一种图模型全生命周期管理方法与流程

1.本发明涉及图模型技术领域，特别是一种图模型全生命周期管理方法。


背景技术：

2.图：图是用以表示实体及其关系的结构，记为g＝(v,e)。图由两个集合组成，一是节点的集合v，一个是边的集合e。同时节点和边也会有各自的属性。
3.图模型：基于图数据训练的模型，相比于传统模型，能够基于图强大的表达能力，充分挖掘出数据背后隐藏的信息，解决业务问题。
4.从现阶段人工智能的发展来看，随着计算力的不断提升，储存手段的持续升级，具有快速计算和记忆存储能力的计算智能已经初步实现。在计算智能和感知智能发展基础上，人工智能正在向能够分析、思考、理解、判断等认知智能延伸，真正的智能化解决方案已经显现端倪。
5.另外数据分析产业也将迎来变革，中国企业采用图数据库的比例不断上升，gartner报告指出到2025年，图技术在数据分析创新领域的占比将达到80％。而图数据库作为传统关系型数据库优化方向，在行业数据量积累到一定程度之后，graph ai可以提供更深入的见解和更好的业务效果。


技术实现要素：

6.鉴于此，本发明提供一种图模型全生命周期管理方法，以解决上述技术问题。
7.本发明公开了一种图模型全生命周期管理方法，包括以下步骤：
8.在开发环境中搭建平台，将平台中训练得到的模型导出至管理平台；
9.管理平台根据导入的模型，将模型的预测结果用于解决业务系统的业务问题；
10.业务系统将业务数据导出至所述平台。
11.进一步地，所述在开发环境中搭建平台，将平台中训练得到的模型导出至管理平台，包括：
12.大数据平台接收业务系统导入的离线数据；
13.在大数据平台上搭建平台；
14.在搭建的平台上，对离线数据进行数据处理，并将数据处理后的离散数据作为模型的训练样本，然后进行模型训练；
15.将训练好的模型导出至管理平台。
16.进一步地，所述大数据平台和搭建的平台均位于开发环境中。
17.进一步地，所述管理平台根据导入的模型，将模型的预测结果用于解决业务系统的业务问题，包括：
18.管理平台接收业务系统发送的在线业务数据并对其进行数据处理；
19.根据数据处理后的在线业务数据以及导入的模型，进行模型预测；
20.将模型预测得到的预测结果用于业务系统的业务程序中以解决业务问题。
21.进一步地，所述管理平台和业务系统均位于生产环境中。
22.进一步地，所述生产环境为模型上线的部分，其主要负责模型的实时预测，对接客户线上数据，以解决相关的业务问题。
23.进一步地，所述生产环境能够不断监控模型指标，避免长时间后模型出现衰减。
24.进一步地，若所述模型在生产环境中有衰减，将对应的模型文件放回开发环境重新训练即可。
25.进一步地，用户环境包括开发环境和生产环境。
26.由于采用了上述技术方案，本发明具有如下的优点：
27.1)将用户环境区分为开发环境和生产环境，有效避免跨部门开发的情况，提高效率，降低图模型场景落地难度。
28.2)图模型全生命周期覆盖，包含了训练数据接入-图模型训练-模型发布-生产环境数据对接-模型上线-模型监控，不仅包含了模型文件如何对接线上数据，还包含了模型后续监控，观察模型效果是否有衰减，以及衰减了重新回到开发环境重新训练等流程。
29.3)有效区分用户环境，提高效率，快速进行图模型场景落地。
30.4)图模型全生命周期覆盖，不仅包含了模型训练以及发布流程，还包含了模型后续监控以及衰减后的重新训练流程。
附图说明
31.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
32.图1为本发明实施例的一种图模型全生命周期管理方法示意图；
33.图2为本发明实施例的一种模型训练示例示意图；
34.图3为本发明实施例的一种模型发布示意图；
35.图4为本发明实施例的一种模型上线示意图。
具体实施方式
36.结合附图和实施例对本发明作进一步说明，显然，所描述的实施例仅是本发明实施例一部分实施例，而不是全部的实施例。本领域普通技术人员所获得的所有其他实施例，都应当属于本发明实施例保护的范围。
37.参见图1至图4，本发明提供了一种图模型全生命周期管理方法的实施例，该方法包括以下步骤：
38.在开发环境中搭建平台，将平台中训练得到的模型导出至管理平台；
39.管理平台根据导入的模型，将模型的预测结果用于解决业务系统的业务问题；
40.业务系统将业务数据导出至所述平台。
41.本实施例中，所述在开发环境中搭建平台，将平台中训练得到的模型导出至管理平台，包括：
42.大数据平台接收业务系统导入的离线数据；
43.在大数据平台上搭建平台；
44.在搭建的平台上，对离线数据进行数据处理，并将数据处理后的离散数据作为模型的训练样本，然后进行模型训练；
45.将训练好的模型导出至管理平台。
46.本实施例中，所述大数据平台和搭建的平台均位于开发环境中。
47.本实施例中，所述管理平台根据导入的模型，将模型的预测结果用于解决业务系统的业务问题，包括：
48.管理平台接收业务系统发送的在线业务数据并对其进行数据处理；
49.根据数据处理后的在线业务数据以及导入的模型，进行模型预测；
50.将模型预测得到的预测结果用于业务系统的业务程序中以解决业务问题。
51.本实施例中，所述管理平台和业务系统均位于生产环境中。
52.本实施例中，所述生产环境为模型上线的部分，其主要负责模型的实时预测，对接客户线上数据，以解决相关的业务问题。
53.本实施例中，所述生产环境能够不断监控模型指标，避免长时间后模型出现衰减。
54.本实施例中，若所述模型在生产环境中有衰减，将对应的模型文件放回开发环境重新训练即可。
55.本实施例中，用户环境包括开发环境和生产环境。
56.最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。


技术特征：
1.一种图模型全生命周期管理方法，其特征在于，包括以下步骤：在开发环境中搭建平台，将平台中训练得到的模型导出至管理平台；管理平台根据导入的模型，将模型的预测结果用于解决业务系统的业务问题；业务系统将业务数据导出至所述平台。2.根据权利要求1所述的方法，其特征在于，所述在开发环境中搭建平台，将平台中训练得到的模型导出至管理平台，包括：大数据平台接收业务系统导入的离线数据；在大数据平台上搭建平台；在搭建的平台上，对离线数据进行数据处理，并将数据处理后的离散数据作为模型的训练样本，然后进行模型训练；将训练好的模型导出至管理平台。3.根据权利要求2所述的方法，其特征在于，所述大数据平台和搭建的平台均位于开发环境中。4.根据权利要求1所述的方法，其特征在于，所述管理平台根据导入的模型，将模型的预测结果用于解决业务系统的业务问题，包括：管理平台接收业务系统发送的在线业务数据并对其进行数据处理；根据数据处理后的在线业务数据以及导入的模型，进行模型预测；将模型预测得到的预测结果用于业务系统的业务程序中以解决业务问题。5.根据权利要求4所述的方法，其特征在于，所述管理平台和业务系统均位于生产环境中。6.根据权利要求5所述的方法，其特征在于，所述生产环境为模型上线的部分，其主要负责模型的实时预测，对接客户线上数据，以解决相关的业务问题。7.根据权利要求6所述的方法，其特征在于，所述生产环境能够不断监控模型指标，避免长时间后模型出现衰减。8.根据权利要求7所述的方法，其特征在于，若所述模型在生产环境中有衰减，将对应的模型文件放回开发环境重新训练即可。9.根据权利要求1至8中任一项所述的方法，其特征在于，用户环境包括开发环境和生产环境。

技术总结
本发明公开了一种图模型全生命周期管理方法，该方法包括以下步骤：在开发环境中搭建平台，将平台中训练得到的模型导出至管理平台；管理平台根据导入的模型，将模型的预测结果用于解决业务系统的业务问题；业务系统将业务数据导出至所述平台。本发明有效区分用户环境，提高效率，快速进行图模型场景落地；图模型全生命周期覆盖，不仅包含了模型训练以及发布流程，还包含了模型后续监控以及衰减后的重新训练流程。训练流程。训练流程。


技术研发人员：王改朝
受保护的技术使用者：西安识庐慧图信息科技有限公司
技术研发日：2022.07.21
技术公布日：2022/10/11