本申請(qǐng)公開(kāi)了一種模型設(shè)計(jì)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，涉及計(jì)算機(jī)技術(shù)領(lǐng)域，包括：獲取目標(biāo)表數(shù)據(jù)，并基于所述目標(biāo)表數(shù)據(jù)獲取對(duì)應(yīng)的數(shù)據(jù)集；利用預(yù)設(shè)整合方法對(duì)全部所述數(shù)據(jù)集進(jìn)行整合，以得到目標(biāo)數(shù)據(jù)集；基于所述目標(biāo)數(shù)據(jù)集、原始DNN網(wǎng)絡(luò)模型、原始樸素貝葉斯模型以及原始CNN網(wǎng)絡(luò)模型構(gòu)建目標(biāo)網(wǎng)絡(luò)模型，以便利用所述目標(biāo)網(wǎng)絡(luò)模型對(duì)接收到的待分析業(yè)務(wù)表進(jìn)行預(yù)測(cè)，并根據(jù)預(yù)測(cè)結(jié)果進(jìn)行預(yù)設(shè)腳本替換操作。本申請(qǐng)基于DNN網(wǎng)絡(luò)模型、樸素貝葉斯模型以及CNN網(wǎng)絡(luò)模型構(gòu)建深度學(xué)習(xí)的目標(biāo)網(wǎng)絡(luò)模型，DNN模型進(jìn)行初步預(yù)測(cè)，樸素貝葉斯模型進(jìn)行概率分析，CNN模型進(jìn)行決策，從而實(shí)現(xiàn)腳本的自動(dòng)替換，提高了運(yùn)維效率、節(jié)省了人工成本并降低了人為出錯(cuò)的風(fēng)險(xiǎn)。了人為出錯(cuò)的風(fēng)險(xiǎn)。了人為出錯(cuò)的風(fēng)險(xiǎn)。
【技術(shù)實(shí)現(xiàn)步驟摘要】
一種模型設(shè)計(jì)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
[0001]本專(zhuān)利技術(shù)涉及計(jì)算機(jī)
，特別涉及一種模型設(shè)計(jì)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。
技術(shù)介紹
[0002]隨著系統(tǒng)規(guī)模逐漸龐大和穩(wěn)定運(yùn)行，生產(chǎn)系統(tǒng)上面臨的不僅僅是系統(tǒng)層面上的問(wèn)題，更為多的是業(yè)務(wù)層面上的問(wèn)題，比如錯(cuò)誤數(shù)據(jù)、冗余數(shù)據(jù)、臟數(shù)據(jù)等。在涉及到數(shù)據(jù)上的業(yè)務(wù)問(wèn)題，往往需要運(yùn)維人員查詢后臺(tái)數(shù)據(jù)庫(kù)，根據(jù)業(yè)務(wù)表的特征字段進(jìn)行判斷所發(fā)生的情況，再進(jìn)一步出具運(yùn)維腳本。由于運(yùn)維人員有限，但隨著業(yè)務(wù)系統(tǒng)不斷完善，出現(xiàn)重復(fù)性問(wèn)題的概率大大增加，從而影響維護(hù)效率。
技術(shù)實(shí)現(xiàn)思路
[0003]有鑒于此，本專(zhuān)利技術(shù)的目的在于提供一種模型設(shè)計(jì)方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)，能夠?qū)崿F(xiàn)腳本的自動(dòng)替換，提高了運(yùn)維效率、節(jié)省人工成本、降低人為出錯(cuò)的風(fēng)險(xiǎn)。其具體方案如下：第一方面，本申請(qǐng)公開(kāi)了一種模型設(shè)計(jì)方法，包括：獲取目標(biāo)表數(shù)據(jù)，并基于所述目標(biāo)表數(shù)據(jù)獲取對(duì)應(yīng)的數(shù)據(jù)集；利用預(yù)設(shè)整合方法對(duì)全部所述數(shù)據(jù)集進(jìn)行整合，以得到目標(biāo)數(shù)據(jù)集；基于所述目標(biāo)數(shù)據(jù)集、原始DNN網(wǎng)絡(luò)模型、原始樸素貝葉斯模型以及原始CNN網(wǎng)絡(luò)模型構(gòu)建目標(biāo)網(wǎng)絡(luò)模型，以便利用所述目標(biāo)網(wǎng)絡(luò)模型對(duì)接收到的待分析業(yè)務(wù)表進(jìn)行預(yù)測(cè)，并根據(jù)預(yù)測(cè)結(jié)果進(jìn)行預(yù)設(shè)腳本替換操作。
[0004]可選的，所述獲取目標(biāo)表數(shù)據(jù)，并基于所述目標(biāo)表數(shù)據(jù)獲取對(duì)應(yīng)的數(shù)據(jù)集，包括：獲取目標(biāo)業(yè)務(wù)表對(duì)應(yīng)的目標(biāo)表數(shù)據(jù)，并基于所述目標(biāo)表數(shù)據(jù)的特征字段數(shù)據(jù)進(jìn)行造數(shù)，以得到與所述特征字段數(shù)據(jù)對(duì)應(yīng)的所屬情況下的數(shù)據(jù)集。
[0005]可選的，所述利用預(yù)設(shè)整合方法對(duì)全部所述數(shù)據(jù)集進(jìn)行整合，以得到目標(biāo)數(shù)據(jù)集，包括：抽取全部所述數(shù)據(jù)集的所述特征字段數(shù)據(jù)，以得到當(dāng)前數(shù)組；對(duì)所述當(dāng)前數(shù)組執(zhí)行預(yù)設(shè)歸一化處理操作，以得到歸一化數(shù)組；對(duì)所述歸一化數(shù)組中的數(shù)據(jù)執(zhí)行預(yù)設(shè)打標(biāo)簽操作，以得到目標(biāo)數(shù)組，并基于所述目標(biāo)數(shù)組獲取所述目標(biāo)數(shù)據(jù)集；其中，所述目標(biāo)數(shù)據(jù)集包含訓(xùn)練數(shù)據(jù)、驗(yàn)證數(shù)據(jù)以及測(cè)試數(shù)據(jù)。
[0006]可選的，所述基于所述目標(biāo)數(shù)據(jù)集、原始DNN網(wǎng)絡(luò)模型、原始樸素貝葉斯模型以及原始CNN網(wǎng)絡(luò)模型構(gòu)建目標(biāo)網(wǎng)絡(luò)模型，包括：基于所述目標(biāo)數(shù)據(jù)集以及所述原始DNN網(wǎng)絡(luò)模型獲取訓(xùn)練后DNN網(wǎng)絡(luò)模型；獲取所述訓(xùn)練后DNN網(wǎng)絡(luò)模型對(duì)應(yīng)的第一輸出數(shù)據(jù)，并基于所述第一輸出數(shù)據(jù)以及所述原始樸素貝葉斯模型獲取訓(xùn)練后樸素貝葉斯模型；
獲取所述訓(xùn)練后樸素貝葉斯模型對(duì)應(yīng)的第二輸出數(shù)據(jù)，并基于原始CNN網(wǎng)絡(luò)模型、所述目標(biāo)數(shù)據(jù)集、所述第一輸出數(shù)據(jù)以及所述第二輸出數(shù)據(jù)獲取訓(xùn)練后CNN網(wǎng)絡(luò)模型；基于所述訓(xùn)練后DNN網(wǎng)絡(luò)模型、所述訓(xùn)練后樸素貝葉斯模型以及所述訓(xùn)練后CNN網(wǎng)絡(luò)模型構(gòu)建所述目標(biāo)網(wǎng)絡(luò)模型。
[0007]可選的，所述基于所述目標(biāo)數(shù)據(jù)集以及所述原始DNN網(wǎng)絡(luò)模型獲取訓(xùn)練后DNN網(wǎng)絡(luò)模型，包括：基于所述目標(biāo)數(shù)據(jù)集中的所述訓(xùn)練數(shù)據(jù)與所述驗(yàn)證數(shù)據(jù)確定DNN模型參數(shù)；基于所述DNN模型參數(shù)以及所述原始DNN網(wǎng)絡(luò)模型生成當(dāng)前DNN網(wǎng)絡(luò)模型；通過(guò)第一預(yù)設(shè)損失函數(shù)與第一預(yù)設(shè)準(zhǔn)確率計(jì)算公式調(diào)整所述當(dāng)前DNN網(wǎng)絡(luò)模型中的所述DNN模型參數(shù)，以得到滿足當(dāng)前需求的DNN模型最終參數(shù)；基于所述DNN模型最終參數(shù)與所述當(dāng)前DNN網(wǎng)絡(luò)模型獲取所述訓(xùn)練后DNN網(wǎng)絡(luò)模型。
[0008]可選的，所述基于所述第一輸出數(shù)據(jù)以及所述原始樸素貝葉斯模型獲取訓(xùn)練后樸素貝葉斯模型，包括：設(shè)置先驗(yàn)概率，并基于所述先驗(yàn)概率確定當(dāng)前后驗(yàn)概率；利用所述第一輸出數(shù)據(jù)更新所述當(dāng)前后驗(yàn)概率，以得到目標(biāo)后驗(yàn)概率；基于所述目標(biāo)后驗(yàn)概率以及所述原始樸素貝葉斯模型獲取所述訓(xùn)練后樸素貝葉斯模型。
[0009]可選的，所述基于原始CNN網(wǎng)絡(luò)模型、所述目標(biāo)數(shù)據(jù)集、所述第一輸出數(shù)據(jù)以及所述第二輸出數(shù)據(jù)獲取訓(xùn)練后CNN網(wǎng)絡(luò)模型，包括：將所述目標(biāo)數(shù)據(jù)集、所述第一輸出數(shù)據(jù)以及所述第二輸出數(shù)據(jù)輸入至所述原始CNN網(wǎng)絡(luò)模型中執(zhí)行預(yù)設(shè)訓(xùn)練方式，以得到當(dāng)前輸出值；獲取第二預(yù)設(shè)損失函數(shù)與第二預(yù)設(shè)準(zhǔn)確率計(jì)算公式，以便基于所述當(dāng)前輸出值、所述第二預(yù)設(shè)損失函數(shù)與所述第二預(yù)設(shè)準(zhǔn)確率計(jì)算公式調(diào)整所述原始CNN網(wǎng)絡(luò)模型中的預(yù)設(shè)CNN參數(shù)，以得到目標(biāo)CNN參數(shù)；基于所述目標(biāo)CNN參數(shù)以及所述原始CNN網(wǎng)絡(luò)模型獲取所述訓(xùn)練后CNN網(wǎng)絡(luò)模型；相應(yīng)的，所述基于所述目標(biāo)數(shù)據(jù)集、原始DNN網(wǎng)絡(luò)模型、原始樸素貝葉斯模型以及原始CNN網(wǎng)絡(luò)模型構(gòu)建目標(biāo)網(wǎng)絡(luò)模型，以便利用所述目標(biāo)網(wǎng)絡(luò)模型對(duì)接收到的待分析業(yè)務(wù)表進(jìn)行預(yù)測(cè)，并根據(jù)預(yù)測(cè)結(jié)果進(jìn)行預(yù)設(shè)腳本替換操作，包括：基于所述目標(biāo)數(shù)據(jù)集、所述訓(xùn)練后DNN網(wǎng)絡(luò)模型、所述訓(xùn)練后樸素貝葉斯模型以及所述訓(xùn)練后CNN網(wǎng)絡(luò)模型構(gòu)建所述目標(biāo)網(wǎng)絡(luò)模型，以便對(duì)接收到的所述待分析業(yè)務(wù)表進(jìn)行預(yù)測(cè)，并根據(jù)所述預(yù)測(cè)結(jié)果自動(dòng)獲取對(duì)應(yīng)的目標(biāo)腳本，通過(guò)預(yù)設(shè)腳本替換方法將當(dāng)前腳本替換為目標(biāo)腳本。
[0010]第二方面，本申請(qǐng)公開(kāi)了一種模型設(shè)計(jì)裝置，包括：第一數(shù)據(jù)集獲取模塊，用于獲取目標(biāo)表數(shù)據(jù)，并基于所述目標(biāo)表數(shù)據(jù)獲取對(duì)應(yīng)的數(shù)據(jù)集；第二數(shù)據(jù)集獲取模塊，用于利用預(yù)設(shè)整合方法對(duì)全部所述數(shù)據(jù)集進(jìn)行整合，以得到目標(biāo)數(shù)據(jù)集；模型構(gòu)建模塊，用于基于所述目標(biāo)數(shù)據(jù)集、原始DNN網(wǎng)絡(luò)模型、原始樸素貝葉斯模
型以及原始CNN網(wǎng)絡(luò)模型構(gòu)建目標(biāo)網(wǎng)絡(luò)模型，以便利用所述目標(biāo)網(wǎng)絡(luò)模型對(duì)接收到的待分析業(yè)務(wù)表進(jìn)行預(yù)測(cè)，并根據(jù)預(yù)測(cè)結(jié)果進(jìn)行預(yù)設(shè)腳本替換操作。
[0011]第三方面，本申請(qǐng)公開(kāi)了一種電子設(shè)備，包括：存儲(chǔ)器，用于保存計(jì)算機(jī)程序；處理器，用于執(zhí)行所述計(jì)算機(jī)程序，以實(shí)現(xiàn)如前述公開(kāi)的模型設(shè)計(jì)方法的步驟。
[0012]第四方面，本申請(qǐng)公開(kāi)了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，用于存儲(chǔ)計(jì)算機(jī)程序；其中，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如前述公開(kāi)的模型設(shè)計(jì)方法。
[0013]可見(jiàn)，本申請(qǐng)?zhí)峁┝艘环N模型設(shè)計(jì)方法，包括：獲取目標(biāo)表數(shù)據(jù)，并基于所述目標(biāo)表數(shù)據(jù)獲取對(duì)應(yīng)的數(shù)據(jù)集；利用預(yù)設(shè)整合方法對(duì)全部所述數(shù)據(jù)集進(jìn)行整合，以得到目標(biāo)數(shù)據(jù)集；基于所述目標(biāo)數(shù)據(jù)集、原始DNN網(wǎng)絡(luò)模型、原始樸素貝葉斯模型以及原始CNN網(wǎng)絡(luò)模型構(gòu)建目標(biāo)網(wǎng)絡(luò)模型，以便利用所述目標(biāo)網(wǎng)絡(luò)模型對(duì)接收到的待分析業(yè)務(wù)表進(jìn)行預(yù)測(cè)，并根據(jù)預(yù)測(cè)結(jié)果進(jìn)行預(yù)設(shè)腳本替換操作。由此可見(jiàn)，本申請(qǐng)基于DNN網(wǎng)絡(luò)模型、樸素貝葉斯模型以及CNN網(wǎng)絡(luò)模型構(gòu)建深度學(xué)習(xí)的目標(biāo)網(wǎng)絡(luò)模型，通過(guò)DNN模型進(jìn)行初步預(yù)測(cè)業(yè)務(wù)情況，樸素貝葉斯模型對(duì)DNN模型的結(jié)果進(jìn)行概率分析，CNN模型根據(jù)目標(biāo)數(shù)據(jù)集、DNN模型輸出結(jié)果與樸素貝葉斯輸出結(jié)果進(jìn)行決策，分析輸出最后的預(yù)測(cè)結(jié)果，從而根據(jù)預(yù)測(cè)結(jié)果實(shí)現(xiàn)腳本的自動(dòng)替換，通過(guò)組合多個(gè)模型增加了擬合性與準(zhǔn)確性；通過(guò)優(yōu)化模型中的算法縮短了訓(xùn)練時(shí)間；提高了運(yùn)維效率、節(jié)省人工成本、降低人為出錯(cuò)的風(fēng)險(xiǎn)。
附圖說(shuō)明
[0014]為了更清楚地說(shuō)明本專(zhuān)利技術(shù)實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本專(zhuān)利技術(shù)的實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。
[0015]圖1為本申請(qǐng)公開(kāi)的一種模型設(shè)計(jì)方法流程圖；圖2為本申請(qǐng)公開(kāi)的一種具體的模型設(shè)計(jì)方法流程圖；圖3為本申本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
【技術(shù)特征摘要】
1.一種模型設(shè)計(jì)方法，其特征在于，包括：獲取目標(biāo)表數(shù)據(jù)，并基于所述目標(biāo)表數(shù)據(jù)獲取對(duì)應(yīng)的數(shù)據(jù)集；利用預(yù)設(shè)整合方法對(duì)全部所述數(shù)據(jù)集進(jìn)行整合，以得到目標(biāo)數(shù)據(jù)集；基于所述目標(biāo)數(shù)據(jù)集、原始DNN網(wǎng)絡(luò)模型、原始樸素貝葉斯模型以及原始CNN網(wǎng)絡(luò)模型構(gòu)建目標(biāo)網(wǎng)絡(luò)模型，以便利用所述目標(biāo)網(wǎng)絡(luò)模型對(duì)接收到的待分析業(yè)務(wù)表進(jìn)行預(yù)測(cè)，并根據(jù)預(yù)測(cè)結(jié)果進(jìn)行預(yù)設(shè)腳本替換操作。2.根據(jù)權(quán)利要求1所述的模型設(shè)計(jì)方法，其特征在于，所述獲取目標(biāo)表數(shù)據(jù)，并基于所述目標(biāo)表數(shù)據(jù)獲取對(duì)應(yīng)的數(shù)據(jù)集，包括：獲取目標(biāo)業(yè)務(wù)表對(duì)應(yīng)的目標(biāo)表數(shù)據(jù)，并基于所述目標(biāo)表數(shù)據(jù)的特征字段數(shù)據(jù)進(jìn)行造數(shù)，以得到與所述特征字段數(shù)據(jù)對(duì)應(yīng)的所屬情況下的數(shù)據(jù)集。3.根據(jù)權(quán)利要求2所述的模型設(shè)計(jì)方法，其特征在于，所述利用預(yù)設(shè)整合方法對(duì)全部所述數(shù)據(jù)集進(jìn)行整合，以得到目標(biāo)數(shù)據(jù)集，包括：抽取全部所述數(shù)據(jù)集的所述特征字段數(shù)據(jù)，以得到當(dāng)前數(shù)組；對(duì)所述當(dāng)前數(shù)組執(zhí)行預(yù)設(shè)歸一化處理操作，以得到歸一化數(shù)組；對(duì)所述歸一化數(shù)組中的數(shù)據(jù)執(zhí)行預(yù)設(shè)打標(biāo)簽操作，以得到目標(biāo)數(shù)組，并基于所述目標(biāo)數(shù)組獲取所述目標(biāo)數(shù)據(jù)集；其中，所述目標(biāo)數(shù)據(jù)集包含訓(xùn)練數(shù)據(jù)、驗(yàn)證數(shù)據(jù)以及測(cè)試數(shù)據(jù)。4.根據(jù)權(quán)利要求3所述的模型設(shè)計(jì)方法，其特征在于，所述基于所述目標(biāo)數(shù)據(jù)集、原始DNN網(wǎng)絡(luò)模型、原始樸素貝葉斯模型以及原始CNN網(wǎng)絡(luò)模型構(gòu)建目標(biāo)網(wǎng)絡(luò)模型，包括：基于所述目標(biāo)數(shù)據(jù)集以及所述原始DNN網(wǎng)絡(luò)模型獲取訓(xùn)練后DNN網(wǎng)絡(luò)模型；獲取所述訓(xùn)練后DNN網(wǎng)絡(luò)模型對(duì)應(yīng)的第一輸出數(shù)據(jù)，并基于所述第一輸出數(shù)據(jù)以及所述原始樸素貝葉斯模型獲取訓(xùn)練后樸素貝葉斯模型；獲取所述訓(xùn)練后樸素貝葉斯模型對(duì)應(yīng)的第二輸出數(shù)據(jù)，并基于原始CNN網(wǎng)絡(luò)模型、所述目標(biāo)數(shù)據(jù)集、所述第一輸出數(shù)據(jù)以及所述第二輸出數(shù)據(jù)獲取訓(xùn)練后CNN網(wǎng)絡(luò)模型；基于所述訓(xùn)練后DNN網(wǎng)絡(luò)模型、所述訓(xùn)練后樸素貝葉斯模型以及所述訓(xùn)練后CNN網(wǎng)絡(luò)模型構(gòu)建所述目標(biāo)網(wǎng)絡(luò)模型。5.根據(jù)權(quán)利要求4所述的模型設(shè)計(jì)方法，其特征在于，所述基于所述目標(biāo)數(shù)據(jù)集以及所述原始DNN網(wǎng)絡(luò)模型獲取訓(xùn)練后DNN網(wǎng)絡(luò)模型，包括：基于所述目標(biāo)數(shù)據(jù)集中的所述訓(xùn)練數(shù)據(jù)與所述驗(yàn)證數(shù)據(jù)確定DNN模型參數(shù)；基于所述DNN模型參數(shù)以及所述原始DNN網(wǎng)絡(luò)模型生成當(dāng)前DNN網(wǎng)絡(luò)模型；通過(guò)第一預(yù)設(shè)損失函數(shù)與第一預(yù)設(shè)準(zhǔn)確率計(jì)算公式調(diào)整所述當(dāng)前DNN網(wǎng)絡(luò)模型中的所述DNN模型參數(shù)，以得到滿足當(dāng)前需求的DNN模型最終參數(shù)；基于所述DNN模型最終參數(shù)與所述當(dāng)前DNN網(wǎng)絡(luò)模型獲取所述訓(xùn)練后DNN網(wǎng)絡(luò)模型。6...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：高慶，沈彬劍，陳文浩，張旭立，王偉，岑浩銘，
申請(qǐng)(專(zhuān)利權(quán))人：稅友信息技術(shù)有限公司，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。