[发明专利]数据处理方法、装置、设备及存储介质

权利要求书

1.一种数据处理方法，其特征在于，所述方法包括：

将获取的第一历史数据以及第一历史数据的处理结果作为训练样本，基于至少一种机器学习算法进行训练得到至少一个更新模型；其中，所述第一历史数据为从第一历史时刻至当前时刻接收到的数据；

从至少一个更新模型中选取候选模型，并将当前获取的待处理数据分配至候选模型以及正在使用的目标模型中进行处理；

根据处理结果，从候选模型以及正在使用的目标模型中确定新的目标模型，用于采用新的目标模型对新的数据进行处理。

2.根据权利要求1所述的方法，其特征在于，将获取的第一历史数据以及第一历史数据的处理结果作为训练样本，包括：

若接收到的第一历史数据以及第一历史数据的处理结果的数量满足预设数据数量阈值，则获取第一历史数据以及第一历史数据的处理结果，并将第一历史数据以及第一历史数据的处理结果作为训练样本。

3.根据权利要求1所述的方法，其特征在于，从至少一个更新模型中选取候选模型，包括：

根据第二历史数据以及第二历史数据的处理结果，确定至少一个更新模型的质量得分；其中，所述第二历史数据与所述第一历史数据不同；

若任一更新模型的质量得分大于预设质量得分，则将该更新模型作为候选模型。

4.根据权利要求1所述的方法，其特征在于，将当前获取的待处理数据分配至候选模型以及正在使用的目标模型中进行处理，包括：

将满足第一预设数量的待处理数据平均分配至候选模型中进行处理，将满足第二预设数量的待处理数据分配至正在使用的目标模型中进行处理。

5.根据权利要求1所述的方法，其特征在于，根据处理结果，从候选模型以及正在使用的目标模型中确定新的目标模型，用于采用新的目标模型对新的数据进行处理，包括：

根据所述处理结果，确定候选模型以及正在使用的目标模型的质量得分；

根据候选模型以及正在使用的目标模型的质量得分，从候选模型以及正在使用的目标模型中确定新的目标模型。

6.根据权利要求5所述的方法，其特征在于，根据所述处理结果，确定候选模型以及正在使用的目标模型的质量得分，包括：

若候选模型以及正在使用的目标模型处理的数据的数量均满足预设处理数量，则根据处理当前获取的待处理数据得到的处理结果，确定候选模型以及正在使用的目标模型的质量得分。

7.根据权利要求6所述的方法，其特征在于，根据候选模型以及正在使用的目标模型的质量得分，从候选模型以及正在使用的目标模型中确定新的目标模型，包括：

将候选模型以及正在使用的目标模型中质量得分最高的模型作为新的目标模型。

8.一种数据处理装置，其特征在于，所述装置包括：

更新模型确定模块，用于将获取的第一历史数据以及第一历史数据的处理结果作为训练样本，基于至少一种机器学习算法进行训练得到至少一个更新模型；其中，所述第一历史数据为从第一历史时刻至当前时刻接收到的数据；

候选模型选取模块，用于从至少一个更新模型中选取候选模型，并将当前获取的待处理数据分配至候选模型以及正在使用的目标模型中进行处理；

新的目标模型确定模块，用于根据处理结果，从候选模型以及正在使用的目标模型中确定新的目标模型，用于采用新的目标模型对新的数据进行处理。

9.一种设备，其特征在于，所述设备包括：一个或多个处理器；

存储器，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1-7中任一所述的一种数据处理方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的一种数据处理方法。