CN110888860B - 模型特征处理方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本发明公开了一种模型特征处理方法、装置、计算机设备和存储介质。其中，所述方法包括：通过经基础校验后的元数据和该发起的模型计算请求的请求类型，确定该领域建模中的处理器链，并依次执行该确定的处理器链上的处理器处理该读取数据，根据该经处理后的读取数据，将模型特征加工过程中所涉及数据的参数进行适配的转换加工，根据该经适配转换加工后的参数，调用该模型特征的底层预测模型标记语言模型，以及执行该调用的底层预测模型标记语言模型得到执行结果。通过上述方式，能够实现提高模型特征加工过程中所涉及数据的处理效率。

Description

模型特征处理方法、装置、计算机设备和存储介质

技术领域

本发明涉及模型特征处理技术领域，特别是涉及一种模型特征处理方法、装置、计算机设备和存储介质。

背景技术

现有的模型特征处理方案，一般是采用直接处理的方式，由业务模型计算请求后，先对元数据进行校验，然后按一定次序依次对参数进行解析，直至所有参数处理完整后，进行加工处理，调用模型计算。

然而，现有的模型特征处理方案，由于数据参数的交叉性，很多模型特征加工过程中所涉及数据需要多次重复获取，导致该数据处理效率低下。

发明内容

有鉴于此，本发明的目的在于提出一种模型特征处理方法、装置、计算机设备和存储介质，能够实现提高模型特征加工过程中所涉及数据的处理效率。

根据本发明的一个方面，提供一种模型特征处理方法，所述方法应用于责任链路模式的模型系统，所述方法包括：将模型特征加工过程中所涉及数据进行领域建模；其中，所述领域建模包括数据读取组和处理器链两种领域数据；将所述领域建模封装成基于责任链路模式的流式处理器；在业务系统发起模型计算请求时，从所述领域建模中依次读取出所需共享的读取数据，并将所述读取数据存储到所述流式处理器的上下文中；通过经基础校验后的元数据和所述发起的模型计算请求的请求类型，确定所述领域建模中的处理器链，并依次执行所述确定的处理器链上的处理器处理所述读取数据；根据所述经处理后的读取数据，将模型特征加工过程中所涉及数据的参数进行适配的转换加工；根据所述经适配转换加工后的参数，调用所述模型特征的底层预测模型标记语言模型；执行所述调用的底层预测模型标记语言模型得到执行结果，完成对模型特征的加工。

其中，所述将模型特征加工过程中所涉及数据进行领域建模，包括：从模型特征加工过程中所涉及数据中提炼出数据读取组和处理器链两种领域数据，将所述提炼出的数据读取组和处理器链两种领域数据进行领域建模。

其中，所述在业务系统发起模型计算请求时，从所述领域建模中依次读取出所需共享的读取数据，并将所述读取数据存储到所述流式处理器的上下文中，包括：在业务系统发起模型计算请求时，对元数据进行基础校验，和通过所述进行基础校验后的元数据和所述发起的模型计算请求的请求类型，确定所述领域建模中的数据读取组，和从所述确定的数据读取组中依次读取出所需共享的读取数据，并将所述读取数据存储到所述流式处理器的上下文中。

其中，在所述执行所述调用的底层预测模型标记语言模型得到执行结果，完成对模型特征的加工之后，还包括：记录所述得到的执行结果。

根据本发明的另一个方面，提供一种模型特征处理装置，所述装置应用于责任链路模式的模型系统，所述装置包括：建模模块、封装模块、存储模块、处理模块、适配模块、调用模块和执行模块；所述建模模块，用于将模型特征加工过程中所涉及数据进行领域建模；其中，所述领域建模包括数据读取组和处理器链两种领域数据；所述封装模块，用于将所述领域建模封装成基于责任链路模式的流式处理器；所述存储模块，用于在业务系统发起模型计算请求时，从所述领域建模中依次读取出所需共享的读取数据，并将所述读取数据存储到所述流式处理器的上下文中；所述处理模块，用于通过经基础校验后的元数据和所述发起的模型计算请求的请求类型，确定所述领域建模中的处理器链，并依次执行所述确定的处理器链上的处理器处理所述读取数据；所述适配模块，用于根据所述经处理后的读取数据，将模型特征加工过程中所涉及数据的参数进行适配的转换加工；所述调用模块，用于根据所述经适配转换加工后的参数，调用所述模型特征的底层预测模型标记语言模型；所述执行模块，用于执行所述调用的底层预测模型标记语言模型得到执行结果，完成对模型特征的加工。

其中，所述建模模块，具体用于：从模型特征加工过程中所涉及数据中提炼出数据读取组和处理器链两种领域数据，将所述提炼出的数据读取组和处理器链两种领域数据进行领域建模。

其中，所述存储模块，具体用于：在业务系统发起模型计算请求时，对元数据进行基础校验，和通过所述进行基础校验后的元数据和所述发起的模型计算请求的请求类型，确定所述领域建模中的数据读取组，和从所述确定的数据读取组中依次读取出所需共享的读取数据，并将所述读取数据存储到所述流式处理器的上下文中。

其中，所述模型特征处理装置，还包括：记录模块；所述记录模块，用于记录所述得到的执行结果。

根据本发明的又一个方面，提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的模型特征处理方法的步骤。

根据本发明的再一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的模型特征处理方法的步骤。

可以发现，以上方案，可以将模型特征加工过程中所涉及数据进行领域建模，其中，该领域建模包括数据读取组和处理器链两种领域数据，和可以将该领域建模封装成基于责任链路模式的流式处理器，和可以在业务系统发起模型计算请求时，从该领域建模中依次读取出所需共享的读取数据，并将该读取数据存储到该流式处理器的上下文中，和可以通过经基础校验后的元数据和该发起的模型计算请求的请求类型，确定该领域建模中的处理器链，并依次执行该确定的处理器链上的处理器处理该读取数据，和可以根据该经处理后的读取数据，将模型特征加工过程中所涉及数据的参数进行适配的转换加工，和可以根据该经适配转换加工后的参数，调用该模型特征的底层预测模型标记语言模型，以及可以执行该调用的底层预测模型标记语言模型得到执行结果，完成对模型特征的加工，通过上述方式，能够根据该经处理后的读取数据，将模型特征加工过程中所涉及数据的参数进行适配的转换加工，从而实现提高模型特征加工过程中所涉及数据的处理效率。

进一步的，以上方案，可以从模型特征加工过程中所涉及数据中提炼出数据读取组和处理器链两种领域数据，将该提炼出的数据读取组和处理器链两种领域数据进行领域建模，这样的好处是能够实现通过将该数据读取组和处理器链两种领域数据进行领域建模，细分了数据读取及处理器两大部分数据，方便对该数据读取组和处理器链两种领域数据进行管理，极大的提高了模型特征加工过程中所涉及数据的可扩展性和可读性。

进一步的，以上方案，可以在业务系统发起模型计算请求时，对元数据进行基础校验，和通过该进行基础校验后的元数据和该发起的模型计算请求的请求类型，确定该领域建模中的数据读取组，和从该确定的数据读取组中依次读取出所需共享的读取数据，并将该读取数据存储到该流式处理器的上下文中，这样的好处是能够实现在该领域建模的前提下，通过将该读取出的所需共享的读取数据存储到该流式处理器的上下文中，能够对模型特征加工过程中所涉及数据进行共享存储，提高了对模型特征加工过程中所涉及数据的处理效率。

进一步的，以上方案，可以记录该得到的执行结果，这样的好处是方便对模型特征加工的过程数据进行管理，进而提升对模型特征加工的效果。

附图说明

为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明模型特征处理方法一实施例的流程示意图；

图2是本发明模型特征处理方法另一实施例的流程示意图；

图3是本发明模型特征处理装置一实施例的结构示意图；

图4是本发明模型特征处理装置另一实施例的结构示意图；

图5是本发明计算机设备一实施例的内部结构示意图。

具体实施方式

下面结合附图和实施例，对本发明作进一步的详细描述。特别指出的是，以下实施例仅用于说明本发明，但不对本发明的范围进行限定。同样的，以下实施例仅为本发明的部分实施例而非全部实施例，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它实施例，都属于本发明保护的范围。

本发明提供一种模型特征处理方法，能够实现提高模型特征加工过程中所涉及数据的处理效率。

请参见图1，图1是本发明模型特征处理方法一实施例的流程示意图。需注意的是，若有实质上相同的结果，本发明的方法并不以图1所示的流程顺序为限。如图1所示，该方法包括如下步骤：

S101：将模型特征加工过程中所涉及数据进行领域建模；其中，该领域建模包括数据读取组和处理器链两种领域数据。

其中，该将模型特征加工过程中所涉及数据进行领域建模，可以包括：

从模型特征加工过程中所涉及数据中提炼出数据读取组和处理器链两种领域数据，将该提炼出的数据读取组和处理器链两种领域数据进行领域建模，这样的好处是能够实现通过将该数据读取组和处理器链两种领域数据进行领域建模，细分了数据读取及处理器两大部分数据，方便对该数据读取组和处理器链两种领域数据进行管理，极大的提高了模型特征加工过程中所涉及数据的可扩展性和可读性。

S102：将该领域建模封装成基于责任链路模式的流式处理器。

在本实施例中，该责任链路模式可以是很多对象由每一个对象对其下家的引用而连接起来形成一条链，每一个对象的请求可以在这个链上传递，直到链上的其中一个对象决定处理此请求，本发明不加以限定。

S103：在业务系统发起模型计算请求时，从该领域建模中依次读取出所需共享的读取数据，并将该读取数据存储到该流式处理器的上下文中。

其中，该在业务系统发起模型计算请求时，从该领域建模中依次读取出所需共享的读取数据，并将该读取数据存储到该流式处理器的上下文中，可以包括：

在业务系统发起模型计算请求时，对元数据进行基础校验，和通过该进行基础校验后的元数据和该发起的模型计算请求的请求类型，确定该领域建模中的数据读取组，和从该确定的数据读取组中依次读取出所需共享的读取数据，并将该读取数据存储到该流式处理器的上下文中，这样的好处是能够实现在该领域建模的前提下，通过将该读取出的所需共享的读取数据存储到该流式处理器的上下文中，能够对模型特征加工过程中所涉及数据进行共享存储，提高了对模型特征加工过程中所涉及数据的处理效率。

在本实施例中，该上下文可以为共享容器，可以相当于是数据库的功能，是存储在内存中。

在本实施例中，该读取出的所需共享的读取数据可以是数据库，也可以是缓存，还可以是实时计算值，又可以是新生变量值等，本发明不加以限定。

S104：通过经基础校验后的元数据和该发起的模型计算请求的请求类型，确定该领域建模中的处理器链，并依次执行该确定的处理器链上的处理器处理该读取数据。

在本实施例中，可以通过依次执行该确定的处理器链上的处理器处理该读取数据，由于对模型特征加工过程中所涉及数据进行了该共享存储，提高了对模型特征加工过程中所涉及数据的处理效率。

S105：根据该经处理后的读取数据，将模型特征加工过程中所涉及数据的参数进行适配的转换加工。

在本实施例中，该适配的转换加工可以是将模型特征加工过程中所涉及数据的参数与该经处理后的该存储到该流式处理器的上下文件中的所需共享的读取数据相匹配。

S106：根据该经适配转换加工后的参数，调用该模型特征的底层PMML(Predictive Model Markup Language，预测模型标记语言)模型。

在本实施例中，可以对该经适配转换加工后的参数进行完整性、合法性校验，再根据该通过该完整性、合法性校验后参数，调用该模型特征的底层的预测模型标记语言模型，这样的好处是能够合规的调用该模型特征的底层的预测模型标记语言模型。

在本实施例中，该预测模型标记语言模型可以是一种可以呈现预测分析模型的事实标准语言模型。该该预测模型标记语言模型的好处可以是各种开发语言都可以使用相应的包，把模型特征文件转成这种中间格式，而另外一种开发语言，可以使用相应的包导入该模型文件做线上预测。

S107：执行该调用的底层预测模型标记语言模型得到执行结果，完成对模型特征的加工。

在本实施例中，可以通过Java(面向对象的计算机编程语言)底层API(Application Programming Interface，应用程序编程接口)执行该调用的底层预测模型标记语言模型得到执行结果，完成对模型特征的加工，本发明不加以限定。

在本实施例中，该得到的执行结果可以是成功完成对模型特征的加工的结果，也可以是对该完成的模型特征的加工出现异常情况的结果，本发明不加以限定。

其中，在该执行该调用的底层预测模型标记语言模型得到执行结果，完成对模型特征的加工之后，还可以包括：

记录该得到的执行结果，这样的好处是方便对模型特征加工的过程数据进行管理，进而提升对模型特征加工的效果。

可以发现，在本实施例中，可以将模型特征加工过程中所涉及数据进行领域建模，其中，该领域建模包括数据读取组和处理器链两种领域数据，和可以将该领域建模封装成基于责任链路模式的流式处理器，和可以在业务系统发起模型计算请求时，从该领域建模中依次读取出所需共享的读取数据，并将该读取数据存储到该流式处理器的上下文中，和可以通过经基础校验后的元数据和该发起的模型计算请求的请求类型，确定该领域建模中的处理器链，并依次执行该确定的处理器链上的处理器处理该读取数据，和可以根据该经处理后的读取数据，将模型特征加工过程中所涉及数据的参数进行适配的转换加工，和可以根据该经适配转换加工后的参数，调用该模型特征的底层预测模型标记语言模型，以及可以执行该调用的底层预测模型标记语言模型得到执行结果，完成对模型特征的加工，通过上述方式，能够根据该经处理后的读取数据，将模型特征加工过程中所涉及数据的参数进行适配的转换加工，从而实现提高模型特征加工过程中所涉及数据的处理效率。

进一步的，在本实施例中，可以从模型特征加工过程中所涉及数据中提炼出数据读取组和处理器链两种领域数据，将该提炼出的数据读取组和处理器链两种领域数据进行领域建模，这样的好处是能够实现通过将该数据读取组和处理器链两种领域数据进行领域建模，细分了数据读取及处理器两大部分数据，方便对该数据读取组和处理器链两种领域数据进行管理，极大的提高了模型特征加工过程中所涉及数据的可扩展性和可读性。

进一步的，在本实施例中，可以在业务系统发起模型计算请求时，对元数据进行基础校验，和通过该进行基础校验后的元数据和该发起的模型计算请求的请求类型，确定该领域建模中的数据读取组，和从该确定的数据读取组中依次读取出所需共享的读取数据，并将该读取数据存储到该流式处理器的上下文中，这样的好处是能够实现在该领域建模的前提下，通过将该读取出的所需共享的读取数据存储到该流式处理器的上下文中，能够对模型特征加工过程中所涉及数据进行共享存储，提高了对模型特征加工过程中所涉及数据的处理效率。

请参见图2，图2是本发明模型特征处理方法另一实施例的流程示意图。本实施例中，该方法包括以下步骤：

S201：将模型特征加工过程中所涉及数据进行领域建模；其中，该领域建模包括数据读取组和处理器链两种领域数据。

可如上S101所述，在此不作赘述。

S202：将该领域建模封装成基于责任链路模式的流式处理器。

可如上S102所述，在此不作赘述。

S203：在业务系统发起模型计算请求时，从该领域建模中依次读取出所需共享的读取数据，并将该读取数据存储到该流式处理器的上下文中。

可如上S103所述，在此不作赘述。

S204：通过经基础校验后的元数据和该发起的模型计算请求的请求类型，确定该领域建模中的处理器链，并依次执行该确定的处理器链上的处理器处理该读取数据。

可如上S104所述，在此不作赘述。

S205：根据该经处理后的读取数据，将模型特征加工过程中所涉及数据的参数进行适配的转换加工。

可如上S105所述，在此不作赘述。

S206：根据该经适配转换加工后的参数，调用该模型特征的底层预测模型标记语言模型。

可如上S106所述，在此不作赘述。

S207：执行该调用的底层预测模型标记语言模型得到执行结果，完成对模型特征的加工。

可如上S107所述，在此不作赘述。

S208：记录该得到的执行结果。

在本实施例中，可以采用链路日志记录的方式，记录该得到的执行结果，本发明不加以限定。

可以发现，在本实施例中，可以记录该得到的执行结果，这样的好处是方便对模型特征加工的过程数据进行管理，进而提升对模型特征加工的效果。

本发明还提供一种模型特征处理装置，能够实现提高模型特征加工过程中所涉及数据的处理效率。

请参见图3，图3是本发明模型特征处理装置一实施例的结构示意图。本实施例中，该模型特征处理装置30包括建模模块31、封装模块32、存储模块33、处理模块34、适配模块35、调用模块36和执行模块37。

该建模模块31，用于将模型特征加工过程中所涉及数据进行领域建模；其中，该领域建模包括数据读取组和处理器链两种领域数据。

该封装模块32，用于将该领域建模封装成基于责任链路模式的流式处理器。

该存储模块33，用于在业务系统发起模型计算请求时，从该领域建模中依次读取出所需共享的读取数据，并将该读取数据存储到该流式处理器的上下文中。

该处理模块34，用于通过经基础校验后的元数据和该发起的模型计算请求的请求类型，确定该领域建模中的处理器链，并依次执行该确定的处理器链上的处理器处理该读取数据。

该适配模块35，用于根据该经处理后的读取数据，将模型特征加工过程中所涉及数据的参数进行适配的转换加工。

该调用模块36，用于根据该经适配转换加工后的参数，调用该模型特征的底层预测模型标记语言模型。

该执行模块37，用于执行该调用的底层预测模型标记语言模型得到执行结果，完成对模型特征的加工。

可选地，该建模模块31，可以具体用于：

从模型特征加工过程中所涉及数据中提炼出数据读取组和处理器链两种领域数据，将该提炼出的数据读取组和处理器链两种领域数据进行领域建模。

可选地，该存储模块33，可以具体用于：

在业务系统发起模型计算请求时，对元数据进行基础校验，和通过该进行基础校验后的元数据和该发起的模型计算请求的请求类型，确定该领域建模中的数据读取组，和从该确定的数据读取组中依次读取出所需共享的读取数据，并将该读取数据存储到该流式处理器的上下文中。

请参见图4，图4是本发明模型特征处理装置另一实施例的结构示意图。区别于上一实施例，本实施例所述模型特征处理装置40还包括记录模块41。

该记录模块41，用于记录该得到的执行结果。

该模型特征处理装置30/40的各个单元模块可分别执行上述方法实施例中对应步骤，故在此不对各单元模块进行赘述，详细请参见以上对应步骤的说明。

本发明又提供一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储模型特征加工过程中所涉及数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种模型特征处理方法。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

将模型特征加工过程中所涉及数据进行领域建模；其中，该领域建模包括数据读取组和处理器链两种领域数据；

将该领域建模封装成基于责任链路模式的流式处理器；

在业务系统发起模型计算请求时，从该领域建模中依次读取出所需共享的读取数据，并将该读取数据存储到该流式处理器的上下文中；

通过经基础校验后的元数据和该发起的模型计算请求的请求类型，确定该领域建模中的处理器链，并依次执行该确定的处理器链上的处理器处理该读取数据；

根据该经处理后的读取数据，将模型特征加工过程中所涉及数据的参数进行适配的转换加工；

根据该经适配转换加工后的参数，调用该模型特征的底层预测模型标记语言模型；

执行该调用的底层预测模型标记语言模型得到执行结果，完成对模型特征的加工。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

从模型特征加工过程中所涉及数据中提炼出数据读取组和处理器链两种领域数据，将该提炼出的数据读取组和处理器链两种领域数据进行领域建模。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

在业务系统发起模型计算请求时，对元数据进行基础校验，和通过该进行基础校验后的元数据和该发起的模型计算请求的请求类型，确定该领域建模中的数据读取组，和从该确定的数据读取组中依次读取出所需共享的读取数据，并将该读取数据存储到该流式处理器的上下文中。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

在该执行该调用的底层预测模型标记语言模型得到执行结果，完成对模型特征的加工之后，还记录该得到的执行结果。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

将模型特征加工过程中所涉及数据进行领域建模；其中，该领域建模包括数据读取组和处理器链两种领域数据；

将该领域建模封装成基于责任链路模式的流式处理器；

在业务系统发起模型计算请求时，从该领域建模中依次读取出所需共享的读取数据，并将该读取数据存储到该流式处理器的上下文中；

通过经基础校验后的元数据和该发起的模型计算请求的请求类型，确定该领域建模中的处理器链，并依次执行该确定的处理器链上的处理器处理该读取数据；

根据该经处理后的读取数据，将模型特征加工过程中所涉及数据的参数进行适配的转换加工；

根据该经适配转换加工后的参数，调用该模型特征的底层预测模型标记语言模型；

执行该调用的底层预测模型标记语言模型得到执行结果，完成对模型特征的加工。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

从模型特征加工过程中所涉及数据中提炼出数据读取组和处理器链两种领域数据，将该提炼出的数据读取组和处理器链两种领域数据进行领域建模。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

在业务系统发起模型计算请求时，对元数据进行基础校验，和通过该进行基础校验后的元数据和该发起的模型计算请求的请求类型，确定该领域建模中的数据读取组，和从该确定的数据读取组中依次读取出所需共享的读取数据，并将该读取数据存储到该流式处理器的上下文中。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

在该执行该调用的底层预测模型标记语言模型得到执行结果，完成对模型特征的加工之后，还记录该得到的执行结果。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM (EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM (SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM (DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种模型特征处理方法，所述方法应用于责任链路模式的模型系统，其特征在于，所述方法包括：

将模型特征加工过程中所涉及数据进行领域建模；其中，所述领域建模包括数据读取组和处理器链两种领域数据；

将所述领域建模封装成基于责任链路模式的流式处理器；

在业务系统发起模型计算请求时，从所述领域建模中依次读取出所需共享的读取数据，并将所述读取数据存储到所述流式处理器的上下文中；具体为，在业务系统发起模型计算请求时，对元数据进行基础校验，和通过进行基础校验后的元数据和发起的模型计算请求的请求类型，确定所述领域建模中的数据读取组，和从确定的数据读取组中依次读取出所需共享的读取数据，并将所述读取数据存储到所述流式处理器的上下文中；

通过经基础校验后的元数据和发起的模型计算请求的请求类型，确定所述领域建模中的处理器链，并依次执行确定的处理器链上的处理器处理所述读取数据；

根据经处理后的读取数据，将模型特征加工过程中所涉及数据的参数进行适配的转换加工；

根据经适配转换加工后的参数，调用所述模型特征的底层预测模型标记语言模型；

执行调用的底层预测模型标记语言模型得到执行结果，完成对模型特征的加工。

2.如权利要求1所述的模型特征处理方法，其特征在于，在执行调用的底层预测模型标记语言模型得到执行结果，完成对模型特征的加工之后，还包括：

记录得到的执行结果。

3.如权利要求1所述的模型特征处理方法，其特征在于，所述上下文为共享容器。

4.如权利要求1所述的模型特征处理方法，其特征在于，所述底层预测模型标记语言模型为呈现预测分析模型的事实标准语言模型。

5.一种模型特征处理装置，所述装置应用于责任链路模式的模型系统，其特征在于，所述装置包括：

建模模块、封装模块、存储模块、处理模块、适配模块、调用模块和执行模块；

所述建模模块，用于将模型特征加工过程中所涉及数据进行领域建模；其中，所述领域建模包括数据读取组和处理器链两种领域数据；

所述封装模块，用于将所述领域建模封装成基于责任链路模式的流式处理器；

所述存储模块，用于在业务系统发起模型计算请求时，从所述领域建模中依次读取出所需共享的读取数据，并将所述读取数据存储到所述流式处理器的上下文中；具体用于，在业务系统发起模型计算请求时，对元数据进行基础校验，和通过进行基础校验后的元数据和发起的模型计算请求的请求类型，确定所述领域建模中的数据读取组，和从确定的数据读取组中依次读取出所需共享的读取数据，并将所述读取数据存储到所述流式处理器的上下文中；

所述处理模块，用于通过经基础校验后的元数据和发起的模型计算请求的请求类型，确定所述领域建模中的处理器链，并依次执行确定的处理器链上的处理器处理所述读取数据；

所述适配模块，用于根据经处理后的读取数据，将模型特征加工过程中所涉及数据的参数进行适配的转换加工；

所述调用模块，用于根据经适配转换加工后的参数，调用所述模型特征的底层预测模型标记语言模型；

所述执行模块，用于执行调用的底层预测模型标记语言模型得到执行结果，完成对模型特征的加工。

6.如权利要求5所述的模型特征处理装置，其特征在于，所述模型特征处理装置，还包括：

记录模块；

所述记录模块，用于记录得到的执行结果。

7.如权利要求5所述的模型特征处理装置，其特征在于，所述上下文为共享容器。

8.如权利要求5所述的模型特征处理装置，其特征在于，所述底层预测模型标记语言模型为呈现预测分析模型的事实标准语言模型。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。

Images