[发明专利]更新业务处理模型的方法、装置、设备及存储介质

说明书

本申请公开了一种更新业务处理模型的方法、装置、设备及存储介质，涉及人工智能技术领域。该方法的一具体实施方式包括：获取初始业务处理模型的新增业务数据，并获取预设的第一生成式模型生成的参考业务数据；将新增业务数据和参考业务数据共同作为训练样本，对初始业务处理模型进行训练，得到更新后的业务处理模型；以及将新增业务数据和参考业务数据共同作为训练样本，对预设的第二生成式模型进行训练，得到更新后的第二生成式模型；将更新后的第二生成式模型作为更新后的第一生成式模型；将更新后的业务处理模型作为初始业务处理模型，并将更新后的第一生成式模型作为预设的第一生成式模型。

技术领域

本申请涉及计算机技术领域，具体涉及人工智能技术领域，尤其涉及更新业务处理模型的方法、装置、设备及存储介质。

背景技术

随着人工智能技术的发展，深度学习技术凭借对业务数据的深度提取能力在众多领域得到了广泛应用。在目前实际应用中，为保证深度学习模型在线的性能，往往需要在增量业务数据达到一定量时，利用所有新老业务数据一同对该模型进行全量数据训练，然后将模型更新上线。但，随着业务数据数量的不断增加，数据存储的成本和该模型训练的资源也急剧增加；与此同时，该模型训练的效率还会大幅降低，使得模型更新时间与模型在线的性能的矛盾日益严重，影响应用体验及产品竞争力。因此，增量学习(IncrementalLearning)技术得到了广泛关注。

目前，增量学习包括基于生成式的增量学习；但随着新增数据的到来，记忆生成模型自身也需要对新增数据进行学习，这需要记忆生成模型生成旧数据的同时，结合新增数据对记忆生成模型自身进行训练更新，由于学习和生成过程耦合在一起的，因此导致模型漂移，即对旧数据的记忆遗忘，从而导致后续整体的增量学习效果持续降低。

发明内容

本申请的实施例提出了更新业务处理模型的方法、装置、设备及存储介质。

第一方面，本申请的实施例提供了一种更新业务处理模型的方法，该方法包括：获取初始业务处理模型的新增业务数据，并获取预设的第一生成式模型生成的参考业务数据；将新增业务数据和参考业务数据共同作为训练样本，对初始业务处理模型进行训练，得到更新后的业务处理模型；以及将新增业务数据和参考业务数据共同作为训练样本，对预设的第二生成式模型进行训练，得到更新后的第二生成式模型；将更新后的第二生成式模型作为更新后的第一生成式模型；将更新后的业务处理模型作为初始业务处理模型，并将更新后的第一生成式模型作为预设的第一生成式模型。

在一些实施例中，预设的第一生成式模型和预设的第二生成式模型为结构相同的模型。

在一些实施例中，预设的更新条件为：初始业务处理模型的精度满足预设的精度阈值；和/或，初始业务处理模型的新增业务数据的数量满足预设的数量阈值。

在一些实施例中，初始业务处理模型基于以下步骤确定：获取第二初始业务数据；利用第二初始业务数据对机器学习模型进行训练，得到初始业务处理模型。

在一些实施例中，初始业务处理模型基于以下步骤确定：获取第二初始业务数据；利用第二初始业务数据对机器学习模型进行训练，得到初始业务处理模型。

在一些实施例中，获取初始业务处理模型的新增业务数据，并获取预设的第一生成式模型生成的参考业务数据，包括：判断初始业务模型是否满足预设的更新条件；若是，获取初始业务处理模型的新增业务数据，并获取预设的第一生成式模型生成的参考业务数据。

在一些实施例中，该更新业务处理模型的方法还包括：循环执行以上步骤，直至初始业务处理模型不满足预设的更新条件。