[發(fā)明專利]更新業(yè)務(wù)處理模型的方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210374511.4
• 申請(qǐng)日: 2022-04-11
• 公開（公告）號(hào): CN114662783A
• 公開（公告）日: 2022-06-24
• 發(fā)明（設(shè)計(jì)）人: 張立平;王希予;何昱;曹俊豪
• 申請(qǐng)（專利權(quán)）人: 京東科技信息技術(shù)有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q10/06;G06K9/62;G06N20/00
• 代理公司: 北京英賽嘉華知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達(dá)佐;馬曉亞

本申請(qǐng)公開了一種更新業(yè)務(wù)處理模型的方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，涉及人工智能技術(shù)領(lǐng)域。該方法的一具體實(shí)施方式包括：獲取初始業(yè)務(wù)處理模型的新增業(yè)務(wù)數(shù)據(jù)，并獲取預(yù)設(shè)的第一生成式模型生成的參考業(yè)務(wù)數(shù)據(jù)；將新增業(yè)務(wù)數(shù)據(jù)和參考業(yè)務(wù)數(shù)據(jù)共同作為訓(xùn)練樣本，對(duì)初始業(yè)務(wù)處理模型進(jìn)行訓(xùn)練，得到更新后的業(yè)務(wù)處理模型；以及將新增業(yè)務(wù)數(shù)據(jù)和參考業(yè)務(wù)數(shù)據(jù)共同作為訓(xùn)練樣本，對(duì)預(yù)設(shè)的第二生成式模型進(jìn)行訓(xùn)練，得到更新后的第二生成式模型；將更新后的第二生成式模型作為更新后的第一生成式模型；將更新后的業(yè)務(wù)處理模型作為初始業(yè)務(wù)處理模型，并將更新后的第一生成式模型作為預(yù)設(shè)的第一生成式模型。

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)技術(shù)領(lǐng)域，具體涉及人工智能技術(shù)領(lǐng)域，尤其涉及更新業(yè)務(wù)處理模型的方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著人工智能技術(shù)的發(fā)展，深度學(xué)習(xí)技術(shù)憑借對(duì)業(yè)務(wù)數(shù)據(jù)的深度提取能力在眾多領(lǐng)域得到了廣泛應(yīng)用。在目前實(shí)際應(yīng)用中，為保證深度學(xué)習(xí)模型在線的性能，往往需要在增量業(yè)務(wù)數(shù)據(jù)達(dá)到一定量時(shí)，利用所有新老業(yè)務(wù)數(shù)據(jù)一同對(duì)該模型進(jìn)行全量數(shù)據(jù)訓(xùn)練，然后將模型更新上線。但，隨著業(yè)務(wù)數(shù)據(jù)數(shù)量的不斷增加，數(shù)據(jù)存儲(chǔ)的成本和該模型訓(xùn)練的資源也急劇增加；與此同時(shí)，該模型訓(xùn)練的效率還會(huì)大幅降低，使得模型更新時(shí)間與模型在線的性能的矛盾日益嚴(yán)重，影響應(yīng)用體驗(yàn)及產(chǎn)品競(jìng)爭(zhēng)力。因此，增量學(xué)習(xí)(IncrementalLearning)技術(shù)得到了廣泛關(guān)注。

目前，增量學(xué)習(xí)包括基于生成式的增量學(xué)習(xí)；但隨著新增數(shù)據(jù)的到來，記憶生成模型自身也需要對(duì)新增數(shù)據(jù)進(jìn)行學(xué)習(xí)，這需要記憶生成模型生成舊數(shù)據(jù)的同時(shí)，結(jié)合新增數(shù)據(jù)對(duì)記憶生成模型自身進(jìn)行訓(xùn)練更新，由于學(xué)習(xí)和生成過程耦合在一起的，因此導(dǎo)致模型漂移，即對(duì)舊數(shù)據(jù)的記憶遺忘，從而導(dǎo)致后續(xù)整體的增量學(xué)習(xí)效果持續(xù)降低。

發(fā)明內(nèi)容

本申請(qǐng)的實(shí)施例提出了更新業(yè)務(wù)處理模型的方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

第一方面，本申請(qǐng)的實(shí)施例提供了一種更新業(yè)務(wù)處理模型的方法，該方法包括：獲取初始業(yè)務(wù)處理模型的新增業(yè)務(wù)數(shù)據(jù)，并獲取預(yù)設(shè)的第一生成式模型生成的參考業(yè)務(wù)數(shù)據(jù)；將新增業(yè)務(wù)數(shù)據(jù)和參考業(yè)務(wù)數(shù)據(jù)共同作為訓(xùn)練樣本，對(duì)初始業(yè)務(wù)處理模型進(jìn)行訓(xùn)練，得到更新后的業(yè)務(wù)處理模型；以及將新增業(yè)務(wù)數(shù)據(jù)和參考業(yè)務(wù)數(shù)據(jù)共同作為訓(xùn)練樣本，對(duì)預(yù)設(shè)的第二生成式模型進(jìn)行訓(xùn)練，得到更新后的第二生成式模型；將更新后的第二生成式模型作為更新后的第一生成式模型；將更新后的業(yè)務(wù)處理模型作為初始業(yè)務(wù)處理模型，并將更新后的第一生成式模型作為預(yù)設(shè)的第一生成式模型。

在一些實(shí)施例中，預(yù)設(shè)的第一生成式模型和預(yù)設(shè)的第二生成式模型為結(jié)構(gòu)相同的模型。

在一些實(shí)施例中，預(yù)設(shè)的更新條件為：初始業(yè)務(wù)處理模型的精度滿足預(yù)設(shè)的精度閾值；和/或，初始業(yè)務(wù)處理模型的新增業(yè)務(wù)數(shù)據(jù)的數(shù)量滿足預(yù)設(shè)的數(shù)量閾值。

在一些實(shí)施例中，初始業(yè)務(wù)處理模型基于以下步驟確定：獲取第二初始業(yè)務(wù)數(shù)據(jù)；利用第二初始業(yè)務(wù)數(shù)據(jù)對(duì)機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到初始業(yè)務(wù)處理模型。

在一些實(shí)施例中，初始業(yè)務(wù)處理模型基于以下步驟確定：獲取第二初始業(yè)務(wù)數(shù)據(jù)；利用第二初始業(yè)務(wù)數(shù)據(jù)對(duì)機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到初始業(yè)務(wù)處理模型。

在一些實(shí)施例中，獲取初始業(yè)務(wù)處理模型的新增業(yè)務(wù)數(shù)據(jù)，并獲取預(yù)設(shè)的第一生成式模型生成的參考業(yè)務(wù)數(shù)據(jù)，包括：判斷初始業(yè)務(wù)模型是否滿足預(yù)設(shè)的更新條件；若是，獲取初始業(yè)務(wù)處理模型的新增業(yè)務(wù)數(shù)據(jù)，并獲取預(yù)設(shè)的第一生成式模型生成的參考業(yè)務(wù)數(shù)據(jù)。

在一些實(shí)施例中，該更新業(yè)務(wù)處理模型的方法還包括：循環(huán)執(zhí)行以上步驟，直至初始業(yè)務(wù)處理模型不滿足預(yù)設(shè)的更新條件。