[发明专利]线上部署机器学习模型的方法、设备和存储介质

说明书

本公开涉及用于线上部署机器学习模型的方法、设备和存储介质。所述方法包括：将离线的第一机器学习模型导出成第一xml文件；将第一xml文件导入到应用平台；在应用平台上将第一xml文件识别并解析成java类；以及使所述java类运行在应用平台上。通过本公开的各实施例，能够提供将机器学习模型部署到已运行的应用平台上的方案。

技术领域

本发明涉及计算机技术领域，特别是涉及一种用于线上部署机器学习模型的方法、设备和存储介质。

背景技术

很多应用平台上运行着各种机器学习模型，以满足业务需要。目前，在应用平台上部署机器学习模型的主要手段为离线部署，即，通过离线训练得到稳定的机器学习模型，在应用平台的系统版本发布的同时或在此之前将该机器学习模型集成在应用平台的系统版本中，而无法在应用平台已运行的状态下线上部署机器学习模型。

发明内容

为解决以上问题中的一个或多个，本发明实施例提供了一种用于线上部署机器学习模型的方法、设备和存储介质。

根据本公开的第一方面，提供一种用于线上部署机器学习模型的方法，其包括：

将离线的第一机器学习模型导出成第一xml文件；

将第一xml文件导入到应用平台；

在应用平台上将第一xml文件识别并解析成java类；以及

使所述java类运行在应用平台上。

根据一示例性实施例，所述将离线的第一机器学习模型导出成第一xml文件包括：

将第一机器学习模型的类型及参数信息保存到xml格式文件的模型信息节点中；

将第一机器学习模型的特征字段信息及结果字段信息保存到xml格式文件的数据字典节点中；

将第一机器学习模型的特征数据所需的转换保存到xml格式文件的转换字典节点中；以及

将所述模型信息节点、所述数据字典节点和所述转换字典节点均置于xml格式文件的根节点下，使所述模型信息节点、所述数据字典节点和所述转换字典节点成兄弟关系，从而形成第一xml文件，

其中，第一xml文件符合PMML规范。

根据一示例性实施例，所述在应用平台上将第一xml文件识别并解析成java类包括：

将数据字典节点解析成DataDictionary类，用于保存特征字段与结果字段的名称及类型；

将转换字典节点解析成TransformationDictionary类，用于保存关于DataDictionary类中哪些字段需要转换的信息并用于对要转换的字段执行相应的转换；

将模型信息节点解析成Model类，用于执行机器学习模型的预算算法并返回预测结果。

根据一示例性实施例，将模型信息节点解析成Model类包括：根据机器学习模型的类型确定预算算法并将该预算算法封装在Model类中。

根据一示例性实施例，所述使所述java类运行在应用平台上包括：

根据DataDictionary类中的特征字段信息确定第一机器学习模型所需要的标准特征数据，并获取与所述标准特征数据相对应的实时特征数据；

通过TransformationDictionary类对所获取的实时特征数据执行所述相应的转换，以得到所需要的标准特征数据；以及

通过Model类对所述标准特征数据执行预算算法以得到预测结果。

根据一示例性实施例，所述方法还包括：