(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111602028.9 (22)申请日 2021.12.24 (71)申请人 深圳晶泰科技有限公司 地址 518000 广东省深圳市福田区福保街 道福保社区红柳道2号顺丰工业厂房3 层 (72)发明人 李鹤　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 刘桂兰 (51)Int.Cl. G06N 20/00(2019.01) G06K 9/62(2022.01) G06F 8/71(2018.01) (54)发明名称 机器学习模型的管理方法、 装置、 计算机设 备及存储介质 (57)摘要 本发明涉及人工智能技术领域， 特别涉及机 器学习模型的管理方法、 装置、 计算机设备及存 储介质。 方法包括确定对应流程节 点的配置信息 的数据集和模 型； 所述流程节 点为流程中的任一 流程节点， 所述配置信息包括指向所述数据集和 所述模型的执行条件； 建立所述流程节点与所述 数据集、 所述模型的关联关系； 其中， 所述 关联关 系能够用于指示所述流程节点在被执行时确定 调用的所述数据集和所述模型。 本发 明通过在全 流程中匹配各个流程节点执行时所需的数据集 和模型， 并建立各个流程节点与数据集、 模型的 关联关系形成闭环， 在多模型共享数据集的环境 下能够使数据生产与数据使用紧密关联， 提高数 据使用效率与效果， 进而提升长周期流程的管理 效率。 权利要求书2页 说明书14页 附图6页 CN 114444712 A 2022.05.06 CN 114444712 A 1.一种机器学习模型的管理方法， 其特 征在于， 包括： 确定对应流程节点的配置信息的数据集和模型； 其中， 所述流程节点为流程中的任一 流程节点， 所述配置信息包括指向所述数据集和所述模型的执 行条件； 建立所述流程节点与所述数据集、 所述模型的关联关系； 其中， 所述关联关系能够用于 指示所述 流程节点在被执 行时确定调用的所述数据集和所述模型。 2.根据权利要求1所述的机器学习模型的管理方法， 其特征在于， 在确定对应流程节点 的配置信息的数据集和模型之前， 还 包括： 获取数据集； 将所述数据集存 储于数据集库中。 3.根据权利要求2所述的机器学习模型的管理方法， 其特征在于， 在确定对应流程节点 的配置信息的数据集和模型之前， 还 包括： 获取模型； 将所述模型存 储于模型库中； 其中， 所述模型携带有用于确定所述模型的使用场景的模型描述。 4.根据权利要求3所述的机器学习模型的管理方法， 其特征在于， 在将所述数据集存储 于数据集库中， 以及将所述模型存 储于模型库中之后， 还 包括： 通过DVC工具对所述数据集库中的数据集以及所述模型库中的模型进行 版本化处 理； 对版本化处 理后的数据集及模型， 建立单个数据集与所有相关模型的关联关系。 5.根据权利要求1 ‑4任一项所述的机器学习模型的管理方法， 其特征在于， 在 建立所述 流程节点与所述数据集、 所述模型的关联关系之后， 还 包括： 在所述数据集被更新时， 更新所有与所述数据集相关联的模型； 根据更新后的数据集和所有更新后的模型， 更新所述更新后的数据集和/或任一更新 后的模型 所在的关联关系。 6.根据权利要求5所述的机器学习模型的管理方法， 其特征在于， 所述在所述数据集被 更新时， 更新所有与所述数据集相关联的模型， 包括： 将更新后的数据集作为输入， 训练所有与所述数据集相关联的模型； 判断当前被训练的模型的训练效果是否满足第一预设条件； 在满足时， 更新当前被训练的模型， 否则不执 行更新当前被训练的模型的操作。 7.根据权利要求6所述的机器学习模型的管理方法， 其特征在于， 所述根据更新后的数 据集和所有更新后的模型， 更新所述更新后的数据集和/或任一更新后的模型所在的关联 关系， 包括： 调用更新后的数据集和所有更新后的模型， 执行与所述更新后的数据集和/或任一更 新后的模型关联的所有流 程节点； 判断所有流 程节点被执 行后， 流程整体效果是否满足第二预设条件； 在满足时， 更新所述更新后的数据集和/或任一更新后的模型所在的关联关系， 否则不 执行更新所述更新后的数据集和/或任一更新后的模型 所在的关联关系的操作。 8.根据权利要求7所述的机器学习模型的管理方法， 其特征在于， 所述流程整体效果通 过对各流 程节点的执 行结果进行加权求和来表示。 9.一种机器学习模型的管理装置， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 114444712 A 2筛选模块， 用于确定对应流程节点的配置信 息的数据集和模型； 其中， 所述流程节点为 流程中的任一 流程节点， 所述配置信息包括指向所述数据集和所述模型的执 行条件； 关联模块， 用于建立所述流程节点与所述数据集、 所述模型的关联关系； 其中， 所述关 联关系能够用于指示所述 流程节点在被执 行时确定调用的所述数据集和所述模型。 10.根据权利要求9所述的机器学习模型的管理装置， 其特 征在于， 还 包括： 采集模块， 用于获取 数据集， 并将所述数据集存 储于数据集库中。 11.根据权利要求10所述的机器学习模型的管理装置， 其特征在于， 所述采集模块， 还 用于获取模型， 并将所述模 型存储于模 型库中； 其中， 所述模 型携带有用于确定所述模型的 使用场景的模型描述。 12.根据权利要求1 1所述的机器学习模型的管理装置， 其特 征在于， 还 包括： 预处理模块， 用于通过DVC工具对所述数据集库中的数据集以及所述模型库中的模型 进行版本化处 理； 所述预处理模块， 还用于对版本化处理后的数据集及模型， 建立单个数据集与所有相 关模型的关联关系。 13.根据权利要求9 ‑12所述的机器学习模型的管理装置， 其特 征在于， 还 包括： 更新模块， 用于在所述数据集被更新时， 更新所有与所述数据集相关联的模型； 所述更新模块， 还用于根据更新后的数据集和所有更新后的模型， 更新所述更新后的 数据集和/或任一更新后的模型 所在的关联关系。 14.根据权利要求13所述的机器学习模型的管理装置， 其特征在于， 所述更新模块， 包 括： 训练模块， 用于将更新后的数据集作为输入训练所有与所述数据集相关联的模型； 判断模块， 用于判断当前被训练的模型的训练效果是否满足第一预设条件； 在满足时， 促使更新当前被训练的模型， 否则不执 行更新当前被训练的模型的操作。 15.根据权利要求14所述的机器学习模型的管理装置， 其特征在于， 所述更新模块， 还 包括： 执行模块， 用于调用更新后的数据集和所有更新后的模型， 执行与所述更新后的数据 集和/或任一更新后的模型关联的所有流 程节点； 所述判断模块， 还用于判断所有流程节点被执行后， 流程整体效果是否满足第二预设 条件； 在满足时， 促使更新所述更新后的数据集和/或任一更新后的模型所在的关联关系， 否则不执 行更新所述更新后的数据集和/或任一更新后的模型 所在的关联关系的操作。 16.一种计算机设备， 其特征在于， 包括： 处理器、 存储器以及存储在所述存储器上的计 算机程序， 所述处理器耦合所述存储器， 所述处理器在工作时执行所述计算机程序以实现 如权利要求1 ‑8中任一项所述的机器学习模型的管理方法。 17.一种计算机可读存储介质， 其特征在于， 所述计算机存储介质存储有计算机指令， 当所述计算机指令被计算机执行时， 使得所述计算机执行权利要求1 ‑8任一项所述的机器 学习模型的管理方法的指令 。权　利　要　求　书 2/2 页 3 CN 114444712 A 3