模型信息分析方法、装置、电子设备及计算机存储介质与流程

技术特征：
1.一种模型信息分析方法，包括：获取目标模型；所述目标模型为当前时刻被调用的多个模型之一；确定目标输入特征与预定的待校验特征之间的依赖关系信息；所述目标输入特征为所述目标模型的多个输入特征之一；根据所述依赖关系信息，生成模型信息分析结果。2.根据权利要求1所述的方法，其中，所述确定目标输入特征与预定的待校验特征之间的依赖关系信息，包括针对每个所述待校验特征执行的下述步骤中至少之一：在所述目标输入特征的获取过程与第一待校验特征相关的情况下，确定所述依赖关系信息包括所述目标输入特征依赖所述第一待校验特征；所述第一待校验特征为所述待校验特征之一；在所述第一待校验特征获取过程与所述目标输入特征相关的情况下，确定所述依赖关系信息包括所述第一待校验特征依赖所述目标输入特征。3.根据权利要求2所述的方法，其中，所述确定目标输入特征与待校验特征之间的依赖关系信息，包括：在所述依赖关系信息中被依赖的特征的获取过程与第二待校验特征相关的情况下，确定所述依赖关系信息包括所述依赖关系信息中被依赖的特征依赖所述第二待校验特征，所述第二待校验特征为所述第一待校验特征之外的其它待校验特征。4.根据权利要求1-3中任意一项所述的方法，其中，所述根据所述依赖关系信息，生成模型信息分析结果，包括：根据所述依赖关系信息，确定与所述目标输入特征具有依赖关系的待校验特征；所述与所述目标输入特征具有依赖关系的待校验特征，包括与所有所述依赖关系信息相关的待校验特征；根据与所述目标输入特征具有依赖关系的待校验特征，生成所述模型信息分析结果。5.根据权利要求4所述的方法，还包括：根据所述模型信息分析结果，确定所述待校验特征中的冗余特征；冗余特征为不被多个模型中任意模型的输入特征依赖的待校验特征；删除所述待校验特征中的冗余特征，得到校验后的特征。6.根据权利要求5所述的方法，还包括：根据校验后的特征，生成预估样本；根据所述预估样本，训练所述目标模型。7.根据权利要求1-6中任意一项所述的方法，还包括：根据所述目标模型在部署环境中的服务地址，获取所述目标模型的配置文件；根据所述目标模型的配置文件，确定所述目标模型的所有输入特征。8.根据权利要求1-7中任意一项所述的方法，还包括：根据被调用模型的列表，确定所述多个模型；根据所述多个模型和待校验的全量模型，确定冗余模型；在所述全量模型相关的全量输入特征中，删除所述冗余模型的相关特征，得到所述待校验特征。9.一种模型信息分析装置，包括：
目标模型获取模块，用于获取目标模型；所述目标模型为当前时刻被调用的多个模型之一；依赖关系信息确定模块，用于确定目标输入特征与预定的待校验特征之间的依赖关系信息；所述目标输入特征为所述目标模型的多个输入特征之一；分析结果模块，用于根据所述依赖关系信息，生成模型信息分析结果。10.根据权利要求9所述的装置，其中，所述依赖关系信息确定模块包括：第一确定单元，用于在所述目标输入特征的获取过程与第一待校验特征相关的情况下，确定所述依赖关系信息包括所述目标输入特征依赖所述第一待校验特征；所述第一待校验特征为所述待校验特征之一；第二确定单元，用于在所述第一待校验特征获取过程与所述目标输入特征相关的情况下，确定所述依赖关系信息包括所述第一待校验特征依赖所述目标输入特征。11.根据权利要求10所述的装置，其中，所述依赖关系信息确定模块包括：第三确定单元，用于在所述依赖关系信息中被依赖的特征的获取过程与其它特征相关的情况下，确定所述依赖关系信息包括所述依赖关系信息中被依赖的特征依赖所述其它特征。12.根据权利要求9-11中任意一项所述的装置，其中，所述分析结果模块包括：第一结果单元，用于根据所述依赖关系信息，确定与所述目标输入特征具有依赖关系的待校验特征；所述与所述目标输入特征具有依赖关系的待校验特征，包括与所有所述依赖关系信息相关的待校验特征；第二结果单元，用于根据与所述目标输入特征具有依赖关系的待校验特征，生成所述模型信息分析结果。13.根据权利要求12所述的装置，还包括：冗余特征模块，用于根据所述模型信息分析结果，确定所述待校验特征中的冗余特征；冗余特征为不被多个模型中任意模型的输入特征依赖的待校验特征；校验模块，用于删除所述待校验特征中的冗余特征，得到校验后的特征。14.根据权利要求13所述的装置，还包括：预估样本模块，用于根据校验后的特征，生成预估样本；训练模块，用于根据所述预估样本，训练所述目标模型。15.根据权利要求9-14中任意一项所述的装置，还包括：配置文件获取模块，用于根据所述目标模型在部署环境中的服务地址，获取所述目标模型的配置文件；输入特征模块，用于根据所述目标模型的配置文件，确定所述目标模型的所有输入特征。16.根据权利要求9-15中任意一项所述的装置，还包括：模型获取模块，用于根据被调用模型的列表，确定所述多个模型；冗余模型模块，用于根据所述多个模型和待校验的全量模型，确定冗余模型；待校验特征获取模块，用于在所述全量模型相关的全量输入特征中，删除所述冗余模型的相关特征，得到所述待校验特征。17.一种电子设备，包括：
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。

技术总结
本公开提供了模型信息分析方法、装置、电子设备及计算机存储介质，涉及计算机技术领域，尤其涉及信息流、机器学习、深度学习等人工智能技术领域。具体实现方案为：获取目标模型；所述目标模型为当前时刻被调用的多个模型之一；确定目标输入特征与预定的待校验特征之间的依赖关系信息；所述目标输入特征为所述目标模型的多个输入特征之一；根据所述依赖关系信息，生成模型信息分析结果。本公开有助于提高模型以及模型相关数据的管理效率，有助于提高模型使用效率。模型使用效率。模型使用效率。


技术研发人员：龚柳华 魏龙 李小聪
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2022.02.18
技术公布日：2022/5/31