[发明专利]在线模型学习方法、系统、设备及计算机可读存储介质

权利要求书

1.一种在线模型学习方法，其特征在于，应用于点击率预估模型，所述方法包括：

在第i时间节点执行第i次在线训练任务，i为正整数：

获取第i批线上样本数据和第i模型参数集合，其中，当i为初始值1时，所述第i模型参数集合包括通过训练离线模型得到的初始模型参数集合，所述第i批线上样本数据包括第i批广告曝光点击特征日志的日志数据；

将所述第i模型参数集合配置到在线模型中，得到配置有第i模型参数集合的在线模型；及

基于所述第i批线上样本数据训练所述配置有第i模型参数集合的在线模型，得到对应的第i+1模型参数集合；所述第i+1模型参数集合被暂存在第一存储器中；

所述方法还包括：

为所述第i+1模型参数集合配置第i+1时间戳，所述第i+1时间戳为所述初始模型参数集合的生成时间节点与预设时间长度乘积之和，所述预设时间长度乘积等于预设时间段乘以i；

判断所述i+1时间戳是否位于预设时间范围内；及

如果所述i+1时间戳位于预设时间范围内，则将所述第i+1模型参数集合从所述第一存储器落到第二存储器中。

2.根据权利要求1所述的在线模型学习方法，其特征在于，获取第i批线上样本数据和第i模型参数集合，包括：

当i大于1时，所述第i模型参数集合包括在执行第i-1次在线训练任务得到的模型参数集合。

3.根据权利要求1所述的在线模型学习方法，其特征在于，将所述第i模型参数集合配置到在线模型中，得到配置有第i模型参数集合的在线模型，包括：

将所述第i模型参数集合加载到第一存储器中；及

将位于所述第一存储器中的第i模型参数集合配置到所述在线模型中，得到配置有第i模型参数集合的在线模型。

4.根据权利要求1所述的在线模型学习方法，其特征在于，在第i时间节点执行第i次在线训练任务，包括：

当i大于1时，检测所述离线模型是否发生变化；

如果所述离线模型发生变化，则将所述离线模型对应的当前模型参数集合配置到所述在线模型；及

如果所述离线模型没有发生变化，则将第i模型参数集合配置到所述在线模型，其中，所述第i模型参数集合为执行第i-1次在线训练任务得到的模型参数集合。

5.根据权利要求1所述的在线模型学习方法，其特征在于，在第i时间节点执行第i次在线训练任务，包括：

检测第i-1时间节点对应的第i-1次在线训练任务是否执行完毕；

如果所述第i-1次在线训练任务执行完毕，则基于所述第i批线上样本数据训练所述配置有第i模型参数集合的在线模型；及

如果所述第i-1次在线训练任务没有执行完毕，则延迟执行所述第i次在线训练任务，直至所述第i-1次在线训练任务执行完毕。

6.根据权利要求1所述的在线模型学习方法，其特征在于，在第i时间节点执行第i次在线训练任务，包括：

检测所述第i批线上样本数据是否被产生；

如果所述第i批线上样本数据被产生，则执行所述第i次在线训练任务；及

如果所述第i批线上样本数据没有被产生，则延迟执行所述第i次在线训练任务，直至所述第i批线上样本数据被产生。

7.根据权利要求1所述的在线模型学习方法，其特征在于，所述预设时间长度是为执行一次在线训练任务所分配的时间长度，所述预设时间范围对应于当前时间点所在的时间区间。

8.根据权利要求1所述的在线模型学习方法，其特征在于，还包括：

监测每个特征在多次模型训练过程中的出现次数；及

如果监测到其中一个目标特征的出现次数低于预设阈值，则在后续模型训练中停止训练所述目标特征。