算法模型部署以及风险监控的方法、装置和计算机设备制造方法及图纸

本发明专利技术涉及一种算法模型部署以及风险监控的方法、装置和计算机设备。所述算法模型部署方法包括：接收终端上传的当前算法模型的算法模型文件；根据算法模型文件以及预设的各算法执行相关组件库，确定当前算法模型的相关组件；根据算法模型文件和相关组件，生成当前算法模型的算法包。所述风险监控的方法包括：向对象管理系统发送算法下载请求，算法下载请求包括目标风险分析算法模型的标识信息，对象管理系统中存储的风险分析算法模型采用本发明专利技术的算法模型部署方法进行部署；接收对象管理系统返回的目标风险分析算法模型的算法包；通过加载并执行该算法包的方式进行风险监控。采用本方法能够提高服务的可用性以及系统的鲁棒性。

Arithmetic model deployment and risk monitoring methods, devices and computer equipment

【技术实现步骤摘要】
算法模型部署以及风险监控的方法、装置和计算机设备
本专利技术涉及互联网
，特别是涉及一种算法模型部署以及风险监控的方法、装置、计算机设备和存储介质。
技术介绍
随着人工智能在互联网领域的应用和发展，大量的针对不同场景的算法模型被建立起来，而如何灵活地部署算法模型，成为急需研究的问题。目前采用的方案中，用于部署的算法模型文件与各种执行组件耦合在一起，这种方式，导致每个小组件的更新都会引发整个算法系统的更新，增加了系统的版本迭代频率，每次系统更新都会引起算法服务的停止和重启，这段时间里服务器的负载能力急剧下滑，影响到具体的业务。同时，由于组件的耦合，局部代码的修改必须通过对整个系统代码的修改来完成，可能会因为修改失误导致系统崩溃，提高了系统维护的风险，降低了系统的可维护性和鲁棒性。
技术实现思路
基于此，有必要针对上述技术问题，提供一种快速且安全的算法模型部署以及风险监控的方法、装置、计算机设备和存储介质。一种算法模型部署方法，该方法包括：接收终端上传的当前算法模型的算法模型文件；根据算法模型文件以及预设的各算法执行相关组件库，确定当前算法模型的相关组件；根据算法模型文件和相关组件，生成当前算法模型的算法包。在其中一个实施例中，上述的算法模型文件为指定算法模型的输出标准文本，指定算法模型的输出标准文本为采用任意编程语言训练当前算法模型得到的输出结果。在其中一个实施例中，上述的各算法执行相关组件库包括算法执行库组件、算法特征预处理组件和算法计算结果处理组件；算法执行库组件包括各类型算法的解析方法和执行方法，算法特征预处理组件包括各类型算法特征的预处理方法库，算法计算结果处理组件包括各类型输出结果的后处理方法库。在其中一个实施例中，上述的根据预设的各算法执行相关组件库以及算法模型文件，确定当前算法模型的相关组件，包括：通过算法执行库组件对指定算法模型的输出标准文本进行解析，获得解析结果；根据解析结果以及各算法执行相关组件库，确定当前算法模型的相关组件和当前算法模型的相关配置文件；根据算法模型文件和相关组件，生成当前算法模型的算法包，包括：将相关组件、相关配置文件和指定算法模型的输出标准文本进行打包处理，得到当前算法模型的算法包。在其中一个实施例中，上述的根据解析结果以及各算法执行相关组件库，确定当前算法模型的相关组件和当前算法模型的相关配置文件，包括：确定目标算法模型执行组件，目标算法模型执行组件为能够解析指定算法模型的输出标准文本的解析方法和执行方法；从解析结果中抽取当前算法模型的当前算法模型特征；根据当前算法模型特征确定目标特征预处理组件，生成目标特征预处理组件的配置文件，目标特征预处理组件为特征预处理组件中与当前算法模型特征匹配的特征预处理方法；根据当前算法模型特征确定目标后处理组件，生成目标后处理组件的配置文件，目标后处理组件为算法计算结果处理组件中与当前算法模型特征匹配的后处理方法；将目标特征预处理组件、目标特征预处理组件和目标后处理组件，确定为相关组件；将目标特征预处理组件的配置文件和目标后处理组件的配置文件，确定为相关配置文件。在其中一个实施例中，上述的算法模型部署方法，还包括：将当前算法模型的算法包上传至对象管理系统，对象管理系统用于存储各算法模型的算法包。在其中一个实施例中，上述的指定算法模型为人工智能算法模型。一种算法模型部署装置，该装置包括：第一接收模块，用于接收终端上传的当前算法模型的算法模型文件；查询模块，用于根据算法模型文件以及预设的各算法执行相关组件库，确定当前算法模型的相关组件；生成模块，根据算法模型文件和相关组件，生成当前算法模型的算法包。一种算法模型部署系统，该系统包括上述的算法模型部署装置，还包括对象管理系统和算法计算集群；对象管理系统用于存储各算法模型的算法包；算法计算集群用于从对象管理系统下载所需的算法包，对下载的算法包加载并执行。一种风险监控方法，该方法包括：向对象管理系统发送算法下载请求，算法下载请求包括目标风险分析算法模型的标识信息，对象管理系统中存储的风险分析算法模型采用如上任意一个实施例中的算法模型部署方法进行部署；接收对象管理系统根据目标风险分析算法模型的标识信息返回的目标风险分析算法模型的算法包；通过加载并执行目标风险分析算法模型的算法包的方式进行风险监控。一种风险监控装置，该装置包括：发送模块，用于向对象管理系统发送算法下载请求，算法下载请求包括目标风险分析算法模型的标识信息，对象管理系统中存储的风险分析算法模型采用如上任意一个实施例中的算法模型部署方法进行部署；第二接收模块，用于接收对象管理系统根据目标风险分析算法模型的标识信息返回的目标风险分析算法模型的算法包；监控模块，用于通过加载并执行目标风险分析算法模型的算法包的方式进行风险监控。一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：接收终端上传的当前算法模型的算法模型文件；根据算法模型文件以及预设的各算法执行相关组件库，确定当前算法模型的相关组件；根据算法模型文件和相关组件，生成当前算法模型的算法包。一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：向对象管理系统发送算法下载请求，算法下载请求包括目标风险分析算法模型的标识信息，对象管理系统中存储的风险分析算法模型采用如上任意一个实施例中的算法模型部署方法进行部署；接收对象管理系统根据目标风险分析算法模型的标识信息返回的目标风险分析算法模型的算法包；通过加载并执行目标风险分析算法模型的算法包的方式进行风险监控。一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：接收终端上传的当前算法模型的算法模型文件；根据算法模型文件以及预设的各算法执行相关组件库，确定当前算法模型的相关组件；根据算法模型文件和相关组件，生成当前算法模型的算法包。一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：向对象管理系统发送算法下载请求，算法下载请求包括目标风险分析算法模型的标识信息，对象管理系统中存储的风险分析算法模型采用如上任意一个实施例中的算法模型部署方法进行部署；接收对象管理系统根据目标风险分析算法模型的标识信息返回的目标风险分析算法模型的算法包；通过加载并执行目标风险分析算法模型的算法包的方式进行风险监控。上述算法模型部署方法、装置、计算机设备和存储介质，是接收终端上传的当前算法模型的算法模型文件，根据算法模型文件以及预设的各算法执行相关组件库，确定当前算法模型的相关组件，根据算法模型文件和相关组件，生成当前算法模型的算法包。如此，在算法模型部署时，不需要改动代码，可以快速高效地部署算法模型及更新算法执行相关组件，降低了算法系统版本的迭代频率，从而降低了算法服务停止、重启的频率，提高了服务的可用性。同时，由于采用组件化方式，在程序更新时不需要改动整个系统的代码，提高了系统的鲁棒性，降低了编码失误导致的系统崩溃的概率。上述风险监控方法、装置、计算机设备和存储介质，采用如上任意一个实施例中的算法模型部署方法进行部署，可以减小因算法服务不可以导致的风险监控问题本文档来自技高网...

【技术保护点】
1.一种算法模型部署方法，所述方法包括：接收终端上传的当前算法模型的算法模型文件；根据所述算法模型文件以及预设的各算法执行相关组件库，确定所述当前算法模型的相关组件；根据所述算法模型文件和所述相关组件，生成所述当前算法模型的算法包。

【技术特征摘要】
1.一种算法模型部署方法，所述方法包括：接收终端上传的当前算法模型的算法模型文件；根据所述算法模型文件以及预设的各算法执行相关组件库，确定所述当前算法模型的相关组件；根据所述算法模型文件和所述相关组件，生成所述当前算法模型的算法包。2.根据权利要求1所述的算法模型部署方法，其特征在于，所述算法模型文件为指定算法模型的输出标准文本，所述指定算法模型的输出标准文本为采用任意编程语言训练所述当前算法模型得到的输出结果。3.根据权利要求2所述的算法模型部署方法，其特征在于，所述各算法执行相关组件库包括算法执行库组件、算法特征预处理组件和算法计算结果处理组件；所述算法执行库组件包括各类型算法的解析方法和执行方法，所述算法特征预处理组件包括各类型算法特征的预处理方法库，所述算法计算结果处理组件包括各类型输出结果的后处理方法库。4.根据权利要求3所述的算法模型部署方法，其特征在于，所述根据预设的各算法执行相关组件库以及所述算法模型文件，确定所述当前算法模型的相关组件，包括：通过所述算法执行库组件对所述指定算法模型的输出标准文本进行解析，获得解析结果；根据所述解析结果以及所述各算法执行相关组件库，确定所述当前算法模型的相关组件和所述当前算法模型的相关配置文件；所述根据所述算法模型文件和所述相关组件，生成所述当前算法模型的算法包，包括：将所述相关组件、所述相关配置文件和所述指定算法模型的输出标准文本进行打包处理，得到所述当前算法模型的算法包。5.根据权利要求4所述的算法模型部署方法，其特征在于，所述根据所述解析结果以及所述各算法执行相关组件库，确定所述当前算法模型的相关组件和所述当前算法模型的相关配置文件，包括：确定目标算法模型执行组件，所述目标算法模型执行组件为所述算法执行库组件中的能够解析所述指定算法模型的输出标准文本的解析方法和执行方法；从所述解析结果中抽取所述当前算法模型的当前算法模型特征；根据所述当前算法模型特征确定目标特征预处理组件，生成所述目标特征预处理组件的配置文件，所述目标特征预处理组件为所述特征预处理组件中与所述当前算法模型特征匹配的特征预处理方法；根据所述当前算法模型特征确定目标后处理组件，生成所述目标后处理组件的配置文件，所述目标后处理组件为所述算法计算结果处理组件中与所述当前算法模型特征匹配的后处理方法；将所述目标特征预处理组件、所述目标特征预处理组件和所述目标后处理组件，确定为所述相关组件；将所述目标特征预处理组件的配置文件和目标后处理组件...

【专利技术属性】
技术研发人员：孙鑫焱，周斌，孟天涯，
申请(专利权)人：苏宁金融服务上海有限公司，
类型：发明
国别省市：上海,31