【技术实现步骤摘要】
基于多级缓存的快速可解释性方法
[0001]本专利技术涉及的是一种机器学习领域的技术,具体是一种基于多级缓存的快速可解释性方法。
技术介绍
[0002]随着互联网的快速发展,人工智能和大数据技术带动了推荐系统的繁荣发展。推荐系统的模型生成同时需要给出解释,即1)机器学习模型本质的可解释性和事后的可解释性;2)特定机器学习模型的可解释性和机器学习模型无关的可解释性;3)局部的可解释性和全局的可解释性。
技术实现思路
[0003]本专利技术针对现有技术生成解释结果的过程缓慢,在实时性要求高的场景,实时生成推荐结果的解释是比较迟缓的不足,提出一种基于多级缓存的快速可解释性方法,比传统的每传入一次数据都要启动解释响应速度加快,可应用于推荐模型开发人员和实际的推荐系统场景中,告知模型建模人员或者使用用户得到推荐物品的本质原因。
[0004]本专利技术是通过以下技术方案实现的:
[0005]本专利技术涉及一种基于多级缓存的快速可解释性方法,分别通过本地缓存在同一个进程内的内存空间中以及通过分布式缓存中缓存历史数据解释性报告用于快速读取,依次通过唯一标识检索本地缓存和分布式缓存失败后以零拷贝方式传输,减少数据在内核缓冲区和用户进程缓冲区之间反复的I/O拷贝操作以及用户进程地址空间和内核地址空间之间因为上下文切换而带来的CPU开销。
[0006]所述的零拷贝(Zero
‑
copy)方式是指:在计算机执行操作时,CPU不需要先将数据从一个内存区域复制到另一个内存区域,从而可以减 ...
【技术保护点】
【技术特征摘要】
1.一种基于多级缓存的快速可解释性方法,其特征在于,分别通过本地缓存在同一个进程内的内存空间中以及通过分布式缓存中缓存历史数据解释性报告用于快速读取,依次通过唯一标识检索本地缓存和分布式缓存失败后以零拷贝方式传输,减少数据在内核缓冲区和用户进程缓冲区之间反复的I/O拷贝操作以及用户进程地址空间和内核地址空间之间因为上下文切换而带来的CPU开销;所述的零拷贝方式是指:在计算机执行操作时,CPU不需要先将数据从一个内存区域复制到另一个内存区域,从而可以减少上下文切换以及CPU的拷贝时间,它的作用是在数据报从网络设备到用户程序空间传递的过程中,减少数据拷贝次数,减少系统调用,实现CPU的零参与,彻底消除CPU在这方面的负载,实现零拷贝用到的最技术是DMA数据传输技术和内存区域映射技术。2.根据权利要求1所述的基于多级缓存的快速可解释性方法,其特征是,具体包括:步骤1)互联网客户端输入待解释的数据特征和实际待解释的数据,将输入处理成唯一标识;所述的唯一标识包括:hashcode,uuid,snowflake算法生成的i...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。