本技術(shù)屬于人工智能，具體涉及一種數(shù)據(jù)模型的優(yōu)化方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、數(shù)據(jù)模型成功部署后，確保其穩(wěn)定運(yùn)行并持續(xù)優(yōu)化性能成為關(guān)鍵任務(wù)。盡管開發(fā)階段的驗(yàn)證測(cè)試已經(jīng)進(jìn)行模型性能測(cè)試，為一定程度上保障了模型性能的穩(wěn)定性，但面對(duì)復(fù)雜多變的實(shí)際業(yè)務(wù)場(chǎng)景，開發(fā)數(shù)據(jù)與實(shí)時(shí)生產(chǎn)數(shù)據(jù)之間的差異往往導(dǎo)致預(yù)測(cè)結(jié)果存在偏差。這就要求在模型部署后，仍需持續(xù)收集并分析生產(chǎn)數(shù)據(jù)，通過算法優(yōu)化、參數(shù)調(diào)整等手段，不斷縮小這種偏差，確保模型在生產(chǎn)環(huán)境中能夠準(zhǔn)確、高效地運(yùn)行，為企業(yè)帶來真正的價(jià)值。

2、因此，構(gòu)建一套高效的模型效果反饋機(jī)制，以對(duì)模型性能進(jìn)行客觀評(píng)估，并推進(jìn)模型迭代訓(xùn)練成為亟待解決的問題。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例的目的在于提出一種數(shù)據(jù)模型的優(yōu)化方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)，以構(gòu)建一套高效的模型效果反饋機(jī)制，以對(duì)模型性能進(jìn)行客觀評(píng)估，并推進(jìn)模型迭代訓(xùn)練。

2、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例提供一種數(shù)據(jù)模型的優(yōu)化方法，采用了如下所述的技術(shù)方案：

3、一種數(shù)據(jù)模型的優(yōu)化方法，包括：

4、獲取輸入數(shù)據(jù)，并將輸入數(shù)據(jù)輸入到數(shù)據(jù)模型，獲取數(shù)據(jù)模型輸出預(yù)測(cè)數(shù)據(jù)；

5、獲取輸入數(shù)據(jù)的標(biāo)注標(biāo)簽，以及獲取預(yù)測(cè)數(shù)據(jù)的預(yù)測(cè)標(biāo)簽；

6、根據(jù)標(biāo)注標(biāo)簽對(duì)預(yù)測(cè)標(biāo)簽進(jìn)行校正，得到校正標(biāo)簽；

7、以攜帶標(biāo)注標(biāo)簽的輸入數(shù)據(jù)作為第一樣本數(shù)據(jù)，以及以攜帶校正標(biāo)簽的預(yù)測(cè)數(shù)據(jù)作為第二樣本數(shù)據(jù)，構(gòu)建迭代訓(xùn)練樣本集；

8、按照設(shè)定目標(biāo)值更新數(shù)據(jù)模型的優(yōu)化參數(shù)，得到目標(biāo)優(yōu)化參數(shù)；

9、使用迭代訓(xùn)練樣本集對(duì)數(shù)據(jù)模型進(jìn)行迭代訓(xùn)練，直至模型參數(shù)達(dá)到目標(biāo)優(yōu)化參數(shù)為止，輸出更新后的數(shù)據(jù)模型。

10、進(jìn)一步地，在獲取輸入數(shù)據(jù)，并將輸入數(shù)據(jù)輸入到數(shù)據(jù)模型，獲取數(shù)據(jù)模型輸出預(yù)測(cè)數(shù)據(jù)的步驟之后，還包括：

11、判斷數(shù)據(jù)模型輸出預(yù)測(cè)數(shù)據(jù)是否為鍵值對(duì)形式，其中，預(yù)測(cè)數(shù)據(jù)的本體為鍵值對(duì)的鍵位，預(yù)測(cè)數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)標(biāo)簽為鍵值對(duì)的值位；

12、若數(shù)據(jù)模型輸出預(yù)測(cè)數(shù)據(jù)不是鍵值對(duì)形式，則通過獲取數(shù)據(jù)模型的生產(chǎn)日志的方式獲取數(shù)據(jù)模型輸出預(yù)測(cè)數(shù)據(jù)。

13、進(jìn)一步地，通過獲取數(shù)據(jù)模型的生產(chǎn)日志的方式獲取數(shù)據(jù)模型輸出預(yù)測(cè)數(shù)據(jù)的步驟，具體包括：

14、獲取數(shù)據(jù)模型針對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)測(cè)處理產(chǎn)生的生產(chǎn)日志片段，其中，生產(chǎn)日志為json類型日志；

15、對(duì)生產(chǎn)日志片段進(jìn)行json路徑解析，得到j(luò)son日志路徑解析結(jié)果；

16、將預(yù)先配置的日志核心字段與json日志路徑解析結(jié)果進(jìn)行匹配映射，根據(jù)匹配結(jié)果獲取數(shù)據(jù)模型輸出預(yù)測(cè)數(shù)據(jù)。

17、進(jìn)一步地，將預(yù)先配置的日志核心字段與json日志路徑解析結(jié)果進(jìn)行匹配映射，根據(jù)匹配結(jié)果獲取數(shù)據(jù)模型輸出預(yù)測(cè)數(shù)據(jù)的步驟，具體包括：

18、遍歷json日志路徑解析結(jié)果，將日志核心字段與json日志路徑解析結(jié)果中的字段進(jìn)行匹配，得到匹配日志字段；

19、在json日志路徑解析結(jié)果中查找匹配日志字段對(duì)應(yīng)的字段值；

20、基于匹配日志字段和字段值構(gòu)建字段鍵值對(duì)，將字段鍵值對(duì)作為數(shù)據(jù)模型輸出預(yù)測(cè)數(shù)據(jù)。

21、進(jìn)一步地，根據(jù)標(biāo)注標(biāo)簽對(duì)預(yù)測(cè)標(biāo)簽進(jìn)行校正，得到校正標(biāo)簽的步驟，具體包括：

22、獲取標(biāo)注標(biāo)簽對(duì)應(yīng)的輸入數(shù)據(jù)片段，并基于標(biāo)注標(biāo)簽和輸入數(shù)據(jù)片段構(gòu)建第一數(shù)據(jù)標(biāo)簽組合；

23、獲取預(yù)測(cè)標(biāo)簽對(duì)應(yīng)的預(yù)測(cè)數(shù)據(jù)片段，并基于預(yù)測(cè)標(biāo)簽和預(yù)測(cè)數(shù)據(jù)片段構(gòu)建第二數(shù)據(jù)標(biāo)簽組合；

24、判斷第一數(shù)據(jù)標(biāo)簽組合和第二數(shù)據(jù)標(biāo)簽組合是否一致；

25、若第一數(shù)據(jù)標(biāo)簽組合和第二數(shù)據(jù)標(biāo)簽組合不一致，則根據(jù)第一數(shù)據(jù)標(biāo)簽組合對(duì)預(yù)測(cè)標(biāo)簽進(jìn)行校正，得到校正標(biāo)簽。

26、進(jìn)一步地，根據(jù)第一數(shù)據(jù)標(biāo)簽組合對(duì)預(yù)測(cè)標(biāo)簽進(jìn)行校正，得到校正標(biāo)簽的步驟，具體包括：

27、在預(yù)測(cè)數(shù)據(jù)中識(shí)別與輸入數(shù)據(jù)片段匹配的數(shù)據(jù)片段，得到匹配數(shù)據(jù)片段；

28、確定第一數(shù)據(jù)標(biāo)簽組合中輸入數(shù)據(jù)片段和標(biāo)注標(biāo)簽的匹配關(guān)系，得到真實(shí)標(biāo)簽匹配關(guān)系；

29、根據(jù)真實(shí)標(biāo)簽匹配關(guān)系校正匹配數(shù)據(jù)片段和預(yù)測(cè)標(biāo)簽的匹配關(guān)系，以完成預(yù)測(cè)標(biāo)簽進(jìn)行校正，得到校正標(biāo)簽。

30、進(jìn)一步地，使用迭代訓(xùn)練樣本集對(duì)數(shù)據(jù)模型進(jìn)行迭代訓(xùn)練，直至模型參數(shù)達(dá)到目標(biāo)優(yōu)化參數(shù)為止，輸出更新后的數(shù)據(jù)模型的步驟，具體包括：

31、將迭代訓(xùn)練樣本集輸入到數(shù)據(jù)模型，得到迭代預(yù)測(cè)結(jié)果；

32、將迭代預(yù)測(cè)結(jié)果與預(yù)設(shè)的標(biāo)準(zhǔn)結(jié)果進(jìn)行比較，并計(jì)算數(shù)據(jù)模型的迭代預(yù)測(cè)誤差；

33、使用方向傳播算法將預(yù)測(cè)誤差在數(shù)據(jù)模型中進(jìn)行傳遞；

34、使用梯度下降算法進(jìn)行模型參數(shù)的迭代更新，直至模型參數(shù)達(dá)到目標(biāo)優(yōu)化參數(shù)為止，輸出更新后的數(shù)據(jù)模型。

35、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例還提供一種數(shù)據(jù)模型的優(yōu)化裝置，采用了如下所述的技術(shù)方案：

36、一種數(shù)據(jù)模型的優(yōu)化裝置，包括：

37、數(shù)據(jù)預(yù)測(cè)模塊，用于獲取輸入數(shù)據(jù)，并將輸入數(shù)據(jù)輸入到數(shù)據(jù)模型，獲取數(shù)據(jù)模型輸出預(yù)測(cè)數(shù)據(jù)；

38、標(biāo)簽獲取模塊，用于獲取輸入數(shù)據(jù)的標(biāo)注標(biāo)簽，以及獲取預(yù)測(cè)數(shù)據(jù)的預(yù)測(cè)標(biāo)簽；

39、標(biāo)簽校正模塊，用于根據(jù)標(biāo)注標(biāo)簽對(duì)預(yù)測(cè)標(biāo)簽進(jìn)行校正，得到校正標(biāo)簽；

40、樣本構(gòu)建模塊，用于以攜帶標(biāo)注標(biāo)簽的輸入數(shù)據(jù)作為第一樣本數(shù)據(jù)，以及以攜帶校正標(biāo)簽的預(yù)測(cè)數(shù)據(jù)作為第二樣本數(shù)據(jù)，構(gòu)建迭代訓(xùn)練樣本集；

41、參數(shù)設(shè)定模塊，用于按照設(shè)定目標(biāo)值更新數(shù)據(jù)模型的優(yōu)化參數(shù)，得到目標(biāo)優(yōu)化參數(shù)；

42、迭代訓(xùn)練模塊，用于使用迭代訓(xùn)練樣本集對(duì)數(shù)據(jù)模型進(jìn)行迭代訓(xùn)練，直至模型參數(shù)達(dá)到目標(biāo)優(yōu)化參數(shù)為止，輸出更新后的數(shù)據(jù)模型。

43、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例還提供一種計(jì)算機(jī)設(shè)備，采用了如下所述的技術(shù)方案：

44、一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)可讀指令，所述處理器執(zhí)行所述計(jì)算機(jī)可讀指令時(shí)實(shí)現(xiàn)如上述任一項(xiàng)所述的數(shù)據(jù)模型的優(yōu)化方法的步驟。

45、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，采用了如下所述的技術(shù)方案：

46、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)可讀指令，所述計(jì)算機(jī)可讀指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述中任一項(xiàng)所述的數(shù)據(jù)模型的優(yōu)化方法的步驟。

47、與現(xiàn)有技術(shù)相比，本技術(shù)實(shí)施例主要有以下有益效果：

48、本技術(shù)公開一種數(shù)據(jù)模型的優(yōu)化方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)，屬于人工智能技術(shù)領(lǐng)域。首先，通過數(shù)據(jù)模型進(jìn)行預(yù)測(cè)獲取預(yù)測(cè)數(shù)據(jù)及其預(yù)測(cè)標(biāo)簽，并將預(yù)測(cè)標(biāo)簽與真實(shí)的標(biāo)注標(biāo)簽進(jìn)行對(duì)比，進(jìn)行預(yù)測(cè)標(biāo)簽的校正。隨后，利用攜帶標(biāo)注標(biāo)簽的輸入數(shù)據(jù)和攜帶校正標(biāo)簽的預(yù)測(cè)數(shù)據(jù)構(gòu)建迭代訓(xùn)練樣本集。接著，根據(jù)設(shè)定目標(biāo)值更新數(shù)據(jù)模型的優(yōu)化參數(shù)。通過不斷使用迭代訓(xùn)練樣本集對(duì)數(shù)據(jù)模型進(jìn)行迭代訓(xùn)練，直至模型參數(shù)達(dá)到目標(biāo)優(yōu)化參數(shù)，從而輸出更新后的數(shù)據(jù)模型。本技術(shù)通過引入預(yù)測(cè)標(biāo)簽的校正機(jī)制，并利用校正后的數(shù)據(jù)構(gòu)建迭代訓(xùn)練樣本集，顯著提升了數(shù)據(jù)模型的預(yù)測(cè)準(zhǔn)確性，通過不斷迭代訓(xùn)練，模型參數(shù)逐步優(yōu)化至目標(biāo)值，最終輸出了性能更優(yōu)的數(shù)據(jù)模型，有效增強(qiáng)了模型的泛化能力，提升了數(shù)據(jù)處理的精度和效率。