CN112836033B - 业务模型的管理方法、装置、设备及存储介质 - Google Patents
业务模型的管理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112836033B CN112836033B CN202110208974.9A CN202110208974A CN112836033B CN 112836033 B CN112836033 B CN 112836033B CN 202110208974 A CN202110208974 A CN 202110208974A CN 112836033 B CN112836033 B CN 112836033B
- Authority
- CN
- China
- Prior art keywords
- model
- file
- sentences
- algorithm
- sample data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 109
- 238000001514 detection method Methods 0.000 claims abstract description 78
- 238000012549 training Methods 0.000 claims abstract description 44
- 238000005096 rolling process Methods 0.000 claims abstract description 34
- 238000000605 extraction Methods 0.000 claims abstract description 31
- 230000002452 interceptive effect Effects 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims description 40
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000011161 development Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/117—Tagging; Marking up; Designating a block; Setting of attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/197—Version control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及开发辅助领域,公开了业务模型的管理方法、装置、设备及存储介质,用于提高业务模型的调用效率。业务模型的管理方法包括:将基础样本数据输入至样本集管理系统,并将信息标记后的基础样本数据保存至样本集管理系统中;基于交互式算法和基础样本数据生成对应的项目语句,并将项目语句保存至算法语句库中;根据文本定义文件中的定义参数和预置提取指令提取项目语句,并预置模型训练工具生成模型文件;上线模型文件,利用检测算法对当前模型文件进行效率检测,当效率检测值小于效率阈值时,将当前模型文件回滚至线上业务模型中的上一个模型文件,完成模型文件的回滚。此外,本发明还涉及区块链技术,基础样本数据可存储于区块链中。
Description
技术领域
本发明涉及开发辅助领域,尤其涉及一种业务模型的管理方法、装置、设备及存储介质。
背景技术
随着科学技术的迅速发展,电子信息技术越来越广泛的应用于生活中的各个行业中。在银行领域中,各银行为了提升自身竞争力和更好的为用户提供服务,在财务项目研发的过程中加入人工智能(artificial intelligence,AI)技术,因此财务项目研发中涉及到算法代码的编写与存储、样本数据管理与使用、模型文件的管理与上线。在研发财务项目的过程中由于算法和代码冗余且重复率过大,因此会利用到不同的算法模型或代码模板。
现有对算法模型的管理一般为对算法模型进行版本管理,在使用时,直接调用业务模型中对应的算法模型即可,一旦出现算法模型错误时,无法根据业务模型做出相应的操作,导致业务模型的调用效率低下。
发明内容
本发明提供了一种业务模型的管理方法、装置、设备及存储介质,用于提高业务模型的调用效率。
本发明第一方面提供了一种业务模型的管理方法,包括:获取业务模型的基础样本数据,将所述基础样本数据输入至样本集管理系统,并对所述基础样本数据进行信息标记,将信息标记后的基础样本数据保存至所述样本集管理系统的样本数据库中;基于交互式算法和所述基础样本数据生成对应的项目语句,并将所述项目语句保存至算法语句库中;获取文本定义文件,根据所述文本定义文件中的定义参数和预置提取指令提取所述算法语句库中的项目语句,并将提取后的项目语句确定为目标语句,利用所述目标语句和预置模型训练工具生成模型文件;上线所述模型文件,得到线上业务模型,利用检测算法对所述线上业务模型中的当前模型文件进行效率检测,得到对应的效率检测值,当所述效率检测值小于效率阈值时,将所述当前模型文件回滚至所述线上业务模型中的上一个模型文件,完成模型文件的回滚。
可选的,在本发明第一方面的第一种实现方式中,所述获取业务模型的基础样本数据,将所述基础样本数据输入至样本集管理系统,并对所述基础样本数据进行信息标记,将信息标记后的基础样本数据保存至所述样本集管理系统的样本数据库中包括:通过传输接口接收业务模型的初始样本数据,并将所述初始样本数据输入至样本集管理系统;利用样本采集指令采集所述业务模型的原始样本数据,并将所述原始样本数据输入至所述样本集管理系统;在所述样本集管理系统中对所述初始样本数据和所述原始样本数据进行整合,得到所述业务模型的基础样本数据,对所述基础样本数据进行信息标记,将信息标记后的基础样本数据保存至所述样本集管理系统的样本数据库中。
可选的,在本发明第一方面的第二种实现方式中,所述基于交互式算法和所述基础样本数据生成对应的项目语句,并将所述项目语句保存至算法语句库中包括:将所述基础样本数据从所述样本集管理系统中导出至算法语句库中,得到候选样本数据;利用交互式算法建立所述候选样本数据对应的算法语句,并对所述算法语句进行测试与调整,得到项目语句,将所述项目语句保存至所述算法语句库。
可选的,在本发明第一方面的第三种实现方式中,所述获取文本定义文件,根据所述文本定义文件中的定义参数和预置提取指令提取所述算法语句库中的项目语句,并将提取后的项目语句确定为目标语句,利用所述目标语句和预置模型训练工具生成模型文件包括:获取文本定义文件,在所述文本定义文件中查询定义参数;将所述定义参数输入至预置提取指令中,通过所述预置提取指令在所述算法语句库中筛选与所述定义参数相关的项目语句,并将与所述定义参数相关的项目语句确定为目标语句;提取所述算法语句库中的所述目标语句,并将所述目标语句输入至预置模型训练工具,通过所述预置模型训练工具对所述目标语句进行训练,生成模型文件。
可选的,在本发明第一方面的第四种实现方式中,所述上线所述模型文件,得到线上业务模型,利用检测算法对所述线上业务模型中的当前模型文件进行效率检测,得到对应的效率检测值,当所述效率检测值小于效率阈值时,将所述当前模型文件回滚至所述线上业务模型中的上一个模型文件,完成模型文件的回滚包括:上线所述模型文件,得到线上业务模型,利用检测算法对所述线上业务模型中的当前模型文件进行效率检测,得到对应的效率检测值;当所述效率检测值小于效率阈值时,获取所述线上业务模型中上一个模型文件对应的模型文件命名以及模型文件存储路径;将所述对应的模型文件命名以及模型文件存储路径输入至回滚指令中,通过所述回滚指令将所述当前模型文件回滚至所述线上业务模型中的上一个模型文件,完成模型文件的回滚。
可选的,在本发明第一方面的第五种实现方式中,在获取文本定义文件,根据所述文本定义文件中的定义参数和预置提取指令提取所述算法语句库中的项目语句,并将提取后的项目语句确定为目标语句,利用所述目标语句和预置模型训练工具生成模型文件之后,在上线所述模型文件,得到线上业务模型,利用检测算法对所述线上业务模型中的当前模型文件进行效率检测,得到对应的效率检测值,当所述效率检测值小于效率阈值时,将所述当前模型文件回滚至所述线上业务模型中的上一个模型文件,完成模型文件的回滚之前,所述业务模型的管理方法还包括:记录模型文件对应的数据信息,并将所述模型文件以及所述模型文件对应的数据信息存储至模型管理库。
可选的,在本发明第一方面的第六种实现方式中,所述记录模型文件对应的数据信息,并将所述模型文件以及所述模型文件对应的数据信息存储至模型管理库包括:获取模型文件对应的数据信息,并将所述对应的数据信息记录在标记文件中,所述数据信息至少包括模型文件命名、项目编码、模型版本数据、算法语句数据、样本数据和日期数据;将所述标记文件和所述模型文件传输至模型管理库,利用所述模型管理库存储所述标记文件和所述模型文件。
本发明第二方面提供了一种业务模型的管理装置,包括:获取模块,用于获取业务模型的基础样本数据,将所述基础样本数据输入至样本集管理系统,并对所述基础样本数据进行信息标记,将信息标记后的基础样本数据保存至所述样本集管理系统的样本数据库中;生成模块,用于基于交互式算法和所述基础样本数据生成对应的项目语句,并将所述项目语句保存至算法语句库中;确定模块,用于获取文本定义文件,根据所述文本定义文件中的定义参数和预置提取指令提取所述算法语句库中的项目语句,并将提取后的项目语句确定为目标语句,利用所述目标语句和预置模型训练工具生成模型文件;回滚模块,用于上线所述模型文件,得到线上业务模型,利用检测算法对所述线上业务模型中的当前模型文件进行效率检测,得到对应的效率检测值,当所述效率检测值小于效率阈值时,将所述当前模型文件回滚至所述线上业务模型中的上一个模型文件,完成模型文件的回滚。
可选的,在本发明第二方面的第一种实现方式中,所述获取模块具体用于:通过传输接口接收业务模型的初始样本数据,并将所述初始样本数据输入至样本集管理系统;利用样本采集指令采集所述业务模型的原始样本数据,并将所述原始样本数据输入至所述样本集管理系统;在所述样本集管理系统中对所述初始样本数据和所述原始样本数据进行整合,得到所述业务模型的基础样本数据,对所述基础样本数据进行信息标记,将信息标记后的基础样本数据保存至所述样本集管理系统的样本数据库中。
可选的,在本发明第二方面的第二种实现方式中,所述生成模块具体用于:将所述基础样本数据从所述样本集管理系统中导出至算法语句库中,得到候选样本数据;利用交互式算法建立所述候选样本数据对应的算法语句,并对所述算法语句进行测试与调整,得到项目语句,将所述项目语句保存至所述算法语句库。
可选的,在本发明第二方面的第三种实现方式中,所述确定模块具体用于:获取文本定义文件,在所述文本定义文件中查询定义参数;将所述定义参数输入至预置提取指令中,通过所述预置提取指令在所述算法语句库中筛选与所述定义参数相关的项目语句,并将与所述定义参数相关的项目语句确定为目标语句;提取所述算法语句库中的所述目标语句,并将所述目标语句输入至预置模型训练工具,通过所述预置模型训练工具对所述目标语句进行训练,生成模型文件。
可选的,在本发明第二方面的第四种实现方式中,所述回滚模块具体用于:上线所述模型文件,得到线上业务模型,利用检测算法对所述线上业务模型中的当前模型文件进行效率检测,得到对应的效率检测值;当所述效率检测值小于效率阈值时,获取所述线上业务模型中上一个模型文件对应的模型文件命名以及模型文件存储路径;将所述对应的模型文件命名以及模型文件存储路径输入至回滚指令中,通过所述回滚指令将所述当前模型文件回滚至所述线上业务模型中的上一个模型文件,完成模型文件的回滚。
可选的,在本发明第二方面的第五种实现方式中,所述业务模型的管理装置还包括:记录模块,用于记录模型文件对应的数据信息,并将所述模型文件以及所述模型文件对应的数据信息存储至模型管理库。
可选的,在本发明第二方面的第六种实现方式中,所述记录模块具体用于:获取模型文件对应的数据信息,并将所述对应的数据信息记录在标记文件中,所述数据信息至少包括模型文件命名、项目编码、模型版本数据、算法语句数据、样本数据和日期数据;将所述标记文件和所述模型文件传输至模型管理库,利用所述模型管理库存储所述标记文件和所述模型文件。
本发明第三方面提供了一种业务模型的管理设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述业务模型的管理设备执行上述的业务模型的管理方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的业务模型的管理方法。
本发明提供的技术方案中,获取业务模型的基础样本数据,将所述基础样本数据输入至样本集管理系统,并对所述基础样本数据进行信息标记,将信息标记后的基础样本数据保存至所述样本集管理系统的样本数据库中;基于交互式算法和所述基础样本数据生成对应的项目语句,并将所述项目语句保存至算法语句库中;获取文本定义文件,根据所述文本定义文件中的定义参数和预置提取指令提取所述算法语句库中的项目语句,并将提取后的项目语句确定为目标语句,利用所述目标语句和预置模型训练工具生成模型文件;上线所述模型文件,得到线上业务模型,利用检测算法对所述线上业务模型中的当前模型文件进行效率检测,得到对应的效率检测值,当所述效率检测值小于效率阈值时,将所述当前模型文件回滚至所述线上业务模型中的上一个模型文件,完成模型文件的回滚。本发明实施例中,利用交互式算法和获取到的基础样本数据生成业务模型的项目语句,再通过文本定义文件筛选项目语句得到目标语句,然后利用预置模型训练工具生成模型文件,最后上线模型文件得到线上业务模型,利用检测算法对线上业务模型进行效率检测,对效率检测值小于效率预置的当前模型文件进行回滚。及时对调用错误的模型文件进行回滚操作,提高了调用业务模型的调用效率。
附图说明
图1为本发明实施例中业务模型的管理方法的一个实施例示意图;
图2为本发明实施例中业务模型的管理方法的另一个实施例示意图;
图3为本发明实施例中业务模型的管理装置的一个实施例示意图;
图4为本发明实施例中业务模型的管理装置的另一个实施例示意图;
图5为本发明实施例中业务模型的管理设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种业务模型的管理方法、装置、设备及存储介质,用于提高业务模型的调用效率。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中业务模型的管理方法的一个实施例包括:
101、获取业务模型的基础样本数据,将基础样本数据输入至样本集管理系统,并对基础样本数据进行信息标记,将信息标记后的基础样本数据保存至样本集管理系统的样本数据库中;
可以理解的是,本发明的执行主体可以为业务模型的管理装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
随着科学技术的迅速发展,电子信息技术越来越广泛的应用于生活中的各个行业中。在银行领域中,各银行为了提升自身竞争力和更好的为用户提供服务,在财务项目研发的过程中加入AI技术,因此财务项目研发中涉及到算法代码的编写与存储、样本数据管理与使用、模型文件的管理与上线。在研发财务项目的过程中由于算法和代码冗余且重复率过大,因此会利用不同的算法模型或代码模板。现有管理算法模型的方法一般为对算法模型进行版本管理,直接调用业务模型中对应的算法模型进行使用,但一旦出现算法模型错误时,服务器无法根据业务模型做出相应的操作。在本申请中,通过对多个算法模型进行版本管理,可以实现模型训练效果复现、线上模型快速回滚的目的。
在对业务模型进行管理之前,首先需要建立业务模型。在建立业务模型之前,需要获取业务模型对应需要的基础样本数据,这里的基础样本数据包括多个样本数据,以建立借贷业务模板为例,则对应需要的基础样本数据可以为:用户的借贷金额、月服务费数据(借贷约定的利息)、第一计提日(每月第一次计算利息的时间点)、第二计提日(每月第二次计算利息的时间点)、预置的借贷金额划分比例(第一计提日计算利息的借贷金额基数与第二计提计算利息的借贷金额基数之间的分配比)等等。
需要强调的是,为进一步保证上述基础样本数据的私密和安全性,上述基础样本数据还可以存储于一区块链的节点中。
102、基于交互式算法和基础样本数据生成对应的项目语句,并将项目语句保存至算法语句库中;
服务器在获取到基础样本数据之后,就可以将基础样本数据输入至交互式算法中,通过基础样本数据建立需求项目对应的程序编码,也就是可以实现项目需求的项目语句。可以理解的是,这里建立需求项目对应的程序编码的过程与利用机器语言和参数构建程序编码的过程相似。
需要说明的是,这里实现不同的项目所需要的基础样本数据不同,因此在从样本集管理系统中导出基础样本数据至预置的算法语句库的过程中,所导出的基础样本数据并不是所有的基础样本数据,而是与项目相关的基础样本数据。最后将生成的项目语句存储至算法语句库中,当需要某个项目语句建立对应的业务模板文件时,直接从算法语句库中调用该项目语句即可。
103、获取文本定义文件,根据文本定义文件中的定义参数和预置提取指令提取算法语句库中的项目语句,并将提取后的项目语句确定为目标语句,利用目标语句和预置模型训练工具生成模型文件;
服务器生成对应的项目语句之后,可以根据文本定义文件进行模型训练,这里的文本定义文件指的是pipline文件,pipline文件即为流水线文件,其记录了某个项目或框架中的流程或者步骤,用以简化设计,降低复杂度并提高性能,以Gpu渲染管线为例说明,该pipline文件指明渲染一个画面需要经过的每个工序以及工序的顺序。这里将文本定义文件和对应的目标语句输入至预置模型训练工具中,预置模型训练工具即可根据文本定义文件对应流水线的步骤,分别进行指令、译码、执行、访存和返回步骤,将流水线的步骤转换成对应的模型训练任务,当所有模型训练任务结束之后会生成对应的模型文件。
104、上线模型文件,得到线上业务模型,利用检测算法对线上业务模型中的当前模型文件进行效率检测,得到对应的效率检测值,当效率检测值小于效率阈值时,将当前模型文件回滚至线上业务模型中的上一个模型文件,完成模型文件的回滚。
得到模型文件之后,就可以对模型文件进行上线,用户可以通过线上业务模型调用模型文件生成对应所需的使用文件。但在调用过程中难免会出现模型文件调用错误等情况,这时就需要进行模型文件的回滚。回滚是指当程序或数据出错时,将程序或数据恢复到最近一个正确版本的行为。在回滚的过程中就要明确具体回滚到哪一个正确的版本,一般的,回滚版本的查询是通过文件名称进行筛查的,唯一的文件名对应唯一的版本,这样在执行回滚的过程中,就不会出现回滚版本错误、回滚失败的现象。通过对模型文件的回滚实现模型文件的正确调用,提高了模型文件的调用效率。
本发明实施例中,利用交互式算法和获取到的基础样本数据生成业务模型的项目语句,再通过文本定义文件筛选项目语句得到目标语句,然后利用预置模型训练工具生成模型文件,最后上线模型文件得到线上业务模型,利用检测算法对线上业务模型进行效率检测,对效率检测值小于效率预置的当前模型文件进行回滚。及时对调用的错误模型文件进行回滚操作,提高了调用业务模型的调用效率。
请参阅图2,本发明实施例中业务模型的管理方法的另一个实施例包括:
201、获取业务模型的基础样本数据,将基础样本数据输入至样本集管理系统,并对基础样本数据进行信息标记,将信息标记后的基础样本数据保存至样本集管理系统的样本数据库中;
具体的,首先服务器通过传输接口接收业务模型的初始样本数据,并将初始样本数据输入至样本集管理系统;然后服务器利用样本采集指令采集业务模型的原始样本数据,并将原始样本数据输入至样本集管理系统;最后服务器在样本集管理系统中对初始样本数据和原始样本数据进行整合,得到业务模型的基础样本数据,对基础样本数据进行信息标记,将信息标记后的基础样本数据保存至样本集管理系统的样本数据库中。
需要说明是,基础样本数据可以是通过传输接口从本地上传至样本集管理系统中的,也可以是从源业务系统采集至样本集管理系统中的,通过这两种方式将所需要的基础样本数据保存在样本集管理系统中。存储在样本集管理系统中的基础样本数据均存在唯一的版本号,服务器通过唯一的版本号可以查找到对应的基础样本数据。
进一步说明的是,在收集到基础样本数据之后需要对其进行信息标记,这里的信息标记指的是标记基础样本数据的关键字、来源、属性等特征,可以令服务器迅速查找到对应的基础样本数据。
需要强调的是,为进一步保证上述基础样本数据的私密和安全性,上述基础样本数据还可以存储于一区块链的节点中。
202、基于交互式算法和基础样本数据生成对应的项目语句,并将项目语句保存至算法语句库中;
具体的,服务器将基础样本数据从样本集管理系统中导出至算法语句库中,得到候选样本数据;服务器利用交互式算法建立候选样本数据对应的算法语句,并对算法语句进行测试与调整,得到项目语句,将项目语句保存至算法语句库。
服务器在获取到基础样本数据之后,就可以将基础样本数据输入至交互式算法中,通过基础样本数据建立需求项目对应的程序编码,也就是可以实现项目需求的项目语句。可以理解的是,这里建立需求项目对应的程序编码的过程与利用机器语言和参数构建程序编码的过程相似。
需要说明的是,这里是通过交互式算法进行项目语句的编写的,这里的交互式算法指的是编写程序代码的算法,具体可以为Java算法,也可以为Python算法,在本申请中并不对交互式算法进行限定。在生成对应的项目语句之后,还需要进行压入(push)操作,可以直接将项目语句压入至算法语句库中进行存储。
203、获取文本定义文件,根据文本定义文件中的定义参数和预置提取指令提取算法语句库中的项目语句,并将提取后的项目语句确定为目标语句,利用目标语句和预置模型训练工具生成模型文件;
具体的,首先服务器获取文本定义文件,在文本定义文件中查询定义参数;其次服务器将定义参数输入至预置提取指令中,通过预置提取指令在算法语句库中筛选与定义参数相关的项目语句,并将与定义参数相关的项目语句确定为目标语句;最后服务器提取算法语句库中的目标语句,并将目标语句输入至预置模型训练工具,通过预置模型训练工具对目标语句进行训练,生成模型文件。
需要说明的是,这里文本定义文件中的定义参数指的是流水线对应的关键字,以建立财务借贷模板为例,文本定义文件中的定义参数(关键字)为:利息计算,则服务器将“利息计算”关键字输入至预置提取指令中,通过预置提取指令在算法语句库中的多个项目语句中筛选出与定义参数相关的项目语句,将筛选出来与定义参数相关的项目语句确定为目标语句,目标语句可以为:用户借贷金额的获取语句、利息的计算语句等,在获取到目标语句之后,即可利用目标语句和预置模型训练工具生成模型文件。这里的预置提取指令用于在多个项目语句中查找和筛选出与定义参数相关的项目语句。
可以理解的是,利用预置提取指令在算法语句库中筛选出来与定义参数相关的项目语句可以为利用定义参数进行计算的语句,也可以为通过计算得到定义参数的语句,上述语句均为与定义参数相关的项目语句,将这些与定义参数相关的项目语句筛选出来,建立对应的模型文件。
204、记录模型文件对应的数据信息,并将模型文件以及模型文件对应的数据信息存储至模型管理库;
具体的,服务器获取模型文件对应的数据信息,并将对应的数据信息记录在标记文件中,数据信息至少包括模型文件命名、项目编码、模型版本数据、算法语句数据、样本数据和日期数据;服务器将标记文件和模型文件传输至模型管理库,利用模型管理库存储标记文件和模型文件。
需要说明的是,服务器在生成模型文件时,会生成模型文件对应的数据信息,这里的数据信息至少包括模型文件命名、项目编码、模型版本数据、算法语句数据、样本数据和日期数据,服务器将这些数据信息进行记录,生成记录后的标记文件,并将标记文件和对应的模型文件传输至模型管理库中,在模型管理库中对标记文件和模型文件进行存储,以便后续使用时对对应的模型文件进行调用,提高了调用模型文件的调用效率。
205、上线模型文件,得到线上业务模型,利用检测算法对线上业务模型中的当前模型文件进行效率检测,得到对应的效率检测值,当效率检测值小于效率阈值时,将当前模型文件回滚至线上业务模型中的上一个模型文件,完成模型文件的回滚。
具体的,服务器首先上线模型文件,得到线上业务模型,利用检测算法对线上业务模型中的当前模型文件进行效率检测,得到对应的效率检测值;然后服务器当效率检测值小于效率阈值时,获取线上业务模型中上一个模型文件对应的模型文件命名以及模型文件存储路径;最后服务器将对应的模型文件命名以及模型文件存储路径输入至回滚指令中,通过回滚指令将当前模型文件回滚至线上业务模型中的上一个模型文件,完成模型文件的回滚。
在得到模型文件之后,即可将模型文件进行上线,得到线上业务模型,用户可以通过线上业务模型调用模型文件生成对应所需的使用文件。在调用线上业务模型时,服务器会利用检测算法对线上业务模型中的当前模型文件进行效率检测,得到检测后的效率检测值,这里的检测算法有很多种,是本领域中的现有技术,因此不在此赘述。当得到的效率检测值小于效率阈值时,说明当前模型文件并不能满足当前项目的施行,因此需要将当前的模型文件替换为上一个模型文件的版本,即进行模型文件的回滚。
在进行模型文件的回滚过程中,服务器首先要获取线上业务模型中上一个模型文件对应的模型文件命名以及模型文件存储路径,将对应的模型文件命名以及模型文件存储路径输入至回滚指令中,通过回滚指令将当前模型文件回滚至线上业务模型中的上一个模型文件,完成模型文件的回滚。
本发明实施例中,利用交互式算法和获取到的基础样本数据生成业务模型的项目语句,再通过文本定义文件筛选项目语句得到目标语句,然后利用预置模型训练工具生成模型文件,最后上线模型文件得到线上业务模型,利用检测算法对线上业务模型进行效率检测,对效率检测值小于效率预置的当前模型文件进行回滚。及时对调用的错误模型文件进行回滚操作,提高了调用业务模型的调用效率。
上面对本发明实施例中业务模型的管理方法进行了描述,下面对本发明实施例中业务模型的管理装置进行描述,请参阅图3,本发明实施例中业务模型的管理装置一个实施例包括:
获取模块301,用于获取业务模型的基础样本数据,将所述基础样本数据输入至样本集管理系统,并对所述基础样本数据进行信息标记,将信息标记后的基础样本数据保存至所述样本集管理系统的样本数据库中;
生成模块302,用于基于交互式算法和所述基础样本数据生成对应的项目语句,并将所述项目语句保存至算法语句库中;
确定模块303,用于获取文本定义文件,根据所述文本定义文件中的定义参数和预置提取指令提取所述算法语句库中的项目语句,并将提取后的项目语句确定为目标语句,利用所述目标语句和预置模型训练工具生成模型文件;
回滚模块304,用于上线所述模型文件,得到线上业务模型,利用检测算法对所述线上业务模型中的当前模型文件进行效率检测,得到对应的效率检测值,当所述效率检测值小于效率阈值时,将所述当前模型文件回滚至所述线上业务模型中的上一个模型文件,完成模型文件的回滚。
本发明实施例中,利用交互式算法和获取到的基础样本数据生成业务模型的项目语句,再通过文本定义文件筛选项目语句得到目标语句,然后利用预置模型训练工具生成模型文件,最后上线模型文件得到线上业务模型,利用检测算法对线上业务模型进行效率检测,对效率检测值小于效率预置的当前模型文件进行回滚。及时对调用的错误模型文件进行回滚操作,提高了调用业务模型的调用效率。
请参阅图4,本发明实施例中业务模型的管理装置的另一个实施例包括:
获取模块301,用于获取业务模型的基础样本数据,将所述基础样本数据输入至样本集管理系统,并对所述基础样本数据进行信息标记,将信息标记后的基础样本数据保存至所述样本集管理系统的样本数据库中;
生成模块302,用于基于交互式算法和所述基础样本数据生成对应的项目语句,并将所述项目语句保存至算法语句库中;
确定模块303,用于获取文本定义文件,根据所述文本定义文件中的定义参数和预置提取指令提取所述算法语句库中的项目语句,并将提取后的项目语句确定为目标语句,利用所述目标语句和预置模型训练工具生成模型文件;
回滚模块304,用于上线所述模型文件,得到线上业务模型,利用检测算法对所述线上业务模型中的当前模型文件进行效率检测,得到对应的效率检测值,当所述效率检测值小于效率阈值时,将所述当前模型文件回滚至所述线上业务模型中的上一个模型文件,完成模型文件的回滚。
可选的,获取模块301具体用于:
通过传输接口接收业务模型的初始样本数据,并将所述初始样本数据输入至样本集管理系统;
利用样本采集指令采集所述业务模型的原始样本数据,并将所述原始样本数据输入至所述样本集管理系统;
在所述样本集管理系统中对所述初始样本数据和所述原始样本数据进行整合,得到所述业务模型的基础样本数据,对所述基础样本数据进行信息标记,将信息标记后的基础样本数据保存至所述样本集管理系统的样本数据库中。
可选的,生成模块302具体用于:
将所述基础样本数据从所述样本集管理系统中导出至算法语句库中,得到候选样本数据;
利用交互式算法建立所述候选样本数据对应的算法语句,并对所述算法语句进行测试与调整,得到项目语句,将所述项目语句保存至所述算法语句库。
可选的,确定模块303具体用于:
获取文本定义文件,在所述文本定义文件中查询定义参数;
将所述定义参数输入至预置提取指令中,通过所述预置提取指令在所述算法语句库中筛选与所述定义参数相关的项目语句,并将与所述定义参数相关的项目语句确定为目标语句;
提取所述算法语句库中的所述目标语句,并将所述目标语句输入至预置模型训练工具,通过所述预置模型训练工具对所述目标语句进行训练,生成模型文件。
可选的,回滚模块304具体用于:
上线所述模型文件,得到线上业务模型,利用检测算法对所述线上业务模型中的当前模型文件进行效率检测,得到对应的效率检测值;
当所述效率检测值小于效率阈值时,获取所述线上业务模型中上一个模型文件对应的模型文件命名以及模型文件存储路径;
将所述对应的模型文件命名以及模型文件存储路径输入至回滚指令中,通过所述回滚指令将所述当前模型文件回滚至所述线上业务模型中的上一个模型文件,完成模型文件的回滚。
可选的,业务模型的管理装置还包括:
记录模块305,用于记录模型文件对应的数据信息,并将所述模型文件以及所述模型文件对应的数据信息存储至模型管理库。
可选的,记录模块305具体用于:
获取模型文件对应的数据信息,并将所述对应的数据信息记录在标记文件中,所述数据信息至少包括模型文件命名、项目编码、模型版本数据、算法语句数据、样本数据和日期数据;
将所述标记文件和所述模型文件传输至模型管理库,利用所述模型管理库存储所述标记文件和所述模型文件。
本发明实施例中,利用交互式算法和获取到的基础样本数据生成业务模型的项目语句,再通过文本定义文件筛选项目语句得到目标语句,然后利用预置模型训练工具生成模型文件,最后上线模型文件得到线上业务模型,利用检测算法对线上业务模型进行效率检测,对效率检测值小于效率预置的当前模型文件进行回滚。及时对调用的错误模型文件进行回滚操作,提高了调用业务模型的调用效率。
上面图3和图4从模块化功能实体的角度对本发明实施例中的业务模型的管理装置进行详细描述,下面从硬件处理的角度对本发明实施例中业务模型的管理设备进行详细描述。
图5是本发明实施例提供的一种业务模型的管理设备的结构示意图,该业务模型的管理设备500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)510(例如,一个或一个以上处理器)和存储器520,一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对业务模型的管理设备500中的一系列指令操作。更进一步地,处理器510可以设置为与存储介质530通信,在业务模型的管理设备500上执行存储介质530中的一系列指令操作。
业务模型的管理设备500还可以包括一个或一个以上电源540,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口560,和/或,一个或一个以上操作系统531,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图5示出的业务模型的管理设备结构并不构成对业务模型的管理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种业务模型的管理设备,所述计算机设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述业务模型的管理方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述业务模型的管理方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种业务模型的管理方法,其特征在于,所述业务模型的管理方法包括:
获取业务模型的基础样本数据,将所述基础样本数据输入至样本集管理系统,并对所述基础样本数据进行信息标记,将信息标记后的基础样本数据保存至所述样本集管理系统的样本数据库中;
基于交互式算法和所述基础样本数据生成对应的项目语句,并将所述项目语句保存至算法语句库中;
所述基于交互式算法和所述基础样本数据生成对应的项目语句,并将所述项目语句保存至算法语句库中包括:
将所述基础样本数据从所述样本集管理系统中导出至算法语句库中,得到候选样本数据;
利用交互式算法建立所述候选样本数据对应的算法语句,并对所述算法语句进行测试与调整,得到项目语句,将所述项目语句保存至所述算法语句库;
获取文本定义文件,根据所述文本定义文件中的定义参数和预置提取指令提取所述算法语句库中的项目语句,并将提取后的项目语句确定为目标语句,利用所述目标语句和预置模型训练工具生成模型文件;
所述获取文本定义文件,根据所述文本定义文件中的定义参数和预置提取指令提取所述算法语句库中的项目语句,并将提取后的项目语句确定为目标语句,利用所述目标语句和预置模型训练工具生成模型文件包括:
获取文本定义文件,在所述文本定义文件中查询定义参数;
将所述定义参数输入至预置提取指令中,通过所述预置提取指令在所述算法语句库中筛选与所述定义参数相关的项目语句,并将与所述定义参数相关的项目语句确定为目标语句;
提取所述算法语句库中的所述目标语句,并将所述目标语句输入至预置模型训练工具,通过所述预置模型训练工具对所述目标语句进行训练,生成模型文件;
上线所述模型文件,得到线上业务模型,利用检测算法对所述线上业务模型中的当前模型文件进行效率检测,得到对应的效率检测值,当所述效率检测值小于效率阈值时,将所述当前模型文件回滚至所述线上业务模型中的上一个模型文件,完成模型文件的回滚。
2.根据权利要求1所述的业务模型的管理方法,其特征在于,所述获取业务模型的基础样本数据,将所述基础样本数据输入至样本集管理系统,并对所述基础样本数据进行信息标记,将信息标记后的基础样本数据保存至所述样本集管理系统的样本数据库中包括:
通过传输接口接收业务模型的初始样本数据,并将所述初始样本数据输入至样本集管理系统;
利用样本采集指令采集所述业务模型的原始样本数据,并将所述原始样本数据输入至所述样本集管理系统;
在所述样本集管理系统中对所述初始样本数据和所述原始样本数据进行整合,得到所述业务模型的基础样本数据,对所述基础样本数据进行信息标记,将信息标记后的基础样本数据保存至所述样本集管理系统的样本数据库中。
3.根据权利要求1所述的业务模型的管理方法,其特征在于,所述上线所述模型文件,得到线上业务模型,利用检测算法对所述线上业务模型中的当前模型文件进行效率检测,得到对应的效率检测值,当所述效率检测值小于效率阈值时,将所述当前模型文件回滚至所述线上业务模型中的上一个模型文件,完成模型文件的回滚包括:
上线所述模型文件,得到线上业务模型,利用检测算法对所述线上业务模型中的当前模型文件进行效率检测,得到对应的效率检测值;
当所述效率检测值小于效率阈值时,获取所述线上业务模型中上一个模型文件对应的模型文件命名以及模型文件存储路径;
将所述对应的模型文件命名以及模型文件存储路径输入至回滚指令中,通过所述回滚指令将所述当前模型文件回滚至所述线上业务模型中的上一个模型文件,完成模型文件的回滚。
4.根据权利要求1-3中任一项所述的业务模型的管理方法,其特征在于,在获取文本定义文件,根据所述文本定义文件中的定义参数和预置提取指令提取所述算法语句库中的项目语句,并将提取后的项目语句确定为目标语句,利用所述目标语句和预置模型训练工具生成模型文件之后,在上线所述模型文件,得到线上业务模型,利用检测算法对所述线上业务模型中的当前模型文件进行效率检测,得到对应的效率检测值,当所述效率检测值小于效率阈值时,将所述当前模型文件回滚至所述线上业务模型中的上一个模型文件,完成模型文件的回滚之前,所述业务模型的管理方法还包括:
记录模型文件对应的数据信息,并将所述模型文件以及所述模型文件对应的数据信息存储至模型管理库。
5.根据权利要求4所述的业务模型的管理方法,其特征在于,所述记录模型文件对应的数据信息,并将所述模型文件以及所述模型文件对应的数据信息存储至模型管理库包括:
获取模型文件对应的数据信息,并将所述对应的数据信息记录在标记文件中,所述数据信息至少包括模型文件命名、项目编码、模型版本数据、算法语句数据、样本数据和日期数据;
将所述标记文件和所述模型文件传输至模型管理库,利用所述模型管理库存储所述标记文件和所述模型文件。
6.一种业务模型的管理装置,其特征在于,所述业务模型的管理装置包括:
获取模块,用于获取业务模型的基础样本数据,将所述基础样本数据输入至样本集管理系统,并对所述基础样本数据进行信息标记,将信息标记后的基础样本数据保存至所述样本集管理系统的样本数据库中;
生成模块,用于基于交互式算法和所述基础样本数据生成对应的项目语句,并将所述项目语句保存至算法语句库中;
所述基于交互式算法和所述基础样本数据生成对应的项目语句,并将所述项目语句保存至算法语句库中包括:
将所述基础样本数据从所述样本集管理系统中导出至算法语句库中,得到候选样本数据;
利用交互式算法建立所述候选样本数据对应的算法语句,并对所述算法语句进行测试与调整,得到项目语句,将所述项目语句保存至所述算法语句库;
确定模块,用于获取文本定义文件,根据所述文本定义文件中的定义参数和预置提取指令提取所述算法语句库中的项目语句,并将提取后的项目语句确定为目标语句,利用所述目标语句和预置模型训练工具生成模型文件;
所述获取文本定义文件,根据所述文本定义文件中的定义参数和预置提取指令提取所述算法语句库中的项目语句,并将提取后的项目语句确定为目标语句,利用所述目标语句和预置模型训练工具生成模型文件包括:
获取文本定义文件,在所述文本定义文件中查询定义参数;
将所述定义参数输入至预置提取指令中,通过所述预置提取指令在所述算法语句库中筛选与所述定义参数相关的项目语句,并将与所述定义参数相关的项目语句确定为目标语句;
提取所述算法语句库中的所述目标语句,并将所述目标语句输入至预置模型训练工具,通过所述预置模型训练工具对所述目标语句进行训练,生成模型文件;
回滚模块,用于上线所述模型文件,得到线上业务模型,利用检测算法对所述线上业务模型中的当前模型文件进行效率检测,得到对应的效率检测值,当所述效率检测值小于效率阈值时,将所述当前模型文件回滚至所述线上业务模型中的上一个模型文件,完成模型文件的回滚。
7.一种业务模型的管理设备,其特征在于,所述业务模型的管理设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述业务模型的管理设备执行如权利要求1-5中任意一项所述的业务模型的管理方法。
8.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-5中任一项所述业务模型的管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110208974.9A CN112836033B (zh) | 2021-02-25 | 2021-02-25 | 业务模型的管理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110208974.9A CN112836033B (zh) | 2021-02-25 | 2021-02-25 | 业务模型的管理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112836033A CN112836033A (zh) | 2021-05-25 |
CN112836033B true CN112836033B (zh) | 2023-12-01 |
Family
ID=75933320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110208974.9A Active CN112836033B (zh) | 2021-02-25 | 2021-02-25 | 业务模型的管理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112836033B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114064026A (zh) * | 2021-11-22 | 2022-02-18 | 北京锐安科技有限公司 | 一种业务处理模型生成方法、装置、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108762764A (zh) * | 2018-06-05 | 2018-11-06 | 中国平安人寿保险股份有限公司 | 代码自动生成方法、装置、计算机设备及存储介质 |
CN109783084A (zh) * | 2019-01-18 | 2019-05-21 | 广州思坦德计算机信息科技有限公司 | 一种计算机代码自动生成方法、系统、装置和存储介质 |
CN110785736A (zh) * | 2018-02-12 | 2020-02-11 | 甲骨文国际公司 | 自动代码生成 |
US10832173B1 (en) * | 2019-08-28 | 2020-11-10 | International Business Machines Corporation | Cognitive software development |
CN112114791A (zh) * | 2020-09-08 | 2020-12-22 | 南京航空航天大学 | 一种基于元学习的代码自适应生成方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110321112A (zh) * | 2019-07-02 | 2019-10-11 | 北京百度网讯科技有限公司 | Ai能力研发平台及数据处理方法 |
-
2021
- 2021-02-25 CN CN202110208974.9A patent/CN112836033B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110785736A (zh) * | 2018-02-12 | 2020-02-11 | 甲骨文国际公司 | 自动代码生成 |
CN108762764A (zh) * | 2018-06-05 | 2018-11-06 | 中国平安人寿保险股份有限公司 | 代码自动生成方法、装置、计算机设备及存储介质 |
CN109783084A (zh) * | 2019-01-18 | 2019-05-21 | 广州思坦德计算机信息科技有限公司 | 一种计算机代码自动生成方法、系统、装置和存储介质 |
US10832173B1 (en) * | 2019-08-28 | 2020-11-10 | International Business Machines Corporation | Cognitive software development |
CN112114791A (zh) * | 2020-09-08 | 2020-12-22 | 南京航空航天大学 | 一种基于元学习的代码自适应生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112836033A (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112613917A (zh) | 基于用户画像的信息推送方法、装置、设备及存储介质 | |
US20120179658A1 (en) | Cleansing a Database System to Improve Data Quality | |
CN110555148B (zh) | 一种用户行为评估方法、计算设备及存储介质 | |
CN109033220B (zh) | 标注数据的自动选取方法、系统、设备和存储介质 | |
CN111026433A (zh) | 基于代码变更历史的软件代码质量问题自动修复方法、系统及介质 | |
CN115526605A (zh) | 基于企业内部控制管理的审批方法及系统 | |
CN112836033B (zh) | 业务模型的管理方法、装置、设备及存储介质 | |
CN112199951A (zh) | 一种事件信息生成的方法及装置 | |
CN112433705A (zh) | 脚本生成方法、装置、电子设备及存储介质 | |
CN112328631A (zh) | 一种生产故障分析方法、装置、电子设备及存储介质 | |
CN111160638A (zh) | 一种转化预估方法及装置 | |
CN111159241A (zh) | 一种点击转化预估方法及装置 | |
CN101751248B (zh) | 为Web应用设计时间敏感的性能测试用例的方法和系统 | |
CN112582073B (zh) | 医疗信息获取方法、装置、电子设备和介质 | |
CN111291936B (zh) | 产品生命周期预估模型生成方法、装置及电子设备 | |
CN111680083A (zh) | 智能化多级政府财政数据采集系统及数据采集方法 | |
CN116561003A (zh) | 测试数据生成方法、装置、计算机设备和存储介质 | |
CN109785376B (zh) | 深度估计装置的训练方法、深度估计设备及存储介质 | |
CN111882419B (zh) | 质检文件的方法、装置及服务器 | |
CN111783415A (zh) | 模板配置方法以及装置 | |
JP6660333B2 (ja) | 情報抽出装置、情報抽出方法及び情報抽出プログラム | |
CN115203057B (zh) | 低代码测试自动化方法、装置、设备及存储介质 | |
CN111382343A (zh) | 一种标签体系生成方法及装置 | |
CN116383883B (zh) | 一种基于大数据的数据管理权限处理方法及系统 | |
JP7307243B1 (ja) | 特徴選択システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |