[发明专利]模型更新方法、装置、电子设备及存储介质

权利要求书

1.一种模型更新方法，其特征在于，包括：

在目标业务场景中的当前融合模型推理的过程中，获取所述当前融合模型的第一预测差异信息；其中，所述当前融合模型由至少两个子模型融合得到；

若所述第一预测差异信息满足所述目标业务场景对应的第一预测异常条件时，则对所述当前融合模型中的所述子模型的融合系数进行调整，生成目标融合模型；

若所述第一预测差异信息满足所述目标业务场景对应的第二预测异常条件时，则对所述当前融合模型中的所述子模型进行训练；在所述子模型训练完成后，对所述当前融合模型中的所述子模型的融合系数进行调整，生成目标融合模型。

2.根据权利要求1所述的方法，其特征在于，所述在目标业务场景中的当前融合模型推理的过程中，获取所述当前融合模型的第一预测差异信息，包括：

获取目标业务场景对应的实时场景数据以及所述实时场景数据对应的参照信息；

将所述实时场景数据输入所述目标业务场景对应的当前融合模型中，得到所述当前融合模型的第一预测信息；

将所述第一预测信息与所述实时场景数据对应的参照信息进行比对，得到第一预测差异信息。

3.根据权利要求1所述的方法，其特征在于，所述对所述当前融合模型中的所述子模型的融合系数进行调整，生成目标融合模型，包括：

获取针对所述当前融合模型的第一模型训练数据；其中，所述第一模型训练数据包括第一历史场景数据以及所述第一历史场景数据对应的参照信息；

将所述第一历史场景数据输入当前融合模型，得到第二预测信息；

将所述第二预测信息与所述第一历史场景数据对应的参照信息进行比对，得到第二预测差异信息；

基于所述第二预测差异信息对所述当前融合模型中的所述子模型的融合系数进行调整，生成目标融合模型。

4.根据权利要求1所述的方法，其特征在于，所述对所述当前融合模型中的所述子模型进行训练，包括：

获取针对所述子模型的第二模型训练数据；其中，所述第二模型训练数据包括第二历史场景数据以及所述第二历史场景数据对应的参照信息；

采用所述第二历史场景数据对所述子模型进行训练，得到训练完成的子模型。

5.根据权利要求4所述的方法，其特征在于，所述采用所述第二历史场景数据对所述子模型进行训练，得到训练完成的子模型，包括：

将所述第二历史场景数据输入当前融合模型，得到第三预测信息；

将所述第三预测信息与第二历史场景数据对应的参照信息进行比对，得到第三预测差异信息；

当所述第三预测差异信息满足所述目标业务场景对应的训练结束条件时，得到训练完成的子模型。

6.根据权利要求5所述的方法，其特征在于，所述第三预测差异信息满足训练结束条件包括：所述第三预测差异信息小于预设阈值或所述第三预测差异信息收敛。

7.根据权利要求4所述的方法，其特征在于，所述当前融合模型中的各所述子模型分别具有对应的模型库，所述采用所述第二历史场景数据对所述子模型进行训练，得到训练完成的子模型，包括：

采用一定数量的所述第二历史场景数据对所述模型库中的各个模型进行训练；

在所述模型库中的各个模型训练完成后，从所述模型库中选择预测差异信息最小的模型作为训练完成的子模型。