[发明专利]一种仓储模型训练方法、装置、计算机设备及存储介质

说明书

本申请公开了一种仓储模型训练方法、装置、计算机设备及存储介质，涉及人工智能领域，所述方法通过构建共享仓储模型，并将共享仓储模型发送到仓储服务器；通过仓储服务器的数据库中的本地训练数据集对共享仓储模型进行模型训练，得到本地仓储模型；然后通过聚合本地仓储模型，得到初始仓储模型；利用云端服务器数据库中的检测样本数据集进行模型检测；并根据模型检测结果对初始仓储模型进行迭代更新，最后输出符合标仓储模型。此外，本申请还涉及区块链技术，本申请中的隐私信息本地训练数据集可存储于区块链中。本申请降低了仓储服务器与云端服务器之间的网络传输的压力，同时保证了本地仓储货物数据的隐秘性和安全性。

技术领域

本申请涉及人工智能技术领域，具体涉及一种仓储模型训练方法、装置、计算机设备及存储介质。

背景技术

随着计算机技术的发展，越来越多的新兴技术应用到仓储管理领域，传统仓储管理服务正在逐步向智能仓储管理服务转变，例如通过大数据模型来监测和评估仓库中货物的状态和动态价值，但由于仓储管理在智能化过程中数据体量大、形式各异，且不同类型的仓库有不同的管理标准，因此对建模技术提出的更高的要求。

目前，标准的机器学习方法需要将训练数据集中到一个服务器或一个数据中心内进行模型训练，即机器学习模型一般设置在模型服务提供方，而用于模型训练和模型预测的数据一般位于各个数据拥有方，在模型服务提供方进行模型训练以及利用模型进行预测时，需要使用各个数据拥有方的数据，此时各个数据拥有方通过网络将自身数据传输给模型服务提供方，供模型服务提供方使用。而通过网络来进行数据传输存在以下困难：

1)、用于模型训练的数据格式各不相同，且体量巨大，通过网传输占用大量网络资源，在网络不稳定情况下，极容易导致数据丢失；

2)、通过网络来进行数据传输难以保证数据的隐秘性和安全性，容易被不法分子窃取。

其中，上述数据提供方可以是公司或企业，也可以是个体用户。数据拥有方所提供的数据可以是统一收集的客户数据，比如，用户数据和业务数据等。其中，用户数据例如可以包括用户身份数据等；业务数据例如可以包括在公司提供的业务应用上发生的业务数据，比如仓储货物数据、淘宝上的商品交易数据等。对于数据拥有方而言，数据是非常重要和隐私的资产，需要进行数据隐私保护。

发明内容

本申请实施例的目的在于提出一种仓储模型训练方法、装置、计算机设备及存储介质，以解决现有的仓储模型训练方式存在的过度占用网络资源问题，以及无法保证在网络传输过程中仓储货物数据的隐秘性和安全性问题。

为了解决上述技术问题，本申请实施例提供一种仓储模型训练方法，采用了如下所述的技术方案：

构建共享仓储模型，并将共享仓储模型发送到仓储服务器的节点上；

从仓储服务器的数据库内调取仓储货物的历史数据，并生成本地训练数据集；

将本地训练数据集导入到共享仓储模型，对共享仓储模型进行模型训练，得到本地仓储模型；

接收已训练完成的本地仓储模型，并对接收到的本地仓储模型进行加权聚合运算，得到初始仓储模型；

将检测样本数据集输入到初始仓储模型进行模型检测，输出模型检测结果，其中，检测样本数据集存储于云端服务器的数据库内；

判断模型检测结果是否在存在于预设标准检测结果的范围内，若模型检测结果不在预设标准检测结果的范围内，则对初始仓储模型进行迭代更新，直到模型检测结果落入预设标准检测结果的范围内为止，输出仓储模型。

进一步地，构建共享仓储模型，并将共享仓储模型发送到仓储服务器的节点上，具体包括：

获取仓储分类标识，根据仓储分类标识构建共享仓储模型，其中，共享仓储模型包括若干个共享仓储子模型，每一个共享仓储子模型均对应一种仓储分类标识；