[发明专利]线上机器学习模型的更新方法和装置

说明书

本公开公开了一种线上机器学习模型的更新方法和装置，具体涉及计算机技术领域，尤其涉及人工智能技术领域。所述方法包括：收集针对线上机器学习模型的用户反馈数据；利用所述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。

技术领域

本公开涉及计算机技术领域，尤其涉及人工智能技术领域，具体涉及一种线上机器学习模型的更新方法和装置。

背景技术

在各种常用的机器学习框架(例如，TensorFlow、PyTorch和Spark MLlib等)中，对于机器学习模型的更新迭代，都提供了比较成熟的离线并行训练环境。传统上一般都是先训练离线模型，然后在线上环境中部署使用。将离线训练好的模型部署到线上环境中后，因为模型参数被固定了，所以线上模型无法随着线上使用而进一步改进。

发明内容

本公开提供了一种线上机器学习模型的更新方法和装置。

根据本公开的一方面，提供了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。

根据本公开的另一方面，提供了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。

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上述方法。

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，其中，所述计算机指令用于使所述计算机执行上述方法。

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，所述计算机程序在被处理器执行时实现上述方法。

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是根据本公开实施例的线上机器学习模型的更新方法的流程图；

图2是根据本公开实施例的利用用户反馈数据对训练数据进行清洗的方法的流程图；

图3是根据本公开实施例的线上机器学习模型的更新方法对数据的处理过程的示意图；