【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。