数据预测模型调用方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例提供一种数据预测模型调用方法、装置、设备及存储介质，包括获取数据预测机器学习模型的预设格式文件包；解析所述预设格式文件包，得到所述数据预测机器学习模型对应每个节点的java类，所述数据预测机器学习模型包括模型信息节点、数据字典节点和数据转换字典节点；将每个所述java类热加载到java虚拟机中；控制所述java虚拟机执行所述数据预测机器学习模型的每个所述java类，以得到所述数据预测机器学习模型的预测结果。本申请还提供一种计算机可读存储介质，本申请能够提高数据预测模型解析和执行效率。

【技术实现步骤摘要】
数据预测模型调用方法、装置、设备和存储介质
本专利技术实施例涉及计算机
，尤其涉及一种数据预测模型调用方法、装置、设备和存储介质。
技术介绍
数据挖掘是指从大量的数据中通过算法搜索隐藏于其中有效信息的过程。目前，数据挖掘技术在多种业务场景中被广泛使用。例如，在风险贷前、贷中的业务场景中，需要根据商户的大量的交易流水数据挖掘出商户的贷款风险，以授权高价值商户，预防高风险商户等等。数据挖掘需要使用对应的数据预测模型执行，随着使用业务场景的增多，不同业务场景下需要使用不同的数据预测模型，然而有些数据预测模型结构复杂，在执行时需要递归多层，运行耗时，并且不同数据预测模型的模型部署和运维方式复杂且各不相同。比如，目前主流的数据预测模型是基于JAVA模型引擎，因此，大部分数据预测模型仅支持使用PMML进行模型交互，由开源组件JPMML对数据预测模型进行解析、执行，其中，JPMML是指用Java编写的用于解析PMML的组件。但是在实际应用场景下，JPMML在复杂情况下的系统资源占用以及耗时均很高。因此，需要一种提高的数据预测模型的解析和执行效率的方法。本文档来自技高网...

【技术保护点】
1.一种数据预测模型调用方法，其特征在于，包括：/n获取数据预测机器学习模型的预设格式文件包；/n解析所述预设格式文件包，得到所述数据预测机器学习模型对应每个节点的java类，所述数据预测机器学习模型包括模型信息节点、数据字典节点和数据转换字典节点；/n将每个所述java类热加载到java虚拟机中；/n控制所述java虚拟机执行所述数据预测机器学习模型的每个所述java类，以得到所述数据预测机器学习模型的预测结果。/n

【技术特征摘要】
1.一种数据预测模型调用方法，其特征在于，包括：
获取数据预测机器学习模型的预设格式文件包；
解析所述预设格式文件包，得到所述数据预测机器学习模型对应每个节点的java类，所述数据预测机器学习模型包括模型信息节点、数据字典节点和数据转换字典节点；
将每个所述java类热加载到java虚拟机中；
控制所述java虚拟机执行所述数据预测机器学习模型的每个所述java类，以得到所述数据预测机器学习模型的预测结果。


2.根据权利要求1所述的数据预测模型调用方法，其特征在于，所述解析所述预设格式文件包，得到所述数据预测机器学习模型对应每个节点的java类包括：
识别所述预设格式文件包中的数据字典节点，将所述数据字典节点解析成DataDictionary类；
识别所述预设格式文件包中的数据转换字典节点，将所述数据转换字典节点解析成TransformationDictionary类；
识别所述预设格式文件包中的模型信息节点，将所述模型信息节点解析成Model类。


3.根据权利要求2所述的数据预测模型调用方法，其特征在于，所述识别所述预设格式文件包中的数据字典节点包括：
当识别到数据类型的说明字符或操作类型的说明字符时，确定所述说明字符为数据字典节点；
所述识别所述预设格式文件包中的数据转换字典节点包括：
当识别到数据转换逻辑字符时，确定所述数据转换逻辑字符为数据转换字典节点；
所述识别所述预设格式文件包中的模型信息节点，将所述模型信息节点解析成Model类包括：
当识别到模型类型标识时，确定所述模型标签所在的节点为模型信息节点；
将所述模型信息节点解析成Model类。


4.根据权利要求3所述的数据预测模型调用方法，其特征在于，所述将所述每个所述java类热加载到java虚拟机中包括：
获取每个java类的二进制字节流，所述二进制字节流中包含常量池；
验证所述二进制字节流中的信息是否符合当前虚拟机的要求；
当所述二进制字节流符合当前虚拟机的要求后，为每个所述java类分配内存并设置类变量初始值；以及
将所述常量池中的符号引用替换为直接引用；
对每个所述java类进行初始化，完成所述java类热加载。


5.根据权利要求4所述的数据预测模型调用方法，其特征在于，...

【专利技术属性】
技术研发人员：姜立娣，姚孝辉，吴朦，王辉，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：广东;44