本申请涉及一种问题预测方法、装置、计算机设备和存储介质，涉及人工智能技术领域。所述方法包括：获取在当前时段内更新目标应用的业务代码的目标研发数据；将所述目标研发数据输入至问题预测模型，得到在所述当前时段内运行所述目标应用的目标问题预测结果；其中，所述问题预测模型是基于在历史时段内更新所述目标应用的业务代码的历史研发数据训练得到的；且在每轮训练过程中根据本轮研发数据的本轮问题预测结果和本轮问题真实结果，以及本轮迭代次数，对所述问题预测模型的本轮模型权值进行调整。采用本方法能够准确、快速对更新后的目标应用进行问题预测。的目标应用进行问题预测。的目标应用进行问题预测。
【技术实现步骤摘要】
问题预测方法、装置、计算机设备和存储介质
[0001]本申请涉及人工智能
，特别是涉及一种问题预测方法、装置、计算机设备和存储介质。
技术介绍
[0002]为了满足源源不断的业务需求，每个季度都需要对应用的业务代码做出一部分的更新和修改。然而，这些改动可能会导致代码出现错误，进而导致应用的功能出现问题。因此，如果能提早预测应用功能出现问题的情况，那么就可以对未来可能面临的风险提早做出应对，对系统的安全稳定运行十分重要。
[0003]目前，对应用功能问题的预测方式，是通过运维人员的工作经验和基础判断来预测可能出现的问题，进而做出大致的预案。然而，这种预测问题的方式主观性较强，存在准确性较低且成本较高的问题，可能会对系统运行的安全性和稳定性造成较大的隐患，难以满足现代企业的对生产安全的管理需求。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够准确、快速对更新后的目标应用进行问题预测的问题预测方法、装置、计算机设备和存储介质。
[0005]第一方面，本申请提供了一种问题预测方法，该方法包括：
[0006]获取在当前时段内更新目标应用的业务代码的目标研发数据；
[0007]将目标研发数据输入至问题预测模型，得到在当前时段内运行目标应用的目标问题预测结果；
[0008]其中，问题预测模型是基于在历史时段内更新目标应用的业务代码的历史研发数据训练得到的；且在每轮训练过程中根据本轮迭代次数，以及本轮研发数据的本轮问题预测结果和本轮问题真实结果，对问题预测模型的本轮模型权值进行调整；本轮研发数据是从历史研发数据中提取的。
[0009]在其中一个实施例中，问题预测模型的训练过程如下：
[0010]基于问题预测模型，对本轮研发数据进行问题预测，得到本轮问题预测结果；
[0011]根据本轮问题预测结果和本轮问题真实结果，确定本轮训练误差；
[0012]在基于本轮训练误差，识别到问题预测模型未达到精度要求的情况下，根据本轮训练误差和本轮迭代次数，对问题预测模型的本轮模型权值进行调整。
[0013]在其中一个实施例中，根据本轮问题预测结果和本轮问题真实结果，确定本轮训练误差，包括：
[0014]确定各本轮研发数据的本轮问题预测结果与本轮问题真实结果之间的误差值；
[0015]将各本轮研发数据对应的误差值中的最小值，作为本轮训练误差。
[0016]在其中一个实施例中，根据本轮训练误差和本轮迭代次数，对问题预测模型的本轮模型权值进行调整，包括：
[0017]根据本轮迭代次数，确定权值调整系数；
[0018]根据权值调整系数、本轮训练误差和本轮模型权值，确定本轮权值变化值；
[0019]根据本轮权值变化值，对问题预测模型的本轮模型权值进行调整。
[0020]在其中一个实施例中，根据权值调整系数、本轮训练误差和本轮模型权值，确定本轮权值变化值，包括：
[0021]确定本轮训练误差对本轮模型权值的偏导数；
[0022]将偏导数与权值调整系数之间的乘积，作为本轮权值变化值。
[0023]在其中一个实施例中，根据本轮权值变化值，对问题预测模型的本轮模型权值进行调整，包括：
[0024]将本轮权值变化值和本轮模型权值之间的差值，作为问题预测模型的下一轮模型权值；
[0025]采用下一轮模型权值，对问题预测模型的本轮模型权值进行调整。
[0026]第二方面，本申请还提供了一种问题预测装置，该装置包括：
[0027]数据获取模块，用于获取在当前时段内更新目标应用的业务代码的目标研发数据；
[0028]问题预测模块，用于将目标研发数据输入至问题预测模型，得到在当前时段内运行目标应用的目标问题预测结果。
[0029]其中，问题预测模型是基于在历史时段内更新目标应用的业务代码的历史研发数据训练得到的；且在每轮训练过程中根据本轮迭代次数，以及本轮研发数据的本轮问题预测结果和本轮问题真实结果，对问题预测模型的本轮模型权值进行调整；本轮研发数据是从历史研发数据中提取的。
[0030]第三方面，本申请还提供了一种计算机设备，该计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0031]获取在当前时段内更新目标应用的业务代码的目标研发数据；
[0032]将目标研发数据输入至问题预测模型，得到在当前时段内运行目标应用的目标问题预测结果；
[0033]其中，问题预测模型是基于在历史时段内更新目标应用的业务代码的历史研发数据训练得到的；且在每轮训练过程中根据本轮迭代次数，以及本轮研发数据的本轮问题预测结果和本轮问题真实结果，对问题预测模型的本轮模型权值进行调整；本轮研发数据是从历史研发数据中提取的。
[0034]第四方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0035]获取在当前时段内更新目标应用的业务代码的目标研发数据；
[0036]将目标研发数据输入至问题预测模型，得到在当前时段内运行目标应用的目标问题预测结果；
[0037]其中，问题预测模型是基于在历史时段内更新目标应用的业务代码的历史研发数据训练得到的；且在每轮训练过程中根据本轮迭代次数，以及本轮研发数据的本轮问题预测结果和本轮问题真实结果，对问题预测模型的本轮模型权值进行调整；本轮研发数据是从历史研发数据中提取的。
[0038]第五方面，本申请还提供了一种计算机程序产品，该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0039]获取在当前时段内更新目标应用的业务代码的目标研发数据；
[0040]将目标研发数据输入至问题预测模型，得到在当前时段内运行目标应用的目标问题预测结果；
[0041]其中，问题预测模型是基于在历史时段内更新目标应用的业务代码的历史研发数据训练得到的；且在每轮训练过程中根据本轮迭代次数，以及本轮研发数据的本轮问题预测结果和本轮问题真实结果，对问题预测模型的本轮模型权值进行调整；本轮研发数据是从历史研发数据中提取的。
[0042]上述问题预测方法、装置、计算机设备和存储介质，在问题预测模型的每轮训练过程中，从历史研发数据中提取本轮研发数据，并根据本轮迭代次数，以及本轮研发数据的本轮问题预测结果和本轮问题真实结果，对目标问题预测模型的本轮模型权值进行调整。本申请这样训练问题预测模型的好处在于，在每轮调整问题预测模型的模型权值时，均考虑到每轮的迭代次数，使得问题预测模型权值的调整方向更明确，从而减少了对问题预测模型进行模型权值调整的次数，提高了对问题预测模型进行模型权值调整的效果。进而，采用这样训练得到的问题预测模型，对在当前时段内运行目标应用可能出现的问题进行预测，能够实现准确、快速得到在当前时段内运行目标应用的目本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种问题预测方法，其特征在于，所述方法包括：获取在当前时段内更新目标应用的业务代码的目标研发数据；将所述目标研发数据输入至问题预测模型，得到在所述当前时段内运行所述目标应用的目标问题预测结果；其中，所述问题预测模型是基于在历史时段内更新所述目标应用的业务代码的历史研发数据训练得到的；且在每轮训练过程中根据本轮迭代次数，以及本轮研发数据的本轮问题预测结果和本轮问题真实结果，对所述问题预测模型的本轮模型权值进行调整；所述本轮研发数据是从所述历史研发数据中提取的。2.根据权利要求1所述的方法，其特征在于，所述问题预测模型的训练过程如下：基于问题预测模型，对所述本轮研发数据进行问题预测，得到本轮问题预测结果；根据所述本轮问题预测结果和本轮问题真实结果，确定本轮训练误差；在基于所述本轮训练误差，识别到所述问题预测模型未达到精度要求的情况下，根据所述本轮训练误差和所述本轮迭代次数，对所述问题预测模型的本轮模型权值进行调整。3.根据权利要求2所述的方法，其特征在于，所述根据所述本轮问题预测结果和本轮问题真实结果，确定本轮训练误差，包括：确定各本轮研发数据的本轮问题预测结果与本轮问题真实结果之间的误差值；将各本轮研发数据对应的误差值中的最小值，作为本轮训练误差。4.根据权利要求2所述的方法，其特征在于，所述根据所述本轮训练误差和所述本轮迭代次数，对所述问题预测模型的本轮模型权值进行调整，包括：根据所述本轮迭代次数，确定权值调整系数；根据所述权值调整系数、所述本轮训练误差...
【专利技术属性】
技术研发人员：杨尚航，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：
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。