[發明專利]模型推薦方法、裝置、設備及存儲介質

在審

• 申請號: 202111112895.4
• 申請日: 2021-09-18
• 公開（公告）號: CN113837836A
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 詹培旋;李夢瑤;王彬;賈巨濤;宋德超
• 申請（專利權）人: 珠海格力電器股份有限公司;珠海聯云科技有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q40/02;G06Q40/08;G06N3/04;G06N3/08
• 代理公司: 北京華夏泰和知識產權代理有限公司 11662
• 代理人: 張娜

本申請涉及一種模型推薦方法、裝置、設備及存儲介質。該方法包括獲取待匹配的應用數據；確定與應用數據對應的模型選擇參數；按照模型選擇參數，確定應用數據分別與各模型各自的匹配度；獲取匹配度大于匹配度閾值的N個模型；從N個模型中確定向用戶推薦的模型。本申請的方案能夠提取應用數據中的模型選擇參數，并根據模型選擇參數向用戶推薦模型，大大降低了選擇模型時用戶的等待時間。

技術領域

本申請涉及計算機領域，尤其涉及一種模型推薦方法、裝置、設備及存儲介質。

背景技術

人工智能的流行，對于建模，算法的需求越來越高，大部分行業都希望通過算法實行預測，或者精細化運營的需求。例如保險行業，可以通過模型識別有保險意向的用戶進行營銷，智慧城市中，會根據人流量預測未來一段時間內哪些地方人流量增加，加緊安排交警或者人員巡邏。所以很多機構會購入建模平臺，但是建模平臺需要使用者有一定的建模基礎，判斷使用什么模型適合自己的數據。

當前在現有的建模平臺上挑選模型時，大部分是將數據把全部的模型跑一變，通過跑出來的模型指標相互比較，選擇出來一個更優的模型。由于每個模型都跑一遍，導致挑選模型的等待時間過長。

例如，當需要選擇一個模型進行人臉識別時，由于用戶不確定哪種模型適合進行人臉識別，所以需要將全部的關于人臉檢測的模型都跑一遍，以選擇一個最優的模型，這個過程消耗的時間過長，導致用戶等待時間過長。

發明內容

本申請提供了一種模型推薦方法、裝置、設備及存儲介質，用以解決現有的模型選擇過程中存在的建模時間長且對建模人員理論理解需求高的問題。

第一方面，提供一種模型推薦方法，包括：

獲取待匹配的應用數據；

確定與所述應用數據對應的模型選擇參數；

按照所述模型選擇參數，確定所述應用數據分別與各模型各自的匹配度；

獲取所述匹配度大于匹配度閾值的N個模型；

從所述N個模型中確定向用戶推薦的模型。

可選地，確定與所述應用數據對應的模型選擇參數，包括：

獲取用戶所指示的模型的學習類型，所述模型的學習類型包括半監督學習、有監督學習或無監督學習；

確定與所述應用數據對應的數據概況向量，所述數據概況向量用于按照預設的模型選擇維度描述所述應用數據；

將所述模型的學習類型和所述數據概況向量作為所述模型選擇參數。

可選地，所述模型選擇維度包括以下至少一種：

數據的維度數量；

數據的字符類型占比；

數據的數值類型占比；

數據缺失比例；

模型的輸出方式。

可選地，從所述N個模型中確定向用戶推薦的模型，包括：

確定N個所述模型各自的模型類型；

從每個所述模型類型中隨機選擇一個模型作為目標模型；

將所述目標模型作為向所述用戶推薦的模型。

可選地，從所述N個模型中確定向用戶推薦的模型，包括：

獲取適于所述N個模型的輸入參數，所述輸入參數為所述應用數據中的維度參數；

從所述應用數據中提取維度參數屬于所述輸入參數的目標數據；