基于物联网的目标需求的服务提供方法、系统及介质技术方案

本申请公开一种基于物联网的目标需求的服务提供方法、系统及介质，该方法应用于基于物联网的目标需求的服务提供系统。该方法包括：接收需求方发布的目标需求；从系统所注册的N个供给方中，确定与目标需求关联的M个供给方；针对M个供给方中的每一供给方，基于在系统为供给方所配置的机器学习算法，对在系统为对应供给方所配置的初始机器学习模型进行训练，获得与供给方对应的训练后的机器学习模型；验证训练后的机器学习模型，获得目标机器学习模型；将目标机器学习模型所对应的供给方作为目标供给方，并由目标供给方基于目标机器学习模型为目标需求提供服务。型为目标需求提供服务。型为目标需求提供服务。

Service provision methods, systems and media based on the target needs of the Internet of things

【技术实现步骤摘要】
基于物联网的目标需求的服务提供方法、系统及介质


[0001]本公开涉及人工智能
，更具体的，涉及一种基于物联网的目标需求的服务提供方法、系统及介质。

技术介绍

[0002]近年来，随着人工智能技术愈来愈加丰富和完善，人工智能技术的应用场景也日趋丰富，人工智能技术对于提高行业的效率、降低产业的成本、增加产品的质量等起到了重要作用。
[0003]目前，对人工智能技术与实体应用场景相互供需对接的方式主要包括：例如应用需求方通过线下或线上方式随机寻找和对接人工智能技术提供方，对接成功后，双方签署合作协议，支付相应款项，研发对应产品。又例如人工智能技术方主动寻找应用需求方，找到匹配的应用需求方之后，双方签署合作协议，支付相应款项，研发对应产品。
[0004]然而，由于人工智能技术的研发和应用需要训练、测试等流程，总体来看，以上方式中仍然存在以下三点缺陷，一是在应用需求方和人工智能技术提供方就某项合作达成一致后，即转为线下传统的研发、训练和测试等模式，没有连贯的、完整的线上人工智能供需对接、训练和测试平台支撑。二是在应用需求方和人工智能技术提供方就某项合作达成一致后，没有可信、公开和公平的人工智能技术训练和测试平台对研发的人工智能技术开展有公信力的训练测试。三是由于无可信、公开和透明的人工智能技术训练和测试平台，因此线下研发的人工智能技术和产品的测试和评价将可能会导致技术不是最优的。

技术实现思路

[0005]本公开实施例的一个目的是提供一种基于物联网的目标需求的服务提供的新的技术方案。r/>[0006]根据本公开的第一方面，提供一种基于物联网的目标需求的服务提供方法，应用于基于物联网的目标需求的服务提供系统，所述方法包括：
[0007]接收需求方发布的目标需求；
[0008]从所述系统所注册的N个供给方中，确定与所述目标需求关联的M个供给方；其中，N、M均为大于1的整数，且N大于M；
[0009]针对M个供给方中的每一供给方，基于在所述系统为所述供给方所配置的机器学习算法，对在所述系统为对应所述供给方所配置的初始机器学习模型进行训练，获得与所述供给方对应的训练后的机器学习模型；
[0010]验证训练后的机器学习模型，获得目标机器学习模型；
[0011]将所述目标机器学习模型所对应的供给方作为目标供给方，并由所述目标供给方基于所述目标机器学习模型为所述目标需求提供服务。
[0012]可选地，所述接收需求方发布的目标需求，包括：
[0013]对所述需求方的注册信息进行审核，获得审核结果；
[0014]在所述审核结果表示审核通过的情况下，提供第一配置接口；
[0015]接收所述需求方通过所述第一配置接口发布的目标需求。
[0016]可选地，所述方法还包括：
[0017]在基于在所述系统为所述供给方所配置的机器学习算法，对在所述系统为对应所述供给方所配置的初始机器学习模型进行训练的情况下，为对应的训练任务分配处理资源；以及，
[0018]在所述训练任务结束的情况下，释放为所述训练任务所分配的处理资源。
[0019]可选地，所述基于在所述系统为所述供给方所配置的机器学习算法，对在所述系统为对应所述供给方所配置的初始机器学习模型进行训练，包括：
[0020]提供与所述目标需求匹配的训练数据；
[0021]根据所述训练数据及其对应的真实标签生成训练样本；
[0022]利用在所述系统为所述供给方所配置的机器学习算法和所述训练样本，对在所述系统为对应所述供给方所配置的初始机器学习模型进行训练，获得与所述供给方对应的训练后的机器学习模型。
[0023]可选地，所述验证训练后的机器学习模型，获得目标机器学习模型，包括：
[0024]提供与所述目标需求匹配的测试数据；
[0025]根据每一训练后的机器学习模型，对所述测试数据进行预测，获得所述测试数据的预测标签；
[0026]根据所述预测标签与所述测试数据的真实标签，获取每一训练后的机器学习模型的评判指标值；
[0027]根据所述评判指标值的降序排序次数，从训练后的机器学习模型中，确定出所述目标机器学习模型。
[0028]可选地，在获得与所述供给方对应的训练后的机器学习模型之后，所述方法还包括：
[0029]将训练后的机器学习模型存储至预设位置；以及，
[0030]响应于查看训练后的机器学习模型的请求，提供查看接口；
[0031]通过所述查看接口查看所述预设位置处的训练后的机器学习模型。
[0032]可选地，在所述根据所述目标需求的需求信息，确定能够为所述目标需求提供服务的多个供给方之前，所述方法还包括：
[0033]提供第二配置接口；
[0034]获取通过所述第二配置接口配置的所述N个供给方、及为每一所述供给方配置的机器学习算法和对应的初始机器学习模型。
[0035]根据本公开的第二方面，提供一种基于物联网的目标需求的服务提供系统，其包括：
[0036]接收模块，用于接收需求方发布的目标需求；
[0037]关联模块，用于从所述系统所注册的N个供给方中，确定与所述目标需求关联的M个供给方；其中，N、M均为大于1的整数，且N大于M；
[0038]训练模块，用于针对M个供给方中的每一供给方，基于在所述系统为所述供给方所配置的机器学习算法，对在所述系统为对应所述供给方所配置的初始机器学习模型进行训
练，获得与所述供给方对应的训练后的机器学习模型；
[0039]验证模块，用于验证训练后的机器学习模型，获得目标机器学习模型；
[0040]匹配模块，用于将所述目标机器学习模型所对应的供给方作为目标供给方，并由所述目标供给方基于所述目标机器学习模型为所述目标需求提供服务。
[0041]根据本公开的第三方面，还提供一种基于物联网的目标需求的服务提供系统，其包括本公开第二方面所述的基于物联网的目标需求的服务提供系统；或者，包括存储器和处理器，所述存储器用于存储可执行的指令；所述处理器用于根据所述指令的控制进行操作以执行如本公开第一方面中所述的方法。
[0042]本公开的一个有益效果在于，根据本公开实施例的方法、系统及介质，其将需求方和多个供给方视作物联网中的事件，每个独立事件在本系统中称之为“物”，通过本系统，需求方可以发布目标需求，并根据该目标需求的需求信息，从所注册的N个供给方中，确定与目标需求关联的M个供给方，即，形成一个需求对应多个供给的“事件”线物联特性。同时，针对M个供给方中的每一供给方，基于在本系统为供给方所配置的机器学习算法，对在本系统为对应供给方所配置的初始机器学习模型进行训练，获得与供给方对应的训练后的机器学习模型，并验证训练后的机器学习模型，获得目标机器学习模型，进而将目标机器学习模型所对应的供给方作为目标供给方，并由目标供给方基于目标机器学习模型为目标需求提供服务。即，需求方和供给方通过本系统可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网的目标需求的服务提供方法，应用于基于物联网的目标需求的服务提供系统，所述方法包括：接收需求方发布的目标需求；从所述系统所注册的N个供给方中，确定与所述目标需求关联的M个供给方；其中，N、M均为大于1的整数，且N大于M；针对M个供给方中的每一供给方，基于在所述系统为所述供给方所配置的机器学习算法，对在所述系统为对应所述供给方所配置的初始机器学习模型进行训练，获得与所述供给方对应的训练后的机器学习模型；验证训练后的机器学习模型，获得目标机器学习模型；将所述目标机器学习模型所对应的供给方作为目标供给方，并由所述目标供给方基于所述目标机器学习模型为所述目标需求提供服务。2.根据权利要求1所述的方法，其中，所述接收需求方发布的目标需求，包括：对所述需求方的注册信息进行审核，获得审核结果；在所述审核结果表示审核通过的情况下，提供第一配置接口；接收所述需求方通过所述第一配置接口发布的目标需求。3.根据权利要求1所述的方法，其中，所述方法还包括：在基于在所述系统为所述供给方所配置的机器学习算法，对在所述系统为对应所述供给方所配置的初始机器学习模型进行训练的情况下，为对应的训练任务分配处理资源；以及，在所述训练任务结束的情况下，释放为所述训练任务所分配的处理资源。4.根据权利要求1所述的方法，其中，所述基于在所述系统为所述供给方所配置的机器学习算法，对在所述系统为对应所述供给方所配置的初始机器学习模型进行训练，包括：提供与所述目标需求匹配的训练数据；根据所述训练数据及其对应的真实标签生成训练样本；利用在所述系统为所述供给方所配置的机器学习算法和所述训练样本，对在所述系统为对应所述供给方所配置的初始机器学习模型进行训练，获得与所述供给方对应的训练后的机器学习模型。5.根据权利要求4所述的方法，其中，所述验证训练后的机器学习模型，获得目标机器学习模型，包括：提供与所述目标需求匹配的测试数据；根据每一训练后的机器学习模型，对所述测试数据...

【专利技术属性】
技术研发人员：刘海涛，叶波，刘波，何挺，农振劲，
申请(专利权)人：广西产研院人工智能与大数据应用研究所有限公司，
类型：发明
国别省市：