CN115292339B - 数据库更新方法、装置、电子设备和存储介质 - Google Patents

数据库更新方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN115292339B
CN115292339B CN202211068189.9A CN202211068189A CN115292339B CN 115292339 B CN115292339 B CN 115292339B CN 202211068189 A CN202211068189 A CN 202211068189A CN 115292339 B CN115292339 B CN 115292339B
Authority
CN
China
Prior art keywords
target
index value
evaluation
history
value
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
Application number
CN202211068189.9A
Other languages
English (en)
Other versions
CN115292339A (zh
Inventor
杨德将
许韩晨玺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202211068189.9A priority Critical patent/CN115292339B/zh
Publication of CN115292339A publication Critical patent/CN115292339A/zh
Application granted granted Critical
Publication of CN115292339B publication Critical patent/CN115292339B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开提供了一种数据库更新方法，涉及人工智能技术领域，尤其涉及大数据技术领域和深度学习技术领域。具体实现方案为：根据多个目标指标值中的第一目标指标值和多个历史指标值中的第一历史指标值，进行数据评估，得到第一评估结果；响应于确定第一评估结果满足多个预设条件中的第一预设条件，利用目标数据对目标数据库进行更新，得到更新数据库；根据多个目标指标值中的第二目标指标值和第一历史指标值，进行数据评估，得到第二评估结果；以及响应于确定第二评估结果满足多个预设条件中的第二预设条件，将目标模型的源数据库切换为更新数据库。本公开还提供了一种数据更新装置、电子设备和存储介质。

Description

数据库更新方法、装置、电子设备和存储介质
技术领域
本公开涉及人工智能技术领域，尤其涉及大数据技术领域和深度学习技术领域。更具体地，本公开提供了一种数据库更新方法、装置、电子设备和存储介质。
背景技术
随着人工智能技术的发展，深度学习模型广泛地应用于评价各种产品的风险。在评价产品的风险时，根据相关对象的行为特征信息，深度学习模型可以输出风险评估值。随着时间的变化，相关对象的行为特征信息可以发生变化。由此，深度学习模型输出的风险评估值也可以发生变化。
发明内容
本公开提供了一种数据库更新方法、装置、设备以及存储介质。
根据本公开的一方面，提供了一种数据库更新方法，该方法包括：根据多个目标指标值中的第一目标指标值和多个历史指标值中的第一历史指标值，进行数据评估，得到第一评估结果，其中，第一目标指标值为目标数据在第一目标时刻的指标值，第一历史指标值为第一历史数据在第一历史时刻的指标值；响应于确定第一评估结果满足多个预设条件中的第一预设条件，利用目标数据对目标数据库进行更新，得到更新数据库；根据多个目标指标值中的第二目标指标值和第一历史指标值，进行数据评估，得到第二评估结果，其中，第二目标指标值为目标数据在第二目标时刻的指标值；以及响应于确定第二评估结果满足多个预设条件中的第二预设条件，将目标模型的源数据库切换为更新数据库。
根据本公开的另一方面，提供了一种数据库更新装置，该装置包括：第一评估模块，用于根据多个目标指标值中的第一目标指标值和多个历史指标值中的第一历史指标值，进行数据评估，得到第一评估结果，其中，第一目标指标值为目标数据在第一目标时刻的指标值，第一历史指标值为第一历史数据在第一历史时刻的指标值；更新模块，用于响应于确定第一评估结果满足多个预设条件中的第一预设条件，利用目标数据对目标数据库进行更新，得到更新数据库；第二评估模块，用于根据多个目标指标值中的第二目标指标值和第一历史指标值，进行数据评估，得到第二评估结果，其中，第二目标指标值为目标数据在第二目标时刻的指标值；以及切换模块，用于响应于确定第二评估结果满足多个预设条件中的第二预设条件，将目标模型的源数据库切换为更新数据库。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行根据本公开提供的方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行根据本公开提供的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现根据本公开提供的方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开的一个实施例的可以应用数据库更新方法和装置的示例性系统架构示意图；
图2是根据本公开的一个实施例的数据库更新方法的流程图；
图3是根据本公开的另一个实施例的数据库更新方法的流程图；
图4A至图4C是根据本公开的一个实施例的数据库更新方法的原理图；
图5是根据本公开的一个实施例的数据库更新装置的框图；以及
图6是根据本公开的一个实施例的可以应用数据库更新方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
随着时间的变化，相关对象的行为特征信息可以发生变化。由此，深度学习模型的性能可能会下降，出现风险评估效果衰退现象。
此外，随着时间推移，可以更新深度学习模型的源数据库，以适应行为特征信息的变化。可以利用各种方式对源数据库进行更新，若更新方式存在异常，也可能导致风险评估效果衰退。
在一些实施例中，可以定期获取深度学习模型的效果反馈信息。根据效果反馈信息，确定是否需要调整深度学习模型。然而，在进行风险评估时，可以将历史数据(例如前几个月份的数据)和更新的数据(例如上一个月份的数据)一起作为模型的输入数据。此时，更新的数据在输入数据中的占比较少，即使更新的数据存在异常，也无法导致模型的输出数据出现明显的异常。若之后几个月的数据也存在类似的异常，模型的效果会在几个月之后明显衰退。在这种情况下，模型的运维人员很难及时发现和解决模型效果衰退问题，用户体验较差。
图1是根据本公开一个实施例的可以应用数据库更新方法和装置的示例性系统架构示意图。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是，本公开实施例所提供的数据库更新方法一般可以由服务器105执行。相应地，本公开实施例所提供的数据库更新装置一般可以设置于服务器105中。本公开实施例所提供的数据库更新方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的数据库更新装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
图2是根据本公开的一个实施例的数据库更新方法的流程图。
如图2所示，该方法200可以包括操作S210至操作S240。
在操作S210，根据多个目标指标值中的第一目标指标值和多个历史指标值中的第一历史指标值，进行数据评估，得到第一评估结果。
在本公开实施例中，多个历史指标值可以是不同历史数据在不同历史时刻的指标值。
例如，第一历史指标值为第一历史数据在第一历史时刻的指标值。在一个示例中，在时刻T1，利用第一历史数据建立了目标模型。可以理解，在时刻T2至时刻T7的多个时刻，分别获取了多个历史数据。
在本公开实施例中，多个目标指标值可以是目标数据在不同目标时刻的指标值。
例如，目标数据可以包括多个对象的行为特征信息。又例如，行为特征信息可以包括多个维度的特征值。在一个示例中，行为特征信息可以包括1000个维度的特征值。在确定目标数据的指标值时，可以利用其中一部分维度(例如100个维度)的特征值进行相关运算。
例如，第一目标指标值为目标数据在第一目标时刻的指标值。在一个示例中，在时刻T8_1，获取了目标数据，以便利用目标数据对目标数据库进行更新。可以将时刻T8_1作为第一目标时刻。
在本公开实施例中，指标值可以是各种指标值。
在本公开实施例中，可以确定第一目标指标值与第一历史指标值之间的差值，作为第一评估结果。
在操作S220，响应于确定第一评估结果满足多个预设条件中的第一预设条件，利用目标数据对目标数据库进行更新，得到更新数据库。
在本公开实施例中，第一预设条件可以包括：第一评估结果小于或等于第一预设评估阈值。
例如，在确定第一评估结果小于或等于第一预设评估阈值的情况下，可以利用目标数据对目标数据库进行更新，得到更新数据库。
又例如，目标数据库可以是目标模型的备用数据库。
在本公开实施例中，可以根据目标数据库的类型信息，对目标数据进行处理，将处理后的目标数据添加至目标数据库中，得到更新数据库。
例如，目标数据库可以是各种类型的数据库。根据目标数据库所需的数据格式，将部分或全部目标数据按照指定的格式进行转换处理，得到处理后的目标数据。在将处理后的目标数据写入目标数据库的数据表之后，可以得到更新数据库。
在操作S230，根据多个目标指标值中的第二目标指标值和第一历史指标值，进行数据评估，得到第二评估结果。
在本公开实施例中，第二目标指标值为目标数据在第二目标时刻的指标值。
例如，如上文所述，在时刻T8_1，获取了目标数据，又根据目标数据获得了更新数据库。在获得了更新数据库之后的一个时刻T8_2，确定了第二目标指标值。可以理解，时刻T8_2可以作为第二目标时刻。可以理解，第一目标时刻可以是获得更新数据库之前的一个时刻。第二目标时刻可以是获得更新数据库之后的一个时刻。
又例如，第二目标指标值可以是根据更新数据库中处理后的目标数据得到的。可以理解，处理后的目标数据与未处理的目标数据之间存在差别，因此，第二目标指标值与第一目标指标值之间存在差别。
在本公开实施例中，可以确定第二目标指标值与第一历史指标值之间的差值，作为第二评估结果
在操作S240，响应于确定第二评估结果满足第二预设条件，将目标模型的源数据库切换为更新数据库。
在本公开实施例中，第二预设条件可以包括：第二评估结果小于或等于第二预设评估阈值。
例如，在确定第二评估结果小于或等于第二预设评估阈值的情况下，可以将目标模型的源数据库切换为更新数据库，使得目标模型利用更新数据库中的数据进行模型推理。
通过本公开实施例，在对目标数据库进行更新的前后，分别进行了数据评估，可以及时发现数据衰退问题，提高模型的准确性，进而提高用户体验。
可以理解，上文对本公开的数据库更新方法进行了详细描述。下面将结合相关实施例对本公开中数据评估的一些实施方式进行详细描述。
在一些实施例中，目标指标值可以包括目标样本指标值，历史指标值可以包括历史样本指标值。
在本公开实施例中，可以将曲线下面积(Aera Under Curve，AUC)值作为样本指标值。曲线下面积可以是接受者工作特征曲线(Receiver Operating CharacteristicCurve，ROC)下面积。
在本公开实施例中，数据评估可以包括以下操作：根据目标样本指标值和历史样本指标值，确定样本评估值；以及根据样本评估值，得到评估结果。
例如，可以将目标曲线下面积值和历史曲线下面积值之间的差值，作为样本评估值。又例如，可以将样本评估值作为评估结果。
在本公开实施例中，预设条件可以包括：样本评估值小于或等于预设样本评估阈值。例如，预设样本评估阈值可以为3％。又例如，例如，预设样本评估阈值也可以为5％。
在一些实施例中，目标指标值可以包括目标样本分布指标值，历史指标值可以包括历史样本分布指标值。
在本公开实施例中，可以将KS(Kolmogorov-Smirnov)值作为样布分布指标值。KS值可以衡量好坏样本累计分布之间的差值。
在本公开实施例中，数据评估可以包括以下操作：根据目标样本分布指标值和历史样本分布指标值，确定样本分布评估值；以及根据样本分布评估值，得到评估结果。
例如，可以将目标数据的KS值和历史数据的KS值之间的差值，作为样本分布评估值。又例如，可以将样本分布评估值作为评估结果。
在本公开实施例中，预设条件可以包括：样本分布评估值小于或等于预设样本分布评估阈值。例如，预设样本分布评估阈值可以为3％。又例如，预设样本分布评估阈值可以为5％。
在一些实施例中，目标指标值可以包括目标稳定指标值。历史指标值可以包括历史稳定指标值。
在本公开实施例中，可以将群体稳定度指标(Population Stability Index，PSI)值，作为稳定指标值。
在本公开实施例中，目标稳定指标值是根据目标输出分布信息得到的，目标输出分布信息是利用目标模型处理目标数据得到的。例如，可以将多个预设产品信息和目标数据输入目标模型，得到目标输出数据。根据目标输出数据，确定目标输出分布信息。再根据目标数据分布信息，确定目标数据的群体稳定度指标值，作为目标稳定指标值。
在本公开实施例中，历史稳定指标值是根据历史输出分布信息得到的，历史输出分布信息是利用目标模型处理历史数据得到的。例如，可以将多个预设产品信息和历史数据输入目标模型，得到历史输出数据。根据历史输出数据，确定历史输出分布信息。再根据历史数据分布信息，确定历史数据的群体稳定度指标值，作为历史稳定指标值。
在本公开实施例中，数据评估可以包括以下操作：根据目标稳定指标值和历史稳定指标值，确定稳定评估值；以及根据稳定评估值，得到评估结果。
例如，可以将目标数据的群体稳定度指标值和历史数据的群体稳定度指标值之间的差值，作为稳定评估值。又例如，可以将稳定评估值作为评估结果。
在本公开实施例中，预设条件可以包括：稳定评估值小于或等于预设稳定评估阈值。例如，预设稳定评估阈值可以为0.1。又例如，预设稳定评估阈值也可以为0.25。
在本公开实施例中，也可以将样本评估值、样本分布评估值、稳定评估值作为评估结果。
可以理解，上文对不同的预设条件、不同的指标值进行了详细描述，在本公开实施例中，也可以将这些预设条件、指标值进行各种组合，本公开对此不进行限制。
在本公开实施例中，预设条件也可以包括：样本评估值小于或等于预设样本评估阈值、样本分布评估值小于或等于预设样本分布评估阈值且稳定评估值小于或等于预设稳定评估阈值。
在本公开实施例中，预设条件也可以包括：在样本评估值小于或等于预设样本评估阈值且样本分布评估值小于或等于预设样本分布评估阈值的情况下，稳定评估值小于或等于预设稳定评估阈值。
例如，可以先确定样本评估值是否小于或等于预设样本评估阈值，以及确定样本分布评估值是否小于或等于预设样本分布评估阈值。
在样本评估值大于预设样本评估阈值或样本分布评估值大于预设样本分布评估阈值的情况下，可以不计算稳定评估值，而确定评估结果不满足预设条件。
在样本评估值小于或等于预设样本评估阈值且样本分布评估值小于或等于预设样本分布评估阈值的情况下，可以计算稳定评估值，再确定稳定评估值是否小于或等于预设稳定评估阈值。
可以理解，上文对本公开中数据评估的一些实施方式进行了详细描述。接下来将结合图3和相关实施例对本公开的数据库更新方法进行进一步详细说明。
图3是根据本公开的另一个实施例的数据库更新方法的流程图。
如图3所示，该方法300可以包括操作S310、操作S321至操作S328操作S330以及操作S341至操作S348。
在操作S310，根据多个目标指标值中的第一目标指标值和多个历史指标值中的第一历史指标值，进行数据评估，得到第一评估结果。
在本公开实施例中，可以根据多个历史指标值中的第二历史指标值和第一目标指标值，进行数据评估，得到第一子评估结果。
例如，第二历史指标值为第二历史数据在第二历史时刻的指标值。
例如，在时刻T1，利用第一历史数据建立了目标模型。在时刻T2至时刻T7的多个时刻，分别获取了多个历史数据。在时刻T8_1，获取了目标数据，以便利用目标数据对目标数据库进行更新。可以将时刻T8_1作为第一目标时刻。可以将时刻T3作为第二历史时刻。
例如，第一目标指标值可以包括第一目标样本指标值AUC_81、第一目标样本分布指标值KS_81和第一目标稳定指标值PSI_81。第二历史指标值可以包括第二历史样本指标值AUC_3、第二历史样本分布指标值KS_3和第二历史稳定指标值PSI_3。
又例如，可以将第一目标样本指标值AUC_81和第二历史样本指标值AUC_3之间的差值，作为第一样本评估值AUCassess_813。可以将第一目标样本分布指标值KS_81和第二历史样本分布指标值KS_3之间的差值，作为第一样本分布评估值KSassess_813。可以将第一目标稳定指标值PSI_81和第二历史稳定指标值PSI_3之间的差值，作为第一稳定评估值PSIassess_813。可以将第一样本评估值AUCassess_813、第一样本分布评估值KSassess_813和第一稳定评估值PSIassess_813作为第一子评估结果。
在本公开实施例中，可以根据第一目标指标值和第一历史指标值，进行数据评估，得到第二子评估结果。
例如，可以将时刻T1作为第一历史时刻。
例如，第一历史指标值可以包括第一历史样本指标值AUC_1、第一历史样本分布指标值KS_1和第一历史稳定指标值PSI_1。
又例如，可以将第一目标样本指标值AUC_81和第一历史样本指标值AUC_1之间的差值，作为第二样本评估值AUCassess_811。可以将第一目标样本分布指标值KS_81和第一历史样本分布指标值KS_1之间的差值，作为第二样本分布评估值KSassess_811。可以将第一目标稳定指标值PSI_81和第一历史稳定指标值PSI_1之间的差值，作为第二稳定评估值PSIassess_811。可以将第二样本评估值AUCassess_811、第二样本分布评估值KSassess_811和第二稳定评估值PSIassess_811作为第二子评估结果。
在本公开实施例中，可以根据第一子评估结果和第二子评估结果，得到第一评估结果。
例如，可以将第一样本评估值AUCassess_813、第一样本分布评估值KSassess_813、第一稳定评估值PSIassess_813、第二样本评估值AUCassess_811、第二样本分布评估值KSassess_811和第二稳定评估值PSIassess_811作为第一评估结果。
接下来，可以确定第一评估结果是否满足第一预设条件。下面将结合操作S321至操作S328进行详细说明。
在本公开实施例中，第一预设条件可以包括多个第一子预设条件。例如，这些第一子预设条件可以包括：第一样本评估值AUCassess_813小于或等于第一预设样本评估阈值、第一样本分布评估值KSassess_813小于或等于第一预设样本分布评估阈值、第一稳定评估值PSIassess_813小于或等于第一稳定评估阈值、第二样本评估值AUCassess_811小于或等于第二预设样本评估阈值、第二样本分布评估值KSassess_811小于或等于第二预设样本分布评估阈值以及第二稳定评估值PSIassess_811小于或等于第二稳定评估阈值。
在操作S321，确定第一样本评估值是否小于或等于第一预设样本评估阈值。
例如，第一预设样本评估阈值可以为3％。
例如，响应于确定第一样本评估值小于或等于第一预设样本评估阈值，可以执行操作S322。又例如，响应于确定第一样本评估值大于第一预设样本评估阈值，可以执行操作S328，调整目标模型或调整目标数据。
在操作S322，确定第一样本分布评估值是否小于或等于第一预设样本分布评估阈值。
例如，第一预设样本分布评估阈值可以为3％。
例如，响应于确定第一样本分布评估值小于或等于第一预设样本分布评估阈值，可以执行操作S323。又例如，响应于确定第一样本评估值大于第一预设样本评估阈值，可以执行操作S328。
在操作S323，确定第一稳定评估值是否小于或等于第一预设稳定评估阈值。
例如，第一预设稳定评估阈值可以为0.1。
例如，响应于确定第一稳定评估值小于或等于第一预设稳定评估阈值，可以执行操作S324。又例如，响应于确定第一稳定评估值大于第一预设稳定评估阈值，可以执行操作S328。通过本公开实施例，第二历史时刻可以是第一历史时刻和第一目标时刻之间的一个时刻，利用第二历史数据进行了数据评估，由此可以确定目标数据与较短的时间尺度内的历史数据之间是否存在明显差异，以便确定目标数据是否存在异常。
在操作S324，确定第二样本评估值是否小于或等于第二预设样本评估阈值。
例如，第二预设样本评估阈值可以为5％。
例如，响应于确定第二样本评估值小于或等于第二预设样本评估阈值，可以执行操作S325。又例如，响应于确定第二样本评估值大于第二预设样本评估阈值，可以执行操作S328，调整目标模型或调整目标数据。
在操作S325，确定第二样本分布评估值是否小于或等于第二预设样本分布评估阈值。
例如，第二预设样本分布评估阈值可以为5％。
例如，响应于确定第二样本分布评估值小于或等于第二预设样本分布评估阈值，可以执行操作S326。又例如，响应于确定第二样本评估值大于第二预设样本评估阈值，可以执行操作S328。
在操作S326，确定第二稳定评估值是否小于或等于第二预设稳定评估阈值。
例如，第二预设稳定评估阈值可以为0.25。
例如，响应于确定第二稳定评估值小于或等于第二预设稳定评估阈值，可以执行操作S327。又例如，响应于确定第二稳定评估值大于第二预设稳定评估阈值，可以执行操作S328。通过本公开实施例，利用第一历史数据进行了数据评估，由此可以确定目标数据与较长的时间尺度内的历史数据之间是否存在明显差异，以便确定目标数据是否存在异常。
在操作S327，利用目标数据对目标数据库进行更新，得到更新数据库。
例如，根据目标数据库所需的数据格式，可以将部分或全部目标数据按照该格式进行转换处理，得到处理后的目标数据。在将处理后的目标数据写入目标数据库的数据表之后，可以得到更新数据库。在一个示例中，目标数据库可以为简奇数据库(SimpleDB)。
在操作S328，调整目标数据或目标模型。
例如，在确定评估结果不满足预设条件的情况下，可以根据行为特征信息的覆盖度和目标数据的样本分布指标值，确定不满足预设条件的原因。可以利用各种方式确定该原因。在一个示例中，可以人工确定不满足预设条件的原因，若目标数据自身存在异常，导致评估结果不满足预设条件，可以重新获取目标数据，例如重新提取相关对象的行为特征信息。若目标模型出现了问题，可以对模型进行调整。通过本公开实施例，在对数据库更新之前，对数据进行了离线评估，可以准确发现数据是否存在问题，有助于及时解决数据衰退问题，提高目标模型的性能。
在操作S330，根据第二目标指标值和第一历史指标值，进行数据评估，得到第二评估结果。
在本公开实施例中，根据多个历史指标值中的第三历史指标值和第二目标指标值，进行数据评估，得到第三子评估结果。
例如，第三历史指标值为第三历史数据在第三历史时刻的指标值。
例如，如上文所述，在时刻T1，利用第一历史数据建立了目标模型。在时刻T2至时刻T7的多个时刻，分别获取了多个历史数据。可以将时刻T4作为第三历史时刻。
例如，在时刻T8_1，获取了目标数据，以便利用目标数据对目标数据库进行更新。可以将时刻T8_1作为第一目标时刻。可以将目标数据库更新之后的时刻T8_2，作为第二目标时刻。
例如，第二目标指标值可以包括第二目标样本指标值AUC_82、第二目标样本分布指标值KS_82和第二目标稳定指标值PSI_82。第三历史指标值可以包括第三历史样本指标值AUC_4、第三历史样本分布指标值KS_4和第三历史稳定指标值PSI_4。可以理解，第二目标指标值是根据更新数据库中的处理后的目标数据得到的。
又例如，可以将第二目标样本指标值AUC_82和第三历史样本指标值AUC_4之间的差值，作为第三样本评估值AUCassess_824。可以将第二目标样本分布指标值KS_82和第三历史样本分布指标值KS_4之间的差值，作为第三样本分布评估值KSassess_824。可以将第二目标稳定指标值PSI_82和第三历史稳定指标值PSI_4之间的差值，作为第三稳定评估值PSIassess_824。可以将第三样本评估值AUCassess_824、第三样本分布评估值KSassess_824和第三稳定评估值PSIassess_824作为第三子评估结果。
在本公开实施例中，根据第二目标指标值和第一历史指标值，进行数据评估，得到第四子评估结果。
例如，如上文所述，第一历史指标值可以包括第一历史样本指标值AUC_1、第一历史样本分布指标值KS_1和第一历史稳定指标值PSI_1。
又例如，可以将第二目标样本指标值AUC_82和第一历史样本指标值AUC_1之间的差值，作为第四样本评估值AUCassess_821。可以将第二目标样本分布指标值KS_82和第一历史样本分布指标值KS_1之间的差值，作为第四样本分布评估值KSassess_821。可以将第二目标稳定指标值PSI_82和第一历史稳定指标值PSI_1之间的差值，作为第四稳定评估值PSIassess_821。可以将第四样本评估值AUCassess_821、第四样本分布评估值KSassess_821和第四稳定评估值PSIassess_821作为第四子评估结果。
在本公开实施例中，根据第三子评估结果和第四子评估结果，得到第二评估结果。
例如，可以将第三样本评估值AUCassess_824、第三样本分布评估值KSassess_824、第三稳定评估值PSIassess_824、第四样本评估值AUCassess_821、第四样本分布评估值KSassess_821和第四稳定评估值PSIassess_821作为第二评估结果。
接下来，可以确定第二评估结果是否满足第二预设条件。下面将结合操作S341至操作S348进行详细说明。
在本公开实施例中，第二预设条件可以包括多个第二子预设条件。例如，这些第二子预设条件可以包括：第三样本评估值AUCassess_824小于或等于第三预设样本评估阈值、第三样本分布评估值KSassess_824小于或等于第三预设样本分布评估阈值、第三稳定评估值PSIassess_824小于或等于第三稳定评估阈值、第四样本评估值AUCassess_821小于或等于第四预设样本评估阈值、第四样本分布评估值KSassess_821小于或等于第四预设样本分布评估阈值以及第四稳定评估值PSIassess_821小于或等于第四稳定评估阈值。
在操作S341，确定第三样本评估值是否小于或等于第三预设样本评估阈值。
例如，第三预设样本评估阈值可以为3％。
例如，响应于确定第三样本评估值小于或等于第三预设样本评估阈值，可以执行操作S342。又例如，响应于确定第三样本评估值大于第三预设样本评估阈值，可以执行操作S348，重新对目标数据库进行更新或调整目标模型。
在操作S342，确定第三样本分布评估值是否小于或等于第三预设样本分布评估阈值。
例如，第三预设样本分布评估阈值可以为3％。
例如，响应于确定第三样本分布评估值小于或等于第三预设样本分布评估阈值，可以执行操作S343。又例如，响应于确定第三样本评估值大于第三预设样本评估阈值，可以执行操作S348。
在操作S343，确定第三稳定评估值是否小于或等于第三预设稳定评估阈值。
例如，第三预设稳定评估阈值可以为0.1。
例如，响应于确定第三稳定评估值小于或等于第三预设稳定评估阈值，可以执行操作S344。又例如，响应于确定第三稳定评估值大于第三预设稳定评估阈值，可以执行操作S348。通过本公开实施例，第三历史时刻可以是第一历史时刻和第二目标时刻之间的时刻，利用第三历史数据和更新数据库中处理后的目标数据进行了数据评估，由此可以确定处理后的目标数据与较短的时间尺度内的历史数据之间是否存在明显差异，以便确定数据库更新的方式是否存在异常。
在操作S344，确定第四样本评估值是否小于或等于第四预设样本评估阈值。
例如，第四预设样本评估阈值可以为5％。
例如，响应于确定第四样本评估值小于或等于第四预设样本评估阈值，可以执行操作S345。又例如，响应于确定第四样本评估值大于第四预设样本评估阈值，可以执行操作S348。
在操作S345，确定第四样本分布评估值是否小于或等于第四预设样本分布评估阈值。
例如，第四预设样本分布评估阈值可以为5％。
例如，响应于确定第四样本分布评估值小于或等于第四预设样本分布评估阈值，可以执行操作S346。又例如，响应于确定第四样本评估值大于第四预设样本评估阈值，可以执行操作S348。
在操作S346，确定第四稳定评估值是否小于或等于第四预设稳定评估阈值。
例如，第四预设稳定评估阈值可以为0.25。
例如，响应于确定第四稳定评估值小于或等于第四预设稳定评估阈值，可以执行操作S347。又例如，响应于确定第四稳定评估值大于第四预设稳定评估阈值，可以执行操作S348。通过本公开实施例，利用第一历史数据和更新数据库中处理后的目标数据进行了数据评估，由此可以确定处理后的目标数据与较长的时间尺度内的历史数据之间是否存在明显差异，以便确定数据库的更新方式是否存在异常。
在操作S347，将目标模型的源数据库切换为更新数据库。
例如，目标模型利用更新数据库中的数据进行模型推理，以便确定相关产品的风险评估值。
在操作S348，重新对目标数据进行更新或调整目标模型。
例如，在确定评估结果不满足预设条件的情况下，可以利用各种方式确定不满足预设条件的原因。在一个示例中，可以人工确定不满足第二预设条件的原因，若处理后的目标数据自身存在异常，导致评估结果不满足预设条件，可以重新利用目标数据对目标数据库进行更新。若目标模型出现了问题，可以对模型进行调整。通过本公开实施例，在对数据库更新之后，对数据进行了在线评估，可以准确发现数据库更新的过程中是否出现了异常，有助于及时解决数据衰退问题，提高目标模型的性能。
通过本公开实施例，在数据库更新之前，利用不同的历史数据对目标数据进行了评估，可以准确地确定目标数据与不同时间尺度内的历史数据之间是否存在明显差异，以便确定目标数据是否存在异常。在数据库更新之后，再次利用不同的历史数据对更新数据库中的处理后目标数据进行了评估，可以准确地确定更新数据库内的数据与不同时间尺度内的历史数据之间是否存在明显差异。由此，可以在数据库切换之前，对目标数据进行了多个维度、多个时间尺度的评估，可以有效地缓解数据衰退问题，提高目标模型的性能，提高用户体验。
可以理解，可以先执行操作S321、再执行操作S322、最后执行操作S323。但是本公开的实施例不限于此，这三个操作也可以按照其他顺序来执行，例如，先执行操作S322、再执行操作S323、最后执行操作S321。
可以理解，可以先执行操作S324、再执行操作S325、最后执行操作S326。但是本公开的实施例不限于此，这三个操作也可以按照其他顺序来执行，例如，先执行操作S326、再执行操作S325、最后执行操作S324。
可以理解，可以先执行操作S341、再执行操作S342、最后执行操作S343。但是本公开的实施例不限于此，这三个操作也可以按照其他顺序来执行，例如，先执行操作S342、再执行操作S343、最后执行操作S341。
可以理解，可以先执行操作S344、再执行操作S345、最后执行操作S346。但是本公开的实施例不限于此，这三个操作也可以按照其他顺序来执行，例如，先执行操作S346、再执行操作S345、最后执行操作S344。
可以理解，操作S321至操作S323与操作S324至操作S326可以是先后执行的。但是本公开的实施例不限于此，这两组操作也可以按照其他顺序来执行，例如先执行操作S324至操作S326，再执行操作S321至操作S323，或者并行执行这两组操作。
可以理解，操作S341至操作S343与操作S344至操作S346可以是先后执行的。但是本公开的实施例不限于此，这两组操作也可以按照其他顺序来执行，例如先执行操作S344至操作S346，再执行操作S341至操作S343，或者并行执行这两组操作。
在另一些实施例中，第二历史时刻和第三历史时刻可以是第一历史时刻至第一目标时刻之间的任一时刻。例如，也可以将时刻T3作为第三历史时刻。
可以理解，上文的对本公开的数据库更新方法进行了详细描述，下面将结合图4A和图4C及相关实施例对数据库更新方法的原理进行详细描述。
图4A和图4C是根据本公开的一个实施例的数据库更新方法的原理图。
如图4A所示，目标模型410可以根据产品信息411和源数据库420中与产品信息411相关的数据，输出产品信息411的风险评估值412。可以理解，风险评估值412可以作为上文的输出数据。
目标数据库430可以是源数据库420的备用数据库。源数据库420和目标数据库430中均可以包括多个历史数据。多个历史数据例如可以包括第一历史数据431、第二历史数据432、第三历史数据433等等。例如，第一历史数据431可以是在时刻T1获取的数据。第二历史数据432可以是在时刻T3获取的数据。第三历史数据433可以是在时刻T4获取的数据。在一个示例中，时刻T1可以与202X年1月份对应，时刻T3可以与202X年3月份对应，时刻T4可以与202X年4月份对应。
如图4B所示，在时刻T8_1，获取了目标数据401，可以利用第二历史数据432、第一历史数据431和目标数据401进行数据评估，得到第一评估结果。在第一评估结果满足第一预设条件的情况下，可以根据目标数据库430的类型，对目标数据401进行转换处理，得到处理后的目标数据401’。将处理后的目标数据401’添加至目标数据库430，得到更新数据库430’。
在时刻T8_2，可以利用第三历史数据433、第一历史数据431和处理后的目标数据401进行数据评估，得到第二评估结果。在第二评估结果满足第二预设条件的情况下，如图4C所示，可以将目标模型410的源数据库420切换为更新数据库430’。接下来，目标模型410可以根据产品信息和更新数据库430’中与产品信息相关的数据，输出产品信息的风险评估值。
在一个示例中，时刻T8_1和时刻T8_2可以与202X年的8月份对应。可以理解，随着时间的推移，处理后的目标数据401’可以作为在时刻T8获取的历史数据。
图5是根据本公开的一个实施例的数据更新装置的框图。
如图5所示，该装置500可以包括第一评估模块510、更新模块520、第二评估模块530和切换模块540。
第一评估模块510，用于根据多个目标指标值中的第一目标指标值和多个历史指标值中的第一历史指标值，进行数据评估，得到第一评估结果。例如，第一目标指标值为目标数据在第一目标时刻的指标值，第一历史指标值为第一历史数据在第一历史时刻的指标值。
更新模块520，用于响应于确定第一评估结果满足多个预设条件中的第一预设条件，利用目标数据对目标数据库进行更新，得到更新数据库。
第二评估模块530，用于根据多个目标指标值中的第二目标指标值和第一历史指标值，进行数据评估，得到第二评估结果。例如，第二目标指标值为目标数据在第二目标时刻的指标值。
切换模块540，用于响应于确定第二评估结果满足多个预设条件中的第二预设条件，将目标模型的源数据库切换为更新数据库。
在一些实施例中，目标指标值包括目标样本指标值，历史指标值包括历史样本指标值，数据评估包括以下操作：根据目标样本指标值和历史样本指标值，确定样本评估值；以及根据样本评估值，得到评估结果。
在一些实施例中，预设条件包括：样本评估值小于或等于预设样本评估阈值。
在一些实施例中，目标指标值包括目标样本分布指标值，历史指标值包括历史样本分布指标值，数据评估包括以下操作：根据目标样本分布指标值和历史样本分布指标值，确定样本分布评估值；以及根据样本分布评估值，得到评估结果。
在一些实施例中，预设条件包括：样本分布评估值小于或等于预设样本分布评估阈值。
在一些实施例中，目标指标值包括目标稳定指标值，目标稳定指标值是根据目标输出分布信息得到的，目标输出分布信息是利用目标模型处理目标数据得到的，历史指标值包括历史稳定指标值，历史稳定指标值是根据历史输出分布信息得到的，历史输出分布信息是利用目标模型处理历史数据得到的，数据评估包括以下操作：根据目标稳定指标值和历史稳定指标值，确定稳定评估值；以及根据稳定评估值，得到评估结果。
在一些实施例中，预设条件包括：稳定评估值小于或等于预设稳定评估阈值。
在一些实施例中，第一评估模块包括：第一评估单元，用于根据多个历史指标值中的第二历史指标值和第一目标指标值，进行数据评估，得到第一子评估结果，其中，第二历史指标值为第二历史数据在第二历史时刻的指标值；第二评估单元，用于根据第一目标指标值和第一历史指标值，进行数据评估，得到第二子评估结果；以及第一获得单元，用于根据第一子评估结果和第二子评估结果，得到第一评估结果。
在一些实施例中，第二评估模块包括：第三评估单元，用于根据多个历史指标值中的第三历史指标值和第二目标指标值，进行数据评估，得到第三子评估结果，其中，第三历史指标值为第三历史数据在第三历史时刻的指标值；第四评估单元，用于根据第二目标指标值和第一历史指标值，进行数据评估，得到第四子评估结果；以及第二获得单元，用于根据第三子评估结果和第四子评估结果，得到第二评估结果。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如数据库更新方法。例如，在一些实施例中，数据库更新方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的数据库更新方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行数据库更新方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (16)

1.一种数据库更新方法，包括：
根据多个目标指标值中的第一目标指标值和多个历史指标值中的第二历史指标值，进行数据评估，得到第一子评估结果，其中，所述第二历史指标值为第二历史数据在第二历史时刻的指标值；
根据所述第一目标指标值和所述多个历史指标值中的第一历史指标值，进行所述数据评估，得到第二子评估结果；
根据所述第一子评估结果和所述第二子评估结果，得到第一评估结果，其中，所述第一目标指标值为目标数据在第一目标时刻的指标值，所述第一历史指标值为第一历史数据在第一历史时刻的指标值，所述第二历史时刻是所述第一历史时刻和所述第一目标时刻之间的时刻；
响应于确定所述第一评估结果满足多个预设条件中的第一预设条件，利用所述目标数据对目标数据库进行更新，得到更新数据库；
根据所述多个历史指标值中的第三历史指标值和所述多个目标指标值中的第二目标指标值，进行所述数据评估，得到第三子评估结果，其中，所述第三历史指标值为第三历史数据在第三历史时刻的指标值；
根据所述第二目标指标值和所述第一历史指标值，进行所述数据评估，得到第四子评估结果；
根据所述第三子评估结果和所述第四子评估结果，得到第二评估结果，其中，所述第二目标指标值为所述目标数据在第二目标时刻的指标值，所述第三历史时刻是所述第一历史时刻和所述第二目标时刻之间的时刻；以及
响应于确定所述第二评估结果满足所述多个预设条件中的第二预设条件，将目标模型的源数据库切换为所述更新数据库。
2.根据权利要求1所述的方法，其中，所述目标指标值包括目标样本指标值，所述历史指标值包括历史样本指标值，
所述数据评估包括以下操作：
根据所述目标样本指标值和所述历史样本指标值，确定样本评估值；以及
根据所述样本评估值，得到评估结果。
3.根据权利要求2所述的方法，其中，所述预设条件包括：所述样本评估值小于或等于预设样本评估阈值。
4.根据权利要求1所述的方法，其中，所述目标指标值包括目标样本分布指标值，所述历史指标值包括历史样本分布指标值，
所述数据评估包括以下操作：
根据所述目标样本分布指标值和所述历史样本分布指标值，确定样本分布评估值；以及
根据所述样本分布评估值，得到评估结果。
5.根据权利要求4所述的方法，其中，所述预设条件包括：所述样本分布评估值小于或等于预设样本分布评估阈值。
6.根据权利要求1所述的方法，其中，所述目标指标值包括目标稳定指标值，所述目标稳定指标值是根据目标输出分布信息得到的，所述目标输出分布信息是利用所述目标模型处理所述目标数据得到的，
所述历史指标值包括历史稳定指标值，所述历史稳定指标值是根据历史输出分布信息得到的，所述历史输出分布信息是利用所述目标模型处理历史数据得到的，
所述数据评估包括以下操作：
根据所述目标稳定指标值和所述历史稳定指标值，确定稳定评估值；以及
根据所述稳定评估值，得到评估结果。
7.根据权利要求6所述的方法，其中，所述预设条件包括：所述稳定评估值小于或等于预设稳定评估阈值。
8.一种数据库更新装置，包括：
第一评估单元，用于根据多个目标指标值中的第一目标指标值和多个历史指标值中的第二历史指标值，进行数据评估，得到第一子评估结果，其中，所述第二历史指标值为第二历史数据在第二历史时刻的指标值；
第二评估单元，用于根据所述第一目标指标值和所述多个历史指标值中的第一历史指标值，进行所述数据评估，得到第二子评估结果；
第一获得单元，用于根据所述第一子评估结果和所述第二子评估结果，得到第一评估结果，其中，所述第一目标指标值为目标数据在第一目标时刻的指标值，所述第一历史指标值为第一历史数据在第一历史时刻的指标值，所述第二历史时刻是所述第一历史时刻和所述第一目标时刻之间的时刻；
更新模块，用于响应于确定所述第一评估结果满足多个预设条件中的第一预设条件，利用所述目标数据对目标数据库进行更新，得到更新数据库；
第三评估单元，用于根据所述多个历史指标值中的第三历史指标值和所述多个目标指标值中的第二目标指标值，进行所述数据评估，得到第三子评估结果，其中，所述第三历史指标值为第三历史数据在第三历史时刻的指标值；
第四评估单元，用于根据所述第二目标指标值和所述第一历史指标值，进行所述数据评估，得到第四子评估结果；
第二获得单元，用于根据所述第三子评估结果和所述第四子评估结果，得到第二评估结果，其中，所述第二目标指标值为所述目标数据在第二目标时刻的指标值，所述第三历史时刻是所述第一历史时刻和所述第二目标时刻之间的时刻；以及
切换模块，用于响应于确定所述第二评估结果满足所述多个预设条件中的第二预设条件，将目标模型的源数据库切换为所述更新数据库。
9.根据权利要求8所述的装置，其中，所述目标指标值包括目标样本指标值，所述历史指标值包括历史样本指标值，
所述数据评估包括以下操作：
根据所述目标样本指标值和所述历史样本指标值，确定样本评估值；以及
根据所述样本评估值，得到评估结果。
10.根据权利要求9所述的装置，其中，所述预设条件包括：所述样本评估值小于或等于预设样本评估阈值。
11.根据权利要求8所述的装置，其中，所述目标指标值包括目标样本分布指标值，所述历史指标值包括历史样本分布指标值，
所述数据评估包括以下操作：
根据所述目标样本分布指标值和所述历史样本分布指标值，确定样本分布评估值；以及
根据所述样本分布评估值，得到评估结果。
12.根据权利要求11所述的装置，其中，所述预设条件包括：所述样本分布评估值小于或等于预设样本分布评估阈值。
13.根据权利要求8所述的装置，其中，所述目标指标值包括目标稳定指标值，所述目标稳定指标值是根据目标输出分布信息得到的，所述目标输出分布信息是利用所述目标模型处理所述目标数据得到的，
所述历史指标值包括历史稳定指标值，所述历史稳定指标值是根据历史输出分布信息得到的，所述历史输出分布信息是利用所述目标模型处理历史数据得到的，
所述数据评估包括以下操作：
根据所述目标稳定指标值和所述历史稳定指标值，确定稳定评估值；以及
根据所述稳定评估值，得到评估结果。
14.根据权利要求13所述的装置，其中，所述预设条件包括：所述稳定评估值小于或等于预设稳定评估阈值。
15. 一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1至7中任一项所述的方法。
CN202211068189.9A 2022-08-31 2022-08-31 数据库更新方法、装置、电子设备和存储介质 Active CN115292339B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211068189.9A CN115292339B (zh) 2022-08-31 2022-08-31 数据库更新方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211068189.9A CN115292339B (zh) 2022-08-31 2022-08-31 数据库更新方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN115292339A CN115292339A (zh) 2022-11-04
CN115292339B true CN115292339B (zh) 2023-05-30

Family

ID=83831136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211068189.9A Active CN115292339B (zh) 2022-08-31 2022-08-31 数据库更新方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN115292339B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102567351A (zh) * 2010-12-10 2012-07-11 中国移动通信集团北京有限公司 一种数据库变更效果的测试方法及测试装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10318501B2 (en) * 2016-10-25 2019-06-11 Mastercard International Incorporated Systems and methods for assessing data quality
CN110765303A (zh) * 2019-10-10 2020-02-07 武汉普利商用机器有限公司 一种更新数据库的方法及系统
CN112035549B (zh) * 2020-08-31 2023-12-08 中国平安人寿保险股份有限公司 数据挖掘方法、装置、计算机设备及存储介质
CN112148907A (zh) * 2020-10-23 2020-12-29 北京百度网讯科技有限公司 图像数据库的更新方法、装置、电子设备和介质
CN114490590A (zh) * 2022-02-16 2022-05-13 平安科技（深圳）有限公司 数据仓库质量评价方法、装置、电子设备及存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102567351A (zh) * 2010-12-10 2012-07-11 中国移动通信集团北京有限公司 一种数据库变更效果的测试方法及测试装置

Also Published As

Publication number Publication date
CN115292339A (zh) 2022-11-04

Similar Documents

Publication Publication Date Title
CN114329201A (zh) 深度学习模型的训练方法、内容推荐方法和装置
CN112860342A (zh) 微服务配置的方法、装置、设备、系统以及存储介质
CN113760769A (zh) 测试用例处理方法、装置、电子设备以及存储介质
CN113868273B (zh) 元数据的快照方法及其装置
CN114818913A (zh) 决策生成方法和装置
CN115292339B (zh) 数据库更新方法、装置、电子设备和存储介质
CN112817660A (zh) 扩展小程序能力的方法、装置、设备以及存储介质
EP4191478A1 (en) Method and apparatus for compressing neural network model
CN116841870A (zh) 一种测试方法、系统、装置、设备及存储介质
CN113449062B (zh) 轨迹处理方法、装置、电子设备和存储介质
CN114610701A (zh) 任务数据处理方法、装置、电子设备和介质
CN114138358A (zh) 应用程序的启动优化方法、装置、设备和存储介质
CN114943384A (zh) 一种变电站负荷预测方法、装置、设备及存储介质
CN114021642A (zh) 数据处理方法、装置、电子设备和存储介质
CN114218313A (zh) 数据管理方法、装置、电子设备、存储介质及产品
CN114417070A (zh) 数据权限的收敛方法、装置、设备以及存储介质
CN113052325A (zh) 在线模型的优化方法、装置、设备、存储介质及程序产品
CN113656239A (zh) 针对中间件的监控方法、装置及计算机程序产品
CN114358288B (zh) 生成知识图谱的方法、信息推荐方法、装置及电子设备
CN113220967B (zh) 互联网环境的生态健康程度衡量方法、装置和电子设备
CN116302897B (zh) 一种数据集的建立方法、装置、电子设备及存储介质
CN113762510B (zh) 针对目标模型的数据处理方法、装置、电子设备和介质
CN113779098B (zh) 数据处理方法、装置、电子设备以及存储介质
CN113407844B (zh) 小程序框架的版本推荐方法、装置、设备以及存储介质
CN113468053B (zh) 一种应用系统的测试方法和装置

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