[发明专利]一种基于机器学习模型的异构数据解析方法、设备及介质

权利要求书

1.一种基于机器学习模型的异构数据解析方法，其特征在于，所述方法包括：

将机器学习模型部署至服务器；

通过预测模型标记语言，将所述机器学习模型解析为标准格式，并将解析后的机器学习模型按照数据流的方式输出；

基于所述解析后的机器学习模型，对待处理异构数据分别进行解析；

输出所述待处理异构数据的解析结果。

2.根据权利要求1所述的一种基于机器学习模型的异构数据解析方法，其特征在于，将机器学习模型部署至服务器，具体包括：

根据数据解析目的，确定待处理异构数据对应的机器学习模型；

将所述待处理异构数据对应的机器学习模型部署至服务器。

3.根据权利要求2所述的一种基于机器学习模型的异构数据解析方法，其特征在于，所述数据解析目的为数据清洗；

基于所述解析后的机器学习模型，对待处理异构数据分别进行解析，具体包括：

基于所述解析后的机器学习模型，对待处理异构数据分别进行数据清洗，以去除所述待处理异构数据中的冗余数据。

4.根据权利要求1所述的一种基于机器学习模型的异构数据解析方法，其特征在于，基于所述解析后的机器学习模型，对待处理异构数据分别进行解析之前，所述方法还包括：

确定不同业务分别对应的多个异构系统；

从所述多个异构系统的数据源中，分别获取对应的待处理数据，构成待处理异构数据。

5.根据权利要求1所述的一种基于机器学习模型的异构数据解析方法，其特征在于，通过预测模型标记语言，将所述机器学习模型解析为标准格式，并将解析后的机器学习模型按照数据流的方式输出，具体包括：

基于JAVA的预测模型标记语言，将所述机器学习模型中的参数、字段、算法解析为JSON格式，并将所述JSON格式的机器学习模型按照数据流的方式输出。

6.根据权利要求5所述的一种基于机器学习模型的异构数据解析方法，其特征在于，基于所述解析后的机器学习模型，对待处理异构数据分别进行解析，具体包括：

设置数据解析组件；

基于所述数据解析组件，将所述JSON格式的机器学习模型以异步的方式预置到模型评估器中；

通过所述模型评估器，对待处理异构数据分别进行解析。

7.根据权利要求1所述的一种基于机器学习模型的异构数据解析方法，其特征在于，基于所述解析后的机器学习模型，对待处理异构数据分别进行解析，具体包括：

基于所述解析后的机器学习模型中的映射关系，对待处理异构数据分别进行相应的处理；

将处理后的不同格式的所述待处理异构数据，统一为逗号分隔值格式。

8.根据权利要求4所述的一种基于机器学习模型的异构数据解析方法，其特征在于，输出所述待处理异构数据的解析结果之后，所述方法还包括：

根据所述待处理异构数据的解析结果，删除对应异构系统的数据源中的冗余数据。

9.一种基于机器学习模型的异构数据解析设备，其特征在于，所述设备包括：

处理器；

及存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如权利要求1-8中任一项所述的一种基于机器学习模型的异构数据解析方法。

10.一种基于机器学习模型的异构数据解析的非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：

如权利要求1-8中任一项所述的一种基于机器学习模型的异构数据解析方法。