個所述第i次查找值對應的第i次決策值；基于所述第i次決策值與決策閾值的比較結果，將K個所述因素組劃分為第一因素組和第二因素組；將所述第一因素組中的所述目標因素的第i次查找值，更新至所述第二因素組中的每個所述因素組中；在所述第一因素組和更新的所述第二因素組中，對每個所述因素組的所述目標因素的所述第i次查找值進行折半查找，得到每個所述因素組對應的K個第i+1次查找值；