CN112288133A

CN112288133A - 一种算法服务处理方法和装置

Info

Publication number: CN112288133A
Application number: CN202011038677.6A
Authority: CN
Inventors: 邓练兵; 李大铭; 高妍
Original assignee: Zhuhai Dahengqin Technology Development Co Ltd
Current assignee: Zhuhai Dahengqin Technology Development Co Ltd
Priority date: 2020-09-28
Filing date: 2020-09-28
Publication date: 2021-01-29

Abstract

本发明实施例提供了一种算法服务处理方法和装置，应用于开发者门户系统，开发者门户系统集成于城市门户系统，开发者门户系统包括算法平台，算法平台提供有针对机器学习算法模型的服务，所述方法包括：接收登录所述算法平台的服务使用用户提出的预测请求；获取所述服务使用用户指定的预测数据；根据所述预测请求调用相应的机器学习算法模型和所述预测数据，执行预测服务；将执行所述预测服务得到的预测结果发送给所述服务使用用户。本发明实施例可以为城市门户系统的用户提供多种机器学习算法模型的预测服务，预测数据可以是直接来源于城市门户系统中其他平台的数据，预测结果可以直接应用于城市门户系统中的其他平台中，便于用户使用。

Description

一种算法服务处理方法和装置

技术领域

本发明涉及网络技术领域，特别是涉及一种算法服务处理方法和一种算法服务处理装置。

背景技术

随着计算机、网络和通信等技术的发展，以人工智能深度应用为途径，建设符合跨域多维理念的城市建设，推进技术融合、业务融合、数据融合、应用融合，实现跨层级、跨地域、跨系统、跨部门、跨业务的协同管理和服务，与各行业、企业、团队合作，加速城市建设工作，是智慧城市的发展方向。

目前，多数的城市发展都没有多维度融合的规划方案，各行业、企业、团队的信息平台之间在功能上不关联互助、信息不共享互换以及信息与业务流程和应用相互脱节的问题，导致信息平台中的信息无法得到充分利用。

实现针对城市进行多维度融合的城市门户系统，以及如何使城市门户系统更利于用户使用是目前急需解决的方案。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种算法服务处理方法和相应的一种算法服务处理装置。

为了解决上述问题，本发明实施例公开了一种算法服务处理方法，应用于开发者门户系统，所述开发者门户系统集成于城市门户系统，所述开发者门户系统包括算法平台，所述算法平台提供有针对机器学习算法模型的服务，所述方法包括：

接收登录所述算法平台的服务使用用户提出的预测请求；

获取所述服务使用用户指定的预测数据；

根据所述预测请求调用相应的机器学习算法模型和所述预测数据，执行预测服务；

将执行所述预测服务得到的预测结果发送给所述服务使用用户。

可选地，所述算法平台具有算法市场，所述方法还包括：

获取登录所述算法平台的服务提供用户上传的机器学习算法模型；

将所述服务提供用户上传的机器学习算法模型发布至所述算法市场。

可选地，还包括：

接收所述服务使用用户提出的，针对所述算法市场中的机器学习算法模型的算法使用请求；

为所述服务使用用户，配置与所述算法使用请求对应的机器学习算法模型的使用权限。

可选地，还包括：

接收所述服务使用用户提出的模型训练请求；

获取所述服务使用用户指定的训练数据；

根据所述模型训练请求调用相应的机器学习算法模型和所述训练数据，执行模型训练服务。

可选地，所述算法平台提供有模型仓库，所述方法还包括：

将训练后的机器学习算法模型存储至模型仓库。

可选地，还包括：

接收所述服务使用用户提出的算法搜索请求；

从所述算法市场中，搜索与所述算法搜索请求匹配的算法模型。

可选地，还包括：

接收所述服务使用用户提出的算法订阅请求；

为所述服务使用用户订阅与所述算法订阅请求匹配的算法模型。

本发明实施例还公开了一种算法服务处理装置，应用于开发者门户系统，所述开发者门户系统集成于城市门户系统，所述开发者门户系统包括算法平台，所述算法平台提供有针对机器学习算法模型的服务，所述装置包括：

预测请求接收模块，用于接收登录所述算法平台的服务使用用户提出的预测请求；

预测数据获取模块，用于获取所述服务使用用户指定的预测数据；

预测服务执行模块，用于根据所述预测请求调用相应的机器学习算法模型和所述预测数据，执行预测服务；

预测结果返回模块，用于将执行所述预测服务得到的预测结果发送给所述服务使用用户。

可选地，所述算法平台具有算法市场，所述装置还包括：

模型获取模块，用于获取登录所述算法平台的服务提供用户上传的机器学习算法模型；

模型发布模块，用于将所述服务提供用户上传的机器学习算法模型发布至所述算法市场。

可选地，还包括：

使用请求接收模块，用于接收所述服务使用用户提出的，针对所述算法市场中的机器学习算法模型的算法使用请求；

使用权限配置模块，用于为所述服务使用用户，配置与所述算法使用请求对应的机器学习算法模型的使用权限。

可选地，还包括：

训练请求接收模块，用于接收所述服务使用用户提出的模型训练请求；

训练数据获取模块，用于获取所述服务使用用户指定的训练数据；

训练服务执行模块，用于根据所述模型训练请求调用相应的机器学习算法模型和所述训练数据，执行模型训练服务。

可选地，所述算法平台提供有模型仓库，所述装置还包括：

模型存储模块，用于将训练后的机器学习算法模型存储至模型仓库。

可选地，还包括：

搜索请求接收模块，用于接收所述服务使用用户提出的算法搜索请求；

搜索模块，用于从所述算法市场中，搜索与所述算法搜索请求匹配的算法模型。

可选地，还包括：

订阅请求接收模块，用于接收所述服务使用用户提出的算法订阅请求；

订阅模块，用于为所述服务使用用户订阅与所述算法订阅请求匹配的算法模型。

本发明实施例还公开了一种电子设备，包括：处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的算法服务处理方法的步骤。

本发明实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的算法服务处理方法的步骤。

本发明实施例包括以下优点：

本发明实施例中，城市门户系统可以集成有开发者门户系统，开发者门户系统包括算法平台，算法平台提供有针对机器学习算法模型的服务；算法平台可以接收服务使用用户提出的预测请求；获取服务使用用户上传的预测数据；根据预测请求调用相应的机器学习算法模型和所述预测数据，执行预测服务；将预测结果发送给服务使用用户。本发明实施例可以为城市门户系统的用户提供多种机器学习算法模型的预测服务，预测数据可以是直接来源于城市门户系统中其他平台的数据，预测结果可以直接应用于城市门户系统中的其他平台中，便于用户使用。

附图说明

图1是本发明实施例的一种城市门户系统的框图；

图2是本发明实施例的一种算法服务处理方法的流程图；

图3是本发明实施例的另一种算法服务处理方法的流程图；

图4是本发明实施例的另一种算法服务处理方法的流程图；

图5是本发明实施例的一种算法服务处理装置的框图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

城市门户系统是指集合了针对城市规划的综合性互联网信息，提供综合性应用服务的公共平台门户。城市门户系统的服务对象包括：政府、个人、企业、开发者，可以提供政务服务、个人服务、企业服务等多种综合性服务。

参照图1，示出了本发明实施例的一种城市门户系统的框图，具体可以包括：前端系统10、后端系统11、API开放平台12、开发者门户系统13、运营中心14等多个平台。

前端系统10，实现多个功能并提供多个页面；所述多个页面包括与所述多个功能对应的多个UI元素；所述多个功能包括由后端系统提供服务支持的功能。

前端系统是面向用户的客户端，作为用户使用城市门户系统中各种内容的工具，用户可以通过前端系统使用城市门户系统中的资讯、应用、API服务以及系统功能等。前端系统展现以Vue，React等通用前端开发框架实现多业务系统单页面统一呈现。

前端系统支持多维用户使用，包括游客、自然人、企业法人、企业员工、政府人员。前端系统支持多维业态城市服务，包括政务服务、公共服务、特色服务等。用户可以通过前端系统使用多种城市服务。

前端系统可以包括APP客户端、Web客户端和Web管理端，Web客户端面向游客、自然人、企业和政府用户，用于城市门户系统官网、API开放平台、开发者门户。APP客户端面向游客、自然人、企业和政府用户，用于移动APP；Web管理端面向运营人员和系统管理员，用于运营中心和其它后端管理系统。

后端系统11，用于为所述前端系统提供业务支持，响应所述前端系统的业务请求，执行相应业务操作。

后端系统以通用化业务组件或技术业务为桥梁，打通底层数据。前端系统与后端系统解耦，后端系统为前端系统提供业务支撑。前端系统与后端系统分离部署，后端系统服务动态扩容，实现系统最大性能。

API开放平台12，用于提供针对API的管理服务，包括API发布服务、购买服务、使用服务。

API开放平台提供统一标准的数据与系统开发环境，可应用于各行业、系统内，是具有统一解决能力服务且开放的综合服务平台，旨在实现包括服务能力接入、开放管理、能力申请、能力应用等在内的统一能力开放的全流程生命周期管理管控。开发者通过将API服务发布到API开放平台，其它人员可以在平台上申请或购买使用。

开发者门户系统13，用于提供API、应用、数据开发和部署的环境，以及通用的程序构件。

开发者门户系统可以为开发者提供应用、算法和数据开发和部署的环境，以及通用的AI构件、技术构件和业务构件。包含应用开发、算法开发、应用发布和服务发布等功能。开发者可以基于开发者门户系统提供的环境、组件、模板等快速开发和发布应用及API。开发者门户系统可以包括算法开发平台、应用开发平台和数据开发平台三个平台。

运营中心14，用于对所述城市门户系统的内容、用户、应用、API进行管理。

运营中心是为管理人员和运营人员对城市门户系统提供统一日常运营管理的业务中台。管理人员可以通过运营中心对城市门户系统的内容、用户、应用、API等进行统一管理。

在本发明实施例提供了一种城市门户系统，可以集成前端系统、后端系统、API开放平台、开发者门户系统、运营中心等多个平台。前端系统作为客户端面向各种用户，用户可以通过在前端系统执行操作，从而获得集成于城市门户系统中的各个平台提供的内容。后端系统为前端系统提供业务支持，响应所述前端系统的业务请求，执行相应业务操作。API开放平台提供针对API的管理服务，包括API发布服务、购买服务、使用服务；可以供开发者统一调用API，建立规范统一的信息化平台。开发者门户系统可以提供API、应用、数据开发和部署的环境，以及通用的程序构件；可以供开发者实现各种业务发开。运营中心可以对城市门户系统的内容、用户、应用、API进行管理。本发明实施例提供了针对城市的综合性的城市门户系统，面向城市中的各种用户，用户可以通过城市门户系统快捷、便利的实现各种数字化服务；通过城市门户系统实现规范化的业务开发。

参照图2，示出了本发明实施例的一种算法服务处理方法的流程图，应用于开发者门户系统，所述开发者门户系统集成于城市门户系统，所述开发者门户系统包括算法平台，所述算法平台提供有针对机器学习算法模型的服务，所述方法具体可以包括如下步骤：

步骤201，接收登录所述算法平台的服务使用用户提出的预测请求。

在开发者门户系统中，用户分为两种用户角色，分别是服务使用用户和服务提供用户。其中服务提供用户一般为开发者。

算法平台可以提供预测服务，预测服务是指采用机器学习算法模型对数据进行预测的服务。

算法平台是基于云平台、大数据计算服务、深度机器学习框架，以及相关软硬件支持，打造的一站式数据建模分析平台。算法平台的功能可以包含数据导入与导出、数据预处理、数据统计分析、数据挖掘、模型开发、模型训练、模型发布、模型管理几大功能模块。

算法平台的系统架构可分为训练平台架构和预测服务架构，预测服务架构可以提供统一的预测服务，方便用户管理预测服务，提供创建、扩容、缩容、删除等基础管理和调度功能。

算法平台提供二分类评估、多分类评估、回归模型评估、聚类模型评估，满足对分类、回归、聚类算法模型的评估分析。支持模型服务CPU和GPU上运行。支持部署PMML(预言模型标记语言，Predictive Model Markup Language)模型、TensorFlow模型，以及自定义模型的无缝对接。支持通过蓝绿部署机制(按百分比切流)、版本控制、快速回滚等机制实现新模型的安全发布，并提供智能运维监控图。

预测服务的整体架构大致可以分为两层，API层和计算层。API层：在线预测服务API有两个类型：预测服务API和预测请求API。根据每个类型的不同特性和需求，在构架上有不同的设计。预测服务API：负责对预测服务的创建、部署、删除、修改等。预测请求API：处理客户端发送的预测请求，返回预测结果。计算层：所有的计算资源均通过云管理应用来管理，云管理应用的集群内的每个节点可以是云服务器，也可以是物理机。

在一种示例中，算法平台包括预测平台，方便用户管理预测服务，提供创建、扩容、缩容、删除等基础管理和调度功能。预测平台具有通用预测运行库：提供统一的预测API服务。预测平台支持各种框架的模型格式，支持CPU和GPU上运行，支持各种模型加速。

步骤202，获取所述服务使用用户指定的预测数据。

算法平台支持用户导入预测数据，进行数据的增删改查。支持的数据主要包含：图像数据、视频数据、文本数据、特征数据等。

算法平台支持从城市门户系统中的其他平台数据获取预测数据。

步骤203，根据所述预测请求调用相应的机器学习算法模型和所述预测数据，执行预测服务。

算法平台中具有多种机器学习算法模型可供服务使用用户使用。预测请求中包括需要使用的机器学习算法模型的信息。算法平台可以通过集群内的节点来执行预测服务。

步骤204，将执行所述预测服务得到的预测结果发送给所述服务使用用户。

算法平台可以将预测结果发送给服务使用用户，预测结果可以直接应用于城市门户系统中的其他平台中。

参照图3，示出了本发明实施例的另一种算法服务处理方法的流程图，应用于开发者门户系统，所述开发者门户系统集成于城市门户系统，所述开发者门户系统包括算法平台，所述算法平台提供有针对机器学习算法模型的服务，所述算法平台具有算法市场，所述方法具体可以包括如下步骤：

步骤301，获取登录所述算法平台的服务提供用户上传的机器学习算法模型。

服务提供用户可以在算法平台上注册并管理自身上传的机器学习算法模型。

步骤302，将所述服务提供用户上传的机器学习算法模型发布至所述算法市场。

在服务提供用户上传机器学习算法模型后，首先需要对机器学习算法模型进行审核。在一种示例中，可以由城市门户系统中的运营中心对机器学习算法模型进行审核。审核通过后，算法平台将机器学习算法模型发布至所述算法市场。

步骤303，接收所述服务使用用户提出的，针对所述算法市场中的机器学习算法模型的算法使用请求。

在本发明实施例中，发布于算法市场中机器学习算法模型可以被申请使用。在一种示例中，机器学习算法模型可以被设置为需要购买使用。

服务使用用户可以向算法平台提出算法使用请求，算法平台可以确定算法市场中与算法使用请求对应的机器学习算法模型。

在本发明实施例中，算法平台提供算法搜索功能，算法平台允许服务使用用户搜索算法市场中的机器学习算法模型。在一种示例中，算法平台可以提供以搜索页面，在搜索页面可以提供算法分类、购买资格、价格等参数的选择项，以供服务使用用户筛选所需的机器学习算法模型。算法平台可以接收服务使用用户提出的算法搜索请求；从算法市场中，搜索与算法搜索请求匹配的算法模型。

在本发明实施例中，算法平台提供算法订阅功能，算法平台允许服务使用用户订阅算法市场中的机器学习算法模型。算法平台可以接收服务使用用户提出的算法订阅请求；为服务使用用户订阅与算法订阅请求匹配的算法模型。

步骤304，为所述服务使用用户，配置与所述算法使用请求对应的机器学习算法模型的使用权限。

算法平台可以为服务使用用户，配置与算法使用请求对应的机器学习算法模型的使用权限。

步骤305，接收登录所述算法平台的服务使用用户提出的预测请求。

服务使用用户可以针对自由拥有使用权限的机器学习算法模型，提出预测请求，以使算法平台运行机器学习算法模型以进行预测。

步骤306，获取所述服务使用用户指定的预测数据。

步骤307，根据所述预测请求调用相应的机器学习算法模型和所述预测数据，执行预测服务。

步骤308，将执行所述预测服务得到的预测结果发送给所述服务使用用户。

本发明实施例中，城市门户系统可以集成有开发者门户系统，开发者门户系统包括算法平台，算法平台提供有针对机器学习算法模型的服务；算法平台可以接收服务使用用户提出的，针对算法市场中的机器学习算法模型的算法使用请求。算法平台可以为服务使用用户，配置与算法使用请求对应的机器学习算法模型的使用权限。算法平台可以接收服务使用用户提出的预测请求；获取服务使用用户上传的预测数据；根据预测请求调用相应的机器学习算法模型和所述预测数据，执行预测服务；将预测结果发送给服务使用用户。本发明实施例可以为城市门户系统的用户提供多种机器学习算法模型的预测服务，预测数据可以是直接来源于城市门户系统中其他平台的数据，预测结果可以直接应用于城市门户系统中的其他平台中，便于用户使用。

参照图4，示出了本发明实施例的另一种算法服务处理方法的流程图，应用于开发者门户系统，所述开发者门户系统集成于城市门户系统，所述开发者门户系统包括算法平台，所述算法平台提供有针对机器学习算法模型的服务，所述算法平台具有算法市场，所述方法具体可以包括如下步骤：

步骤401，接收登录所述算法平台的服务使用用户提出的模型训练请求。

在本发明实施例中，算法平台提供模型训练功能，算法平台可以提供经过调优的成熟模型，服务使用用户可以在其基础上直接进行二次开发和迭代，减少用户重复劳动，提升开发效率。

算法平台为每个模型提供完整的从预处理、参数调整、训练、评估和发布的封装。用户不需要关注底层细节，只需要简单的操作，就可以进行模型全流程的训练和评估。

算法平台提供有模型工厂，服务使用用户可以通过模型工厂，可以快速的设置超参数组合，模型工厂会批量运行相关参数组合的作业，并给出作业运行结果评估，方便用户快速选择合适的超参数组合。

算法平台，支持各种深度学习框架，由于定位为通用的AI开发平台，模型工厂需要支持主流的深度学习框架：Paddlepaddle、Tensorflow、Pytorch、Caffe/Caffe2。

算法平台支持各种深度学习场景，涵盖用户大部分应用场景：CV(计算机视觉，ComputerVision)场景、视频场景、NLP(自然语言处理，Natural Language Processing)场景。

算法平台支持模型加密，对于不愿意暴露给用户的模型，需要进行模型加密。模型加密主要包含两个部分：训练加密和预测加密。

步骤402，获取所述服务使用用户指定的训练数据。

算法平台支持用户导入训练数据，进行数据的增删改查。支持的数据主要包含：图像数据、视频数据、文本数据、特征数据。

算法平台支持从城市门户系统中的其他平台数据获取训练数据。

算法平台支持各种格式的数据标注，比如CV的分类、目标检测和语义分割。

步骤403，根据所述模型训练请求调用相应的机器学习算法模型和所述训练数据，执行模型训练服务。

在本发明实施例中，算法平台可以将训练后的机器学习算法模型存储至模型仓库。便于用户保存训练后模型的权重，网络结构和预处理逻辑。方便用户快速浏览和检索模型，迅速找到自己想要的模型。模型仓库和预测平台集成，可以直接部署模型到线上测试和服务。

步骤404，接收所述服务使用用户提出的预测请求。

步骤405，获取所述服务使用用户指定的预测数据。

步骤406，根据所述预测请求调用相应的机器学习算法模型和所述预测数据，执行预测服务。

步骤407，将执行所述预测服务得到的预测结果发送给所述服务使用用户。

本发明实施例中，城市门户系统可以集成有开发者门户系统，开发者门户系统包括算法平台，算法平台提供有针对机器学习算法模型的服务；

算法平台可以接收服务使用用户提出的模型训练请求。根据模型训练请求调用相应的机器学习算法模型和服务使用用户上传的训练数据，执行模型训练服务。算法平台可以接收服务使用用户提出的预测请求；获取服务使用用户上传的预测数据；根据预测请求调用相应的机器学习算法模型和所述预测数据，执行预测服务；将预测结果发送给服务使用用户。本发明实施例可以为城市门户系统的用户提供多种机器学习算法模型的训练服务和预测服务，预测数据可以是直接来源于城市门户系统中其他平台的数据，预测结果可以直接应用于城市门户系统中的其他平台中，便于用户使用。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

参照图5，示出了本发明实施例的一种算法服务处理装置的框图，应用于开发者门户系统，所述开发者门户系统集成于城市门户系统，所述开发者门户系统包括算法平台，所述算法平台提供有针对机器学习算法模型的服务，所述装置具体可以包括如下模块：

预测请求接收模块501，用于接收登录所述算法平台的服务使用用户提出的预测请求；

预测数据获取模块502，用于获取所述服务使用用户指定的预测数据；

预测服务执行模块503，用于根据所述预测请求调用相应的机器学习算法模型和所述预测数据，执行预测服务；

预测结果返回模块504，用于将执行所述预测服务得到的预测结果发送给所述服务使用用户。

在本发明实施例中，所述算法平台具有算法市场，所述装置还可以包括：

在本发明实施例中，所述的装置还可以包括：

在本发明实施例中，所述算法平台提供有模型仓库，所述的装置还可以包括：

在本发明实施例中，所述的装置还可以包括：搜索请求接收模块，用于接收所述服务使用用户提出的算法搜索请求；

在本发明实施例中，所述的装置还可以包括：

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本发明实施例还提供了一种电子设备，包括：

包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述算法服务处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述算法服务处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种算法服务处理方法和一种算法服务处理装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims

1.一种算法服务处理方法，其特征在于，应用于开发者门户系统，所述开发者门户系统集成于城市门户系统，所述开发者门户系统包括算法平台，所述算法平台提供有针对机器学习算法模型的服务，所述方法包括：

接收登录所述算法平台的服务使用用户提出的预测请求；

获取所述服务使用用户指定的预测数据；

2.根据权利要求1所述的方法，其特征在于，所述算法平台具有算法市场，所述方法还包括：

3.根据权利要求2所述的方法，其特征在于，还包括：

4.根据权利要求1所述的方法，其特征在于，还包括：

接收所述服务使用用户提出的模型训练请求；

获取所述服务使用用户指定的训练数据；

5.根据权利要求3所述的方法，其特征在于，所述算法平台提供有模型仓库，所述方法还包括：

将训练后的机器学习算法模型存储至模型仓库。

6.根据权利要求2所述的方法，其特征在于，还包括：

接收所述服务使用用户提出的算法搜索请求；

7.根据权利要求1所述的方法，其特征在于，还包括：

接收所述服务使用用户提出的算法订阅请求；

8.一种算法服务处理装置，其特征在于，应用于开发者门户系统，所述开发者门户系统集成于城市门户系统，所述开发者门户系统包括算法平台，所述算法平台提供有针对机器学习算法模型的服务，所述装置包括：

9.一种电子设备，其特征在于，包括：处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述的算法服务处理方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的算法服务处理方法的步骤。