[发明专利]提供业务模型的方法及装置

说明书

本说明书实施例提供一种提供业务模型的方法，通过本说明书实施例提供的方法和装置，在服务端预先存储大量候选模型，并存储对各候选模型的训练数据进行编码得到的候选语义向量，在客户端需要业务模型时，可以上传由自有业务数据确定的当前语义向量，并将当前语义向量和候选语义向量进行匹配，以根据匹配结果选择目标模型。这种方式可以较好地保护客户端的数据隐私，并且产生较少的通信量。特别地，服务端选择的目标模型有多个，将多个目标模型进行融合后，将融合结果提供给客户端，可以有效保护服务端的模型数据隐私。总之，本说明书描述的提供业务模型的方法，可以提升业务模型应用的有效性。

技术领域

本说明书一个或多个实施例涉及计算机技术领域，尤其涉及基于隐私保护，通过服务端向客户端提供业务模型的方法和装置。

背景技术

随着计算机技术的发展，机器学习的应用越来越广泛。人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能充分基于机器学习，为人类生活带来极大便利。然而，在一些科技发展相对落后的地区，在人工智能应用中，可能存在以下情况：（1）数据量稀少，建立一个深层次的模型的可行性较差；（2）缺乏训练机器学习模型必需的计算资源；（3）人工专业技能不够，例如仅仅有些初学者，或只有很少的专业知识的从业者；等等。

为了解决这些问题，帮助这样的地区推广人工智能，可以由服务端向其提供机器学习模型。例如可以通过以下的方式向其提供机器学习模型：服务端从相应客户端接收相关训练数据，训练出合适的机器学习模型，反馈给客户端；客户端上传待处理的业务数据，服务端向客户端反馈处理结果。然而，这样的操作方式客户端和服务端的通信数据量较大，并且不利于保护双方的数据隐私。

发明内容

本说明书一个或多个实施例描述了一种提供业务模型的方法及装置，用以解决背景技术提到的一个或多个问题。

根据第一方面，提供了一种提供业务模型的方法，适用于服务端，所述方法包括：接收客户端发送的用于描述待处理业务数据的当前语义向量，所述当前语义向量基于第一编码方式对所述待处理业务数据的处理确定；将所述当前语义向量与各个候选语义向量进行匹配，单个候选语义向量基于第二编码方式对相应的单个训练数据集的处理确定，所述单个训练数据集用于训练至少一个候选模型；基于匹配结果从各个候选模型中选择出若干目标模型，并根据对所述若干目标模型的融合生成第一业务模型；将所述第一业务模型提供给客户端，以供客户端根据所述第一业务模型对所述待处理业务数据进行相关业务处理。

在一个实施例中，所述当前语义向量与单个候选语义向量具有相同的维数。

在一个实施例中，所述将所述当前语义向量与各个候选语义向量进行匹配包括：针对单个候选语义向量，确定所述当前语义向量与所述单个候选语义向量的向量相似度；根据所述向量相似度确定所述当前语义向量与所述单个候选语义向量的匹配结果。

在一个实施例中，单个候选语义向量通过以下方式确定：针对所述单个候选语义向量对应的单个训练数据集中的各条训练数据，分别基于所述第二编码方式确定相应的各个单数据语义向量；根据各个单数据语义向量的平均向量，确定所述单个候选语义向量。

在一个实施例中，各个候选模型包括第一候选模型，所述第一候选模型对应的第一候选语义向量与所述当前语义向量的匹配结果包括，所述第一候选语义向量与所述当前语义向量的第一匹配度，所述第一候选模型还对应第一模型指标；所述基于匹配结果从各个候选模型中选择出若干目标模型包括：根据所述第一匹配度与所述第一模型指标，确定所述第一候选模型的第一目标分数；根据所述第一目标分数，确定所述第一候选模型是否为目标模型。

在一个进一步的实施例中，所述第一模型指标包括以下中的至少一项：准确度、召回率、F1分数；所述第一目标分数与所述第一匹配度、所述第一模型指标均为正相关。