[发明专利]一种模型训练方法、扰邻源定位方法及装置

说明书

一种模型训练方法、扰邻源定位方法及装置，在模型训练方法中，计算设备监测用户对目标内容的访问操作，所述目标内容用于描述扰邻异常的n个候选扰邻源；并根据用户对目标内容的访问操作确定扰邻源；基于该扰邻源生成带标签的训练样本，并使用所述训练样本对机器学习模型进行训练。在本申请中，通过用户的访问操作来确定本次扰邻异常的扰邻源，从而可以生成带标签的训练样本，解决训练样本标注困难的问题，同时使用带标签的训练样本对用于定位扰邻源的机器学习模块进行有监督地训练，使得训练后的模型可以确定出扰邻源，提高模型输出的准确度和精度。

技术领域

本申请涉及计算机技术领域，尤其涉及一种模型训练方法、扰邻源定位方法及装置。

背景技术

一台主机的资源通常可以被多个对象所共享，如一台物理服务器可以通过虚拟化技术虚拟出多个虚拟机，这多个虚拟机可以共用该物理服务器的硬件资源，如CPU资源、内存资源等。若某个虚拟机过度占用共用资源，可能会干扰起其他一个或多个虚拟机对共享资源的正常使用，导致其他虚拟机的资源使用情况异常，这种现象也可以称为扰邻现象。

其中，在该场景中，引起其他虚拟机资源使用情况异常的虚拟机可以称为扰邻源，目前，还没有定位扰邻源的方案。

发明内容

本申请提供一种模型训练方法、扰邻源定位方法及装置，用于确定扰邻源。

第一方面，本申请实施例提供了一种模型训练方法，该方法可以应用于一种系统中，该系统的某些资源由多个对象共用，该多个对象中某个对象过度占用共用资源时，可能产生扰邻异常。该方法可以由计算设备执行，在方法中，计算设备监测用户对目标内容的访问操作，该目标内容包括该用户的设备所产生扰邻异常的分析结果，如该目标内容用于描述该扰邻异常的n个候选扰邻源，其中，n个候选扰邻源为多个对象中的n个对象，n取大于1的整数；计算设备根据用户对目标内容的访问操作从n个候选扰邻源中确定一个扰邻源，扰邻源为扰邻异常的根因；计算设备基于确定的扰邻源生成带标签的训练样本，并使用该训练样本对机器学习模型进行有监督训练。

通过上述设计，计算设备监测用户对目标内容的访问操作，并根据用户对目标内容的访问操作确定扰邻源；基于该扰邻源生成带标签的训练样本，并使用所述训练样本对机器学习模型进行训练。在本申请中，通过用户的访问操作来确定本次扰邻异常的扰邻源，从而可以生成带标签的训练样本，解决训练样本标注困难的问题，同时使用带标签的训练样本对用于定位扰邻源的机器学习模块进行有监督地训练，使得训练后的模型可以确定出扰邻源，提高模型输出的准确度和精度。

在一种可能的实现方式中，该带标签的训练样本包括一个或多个正样本，其中一个正样本包括一个组合内顺序排列的每个对象的特征参数；正样本对应的组合至少包括扰邻源和至少一个被扰对象，且扰邻源和至少一个被扰对象按照预设规则排列，被扰对象为所述n个候选扰邻源中除所述扰邻源之外的其中一个对象，一个对象的特征参数用于指示该对象的资源使用情况。

通过上述设计，正样本包括顺序排列的扰邻源和被扰对象的特征参数，其中，扰邻源和被扰对象可以按照预设规排列，比如扰邻源至被扰对象按照从左至右的顺序排列，从而构造符合扰邻异常传播特征的训练样本，增加扰邻源和被扰对象之间的相互影响这一维度的信息，以构造能够体现扰邻问题的训练样本，可以提升训练扰邻源定位算法的准确性和精度。

在一种可能的实现方式中，目标内容为网页，网页包括该n个候选扰邻源的信息，一个候选扰邻源的信息用于描述该候选扰邻源的资源使用情况。

通过上述设计，通过网页显示扰邻异常的分析结果，方便用户查看，以及统计用户对网页的访问操作。

在一种可能的实现方式中，计算设备根据用户对目标内容的访问操作确定扰邻源，包括：计算设备接收用户对其中一个候选扰邻源触发的确认指令，从而确定该候选扰邻源为扰邻源，示例性地，该确认指令为用户通过目标内容中该候选扰邻源的确认按键触发的。