[发明专利]线上机器学习模型的更新方法和装置

权利要求书

1.一种线上机器学习模型的更新方法，包括：

收集针对线上机器学习模型的用户反馈数据；

利用用户反馈数据对训练数据进行清洗，得到更新训练数据；

利用更新训练数据来训练与所述线上机器学习模型相同的线下机器学习模型，得到线下机器学习模型的更新后的模型参数；以及

使用线下机器学习模型的更新后的模型参数来替换所述线上机器学习模型的模型参数。

2.根据权利要求1所述的方法，其中，所述利用用户反馈数据对训练数据进行清洗包括：

确定训练数据中包含的多个训练样本与用户反馈数据涉及的样本之间的相似度；

基于所述相似度从所述训练数据中包含的多个训练样本中筛选出至少一个训练样本；以及

利用用户反馈数据对筛选出的至少一个训练样本的标签信息进行修改。

3.根据权利要求2所述的方法，还包括：

在确定训练数据中包含的多个训练样本与用户反馈数据涉及的样本之间的相似度之前，通过simHash算法对所述多个训练样本进行去重处理。

4.根据权利要求1所述的方法，还包括：在利用用户反馈数据对训练数据进行清洗之前，对所述用户反馈数据进行泛化处理。

5.根据权利要求4所述的方法，其中，对所述用户反馈数据进行泛化处理包括以下中的至少一项：

通过使用生成对抗网络GAN，对所述用户反馈数据进行泛化处理；以及

使用海量随机数据对所述用户反馈数据进行泛化处理。

6.根据权利要求4或5所述的方法，还包括：在对所述用户反馈数据进行泛化处理之前，基于预设的筛选条件从所收集的反馈数据中筛选出涉及用户真实反馈的用户反馈数据。

7.根据权利要求1至6中任一项所述的方法，其中，所述用户反馈数据包括针对所述线上机器学习模型的实际输出结果的用户行为数据。

8.一种线上机器学习模型的更新装置，包括：

收集模块，用于收集针对线上机器学习模型的用户反馈数据；

清洗模块，用于利用用户反馈数据对训练数据进行清洗，得到更新训练数据；

训练模块，用于利用更新训练数据来训练与所述线上机器学习模型相同的线下机器学习模型，得到线下机器学习模型的更新后的模型参数；以及

替换模块，用于使用线下机器学习模型的更新后的模型参数来替换所述线上机器学习模型的模型参数。

9.一种电子设备，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1-7中任一项所述的方法。

10.一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1-7中任一项所述的方法。

11.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。