[发明专利]基于可划分数据的建模方法、装置、计算机设备及介质

权利要求书

1.一种基于可划分数据的建模方法，其特征在于，所述方法包括：

获取可划分训练数据；

获取预设的抽取规则集，所述抽取规则集包括数据优先级按照从高到低的顺序排列的I个抽取规则，I为大于或等于1的正整数；

获取预设的模型集，所述预设的模型集包括模型优先级按照从高到低的顺序排列的J个模型，J为大于或等于1的正整数；

按照所述I个抽取规则，从所述可划分训练数据中抽取与第i个抽取规则对应的第i个目标训练数据，所述第i个目标训练数据的优先级与所述第i个抽取规则的数据优先级相同，i＝1,2…I；

按照数据优先级从高到低的顺序遍历所述目标训练数据，对于遍历到的第x个目标训练数据，将所述第x个目标训练数据输入第y个模型，得到第y个模型输出的预测评分，y的初始值为1，x的初始值为1；

当所述第y个模型输出的预测评分不满足预设条件，且y小于J时，令y＝y+1，返回执行所述将所述第x个目标训练数据输入第y个模型，得到第y个模型输出的预测评分；

当所述第y个模型输出的预测评分不满足预设条件，且y＝J时，令x＝x+1,y＝1，返回执行所述将所述第x个目标训练数据输入第y个模型，得到第y个模型输出的预测评分；

当所述第y个模型输出的预测评分满足预设条件，则确定所述第x个目标训练数据为最优训练数据，第y个模型为最优模型。

2.根据权利要求1所述的基于可划分数据的建模方法，其特征在于，所述获取可划分训练数据，包括：

获取全量可划分数据，基于所述全量可划分数据的数据类型构造划分索引；

基于所述划分索引，对所述全量可划分数据进行切片，得到所述可划分训练数据。

3.根据权利要求1所述的基于可划分数据的建模方法，其特征在于，所述模型的类别为统计学模型、机器学习模型或深度学习模型中的至少一种。

4.根据权利要求1所述的基于可划分数据的建模方法，其特征在于，在所述确定所述第x个目标训练数据为最优训练数据，第y个模型为最优模型之前，还包括：

将所述预测评分不满足所述预设条件的所述目标训练数据、所述目标训练数据的数据优先级、所述模型及所述模型的模型优先级进行记录并关联，形成训练日志数据。

5.根据权利要求4所述的基于可划分数据的建模方法，其特征在于，所述方法还包括：

基于所述训练日志数据对所述预设的抽取规则集和所述预设的模型集进行更新。

6.根据权利要求1所述的基于可划分数据的建模方法，所述将所述第x个目标训练数据输入第y个模型，得到第y个模型输出的预测评分，包括：

获取所述第y个模型的训练结果；

采用所述分类子模型对所述训练结果进行分类计算，得到所述预测评分。

7.根据权利要求1所述的基于可划分数据的建模方法，在所述按照所述I个抽取规则，从所述可划分训练数据中抽取与第i个抽取规则对应的第i个目标训练数据之后，还包括：

获取各个所述目标训练数据的预测周期，对每个目标训练数据的对应的所述预测周期进行按照预设的调整规则进行调整，得到对应的目标周期；

基于所述目标训练数据和所述目标周期，生成调整训练数据；

根据所述调整训练数据和所述目标训练数据，生成更新后的目标训练数据。