[发明专利]模型训练方法、系统、计算机设备以及存储介质

权利要求书

1.一种模型训练方法，其特征在于，包括：

获取周期性更新的样本数据、以及特征配置文件，所述样本数据包含有数据标识信息与标签信息之间的映射关系；

基于所述样本数据中包含的数据标识信息，以及所述特征配置文件指示的至少一种特征参数，从数据库中与所述数据标识信息对应的各个样本特征数据中，提取与所述至少一种特征参数匹配的样本特征数据；

利用提取的所述样本特征数据以及匹配的所述标签信息，对待训练模型进行训练，得到用于识别数据标签的目标模型。

2.根据权利要求1所述的方法，其特征在于，所述至少一种特征参数包括特征标识和特征属性，所述基于所述样本数据中包含的数据标识信息，以及所述特征配置文件指示的至少一种特征参数，从数据库中与所述数据标识信息对应的各个样本特征数据中，提取与所述至少一种特征参数匹配的样本特征数据，包括：

从数据库中与所述数据标识信息对应的各个样本特征数据中，提取与所述特征标识匹配的候选特征数据；

基于所述特征参数中所述特征属性，确定所述候选特征数据是否满足要求；

若满足，则将所述候选特征数据确定为与所述至少一种特征参数匹配的样本特征数据。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在提取到与所述至少一种特征参数匹配的样本特征数据为多个的情况下，对所述多个样本特征数据进行拼接，生成拼接特征数据；

所述利用提取的所述样本特征数据以及匹配的所述标签信息，对待训练模型进行训练，得到用于识别数据标签的目标模型，包括：

利用所述拼接特征数据以及匹配的所述标签信息，对待训练模型进行训练，得到用于识别数据标签的目标模型。

4.根据权利要求3所述的方法，其特征在于，所述利用所述拼接特征数据以及匹配的所述标签信息，对待训练模型进行训练，得到用于识别数据标签的目标模型，包括：

利用所述拼接特征数据以及匹配的所述标签信息，基于所述特征配置文件对待训练模型进行训练，得到用于识别数据标签的目标模型；

其中，所述特征配置文件包括以下至少一种信息：特征标识、特征数据类型、特征形状、特征缺省值、特征标识对应的特征在数据库中的名称和版本。

5.根据权利要求1-4任一所述的方法，其特征在于，在所述样本数据中包括多个数据标识信息的情况下，所述基于所述样本数据中包含的数据标识信息，以及所述特征配置文件指示的至少一种特征参数，从数据库中与所述数据标识信息对应的各个样本特征数据中，提取与所述至少一种特征参数匹配的样本特征数据，包括：

建立多个线程；

基于所述样本数据中包含的数据标识信息，以及所述特征配置文件指示的至少一种特征参数，利用所述多个线程，从数据库中与所述数据标识信息对应的各个样本特征数据中，提取与所述至少一种特征参数匹配的样本特征数据。

6.根据权利要求1-4任一所述的方法，其特征在于，在所述样本数据中包括多个数据标识信息的情况下，所述方法还包括：

在检测到存在基于任一数据标识信息从数据库中未提取到样本特征数据的情况下，启动包含数据集核对函数的功能模块，对所述任一数据标识信息和匹配的标签信息进行处理，得到处理结果。

7.根据权利要求6所述的方法，其特征在于，所述启动包含数据集核对函数的功能模块，对所述任一数据标识信息和匹配的标签信息进行处理，得到处理结果，包括：

启动包含数据集核对函数的功能模块，重新基于所述数据标识信息和所述特征配置文件，从数据库中进行特征提取；若未提取到样本特征数据，则将所述数据标识信息和匹配的标签信息删除。