一种模型的更新方法、装置及设备制造方法及图纸

本说明书实施例公开了一种模型的更新方法、装置及设备，该方法应用于终端设备，包括：当用于处理目标业务的目标模型对应的业务场景由第一业务场景转换为第二业务场景时，获取基于目标模型处理目标业务时的业务数据，并从业务数据中获取用于更新目标模型的预选模型训练样本，然后，分别对预选模型训练样本进行特征提取，得到不同预设模态下预选模型训练样本对应的样本特征，基于不同预设模态下预选模型训练样本对应的样本特征，对样本特征进行不同模态映射，并为预选模型训练样本进行打标处理，基于打标后的预选模型训练样本，确定训练样本，最终，基于训练样本和第一损失函数，对目标模型进行更新，得到应用于第二业务场景的目标模型。标模型。标模型。

【技术实现步骤摘要】
一种模型的更新方法、装置及设备


[0001]本文件涉及计算机
，尤其涉及一种模型的更新方法、装置及设备。

技术介绍

[0002]随着终端技术和网络技术的不断发展，很多业务会通过模型进行业务处理，例如，可以通过生物识别模型对生物识别业务进行处理，或者，通过风险识别模型对某金融类业务进行风险识别处理等。
[0003]上述模型往往是针对某特定场景构建的模型，如果上述特定场景发生变化，则往往需要获取变化后的场景下的业务数据，并可以使用该业务数据构建和训练相应的模型，然后，将训练后的相应模型可以投入到变化后的场景下使用。但是，上述方式需要花费较多时间采集变化后的场景下的业务数据，并且，还需要构建和训练相应的模型，也需要花费较长时间，而且，训练后的模型也需要进行性能评估等处理，从而使得模型从构建到投入使用的上线应用周期较长，且需要耗费较多人力物力，无法在短时间内进行规模化。基于此，需要提供一种跨场景的情况下减小模型上线应用周期、资源消耗更低的模型应用方案。

技术实现思路

[0004]本说明书实施例的目的是提供一种跨场景的情况下减小模型上线应用周期、资源消耗更低的模型应用方案。
[0005]为了实现上述技术方案，本说明书实施例是这样实现的：
[0006]本说明书实施例提供的一种模型的更新方法，应用于终端设备，所述方法包括：当用于处理目标业务的目标模型对应的业务场景由第一业务场景转换为第二业务场景时，获取基于所述目标模型处理所述目标业务时的业务数据，并从所述业务数据中获取用于更新所述目标模型的预选模型训练样本。分别对所述预选模型训练样本进行特征提取，得到不同预设模态下所述预选模型训练样本对应的样本特征。基于不同预设模态下所述预选模型训练样本对应的样本特征，对所述样本特征进行不同模态映射，并为所述预选模型训练样本进行打标处理，基于进行打标处理后的预选模型训练样本，确定用于更新所述目标模型的训练样本。基于所述训练样本和预设的第一损失函数，对所述目标模型进行模型训练，得到应用于所述第二业务场景的目标模型。
[0007]本说明书实施例提供的一种模型的更新装置，所述装置包括：数据获取模块，当用于处理目标业务的目标模型对应的业务场景由第一业务场景转换为第二业务场景时，获取基于所述目标模型处理所述目标业务时的业务数据，并从所述业务数据中获取用于更新所述目标模型的预选模型训练样本。特征提取模块，分别对所述预选模型训练样本进行特征提取，得到不同预设模态下所述预选模型训练样本对应的样本特征。样本确定模块，基于不同预设模态下所述预选模型训练样本对应的样本特征，对所述样本特征进行不同模态映射，并为所述预选模型训练样本进行打标处理，基于进行打标处理后的预选模型训练样本，确定用于更新所述目标模型的训练样本。模型更新模块，基于所述训练样本和预设的第一
损失函数，对所述目标模型进行模型训练，得到应用于所述第二业务场景的目标模型。
[0008]本说明书实施例提供的一种模型的更新设备，所述模型的更新设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：当用于处理目标业务的目标模型对应的业务场景由第一业务场景转换为第二业务场景时，获取基于所述目标模型处理所述目标业务时的业务数据，并从所述业务数据中获取用于更新所述目标模型的预选模型训练样本。分别对所述预选模型训练样本进行特征提取，得到不同预设模态下所述预选模型训练样本对应的样本特征。基于不同预设模态下所述预选模型训练样本对应的样本特征，对所述样本特征进行不同模态映射，并为所述预选模型训练样本进行打标处理，基于进行打标处理后的预选模型训练样本，确定用于更新所述目标模型的训练样本。基于所述训练样本和预设的第一损失函数，对所述目标模型进行模型训练，得到应用于所述第二业务场景的目标模型。
[0009]本说明书实施例还提供了一种存储介质，所述存储介质用于存储计算机可执行指令，所述可执行指令在被处理器执行时实现以下流程：当用于处理目标业务的目标模型对应的业务场景由第一业务场景转换为第二业务场景时，获取基于所述目标模型处理所述目标业务时的业务数据，并从所述业务数据中获取用于更新所述目标模型的预选模型训练样本。分别对所述预选模型训练样本进行特征提取，得到不同预设模态下所述预选模型训练样本对应的样本特征。基于不同预设模态下所述预选模型训练样本对应的样本特征，对所述样本特征进行不同模态映射，并为所述预选模型训练样本进行打标处理，基于进行打标处理后的预选模型训练样本，确定用于更新所述目标模型的训练样本。基于所述训练样本和预设的第一损失函数，对所述目标模型进行模型训练，得到应用于所述第二业务场景的目标模型。
附图说明
[0010]为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0011]图1A为本说明书一种模型的更新方法实施例；
[0012]图1B为本说明书一种目标模型的更新的页面示意图；
[0013]图2为本说明书另一种模型的更新方法实施例；
[0014]图3为本说明书又一种模型的更新方法实施例；
[0015]图4为本说明书一种模型的更新装置实施例；
[0016]图5为本说明书一种模型的更新设备实施例。
具体实施方式
[0017]本说明书实施例提供一种模型的更新方法、装置及设备。
[0018]为了使本
的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，
本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
[0019]实施例一
[0020]如图1所示，本说明书实施例提供一种模型的更新方法，该方法的执行主体可以为终端设备，其中，该终端设备可以如手机、平板电脑等一定终端设备，还可以如笔记本电脑或台式电脑等计算机设备，或者，也可以为IoT设备(具体如智能手表、车载设备等)，还可以是预先设置的具有某种功能的机具等。此外，该方法的执行主体也可以为服务器等设备，具体处理过程可以根据执行主体为终端设备的情况进行调整，在此不再赘述。该方法具体可以包括以下步骤：
[0021]在步骤S102中，当用于处理目标业务的目标模型对应的业务场景由第一业务场景转换为第二业务场景时，获取基于目标模型处理目标业务时的业务数据，并从该业务数据中获取用于更新目标模型的预选模型训练样本。
[0022]其中，目标业务可以是任意业务，具体如风险识别或风险检测业务，该风险识别或风险检测业务可以是金融业务中的风险识别或风险检测业务，也可以是即时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型的更新方法，应用于终端设备，所述方法包括：当用于处理目标业务的目标模型对应的业务场景由第一业务场景转换为第二业务场景时，获取基于所述目标模型处理所述目标业务时的业务数据，并从所述业务数据中获取用于更新所述目标模型的预选模型训练样本；分别对所述预选模型训练样本进行特征提取，得到不同预设模态下所述预选模型训练样本对应的样本特征；基于不同预设模态下所述预选模型训练样本对应的样本特征，对所述样本特征进行不同模态映射，并为所述预选模型训练样本进行打标处理，基于进行打标处理后的预选模型训练样本，确定用于更新所述目标模型的训练样本；基于所述训练样本和预设的第一损失函数，对所述目标模型进行模型训练，得到应用于所述第二业务场景的目标模型。2.根据权利要求1所述的方法，所述预设模态包括第一模态和第二模态，所述分别对所述预选模型训练样本进行特征提取，得到不同预设模态下所述预选模型训练样本对应的样本特征，包括：基于所述第一模态和所述第二模态，对所述预选模型训练样本进行特征提取，得到所述第一模态下所述预选模型训练样本对应的第一样本特征和所述第二模态下所述预选模型训练样本对应的第二样本特征；所述基于不同预设模态下所述预选模型训练样本对应的样本特征，对所述样本特征进行不同模态映射，包括：基于所述第一样本特征和所述第二样本特征，对所述第一样本特征和所述第二样本特征进行不同模态映射，得到所述第一样本特征到所述第二样本特征的映射，以及所述第二样本特征到所述第一样本特征的映射。3.根据权利要求2所述的方法，所述获取基于所述目标模型处理所述目标业务时的业务数据，并从所述业务数据中获取用于更新所述目标模型的预选模型训练样本，包括：基于所述目标模型处理所述目标业务的过程中，获取第一预设时间段内所述目标业务的业务数据；如果获取的第一预设时间段内所述目标业务的业务数据的数量超过预设数量阈值，则获取所述业务数据中攻击概率大于预设概率阈值的第一业务数据，并获取所述业务数据中攻击概率小于预设概率阈值的第二业务数据；从所述第二业务数据中获取预设比例的第二业务数据，将获取的预设比例的第二业务数据和所述第一业务数据作为用于更新所述目标模型的预选模型训练样本。4.根据权利要求3所述的方法，所述从所述第二业务数据中获取预设比例的第二业务数据，将获取的预设比例的第二业务数据和所述第一业务数据作为用于更新所述目标模型的预选模型训练样本，包括：从所述第二业务数据中获取预设比例的第二业务数据，如果获取的预设比例的第二业务数据和所述第一业务数据的数量超过所述预设数量阈值，则将获取的预设比例的第二业务数据和所述第一业务数据作为用于更新所述目标模型的预选模型训练样本；如果获取的预设比例的第二业务数据和所述第一业务数据的数量不超过所述预设数量阈值，则获取第二预设时间段内所述目标业务的业务数据，并获取所述第二预设时间段
内的业务数据中攻击概率大于预设概率阈值的第三业务数据，并获取所述第二预设时间段内的业务数据中攻击概率小于预设概率阈值的第四业务数据；从所述第四业务数据中获取预设比例的第四业务数据，如果获取的预设比例的第二业务数据、所述第一业务数据、获取的预设比例的第四业务数据和所述第三业务数据的总数量超过所述预设数量阈值，则将获取的预设比例的第二业务数据、所述第一业务数据、获取的预设比例的第四业务数据和所述第三业务数据作为用于更新所述目标模型的预选模型训练样本。5.根据权利要求4所述的方法，所述分别对所述预选模型训练样本进行特征提取，得到不同预设模态下所述预选模型训练样本对应的样本特征，包括：将所述预选模型训练样本输入到所述目标模型中，从所述目标模型的倒数第二个网络层中获取所述倒数第二个网络层的输出数据，基于所述输出数据确定不同预设模态下所述预选模型训练样本对应的样本特征。6.根据权利要求1所述的方法，所述基于不同预设模态下所述预选模型训练样本对应的样本特征，对所述样本特征进行不同模态映射，包括：将不同预设模态下所述预选模型训练样本对应的样本特征分别输入到预先训练的映射器中，通过所述映射器对所述样本特征进行不同模态映射，得到不同模态下所述样本特征之间的映射关系。7.根据权利要求6所述的方法，所述方法还包括：从所述预选模型训练样本中选取第一数量的预选模型训练样本；使用所述第一数量的预选模型训练样本和预设的第二损失函数，对所述映射器进行训练，得到训练后的映射器，所述映射器包括多个不同的子模型，每个子模型用于确定不同的两个模态下的样本特征之间的映射关系，所述第二损失函数是基于不同模态下所述样本特征之间的映射关系和不同预设模态下所述预选模型训练样本对应的样本特征确定。8.根据权利要求1所述的方法，所述为所述预选模型训练样本进行打标处理，包括：基于对所述样本特征进行不同模态映射得到的不同模态下所述样本特征之间的映射关系，以及不同预设模态下所述预选模型训练样本...

【专利技术属性】
技术研发人员：曹佳炯，丁菁汀，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：