[发明专利]利用机器学习模型提供在线预测服务的方法及系统

权利要求书

1.一种利用机器学习模型提供在线预测服务的方法，包括：

按照至少一个模型更新方案，基于持续获取的训练数据来不断更新至少一个机器学习模型组，其中，每个机器学习模型组包括按照对应的模型更新方案得到的至少一个候选机器学习模型；

根据预定策略从所述至少一个机器学习模型组中将一个或多个候选机器学习模型选作用于提供在线预测服务的在线机器学习模型；以及

在接收到关于针对预测数据提供预测结果的在线服务请求的情况下，提供由在线机器学习模型针对预测数据产生的预测结果，

其中，所述预定策略是关于模型选取规则、模型更换时机和/或模型更换方式的策略，

其中，所述模型选取规则用于限定如何基于模型效果和/或根据人为指定来确定准备提供在线预测服务的预备在线机器学习模型；并且/或者，所述模型更换时机用于限定如何根据预设时间和/或根据评估结果来确定由预备在线机器学习模型替代当前提供在线预测服务的当前在线机器学习模型的时间点；并且/或者，所述模型更换方式用于限定如何按照流量分配比例完成由预备在线机器学习模型替代当前在线机器学习模型的过程。

2.如权利要求1所述的方法，其中，所述模型更新方案至少包括：

数据记录获取步骤，获取数据记录；

特征抽取步骤，对所述数据记录的属性字段执行处理以获取特征；以及

模型训练步骤，基于由所述特征和数据记录的标记组成的训练样本，按照机器学习算法来训练模型。

3.如权利要求1所述的方法，其中，所述至少一个模型更新方案包括单个模型更新方案，

其中，根据预定策略从所述至少一个机器学习模型组中将一个或多个候选机器学习模型选作用于提供在线预测服务的在线机器学习模型的步骤包括：按照预定策略，从单个机器学习模型组中将一个候选机器学习模型选作在线机器学习模型。

4.如权利要求1所述的方法，其中，所述至少一个模型更新方案包括多模型更新方案，

其中，根据预定策略从所述至少一个机器学习模型组中将一个或多个候选机器学习模型选作用于提供在线预测服务的在线机器学习模型的步骤包括：按照预定策略，分别从每个机器学习模型组中将一个候选机器学习模型选作在线机器学习模型；并且/或者，按照预定策略，从所有机器学习模型组中将多个候选机器学习模型选作在线机器学习模型。

5.如权利要求4所述的方法，其中，提供由在线机器学习模型针对预测数据产生的预测结果的步骤包括：提供对由多个在线机器学习模型分别针对预测数据产生的预测结果进行加权而得到的预测结果。

6.如权利要求1所述的方法，还包括：

销毁或备份被替代的所述当前在线机器学习模型。

7.如权利要求2所述的方法，其中，不同模型更新方案具有相同的数据记录获取步骤和特征抽取步骤且按照不同的机器学习算法来训练。

8.一种利用机器学习模型提供在线预测服务的系统，包括：

模型更新单元，按照至少一个模型更新方案，基于持续获取的训练数据来不断更新至少一个机器学习模型组，其中，每个机器学习模型组包括按照对应的模型更新方案得到的至少一个候选机器学习模型；

在线策略单元，根据预定策略从所述至少一个机器学习模型组中将一个或多个候选机器学习模型选作用于提供在线预测服务的在线机器学习模型；以及

服务单元，在接收到关于针对预测数据提供预测结果的在线服务请求的情况下，提供由在线机器学习模型针对预测数据产生的预测结果，

其中，所述预定策略是关于模型选取规则、模型更换时机和/或模型更换方式的策略，

其中，所述模型选取规则用于限定如何基于模型效果和/或根据人为指定来确定准备提供在线预测服务的预备在线机器学习模型；并且/或者，所述模型更换时机用于限定如何根据预设时间和/或根据评估结果来确定由预备在线机器学习模型替代当前提供在线预测服务的当前在线机器学习模型的时间点；并且/或者，所述模型更换方式用于限定如何按照流量分配比例完成由预备在线机器学习模型替代当前在线机器学习模型的过程。