本申请公开了一种模型的推荐方法、装置、处理器以及电子设备。涉及大数据领域，该方法包括：获取用户对产品推荐模型的模型需求目标，并从数据库获取M个候选模型的模型信息，对每个候选模型的模型信息进行数据处理，得到M组模型数据；分别计算M组模型数据和模型需求目标中的预设模型数据之间的初始相似度，将大于预设相似度阈值的初始相似度数据关联的候选模型确定为源相关模型，得到N个源相关模型，其中，N为正整数；根据模型需求目标中的需求目标从N个源相关模型中确定目标模型，并向用户推荐目标模型。通过本申请，解决了相关技术中为提供用户所需模型的成本高、效率低的问题。效率低的问题。效率低的问题。
【技术实现步骤摘要】
模型的推荐方法、装置、处理器以及电子设备
[0001]本申请涉及大数据领域，具体而言，涉及一种模型的推荐方法、装置、处理器以及电子设备。
技术介绍
[0002]随着低代码大数据平台的发展，目标利用低代码大数据平台实现建模操作时，通常使用者需要经过构建初始模型、数据清洗、分析建模、结果分析、报表展示等流程，并在用户界面画布上通过算子拖拽、串联和配置调参等操作进行以上流程，提交任务作业到后台计算节点上执行，以此得到所需模型。但是随着平台功能越来越丰富，低代码大数据平台存在着占用大量算力资源、资源投入巨大、模型产出率低、难以提供新模型以及维护成本增加等问题。
[0003]针对相关技术中为提供用户所需模型的成本高、效率低的问题，目前尚未提出有效的解决方案。
技术实现思路
[0004]本申请的主要目的在于提供一种模型的推荐方法、装置、处理器以及电子设备，以解决相关技术中为提供用户所需模型的成本高、效率低的问题。
[0005]为了实现上述目的，根据本申请的一个方面，提供了一种模型的推荐方法。该方法包括：获取用户对产品推荐模型的模型需求目标，并从数据库获取M个候选模型的模型信息，对每个候选模型的模型信息进行数据处理，得到M组模型数据，其中，M为正整数，模型信息包括模型配置信息以及模型结构信息，候选模型为产品推荐模型；分别计算M组模型数据和模型需求目标中的预设模型数据之间的初始相似度，将大于预设相似度阈值的初始相似度数据关联的候选模型确定为源相关模型，得到N个源相关模型，其中，N为正整数；根据模型需求目标中的需求目标从N个源相关模型中确定目标模型，并向用户推荐目标模型。
[0006]可选地，需求目标至少包括以下之一：用于请求为用户推荐模型的第一需求，用于请求调整用户提供的原模型的第二需求，用于请求为用户推荐与原模型不同的模型的第三需求，根据模型需求目标中的需求目标从N个源相关模型中确定目标模型包括：在需求目标为第一需求的情况下，从第一需求中解析预设模型，并分别计算N个源相关模型与预设模型的模型相似度数据，选择最高模型相似度数据对应的源相关模型作为目标模型；在需求目标为第二需求的情况下，从第二需求中解析原模型，计算原模型与N个源相关模型的模型相似度数据，并选择最高模型相似度数据对应的源相关模型作为候选源相关模型，并根据候选源相关模型调整原模型，得到目标模型；在需求目标为第三需求的情况下，从第三需求中解析原模型，计算原模型与N个源相关模型的相离度数据，并选择最高相离度数据对应的源相关模型作为目标模型。
[0007]可选地，根据候选源相关模型调整原模型，得到目标模型包括：在迭代更新候选源相关模型的模型结构的时间段内，获取候选源相关模型关联的模型评分；判断时间段内候
选源相关模型关联的模型评分是否存在变化幅度大于预设幅度的情况；若时间段内候选源相关模型的关联的模型评分存在变化幅度大于预设幅度的情况，获取变化后的候选源相关模型与变化前的候选源相关模型的模型结构差异信息；根据模型结构差异信息调整原模型中，得到目标模型。
[0008]可选地，分别计算M组模型数据和模型需求目标中的模型数据之间的初始相似度包括：判断M组模型数据是否为第一预设格式的数据，其中，第一预设格式的数据是指格式化后的数据；在M组模型数据中存在第一预设格式的模型数据的情况下，获取第一预设格式的模型数据的字段，利用第一相似度算法对每组模型数据中的字段和预设模型数据中的字段进行初始相似度计算，得到第一初始相似度数据；在M组模型数据中存在非第一预设格式的模型数据的情况下，获取非第一预设格式的模型数据的字段，利用第二相似度算法对每组模型数据中的字段和预设模型数据中的字段进行初始相似度计算，得到第二初始相似度数据，其中，第一相似度算法和第二相似度算法不同；将第一初始相似度数据和第二初始相似度数据进行组合，得到初始相似度数据。
[0009]可选地，对每个候选模型的模型信息进行数据处理，得到M组模型数据包括：获取每个候选模型的模型信息的格式，并判断每个候选模型的模型信息的格式是否为第二预设格式；对于每个候选模型，在候选模型的模型信息中存在第二预设格式的模型信息的情况下，将第二预设格式的模型信息的格式转化为第一预设格式，由第一预设格式的模型信息和非第二预设格式的模型信息构成候选模型的模型数据；对于每个候选模型，在候选模型的模型信息中不存在第二预设格式的模型信息的情况下，由非第二预设格式的模型信息构成候选模型的模型数据。
[0010]可选地，计算原模型与N个源相关模型的模型相似度数据包括：利用图神经网络模型将每个源相关模型的模型拓扑结构以及原模型的模型拓扑结构转换为图向量，得到N+1个向量；分别计算每个源相关模型的向量和原模型的向量的模型相似度数据，得到N个模型相似度数据；计算原模型与N个源相关模型的相离度数据包括：分别计算每个源相关模型的向量和原模型的向量的模型相似度数据，得到N个模型相似度数据；计算N个模型相似度数据的倒数，得到N个相离度数据。
[0011]可选地，获取候选源相关模型的关联的模型评分包括：获取每个源相关模型的X个评分因子，并确定每个评分因子的权重，得到X个权重，其中，X为正整数；利用每个源相关模型的X个评分因子以及X个权重进行加权求和计算，得到每个源相关模型的模型评分。
[0012]为了实现上述目的，根据本申请的另一方面，提供了一种模型的推荐装置。该装置包括：获取单元，用于获取用户对产品推荐模型的模型需求目标，并从数据库获取M个候选模型的模型信息，对每个候选模型的模型信息进行数据处理，得到M组模型数据，其中，M为正整数，模型信息包括模型配置信息以及模型结构信息，候选模型为产品推荐模型；计算单元，用于分别计算M组模型数据和模型需求目标中的预设模型数据之间的初始相似度，将大于预设相似度阈值的初始相似度数据关联的候选模型确定为源相关模型，得到N个源相关模型，其中，N为正整数；确定单元，用于根据模型需求目标中的需求目标从N个源相关模型中确定目标模型，并向用户推荐目标模型。
[0013]根据本专利技术实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时控制非易失性存储介质所在的设备执行一种模型的推荐方法。
[0014]根据本专利技术实施例的另一方面，还提供了一种电子设备，包含一个或多个处理器和存储器；存储器中存储有计算机可读指令，处理器用于运行计算机可读指令，其中，计算机可读指令运行时执行一种模型的推荐方法。
[0015]通过本申请，采用以下步骤：获取用户对产品推荐模型的模型需求目标，并从数据库获取M个候选模型的模型信息，对每个候选模型的模型信息进行数据处理，得到M组模型数据，其中，M为正整数，模型信息包括模型配置信息以及模型结构信息，候选模型为产品推荐模型；分别计算M组模型数据和模型需求目标中的预设模型数据之间的初始相似度，将大于预设相似度阈值的初始相似度数据关联的候选模型确定为源相关模型，得到N个源相关模型，其中，N为正整数；根据模型需求目标中的需求目标从N个源相关模型中确定目标模本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种模型的推荐方法，其特征在于，包括：获取用户对产品推荐模型的模型需求目标，并从数据库获取M个候选模型的模型信息，对每个候选模型的模型信息进行数据处理，得到M组模型数据，其中，M为正整数，所述模型信息包括模型配置信息以及模型结构信息，所述候选模型为产品推荐模型；分别计算所述M组模型数据和所述模型需求目标中的预设模型数据之间的初始相似度，将大于预设相似度阈值的初始相似度数据关联的候选模型确定为源相关模型，得到N个源相关模型，其中，N为正整数；根据所述模型需求目标中的需求目标从所述N个源相关模型中确定目标模型，并向所述用户推荐所述目标模型。2.根据权利要求1所述的方法，其特征在于，所述需求目标至少包括以下之一：用于请求为所述用户推荐模型的第一需求，用于请求调整所述用户提供的原模型的第二需求，用于请求为所述用户推荐与所述原模型不同的模型的第三需求，根据所述模型需求目标中的需求目标从所述N个源相关模型中确定目标模型包括：在所述需求目标为所述第一需求的情况下，从所述第一需求中解析预设模型，并分别计算所述N个源相关模型与所述预设模型的模型相似度数据，选择最高模型相似度数据对应的源相关模型作为所述目标模型；在所述需求目标为所述第二需求的情况下，从所述第二需求中解析原模型，计算所述原模型与所述N个源相关模型的模型相似度数据，并选择最高模型相似度数据对应的源相关模型作为候选源相关模型，并根据所述候选源相关模型调整所述原模型，得到所述目标模型；在所述需求目标为所述第三需求的情况下，从所述第三需求中解析原模型，计算所述原模型与所述N个源相关模型的相离度数据，并选择最高相离度数据对应的源相关模型作为所述目标模型。3.根据权利要求2所述的方法，其特征在于，根据所述候选源相关模型调整所述原模型，得到所述目标模型包括：在迭代更新所述候选源相关模型的模型结构的时间段内，获取所述候选源相关模型关联的模型评分；判断所述时间段内所述候选源相关模型关联的模型评分是否存在变化幅度大于预设幅度的情况；若所述时间段内所述候选源相关模型的关联的模型评分存在变化幅度大于预设幅度的情况，获取变化后的候选源相关模型与变化前的候选源相关模型的模型结构差异信息；根据所述模型结构差异信息调整所述原模型中，得到所述目标模型。4.根据权利要求1所述的方法，其特征在于，分别计算所述M组模型数据和所述模型需求目标中的模型数据之间的初始相似度包括：判断所述M组模型数据是否为第一预设格式的数据，其中，所述第一预设格式的数据是指格式化后的数据；在所述M组模型数据中存在所述第一预设格式的模型数据的情况下，获取所述第一预设格式的模型数据的字段，利用第一相似度算法对每组模型数据中的字段和所述预设模型数据中的字段进行初始相似度计算，得到第一初始相似度数据；
在所述M组模型数据中存在非所述第一预设格式的模型数据的情况下，获取非所述第一预设格式的模型数据的字段，利用第二相似度算法对每组模型数据中的字段和所述...
【专利技术属性】
技术研发人员：徐怡涵，王健帅，张治坤，张游琳，
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。