[发明专利]基于边缘节点处的数据输入对机器学习模型排序和更新

权利要求书

1.一种计算机实现的方法，包括：

由处理器接收用于训练新的机器学习模型的输入数据集；

由所述处理器针对多个被训练的机器学习模型，执行以下操作：

取得哈希函数和用于训练所述机器学习模型的训练数据集的草图；

基于所述哈希函数和所述输入数据集，计算所述输入数据集的草图；以及

计算所述训练数据集的草图与所述输入数据集的草图之间的距离；

将所述多个被训练的机器学习模型从最小计算距离到最大计算距离进行排序；

从所述多个机器学习模型中选择用于所述输入数据集的种子机器学习模型，所述选择至少部分地基于所述排序；以及

至少部分地基于所述选择，启动所述新的机器学习模型的训练过程，所述训练过程至少部分地基于所选择的种子机器学习模型和所述输入数据集。

2.根据权利要求1所述的计算机实现的方法，其中，被排序为具有最小计算距离的被训练的机器学习模型被选择作为所述种子机器学习模型。

3.根据权利要求1所述的计算机实现的方法，其中，所述执行、排序、选择和启动是由处理器响应于所述接收而自动执行的。

4.根据权利要求1所述的计算机实现的方法，其中，所述处理器包括分布式计算机系统中的边缘节点。

5.根据权利要求1所述的计算机实现的方法，其中，所述处理器包括分布式计算机系统中的云节点。

6.根据权利要求1所述的计算机实现的方法，还包括：启动所选择的种子机器学习模型的重新训练，所述重新训练至少部分地基于用于训练所选择的种子机器学习模型的训练数据集和所述输入数据集。

7.根据权利要求6所述的计算机实现的方法，其中，至少部分地基于所述训练数据集的所述草图与所述输入数据集的所述草图之间的距离小于阈值来启动所述重新训练。

8.一种系统，包括：

具有计算机可读指令的存储器；以及

用于执行所述计算机可读指令的一个或多个处理器，所述计算机可读指令控制所述一个或多个处理器执行权利要求1-7中任一方法所述的步骤。

9.一种计算机程序产品，包括计算机可读存储介质，所述计算机可读存储介质具有与其一起实现的程序指令，所述程序指令可由处理器执行以使所述处理器执行权利要求1-7所述的任何方法的任何步骤。

10.一种存储程序代码的计算机可读存储介质，所述程序代码在由处理器执行时执行权利要求1-7所述的任何方法以维持系统。