1.电力人工智能模型线上调用方法,其特征在于,模型服务器存储交易合同数据,并对各个模型服务的对外接口和每个模型服务的实例接口信息进行管理,所述方法包括以下步骤:
2.如权利要求1中所述的电力人工智能模型线上调用方法,其特征在于,确定针对所述模型调用请求的最优实例接口包括:
3.如权利要求1中所述的电力人工智能模型线上调用方法,其特征在于,所述模型服务器获取用户针对目标模型每次识别结果的成效反馈信息,基于所述成效反馈信息对目标模型进行再学习,得到所述目标模型的新版本,为所述目标模型的新版本创建服务,并赋予唯一标识信息。
4.如权利要求3中所述的电力人工智能模型线上调用方法,其特征在于,所述模型服务器获取用户针对目标模型每次识别结果的成效反馈信息后,还进行反馈信息校正,具体包括:
5.如权利要求4所述的电力人工智能模型线上调用方法,其特征在于,对本次模型成效反馈信息的置信度进行评估后,还进行再评估:在成效反馈调查问卷中设定多个锚定指标,对于待评价的某次反馈信息,根据用户针对所述多个锚定指标的反馈情况,判断本次反馈信息是否可靠,若不可靠,则置信度低。
6.如权利要求1中所述的电力人工智能模型线上调用方法,其特征在于,所述客户端响应于用户的缓存请求,获取当前一段时间内用户对模型的历史调用数据和/或模型的识别效果评价;根据所述历史调用数据和/或所述模型的识别效果评价分析当前一段时间内的用户偏好模型,向模型服务器发送缓存请求,所述模型服务器响应所述请求,将所述用户偏好模型传输至本地服务器;其中,模型的识别效果评价根据所述模型对于各类缺陷的正确发现次数、错误次数和每次识别耗时得到。
7.如权利要求6中所述的电力人工智能模型线上调用方法,其特征在于,分析当前一段时间内的用户偏好模型具体包括:
8.电力人工智能模型线上调用系统,其特征在于,包括:
9.如权利要求8中所述的电力人工智能模型线上调用系统,其特征在于,所述模型服务器确定针对所述模型调用请求的最优实例接口包括:
10.如权利要求8中所述的电力人工智能模型线上调用系统,其特征在于,所述客户端接收识别结果后,还获取用户针对本次模型调用的成效反馈并发送至所述模型服务器;