[发明专利]异常处理方法、装置、服务器及存储介质

说明书

本公开提供了一种异常处理方法、装置、服务器及存储介质，属于机器学习技术领域。方法包括：对于服务模型的任一数据源，对来自于数据源的至少一个特征的第一特征值进行检测，确定目标特征；获取目标特征的第二特征值；以目标特征的第二特征值替换目标特征的第一特征值，将数据源替换后的至少一个特征的特征值输入服务模型，其中，该服务模型基于输入的数据源提供相应的服务。上述技术方案，通过用第二特征值来替代发生异常的第一特征值，与目标特征的正常取值的差距在预设的差距范围内，对服务模型的准确率造成的影响也在预设的准确率范围内，不需要暂停服务模型对应的服务，也能够正常的提供该服务模型对应的服务。

技术领域

本公开涉及机器学习技术领域，特别涉及一种异常处理方法、装置、服务器及存储介质。

背景技术

随着机器学习技术的发展，基于机器学习技术训练的服务模型为我们的生活提供了极大的便利。通过将基于多种数据源获取到的多种类型的数据输入服务模型，即可根据服务模型的输出结果提供相应的服务。例如，以视频推荐模型为例，通过将用户观看记录、用户消费记录以及用户信息等数据输入到该视频推荐模型中，即可输出用户感兴趣的视频，从而实现为用户推荐视频的目的。然而，由于数据源可能存在无法获取到数据或者获取到错误数据的问题，会导致服务模型的输出结果不准确。

相关技术中，当由于从数据源无法获取到数据或者获取到错误数据，导致服务模型的输出结果准确率降低到准确率阈值以下时，服务器可以暂停提供服务模型对应的服务。例如，当获取不到用户观看记录时，服务器可以暂停为用户提供推荐视频的服务。

上述方案存在的问题时，当服务器从数据源无法获取到数据或者获取到错误数据时，直接暂停提供服务模型对应的服务，会导致该服务模型对应的服务处于不可用状态。

发明内容

本公开提供一种异常处理方法、装置、服务器及存储介质，以至少解决服务器从数据源无法获取到数据或者获取到错误数据时，直接暂停提供服务模型对应的服务，导致该服务模型对应的服务处于不可用状态的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种异常处理方法，包括：

对于服务模型的任一数据源，对来自于所述数据源的至少一个特征的第一特征值进行检测，确定目标特征，所述目标特征为基于检测确定的第一特征值发生异常的特征；

获取所述目标特征的第二特征值，所述第二特征值用于表示所述目标特征在未发生异常时的特征值；

以所述目标特征的第二特征值替换所述目标特征的第一特征值，将所述数据源替换后的至少一个特征的特征值输入所述服务模型，其中，所述服务模型基于输入的数据源提供相应的服务。

在一种可选的实现方式中，所述来自于所述数据源的至少一个特征属于连续特征，所述连续特征的特征值为连续变量；

所述对来自于所述数据源的至少一个特征的第一特征值进行检测，确定目标特征，包括：

对于所述来自于所述数据源的至少一个特征中的任一特征，获取所述特征在目标时间段内的多个特征值中的至少一个第一目标特征值，所述第一目标特征值用于将所述多个特征值划分为至少两个特征值区间，每个特征值区间包括数量相同的特征值；

若任一第一目标特征值与历史目标特征值的差值超过目标差值阈值，则确定所述特征为目标特征。

在一种可选的实现方式中，所述来自于所述数据源的至少一个特征属于离散特征，所述离散特征的特征值为离散变量；

所述对来自于所述数据源的至少一个特征的第一特征值进行检测，确定目标特征，包括：

对于所述来自于所述数据源的至少一个特征中的任一特征，获取所述特征在目标时间段内的多个特征值中数量占比超过第一比例的至少一个第二目标特征值；