(19)中华 人民共和国 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 202111533610.4 (22)申请日 2021.12.15 (71)申请人 北京淇瑀信息科技有限公司 地址 100012 北京市朝阳区双营路1 1号院3 号楼2层4单元207 (72)发明人 李达　丁楠　苏绥绥　 (74)专利代理 机构 北京清诚知识产权代理有限 公司 11691 代理人 何怀燕 (51)Int.Cl. G06N 20/00(2019.01) (54)发明名称 线上机器学习模 型的参数更新方法、 装置及 电子设备 (57)摘要 本申请涉及一种线上机器学习模型的参数 更新方法、 装置、 电子设备及计算机可读介质。 该 方法包括： 获取目标机器学习模 型的在当前周期 内的当前预测集合； 将所述当前预测集合和基准 预测参数进行比对以确定最大分箱位置； 根据所 述最大分箱位置由所述当前预测集合中提取目 标预测集合； 基于所述目标预测集合和基准预测 集合的差异比对生成更新参数； 基于所述更新参 数对所述目标机器学习模型的当前参数进行更 新。 本申请涉及的线上机器学习模 型的参数更新 方法、 装置、 电子设备及计算机可读介质， 能够及 时有效的对机器学习模型的线上使用效果进行 分析， 并及时更新调整机器学习模型的参数， 从 而提高全系统的系统安全、 数据安全、 交易 安全。 权利要求书2页 说明书10页 附图6页 CN 114239852 A 2022.03.25 CN 114239852 A 1.一种线上机器学习模型的参数 更新方法， 其特 征在于， 包括： 获取在线运行的目标机器学习模型在当前周期内的当前 预测集合； 将所述当前 预测集合和基准预测参数进行比对以确定最大分箱位置； 根据所述 最大分箱位置由所述当前 预测集合中提取目标 预测集合； 基于所述目标 预测集合和基准预测集 合的差异比对， 生成更新 参数； 基于所述更新 参数对所述目标机器学习模型的当前参数进行 更新。 2.如权利要求1所述的方法， 其特 征在于， 还 包括： 在所述目标机器学习 模型上线后， 获取首个时间周期内的所述目标机器学习 模型的预 测数据； 基于所述预测数据生成所述基准预测集 合。 3.如权利要求2所述的方法， 其特 征在于， 还 包括： 基于所述基准预测集 合生成分箱区间； 基于所述基准预测集 合、 所述分箱区间生成每 个分箱区间对应的基准对标参数； 基于所述分箱区间和每 个分箱区间对应的基准对标参数生成所述基准预测参数。 4.如权利要求3所述的方法， 其特征在于， 将所述当前预测集合和基准预测参数进行比 对以确定最大分箱位置， 包括： 将所述当前 预测集合按照所述分箱区间划分为多个当前子集 合； 分别计算所述多个当前子集 合对应的当前对标参数； 将所述当前对标参数和所述基准对标参数进行比对以确定所述 最大分箱位置 。 5.如权利要求4所述的方法， 其特征在于， 将所述当前对标参数和所述基准对标参数进 行比对以确定所述 最大分箱位置， 包括： 基于分箱区间将每一个当前子集合对应的所述当前对标参数和所述基准对标参数进 行比对， 生成多个KS检验值； 将多个KS检验值中最大的KS检验值对应的位置作为 最大分箱位置 。 6.如权利要求1所述的方法， 其特征在于， 根据所述最大分箱位置由所述当前预测集合 中提取目标 预测集合， 包括： 基于所述 最大分箱位置将所述当前 预测集合分为第一 集合和第二 集合； 分别计算所述第一 集合和所述第二 集合的KS检验值的均值； 基于所述KS检验值的均值由所述第一 集合和所述第二 集合中确定所述目标 预测集合。 7.如权利要求1所述的方法， 其特征在于， 基于所述目标预测集合和基准预测集合的差 异比对生成更新 参数， 包括： 获取所述目标 预测集合对应的目标用户特 征； 获取所述基准预测集 合对应的基准用户特 征； 基于所述目标用户特 征和所述基准用户特 征的差异确定所述更新 参数。 8.如权利要求2所述的方法， 其特征在于， 获取首个时间周期内的所述目标机器学习 模 型的预测数据， 包括： 将首个时间周期内的基准用户输入所述目标机器学习模型中， 生成预测数据。 9.如权利要求3所述的方法， 其特 征在于， 基于所述基准预测集 合生成分箱区间， 包括： 根据等频分箱策略生成所述分箱区间。权　利　要　求　书 1/2 页 2 CN 114239852 A 210.如权利要求3所述的方法， 其特征在于， 基于所述基准预测集合、 所述分箱区间生成 每个分箱区间对应的基准对标参数， 包括： 基于所述分箱区间将所述基准预测集 合划分成多个 基准子集 合； 分别计算所述多个 基准子集 合对应的基准对标参数。 11.一种线上机器学习模型的参数 更新装置， 其特 征在于， 包括： 当前模块， 用于获取目标机器学习模型的在当前周期内的当前 预测集合； 位置模块， 用于将所述当前 预测集合和基准预测参数进行比对以确定最大分箱位置； 集合模块， 用于根据所述 最大分箱位置由所述当前 预测集合中提取目标 预测集合； 参数模块， 用于基于所述目标 预测集合和基准预测集 合的差异比对生成更新 参数； 更新模块， 用于基于所述更新 参数对所述目标机器学习模型的当前参数进行 更新。 12.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 存储装置， 用于存 储一个或多个程序； 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实 现如权利要求1 ‑10中任一所述的方法。 13.一种计算机可读介质， 其上存储有计算机程序， 其特征在于， 所述程序被处理器执 行时实现如权利要求1 ‑10中任一所述的方法。权　利　要　求　书 2/2 页 3 CN 114239852 A 3