[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

本申請公開了模型更新方法及相關裝置，可應用于人工智能領域以及金融領域。本發(fā)明可以通過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。由此可以看出，本發(fā)明可以自動及時地基于新的訓練樣本和訓練指標，對模型重新進行訓練，從而實現(xiàn)模型自動更新，效率較高。

技術領域

本發(fā)明涉及人工智能領域，特別涉及一種模型更新方法及相關裝置。

背景技術

隨著人工智能技術的不斷發(fā)展，互聯(lián)網(wǎng)金融的進一步融合，機器學習也逐漸應用于銀行業(yè)產(chǎn)品交付過程中的質量評估。產(chǎn)品質量評估模型基于產(chǎn)品交付各階段的數(shù)據(jù)(需求分析階段的工作拆分數(shù)據(jù)、開發(fā)階段的代碼數(shù)據(jù)、測試階段的缺陷數(shù)據(jù)等)構建，以預測產(chǎn)品交付時的質量。

然而，隨著銀行業(yè)敏捷交付的持續(xù)推廣，產(chǎn)品迭代周期越來越短，模型種類越來越多，且評估標準經(jīng)常變化，產(chǎn)品質量評估模型也需要及時迭代來適應新的情況。因此，當前及時進行模型更新成為了本領域技術人員亟需解決的技術問題。

發(fā)明內容

鑒于上述問題，本發(fā)明提供一種克服上述問題或者至少部分地解決上述問題的一種模型更新方法及相關裝置。

第一方面，一種模型更新方法，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。

結合第一方面，在某些可選的實施方式中，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。

結合第一方面，在某些可選的實施方式中，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。

結合第一方面，在某些可選的實施方式中，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。

結合第一方面，在某些可選的實施方式中，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。

結合第一方面，在某些可選的實施方式中，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。