CN112508715A - 保险两核数据模型上线部署方法、装置、电子设备和介质 - Google Patents

Abstract

本公开提供了一种保险两核数据模型自动迭代开发上线部署方法、装置、电子设备和介质，涉及模型训练技术领域。其中，保险两核数据模型自动迭代开发上线部署方法包括：响应于模型的部署指令，在模型为非固化的新增模型或待升级模型时，获取用于模型上线部署的训练版本信息；基于训练版本信息对模型进行在线训练，并生成训练模型获取模型迭代配置信息，基于模型迭代配置信息对训练模型进行迭代升级；在训练模型的迭代升级判定通过时，生成模型的升级模型版本信息；基于升级版本信息对模型进行部署。通过本公开的技术方案，至少在一定程度上克服由于相关技术的新增模型或升级模型时的人力成本高以及上线风险大的问题。

Description

保险两核数据模型上线部署方法、装置、电子设备和介质

技术领域

本公开涉及模型训练技术领域，尤其涉及一种保险两核数据模型自动迭代开发上线部署方法、装置、电子设备和存储介质。

背景技术

在保险行业中，核保与核赔是两个主要的运营模块，通过在核保端与核赔端设置相应的数据模型，以实现自动核保与自主核赔功能。在实际运营中，保险类产品的更迭，销售渠道的增加以及营销活动的改变，需要通过对上述数据模型进行线下迭代开发后，再进行上线部署来实现。

而随着线上保险产品更迭速度越来越快，以及保险产品类型的逐渐增多，产生数据模型快速部署的需求，本发明的发明人发现现有技术中基于线下训练完成的数据模型的迭代开发工作不但需要投入更多的人力成本，而且大量的人工干预也会增加上线风险。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种保险两核数据模型自动迭代开发上线部署方法、装置、存储介质及电子设备，至少在一定程度上克服由于相关技术的新增上线模型或升级模型时的人力成本高以及上线风险大的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种保险两核数据模型自动迭代开发上线部署方法，包括：响应于部署指令，在所述保险两核数据模型为非固化的新增模型或待升级模型时，获取用于模型上线部署的训练版本信息；基于所述训练版本信息对所述保险两核数据模型进行在线训练，并生成训练模型；获取模型迭代配置信息，基于所述模型迭代配置信息对所述训练模型进行迭代升级；在所述训练模型的迭代升级判定通过时，生成所述模型的升级模型版本信息；基于所述升级版本信息对所述保险两核数据模型进行部署。

在一个实施例中，还包括：在获取用于模型上线部署的训练版本信息之前包括：检测所述保险两核数据模型为所述新增模型还是所述待升级模型；当检测到所述保险两核数据模型为所述新增模型时，获取所述新增模型的版本配置文件；读取所述版本配置文件中的模型固化配置文件；基于所述模型固化配置文件中的固化标识检测所述新增模型是否固化；在检测到所述新增模型为所述非固化的新增模型时，获取所述训练版本信息。

在一个实施例中，所述方法还包括：在检测到所述新增模型为固化的所述新增模型时，读取所述版本配置文件中的待部署模型版本信息；基于所述待部署模型版本信息对将所述新增模型部署至模型运行服务器。

在一个实施例中，在所述保险两核数据模型为所述非固化的新增模型时，在生成所述升级模型版本信息的同时，所述方法还包括：获取所述新增模型的初始版本信息；基于所述初始版本信息将所述新增模型部署至模型运行服务器；以及在生成所述新增模型的升级模型版本信息时，采用所述升级模型版本信息代替所述初始版本信息。

在一个实施例中，所述迭代配置信息包括基于混淆矩阵的第一组配置信息，衡量所述训练模型稳定性的第二组配置信息，评价所述训练模型效果的第三组配置信息，评价所述训练模型指标时序平稳性的第四组配置信息，所述训练模型拟合误差判断的第五组配置信息。

在一个实施例中，在基于所述升级版本信息对所述模型进行部署之后，还包括：获取进行部署后的所述保险两核数据模型的运行工况；在基于所述运行工况检测到部署后的所述保险两核数据模型满足运营需求时，更新所述保险两核数据模型的版本信息；在基于所述运行工况检测到部署后的所述保险两核数据模型未满足所述运营需求时，提取回退版本包信息；基于所述回退版本包信息对所述保险两核数据模型进行回退部署。

在一个实施例中，所述保险两核数据模型包括核保模型和/或核赔模型，所述基于所述训练版本信息对所述模型进行在线训练，并生成训练模型包括：获取所述核保模型和/或核赔模型的运营数据；基于所述运营数据生成训练样本；基于所述训练版本信息与所述训练样本对所述模型进行在线训练，并生成训练模型。

根据本公开的第二方面，提供一种保险两核数据模型自动迭代开发上线部署装置，包括：取模块，用于响应于模型的部署指令，在所述模型为非固化的新增模型或待升级模型时，获取用于模型上线部署的训练版本信息；在线训练模块，用于基于所述训练版本信息对所述模型进行在线训练，并生成训练模型迭代升级模块，用于获取模型迭代配置信息，基于所述模型迭代配置信息对所述训练模型进行迭代升级；生成模块，用于在所述训练模型的迭代升级判定通过时，生成所述模型的升级模型版本信息；部署模块，用于基于所述升级版本信息对所述模型进行部署。

根据本公开的第三方面，提供一种电子设备，包括：处理器；以及存储器，用于存储处理器的可执行指令；所述处理器配置为经由执行所述可执行指令来执行上述的保险两核数据模型自动迭代开发上线部署方法。

根据本公开的第四方面，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的保险两核数据模型自动迭代开发上线部署方法。

本公开的实施例所提供的保险两核数据模型自动迭代开发上线部署方法，在检测到存在新增数据模型需要上线部署，或需要对已上线运行的数据模型进行升级部署时，如果新增模型或待升级模型需要进行模型训练时，基于训练版本信息与模型迭代配置信息完成模型训练与迭代升级，以进一步基于生成的升级模型版本信息执行上线部署，一方面，通过执行在线执行模型训练的操作，能够将线上数据应用于模型训练中，从而使得到的升级模型版本信息能够降低升级模型版本信息上线运行的风险，保证模型新增部署或部署的可靠性，另一方面，迭代升级判定通过的训练模型作为升级模型进行上线部署，也减少了人力成本的投入。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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示出本公开实施例中一种保险两核数据模型自动迭代开发上线部署系统结构的示意图；

图2示出本公开实施例中一种保险两核数据模型自动迭代开发上线部署方法流程图；

图3示出本公开实施例中另一种保险两核数据模型自动迭代开发上线部署方法流程图；

图4示出本公开实施例中再一种保险两核数据模型自动迭代开发上线部署方法流程图；

图5示出本公开实施例中又一种保险两核数据模型自动迭代开发上线部署方法流程图；

图6示出本公开实施例中一种保险两核数据模型自动迭代开发上线部署的网络结构示意图；

图7示出本公开实施例中一种保险两核数据模型自动迭代开发上线部署装置示意图；

图8示出本公开实施例中一种计算机设备的结构框图；和

图9示出本公开实施例中一种程序产品的结构框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

本申请提供的方案，集成了数据模型的迭代开发功能、模型的上线部署功能和版本管理功能，实现了数据模型的自动迭代开发和上线部署的一体化应用，为推动两核自动运营提供了有效的解决方案，减少了模型迭代更新的风险，降低了人力成本，提高了两核运营工作效率。

图1是本申请一个示例性实施例提供的计算机系统的结构示意图。该系统包括：若干个终端120和服务器集群140。

终端120可以是手机、游戏主机、平板电脑、电子书阅读器、智能眼镜、MP4(MovingPicture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、智能家居设备、AR(Augmented Reality，增强现实)设备、VR(Virtual Reality，虚拟现实)设备等移动终端，或者，终端120也可以是个人计算机(Personal Computer，PC)，比如膝上型便携计算机和台式计算机等等。

其中，终端120中可以安装有用于提供…..的应用程序。

终端120与服务器集群140之间通过通信网络相连。可选的，通信网络是有线网络或无线网络。

服务器集群140是一台服务器，或者由若干台服务器组成，或者是一个虚拟化平台，或者是一个云计算服务中心。服务器集群140用于为提供….的应用程序提供后台服务。可选地，服务器集群140承担主要计算工作，终端120承担次要计算工作；或者，服务器集群140承担次要计算工作，终端120承担主要计算工作；或者，终端120和服务器集群140之间采用分布式计算架构进行协同计算。

在一些可选的实施例中，服务器集群140用于存储…信息。

在本申请中，服务器集群140还与区块链系统160相连，服务器集群140将….信息和/或交易记录存储在区块链系统中。在一些可选的实施例中，服务器集群140本身也可以作为区块链系统中的一个节点运行和存储数据。

可选的，在本申请实施例中，服务器集群140包括逻辑服务器142和区块链服务器144。其中，逻辑服务器142用于实现应用程序的逻辑控制，比如，进行…..交易的请求处理、账号资源管理、界面内容管理等，区块链服务器144作为区块链系统160的一部分，用于实现各个…信息和/或交易记录的存储，以及重要功能的决策管理，比如，可以实现对交易请求的决策。

需要说明的是，上述逻辑服务器142和区块链服务器144可以属于同一个计算机设备，或者，上述逻辑服务器142和区块链服务器144也可以分属于不同的计算机设备。

可选地，不同的终端120中安装的应用程序的客户端是相同的，或两个终端120上安装的应用程序的客户端是不同控制系统平台的同一类型应用程序的客户端。基于终端平台的不同，该应用程序的客户端的具体形态也可以不同，比如，该应用程序客户端可以是手机客户端、PC客户端或者全球广域网(World Wide Web，Web)客户端等。

本领域技术人员可以知晓，上述终端120的数量可以更多或更少。比如上述终端可以仅为一个，或者上述终端为几十个或几百个，或者更多数量。本申请实施例对终端的数量和设备类型不加以限定。

可选的，该系统还可以包括管理设备(图1未示出)，该管理设备与服务器集群140之间通过通信网络相连。可选的，通信网络是有线网络或无线网络。

可选的，上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络，包括但不限于局域网(Local Area Network，LAN)、城域网(Metropolitan Area Network，MAN)、广域网(Wide Area Network，WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中，使用包括超文本标记语言(Hyper Text Mark-up Language，HTML)、可扩展标记语言(ExtensibleMarkupLanguage，XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(Secure Socket Layer，SSL)、传输层安全(Transport Layer Security，TLS)、虚拟专用网络(Virtual Private Network，VPN)、网际协议安全(InternetProtocolSecurity，IPsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中，还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。

下面，将结合附图及实施例对本示例实施方式中的…..方法的各个步骤进行更详细的说明。

图2示出本公开实施例中一种保险两核数据模型自动迭代开发上线部署方法流程图。本公开实施例提供的方法可以由任意具备计算处理能力的电子设备执行，例如如图1中的终端120和/或服务器集群140。在下面的举例说明中，以服务器集群140为执行主体进行示例说明。

如图2所示，服务器集群140执行保险两核数据模型自动迭代开发上线部署方法，包括以下步骤：

步骤S202，响应于部署指令，在保险两核数据模型为非固化的新增模型或待升级模型时，获取用于模型上线部署的训练版本信息。

其中，保险两核数据模型包括但不限于核保模型与核赔模型等。

在本公开中，主要对模型的新增部署方案与模型的升级部署方案进行描述。

另外，模型的部署包括但不限于模型的新增、模型的升级以及模型的下线等。

具体地，针对已上线运行的带升级模型和新增的非固化模型，需要基于获取到的训练版本进行在线训练。

步骤S204，基于训练版本信息对保险两核数据模型进行在线训练，并生成训练模型。

其中，在需要进行在线训练时，可以在模型训练服务器上对训练环境部署模型部署，通过将模型训练计划部署至模型训练服务器训练计划模块，实现模型训练。

步骤S206，获取模型迭代配置信息，基于模型迭代配置信息对训练模型进行迭代升级。

其中，基于模型迭代配置信息对模型的参数信息进行迭代升级，以得到升级模型版本。

步骤S208，在训练模型的迭代升级判定通过时，生成模型的升级模型版本信息。

其中，基于迭代配置信息判断训练模型的迭代升级是否通过。

步骤S210，基于升级版本信息对保险两核数据模型进行部署。

在该实施例中，在检测到存在新增数据模型需要上线部署，或需要对已上线运行的数据模型进行升级部署时，如果新增模型或待升级模型需要进行模型训练时，基于训练版本信息与模型迭代配置信息完成模型训练与迭代升级，以进一步基于生成的升级模型版本信息执行上线部署，一方面，通过执行在线执行模型训练的操作，能够将线上数据应用于模型训练中，从而使得到的升级模型版本信息能够降低升级模型版本信息上线运行的风险，保证模型新增部署或部署的可靠性，另一方面，迭代升级判定通过的训练模型作为升级模型进行上线部署，也减少了人力成本的投入。

进一步地，基于本公开的模型部署方案，通过进行数据模型的线上的迭代开发和模型的上线部署，实现了数据模型的自动迭代开发和上线部署的一体化应用，在数据模型为核保模型与核赔模型时，该方案能够实现两核的自动运营，进而减少了人工干预，提高了模型迭代的效率，节约了人力成本，避免了人工部署易出错的问题，提高了模型应用和部署的效率。

在本公开一个实施例中，在获取用于模型上线部署的训练版本信息之前包括：检测保险两核数据模型为新增模型还是待升级模型。

当检测到保险两核数据模型为待升级模型时，在获取到模型训练指令时，表明该数据模型需要进行升级操作，进而执行模型训练以及升级配置操作。

当检测到保险两核数据模型为新增模型时，获取新增模型的版本配置文件。

在保险两核数据模型为新增模型时，首先基于新增模型的部署指令，获取新增模型的版本配置文件。

其中，获取新增的数据模型的版本配置文件，版本配置文件包括模型版本号、模型版本包、模型固化配置文件、模型调度配置文件、模型迭代更新配置文件、模型应用服务器文件。

具体地，上述文件的主要功能包括：

模型版本号与模型版本包用于调取进行模型部署的模型信息。

模型固化配置文件用于检测新增模型为固化模型还是非固化模型。

模型调度配置文件用于调度部署资源。

模型迭代更新配置文件用于将训练模型进行更新迭代。

模型应用服务器文件用于确定在哪个服务器上运行模型。

读取版本配置文件中的模型固化配置文件。

其中，模型固化配置文件中包括模型的固化标识信息，模型的固化标识用于表示该新增模型为固化模型还是非固化模型，固化模型可以理解为已经训练完毕的新增墨西哥，非固化模型可以理解为仍需要进行训练的新增模型。

基于模型固化配置文件中的固化标识检测新增模型是否固化。

在该实施例中，对于新增数据模型，通过基于模型固化配置文件中的模型固化配置标识，检测该新增模型是固化模型还是非固化模型，如果检测到该新增模型为非固化模型，则仍需要对该模型进行线上训练，以满足该新增模型的上线运营需求。

在本公开一个实施例中，保险两核数据模型自动迭代开发上线部署方法还包括：

在检测到新增模型为固化的新增模型时，读取版本配置文件中的待部署模型版本信息。

基于待部署模型版本信息对将新增模型部署至模型运行服务器。

在该实施例中，还可以将固化配置文件信息存入模型部署服务器固化模块，在基于模型固化配置标识，判定模型为固化模型时，读取待部署模型版本信息，并将模型版本信息部署至版本管理器模型上线版本管理模块，同时读取模型应用服务器文件，将模型应用服务器信息存入模型部署模块，并将模型版本包部署至指定模型运行服务器，实现固化模型的上线部署。

在本公开一个实施例中，在保险两核数据模型为非固化的新增模型时，在生成升级模型版本信息的同时，方法还包括：

获取新增模型的初始版本信息。

基于初始版本信息将新增模型部署至模型运行服务器；以及

在生成新增模型的升级模型版本信息时，采用升级模型版本信息代替初始版本信息。

在该实施例中，通过读取待部署模型的版本信息，并将模型版本信息部署至版本管理器模型训练版本管理模块和模型上线版本管理模块，实现与新增模型的在线训练迭代升级操作并行执行该新增模型的初始版本的上线部署，以实现新增模型的在线训练与上线部署。

如图3所示，新增数据模型的部署方法，包括：

步骤S302，启动部署保险两核数据模型的新增数据模型。

步骤S304，获取版本配置文件。

步骤S306，读取版本配置文件中的模型固化配置文件。

步骤S308，基于模型固化配置文件中的固化标识检测模型是否已经固化，若是进入步骤S318，若否进入步骤S310。

步骤S310，读取训练版本信息和初始版本信息至版本管理器。

步骤S312，部署模型迭代配置文件。

步骤S314，基于训练版本信息和模型迭代配置文件部署模型训练服务器。

步骤S316，将初始版本信息部署至模型运行服务器。

步骤S318，读取待部署模型版本信息至版本管理器。

步骤S320，将待部署模型版本信息部署至模型运行服务器。

步骤S322，检测部署是否成功，若是进入步骤S324，若否返回步骤S304。

步骤S324，完成新增模型的上线部署。

具体地，获取模型部署版本配置文件，并将模型部署版本配置文件上传至部署服务器模型部署模块，模型版本配置文件包括：模型版本号，模型版本包，模型固化配置文件，模型调度配置文件，模型迭代更新配置文件，模型应用服务器文件。解析模型固化配置文件，将固化配置信息存入固化模块，同时根据固化标识判断模型是否需要固化。对固化模型，读取待部署模型版本信息，将模型版本信息部署至版本管理器模型上线版本管理模块；模型版本信息部署完成后，读取模型应用服务器文件，将模型应用服务器信息存入模型部署模块，并将模型版本包部署至指定模型运行服务器。

另外，若模型版本部署失败，回退模型版本信息和固化配置安装信息至模型版本上线前的状态。

对非固化模型，读取待部署模型的版本信息，并将模型版本信息部署至版本管理器模型训练版本管理模块和模型上线版本管理模块。读取模型应用服务器文件，将模型应用服务器信息存入模型部署模块。

对训练环境部署模型部署，读取模型迭代配置文件，并将模型迭代配置文件中模型迭代升级配置信息部署至模型更新模块，读取训练计划文件，并将模型训练计划部署至模型训练服务器训练计划模块。对上线环境部署，直接将模型版本包部署至指定模型运行服务器。若训练模型版本和模型版本有一个部署失败，回退模型版本信息、固化配置安装信息和模型迭代配置信息至模型版本上线前的状态。

在本公开一个实施例中，迭代配置信息包括基于混淆矩阵的第一组配置信息，衡量训练模型稳定性的第二组配置信息，评价训练模型效果的第三组配置信息，评价训练模型指标时序平稳性的第四组配置信息，训练模型拟合误差判断的第五组配置信息。

在该实施例中，第一组配置信息包括基于混淆矩阵的查准率、查全率、F值，第二组配置信息包括衡量模型稳定性的TPR(True Positive Rate,真正例率)、FPR(FalsePositive Rate,反正例率)、AUC(Area under the ROC curve，Roc曲线与坐标轴形成的面积)指标，第三组配置信息包括评价模型效果的KS(Kolmogorov-Smirnov，洛伦兹曲线)指标，第四组配置信息包括评价模型指标时序平稳性的检验判断，第五组配置信息包括过拟合、欠拟合误差判断等。

通过上述迭代配置信息，对训练模型执行线上迭代操作，以更新模型的运行参数，以使迭代后的训练模型满足上述配置信息的配置需求，并在检测到满足上述配置需求时，确定迭代升级通过，进而保证待上线部署的升级模型的可靠性。

具体地，通过部署迭代配置信息，实现数据模型版本的迭代更新和模型效果的线上量化评估，有效防止了模型失效。迭代配置信息包括不限于基于混淆矩阵的查准率、查全率、F值，衡量模型稳定性的TPR、FPR、AUC指标，评价模型效果的KS指标，评价模型指标时序平稳性的检验判断，过拟合、欠拟合误差判断。

如图4所示，升级数据模型的部署方法，包括：

步骤S402，启动保险两核数据模型的训练版本迭代操作。

步骤S404，接收模型训练指令进行在线训练，并生成训练模型。

步骤S406，检测到模型训练完成。

步骤S408，读取升级版本信息至训练版本管理模块。

步骤S410，获取模型迭代配置文件，基于模型迭代配置信息对训练模型进行迭代升级。

步骤S412，判定版本迭代升级通过。

步骤S414，读取模型应用服务器信息，并生成升级模型版本信息。

步骤S416，将升级模型版本信息推送至部署服务器。

步骤S418，部署至模型运行服务器，并更新版本信息至上线版本管理模块。

具体地，模型训练服务器按训练计划完成模型训练，生成升级训练版本后，模型训练服务器获取模型的参数信息，并获取模型更新模块的迭代配置信息，同时将训练版本信息推送至版本管理器训练版本管理模块。当新版本迭代升级判断通过，模型更新模块读取部署服务器中模型应用服务器信息生成待部署升级模型版本包，同时推送待部署升级模型版本包至模型部署服务器。部署服务器收到升级版本包后，按部署服务器信息将升级版本部署至模型运行环境，部署完成后，更新版本管理器上线版本管理模块。

在本公开一个实施例中，在模型为待升级模型时，获取模型迭代配置信息，基于模型迭代配置信息对训练模型进行迭代升级，还包括：获取待升级模型的运行参数；基于模型迭代配置信息对训练模型进行迭代升级，以基于迭代操作更新运行参数。

在检测到若部署后的模型未满足运营需求，即运行效果低于预期或达到预警状态，经运营团队与建模团队共同评估，确定模型是否更新或回退，当评估结果确定模型更新，并按照模型版本部署流程将模型部署到线上，实现上线部署。

在本公开一个实施例中，在基于升级版本信息对模型进行部署之后，还包括：获取进行部署后的保险两核数据模型的运行工况；在基于运行工况检测到部署后的保险两核数据模型满足运营需求时，更新保险两核数据模型的版本信息；在基于运行工况检测到部署后的保险两核数据模型未满足运营需求时，提取回退版本包信息；基于回退版本包信息对保险两核数据模型进行回退部署。

在该实施例中，当评估结果确定模型需要回退到指定版本，在模型回退页面输入回退版本号和回退指令，系统将回退指令推送至部署服务器模型回退模块，回退模块通过部署服务器的部署模块、固化模块和版本管理器提取回退版本包和版本部署文件，并按模型版本部署流程将模型部署到线上。

如图5所示，模型回退的部署方法，包括：

步骤S502，检测保险两核数据模型到需要进行版本回退操作。

步骤S504，获取退回版本号和版本回退指令。

步骤S506，提取回退版本包。

步骤S508，部署回退版本包。

具体地，前端输入回退版本号和回退指令，系统将回退指令推送至部署服务器模型回退模块，回退模块通过部署服务器的部署模块、固化模块和版本管理器提取回退版本包和版本部署文件，并按模型版本部署流程将模型部署到模型训练服务器和模型运行环境。

下面基于核保模型和核赔模型，对本公开的自动迭代开发上线部署方案进行具体描述。

具体地，在一个实施例中，保险两核数据模型包括核保模型和/或核赔模型。

在获取到部署指令时，首先检测核保模型和/或核赔模型是否为非固化的新增模型或待升级模型，以在确定核保模型和/或核赔模型为非固化的新增模型或待升级模型时，获取训练版本信息。

进一步地，基于训练版本信息对模型进行在线训练，并生成训练模型包括：获取核保模型和/或核赔模型的运营数据；基于运营数据生成训练样本；基于训练版本信息与训练样本对模型进行在线训练，并生成训练模型。

进一步地，获取模型迭代配置信息，基于模型迭代配置信息对训练模型进行迭代升级，得到用于对核保模型和/或核赔模型进行升级的升级模型版本信息，以基于升级版本信息对保险两核数据模型进行部署。进而实现两核模型的自动运营，减少了两核模型迭代更新的风险，降低了人力成本，提高了两核运营工作效率。

如图6所示，保险两核数据模型自动迭代开发上线部署可以基于多个服务器之间的信息交互实现，参与进行模型部署的交互服务器包括模型部署服务器602、模型训练服务器604、模型运行服务器606与模型版本管理器608和web服务器610。

下面基于对每个服务器中的虚拟模块的描述，对本公开的保险两核数据模型自动迭代开发上线部署进行具体描述。

模型部署服务器602包括：模型固化模块、模型部署模块与模型回退模块，模型固化模块用于基于模型固化配置标签，判断模型是否需要固化。

模型部署模块用于存储模型应用服务器信息，模型应用服务器信息的作用是确定需要部署模型的服务器。

模型回退模块用于接收回退版本号和回退指令，以通过部署模块、固化模块和版本管理器提取回退版本包和版本部署文件，并按模型版本部署流程将模型部署到线上。

模型训练服务器604包括模型训练模块、训练计划模块和模型更新模块。

其中，模型训练模块用于训练模型，并生成迭代训练版本。训练计划模块用于接收模型训练计划。模型更新模块用于读取模型迭代配置文件，并将模型迭代配置文件中的模型迭代升级配置信息部署至模型更新模块。

模型运行服务器606用于运行保险两核数据模型。

模型版本管理器608包括模型训练版本管理模块和模型上线版本管理模块。

其中，模型训练版本管理模块用于记录训练模型的版本信息。模型上线版本管理模块用于记录上线运行的版本信息。

web服务器610用于将模型新增部署和回退部署指令推送至模型部署服务器。

基于上述限定模型部署服务器602、模型训练服务器604、模型运行服务器606与模型版本管理器608还执行以下操作：

对于新增模型，读取模型固化配置文件，并将模型固化配置文件存入模型部署服务器602的固化模块。

基于模型固化配置文件中的固化标识，判断模型是否需要固化；如果需要固化，读取待部署模型版本信息，并将模型版本信息部署至模型版本管理器608的模型上线版本管理模块；读取模型应用服务器文件，将模型应用服务器文件存入模型部署模块。将模型版本包部署至指定模型运行服务器606，以实现新增的固化模型的部署。

如果不需要固化，读取待部署模型的版本信息，将版本信息部署至版本管理器608的模型训练版本管理模块和模型上线版本管理模块。读取模型应用服务器文件，将模型应用服务器文件存入模型部署模块；读取模型迭代配置文件，将模型迭代配置文件中的模型迭代升级配置信息部署至模型更新模块；读取训练计划文件，并将模型训练计划部署至模型训练服务器604的训练计划模块。

对于待升级模型，基于训练计划文件将模型训练完成后，生成训练模型，模型训练服务器604获取模型的参数信息，并获取模型更新模块的迭代配置信息，将训练版本信息推送至版本管理器608的训练版本管理模块。

判断新版本迭代升级通过，模型更新模块读取部署服务器602中模型应用服务器信息，以生成待部署升级模型版本包，将待部署升级模型版本包推送至模型部署服务器602，模型部署服务器602接收升级模型版本包，根据部署服务器信息将升级模型版本包部署至模型运行服务器606，部署完成后，更新版本管理器608中的模型上线版本管理模块。

另外，若训练模型版本(基于训练结果)和模型版本有一个部署失败，回退部署之前的版本。

需要注意的是，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

下面参照图7来描述根据本发明的实施方式的保险两核数据模型自动迭代开发上线部署装置700。图7所示的保险两核数据模型自动迭代开发上线部署装置700仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

保险两核数据模型自动迭代开发上线部署装置700以硬件模块的形式表现。保险两核数据模型自动迭代开发上线部署装置700的组件可以包括但不限于：获取模块702，用于响应于部署指令，在保险两核数据模型为非固化的新增模型或待升级模型时，获取用于模型上线部署的训练版本信息；在线训练模块704，用于基于训练版本信息对保险两核数据模型进行在线训练，并生成训练模型；迭代升级模块706，用于获取模型迭代配置信息，基于模型迭代配置信息对训练模型进行迭代升级；生成模块708，用于在训练模型的迭代升级判定通过时，生成模型的升级模型版本信息；部署模块710，用于基于升级版本信息对保险两核数据模型进行部署。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图8来描述根据本发明的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元810可以执行如图2中所示的步骤S202，响应于部署指令，在保险两核数据模型为非固化的新增模型或待升级模型时，获取用于模型上线部署的训练版本信息；步骤S204，基于训练版本信息对保险两核数据模型进行在线训练，并生成训练模型；步骤S206，获取模型迭代配置信息，基于模型迭代配置信息对训练模型进行迭代升级；步骤S208，在训练模型的迭代升级判定通过时，生成模型的升级模型版本信息；步骤S210，基于升级版本信息对保险两核数据模型进行部署。

存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元(ROM)8203。

存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备800也可以与一个或多个外部设备870(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图9所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品900，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (10)

1.一种保险两核数据模型自动迭代开发上线部署方法，其特征在于，包括：

响应于部署指令，在所述保险两核数据模型为非固化的新增模型或待升级模型时，获取用于模型上线部署的训练版本信息；

基于所述训练版本信息对所述保险两核数据模型进行在线训练，并生成训练模型；

获取模型迭代配置信息，基于所述模型迭代配置信息对所述训练模型进行迭代升级；

在所述训练模型的迭代升级判定通过时，生成所述模型的升级模型版本信息；

基于所述升级版本信息对所述保险两核数据模型进行部署。

2.根据权利要求1所述的保险两核数据模型自动迭代开发上线部署方法，其特征在于，在获取用于模型上线部署的训练版本信息之前包括：

检测所述保险两核数据模型为所述新增模型还是所述待升级模型；

当检测到所述保险两核数据模型为所述新增模型时，获取所述新增模型的版本配置文件；

读取所述版本配置文件中的模型固化配置文件；

基于所述模型固化配置文件中的固化标识检测所述新增模型是否固化；

在检测到所述新增模型为所述非固化的新增模型时，获取所述训练版本信息。

3.根据权利要求2所述的保险两核数据模型自动迭代开发上线部署方法，其特征在于，所述方法还包括：

在检测到所述新增模型为固化的所述新增模型时，读取所述版本配置文件中的待部署模型版本信息；

基于所述待部署模型版本信息对将所述新增模型部署至模型运行服务器。

4.根据权利要求1所述的保险两核数据模型自动迭代开发上线部署方法，其特征在于，在所述保险两核数据模型为所述非固化的新增模型时，在生成所述升级模型版本信息的同时，所述方法还包括：

获取所述新增模型的初始版本信息；

基于所述初始版本信息将所述新增模型部署至模型运行服务器；以及

在生成所述新增模型的升级模型版本信息时，采用所述升级模型版本信息代替所述初始版本信息。

5.根据权利要求1至4中任一项所述的保险两核数据模型自动迭代开发上线部署方法，其特征在于，

所述迭代配置信息包括基于混淆矩阵的第一组配置信息，衡量所述训练模型稳定性的第二组配置信息，评价所述训练模型效果的第三组配置信息，评价所述训练模型指标时序平稳性的第四组配置信息，所述训练模型拟合误差判断的第五组配置信息。

6.根据权利要求1至4中任一项所述的保险两核数据模型自动迭代开发上线部署方法，其特征在于，在基于所述升级版本信息对所述模型进行部署之后，还包括：

获取进行部署后的所述保险两核数据模型的运行工况；

在基于所述运行工况检测到部署后的所述保险两核数据模型满足运营需求时，更新所述保险两核数据模型的版本信息；

在基于所述运行工况检测到部署后的所述保险两核数据模型未满足所述运营需求时，提取回退版本包信息；

基于所述回退版本包信息对所述保险两核数据模型进行回退部署。

7.根据权利要求1至4中任一项所述的保险两核数据模型自动迭代开发上线部署方法，其特征在于，所述保险两核数据模型包括核保模型和/或核赔模型，所述基于所述训练版本信息对所述模型进行在线训练，并生成训练模型包括：

获取所述核保模型和/或核赔模型的运营数据；

基于所述运营数据生成训练样本；

基于所述训练版本信息与所述训练样本对所述模型进行在线训练，并生成训练模型。

8.一种保险两核数据模型自动迭代开发上线部署装置，其特征在于，包括：

获取模块，用于响应于部署指令，在所述保险两核数据模型为非固化的新增模型或待升级模型时，获取用于模型上线部署的训练版本信息；

在线训练模块，用于基于所述训练版本信息对所述保险两核数据模型进行在线训练，并生成训练模型；

迭代升级模块，用于获取模型迭代配置信息，基于所述模型迭代配置信息对所述训练模型进行迭代升级；

生成模块，用于在所述训练模型的迭代升级判定通过时，生成所述模型的升级模型版本信息；

部署模块，用于基于所述升级版本信息对所述保险两核数据模型进行部署。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～7中任意一项所述保险两核数据模型自动迭代开发上线部署方法。

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1～7中任意一项所述的保险两核数据模型自动迭代开发上线部署方法。

Images