基于机器学习的流程优化方法、装置、终端及存储介质制造方法及图纸

本发明专利技术提供一种基于机器学习的流程优化方法，建立预设模型与模型变量信息之间的第一关联关系及与模型场景信息之间的第二关联关系；获取与模拟试算请求指令对应目标模型；通过调用Groovy引擎获取目标模型的入参；调用模型引擎对目标模型的入参加密；调用模型引擎在Java中开启Process进程，通过Process进行调用Anaconda中的Python环境与模型文件；调用模型引擎对目标模型的入参解密；基于Anaconda中的Python环境与模型文件通过目标模型运算模拟试算请求数据。本发明专利技术还提供了一种装置、终端及存储介质。通过Java直接调用涵盖Python第三方类库齐全的Anaconda对模型进行运算，能够提高模型运算的正确率与速度。

Process optimization methods, devices, terminals and storage media based on machine learning

【技术实现步骤摘要】
基于机器学习的流程优化方法、装置、终端及存储介质
本专利技术涉及模型部署领域，尤其涉及一种基于机器学习的流程优化方法、装置、终端及存储介质。
技术介绍
人工智能是目前最前沿的技术之一，也是人类所能想象的科技界最突破性的专利技术。而机器学习作为人工智能的重要细分子类，自然而然就成了重点的研究方向，同时Python作为机器学习领域的第一语音工具，应用场景自然十分广泛。然而目前主流的系统基本都由java编写，要想在java系统中实现智能的属性，java调用Python机器学习模型成了一种必然的选择。目前常见的java调用Python脚本方式主要有两种，一是通过jython.jar提供的类库实现，然而jython.jar不可能涵盖所有Python的第三方类库，执行程序的时候会遇到异常；二是通过将Python机器学习模型转换为PMML，再利用java调用PMLL实现，然而将Python机器学习模型转换为PMLL后，java需要对PMLL文件内容进行解析，操作繁琐，PMLL转换获得的模型与算法库模型相比预测结果存在偏差，且PMLL文件较大，占用过多本文档来自技高网...

【技术保护点】
1.一种基于机器学习的流程优化方法，其特征在于，该方法应用于在Java环境调用Python机器学习模型,具体包括：/n建立预设模型与模型变量信息之间的第一关联关系及与模型场景信息之间的第二关联关系；/n当接收到模拟试算请求指令时，根据所述第一关联关系和所述第二关联关系获取与所述模拟试算请求指令对应目标模型；/n通过调用Groovy引擎获取入参配置规则，并根据所述入参配置规则得到所述目标模型的入参；/n调用模型引擎对所述目标模型的入参进行加密处理；/n调用所述模型引擎在Java中开启Process进程，并获取命令行参数中携带的与所述目标模型对应的Python环境路径与模型文件路径；/n根据所述P...

【技术特征摘要】
1.一种基于机器学习的流程优化方法，其特征在于，该方法应用于在Java环境调用Python机器学习模型,具体包括：
建立预设模型与模型变量信息之间的第一关联关系及与模型场景信息之间的第二关联关系；
当接收到模拟试算请求指令时，根据所述第一关联关系和所述第二关联关系获取与所述模拟试算请求指令对应目标模型；
通过调用Groovy引擎获取入参配置规则，并根据所述入参配置规则得到所述目标模型的入参；
调用模型引擎对所述目标模型的入参进行加密处理；
调用所述模型引擎在Java中开启Process进程，并获取命令行参数中携带的与所述目标模型对应的Python环境路径与模型文件路径；
根据所述Python环境路径与所述模型文件路径通过所述Process进程调用Anaconda中的Python环境与模型文件；
调用所述模型引擎对所述目标模型的入参进行解密处理；
基于Anaconda中的Python环境与模型文件通过解密处理后的目标模型运算模拟试算请求数据并获取运算结果。


2.根据权利要求1所述的基于机器学习的流程优化方法，其特征在于，所述根据所述第一关联关系和所述第二关联关系获取与所述模拟试算请求指令对应目标模型包括：
获取与所述模拟试算请求指令对应的模拟试算请求数据；
确定与所述模拟试算请求数据对应的目标模型场景信息；
根据所述第二关联关系获取与所述目标模型场景信息对应的多个目标模型；
根据所述第一关联关系获取与所述多个目标模型中的每个目标模型对应的目标模型变量信息。


3.根据权利要求2所述的基于机器学习的流程优化方法，其特征在于，所述获取与所述模拟试算请求指令对应的模拟试算请求数据包括：
获取所述模拟试算请求指令中携带的数据定位标识；
遍历预设模拟数据库，获取与所述数据定位标识对应的模拟试算请求数据。


4.根据权利要求2所述的基于机器学习的流程优化方法，其特征在于，在所述根据所述第二关联关系获取与所述目标模型场景信息对应的多个目标模型之后，所述方法还包括：
启动多线程分别运行所述多个目标模型；
按照预设时间间隔获取多个不同的所述目标模型的输出结果；
获取每个目标模型所消耗的平均时间及所述输出结果的正确率；
将每个目标模型的所述平均时间与所述正确率输入至预设综合评价指标中，得到每个目标所述预设模型的综合评价结果；
比对所述每个目标模型的综合评价结果与预设结果阈值；
删除低于所述预设结果阈值的综合结果对应的目标模型，并保留高于所述预设结果阈值的综合结果对应的目标模型。


5.根据权利要求1所述的基于机器学习的流程优化方法，其特征在于，所述建立预设模型与模型变量信息之间的第一关联关系及与模型场景信息之间的第二关联关系包括：
分别获取预设模型、模型变量信息及模型场景信息对应的描述文本，作为第一描述文本、第二描述文本及第三描述文本；
从所述第一描述文本与所述...

【专利技术属性】
技术研发人员：庞俊涛，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：广东;44