[發(fā)明專利]模型更新方法及相關裝置

在審

• 申請?zhí)枺?/td>: 202210873112.2
• 申請日: 2022-07-21
• 公開（公告）號: CN115098140A
• 公開（公告）日: 2022-09-23
• 發(fā)明（設計）人: 李敬文
• 申請（專利權）人: 中國銀行股份有限公司
• 主分類號: G06F8/65
• 分類號: G06F8/65;G06F8/71;G06K9/62
• 代理公司: 北京集佳知識產(chǎn)權代理有限公司 11227
• 代理人: 王嬌嬌

1.一種模型更新方法，其特征在于，包括：

獲取待更新的模型和對應的訓練指標；

從數(shù)據(jù)庫中獲取與所述模型對應的新的訓練樣本；

基于所述新的訓練樣本和所述訓練指標，對所述模型進行本次訓練；

在所述本次訓練結(jié)束后，存儲所述模型對應的模型文件；

通過線上加載所述模型文件，從而更新所述模型。

2.根據(jù)權利要求1所述的方法，其特征在于，所述獲取待更新的模型和對應的訓練指標，包括：

獲取模型更新請求，其中，所述模型更新請求攜帶有模型標識；

根據(jù)所述模型標識，從模型庫中獲取預先建立的所述模型和所述訓練指標。

3.根據(jù)權利要求1所述的方法，其特征在于，所述基于所述新的訓練樣本和所述訓練指標，對所述模型進行本次訓練，包括：

對所述新的訓練樣本進行特征加工，從而得到新的特征；

使用所述新的特征對所述模型進行所述本次訓練。

4.根據(jù)權利要求1所述的方法，其特征在于，在所述基于所述新的訓練樣本和所述訓練指標，對所述模型進行本次訓練之后，所述方法還包括：

調(diào)用sklearn工具包，計算所述模型對應的AUC值、真陽率tpr和假陽率fpr；

根據(jù)所述AUC值、所述真陽率tpr和所述假陽率fpr，評估所述模型的性能。

5.根據(jù)權利要求1所述的方法，其特征在于，在所述基于所述新的訓練樣本和所述訓練指標，對所述模型進行本次訓練之后，所述方法還包括：

在所述本次訓練結(jié)束后，存儲所述模型對應的所述本次訓練的訓練日志和所述本次訓練的訓練指標。

6.根據(jù)權利要求1所述的方法，其特征在于，所述通過線上加載所述模型文件，從而更新所述模型，包括：

線上加載所述模型文件中記錄的決策樹，并線上讀取所述模型文件中記錄的所述決策樹的分叉條件，從而加載所述模型文件；

使用所述模型文件替換原來的模型文件，從而更新所述模型。

7.一種模型更新裝置，其特征在于，包括：模型指標獲取單元、訓練樣本獲取單元、模型訓練單元、模型文件存儲單元和模型更新單元；

所述模型指標獲取單元，用于獲取待更新的模型和對應的訓練指標；

所述訓練樣本獲取單元，用于從數(shù)據(jù)庫中獲取與所述模型對應的新的訓練樣本；

所述模型訓練單元，用于基于所述新的訓練樣本和所述訓練指標，對所述模型進行本次訓練；

所述模型文件存儲單元，用于在所述本次訓練結(jié)束后，存儲所述模型對應的模型文件；

所述模型更新單元，用于通過線上加載所述模型文件，從而更新所述模型。

8.根據(jù)權利要求7所述的裝置，其特征在于，所述模型指標獲取單元，包括：更新請求獲取子單元和模型指標獲取子單元；

所述更新請求獲取子單元，用于獲取模型更新請求，其中，所述模型更新請求攜帶有模型標識；

所述模型指標獲取子單元，用于根據(jù)所述模型標識，從模型庫中獲取預先建立的所述模型和所述訓練指標。

9.一種計算機可讀存儲介質(zhì)，其上存儲有程序，其特征在于，所述程序被處理器執(zhí)行時實現(xiàn)如權利要求1至6中任一項所述的模型更新方法。

10.一種電子設備，其特征在于，所述電子設備包括至少一個處理器、以及與所述處理器連接的至少一個存儲器、總線；其中，所述處理器、所述存儲器通過所述總線完成相互間的通信；所述處理器用于調(diào)用所述存儲器中的程序指令，以執(zhí)行如權利要求1至6中任一項所述的模型更新方法。