(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111406169.3 (22)申请日 2021.11.24 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 童楚婕　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 代理人 沈珍珠　谷敬丽 (51)Int.Cl. G06N 20/00(2019.01) G06K 9/62(2022.01) G06F 8/41(2018.01) (54)发明名称 机器学习模型自动交付和部署的方法及装 置 (57)摘要 本发明公开了一种机器学习模型自动交付 和部署的方法及装置， 涉及人工智能技术领域， 该方法包括： 根据待构建机器学习模 型的特征数 据， 开发构建机器学习管道的源代码； 根据所述 源代码， 创建持续集成任务； 执行持续集成任务， 进行部署管道处理， 构建机器学习管道； 将机器 学习管道部署至机器学习管道对应的目标环境； 通过部署 至目标环境的机器学习管道， 根据所述 特征数据， 进行待构建机器学习模 型的构建和训 练， 得到目标机器学习模型； 将目标机器学习模 型部署至生产环境进行运行操作， 并进行性能监 控。 本发明可 实现对机器学习模 型的快速交付和 部署， 提升了机器学习模型交付和部署的效率， 可为用户提供 更好的服 务。 权利要求书3页 说明书14页 附图7页 CN 114091687 A 2022.02.25 CN 114091687 A 1.一种机器学习模型自动交付和部署的方法， 其特 征在于， 包括： 根据待构建机器学习模型的特征数据， 开发构建机器学习管道的源代码； 所述机器学 习管道用于实现所述机器学习模型的构建和训练的流 程； 根据所述源代码， 创建持续集成任务； 执行持续集成任务， 进行部署管道处理， 构建机 器学习管道； 将机器学习 管道部署至机器学习 管道对应的目标环境； 所述持续集成任务包 括： 通过持续交付工具， 持续执行上述构建机器学习 管道的步骤， 得到机器学习管道； 通过 持续部署工具， 持续将得到的机器学习管道， 部署至 机器学习管道对应的目标环境； 通过部署至目标环境的机器学习管道， 根据所述特征数据， 进行待构建机器学习模型 的构建和训练， 得到目标机器学习模型； 将目标机器学习模型部署至生产环境进行运行操作， 并进行性能监控； 在性能监控出现异常数据时， 重复执行上述步骤， 根据获取的待构建机器学习模型的 特征数据的更新数据， 得到更新后的目标机器学习模型， 直到更新后的目标机器学习模型 的性能监控不再 出现异常数据。 2.如权利要求1所述的方法， 其特征在于， 执行持续集成任务， 进行部署管道处理， 构建 机器学习管道， 包括： 执行持续集成任务， 进行部署管道 处理， 构建机器学习管道的管道 组件； 所述管道 组件 包括管道程序包， 管道可 执行文件和管道工件； 通过部署至目标环境的机器学习管道， 根据所述特征数据， 进行待构建机器学习模型 的构建和训练， 得到目标机器学习模型， 包括： 通过部署至目标环境的机器学习管道的管道组件， 根据所述特征数据， 进行待构建机 器学习模型的构建和训练， 得到目标机器学习模型。 3.如权利要求1所述的方法， 其特 征在于， 还 包括： 通过持续集成工具， 对构建机器学习管道进行测试处理； 所述测试处理包括： 测试机器 学习管道进行的机器学习模型训练是否收敛、 测试机器学习管道的每个管道组件的实现效 果是否符合预设需求、 和 测试管道组件间的集成程度是否超过 预设数值； 将机器学习管道部署至 机器学习管道对应的目标环境， 包括： 在测试处 理通过时， 将机器学习管道部署至 机器学习管道对应的目标环境。 4.如权利要求1所述的方法， 其特 征在于， 还 包括： 对目标机器学习模型进行模型注 册。 5.如权利要求1所述的方法， 其特 征在于， 还 包括： 从预设置的特征数据数据库中， 获取待构建机器学习模型的特征数据； 所述特征数据 数据库预存 储有对应不同待构建机器学习模型的特 征数据。 6.如权利要求1所述的方法， 其特 征在于， 还 包括： 为每次构建的机器学习管道， 添加版本标识； 获取机器学习管道中每个管道组件： 在进行待构建机器学习模型的构建和训练 的过程 中， 所花费的时长； 针对每一次构建的机器学习管道， 对所述版本标识和时长进行记录 。 7.如权利要求1所述的方法， 其特 征在于， 还 包括： 对部署至生产环境的目标机器学习模型 执行预测服务的过程， 进行监控；权　利　要　求　书 1/3 页 2 CN 114091687 A 2在监控到该过程中出现预设定的服务异常情况时， 重新执行上述通过持续集成工具， 创建并执行持续集成任务的步骤， 直到目标机器学习模型执行预测服务的过程不再出现所 述服务异常情况。 8.一种机器学习模型自动交付和部署的装置， 其特 征在于， 包括： 源代码开发模块， 用于根据待构建机器学习模型的特征数据， 开发构建机器学习管道 的源代码； 所述机器学习管道用于实现所述机器学习模型的构建和训练的流 程； 机器学习管道构建模块， 用于根据所述源代码， 创建持续集成任务； 执行持续集成任 务， 进行部署管道处理， 构建机器学习管道； 将机器学习管道部署至机器学习管道对应的目 标环境； 所述持续集成任务包括： 通过持续交付工具， 持续执行上述构建机器学习管道的步 骤， 得到机器学习管道； 通过持续部署工具， 持续将得到的机器学习管道， 部署至机器学习 管道对应的目标环境； 目标机器学习模型构建模块， 用于通过部署至目标环境的机器学习管道， 根据所述特 征数据， 进行待构建机器学习模型的构建和训练， 得到目标机器学习模型； 性能监控模块， 用于将目标机器学习模型部署至生产环境进行运行操作， 并进行性能 监控； 在性能监控出现异常数据时， 重复执行上述步骤， 根据获取的待构建机器学习模型的 特征数据的更新数据， 得到更新后的目标机器学习模型， 直到更新后的目标机器学习模型 的性能监控不再 出现异常数据。 9.如权利要求8所述的装置， 其特 征在于， 机器学习管道构建模块， 具体用于： 执行持续集成任务， 进行部署管道 处理， 构建机器学习管道的管道 组件； 所述管道 组件 包括管道程序包， 管道可 执行文件和管道工件； 通过部署至目标环境的机器学习管道的管道组件， 根据所述特征数据， 进行待构建机 器学习模型的构建和训练， 得到目标机器学习模型。 10.如权利要求8所述的装置， 其特 征在于， 还 包括： 测试处理模块， 用于 通过持续集成工具， 对构建机器学习管道进行测试处理； 所述测试处理包括： 测试机器 学习管道进行的机器学习模型训练是否收敛、 测试机器学习管道的每个管道组件的实现效 果是否符合预设需求、 和 测试管道组件间的集成程度是否超过 预设数值； 机器学习管道构建模块， 具体用于： 在测试处 理通过时， 将机器学习管道部署至 机器学习管道对应的目标环境。 11.如权利要求8所述的装置， 其特 征在于， 还 包括： 模型注册模块， 用于： 对目标机器学习模型进行模型注 册。 12.如权利要求8所述的装置， 其特 征在于， 还 包括： 特征数据获取模块， 用于： 从预设置的特征数据数据库中， 获取待构建机器学习模型的特征数据； 所述特征数据 数据库预存 储有对应不同待构建机器学习模型的特 征数据。 13.如权利要求8所述的装置， 其特 征在于， 还 包括： 记录模块， 用于：权　利　要　求　书 2/3 页 3 CN 114091687 A 3