一种学习圈生成方法、装置、电子设备和存储介质与流程

1.本公开涉及人工智能技术领域，尤其涉及一种学习圈生成方法、装置、电子设备和存储介质。


背景技术：

2.机器学习在众多领域应用广泛，但是机器学习属于比较专业的领域，从构建模型到生成模型的流程比较复杂，目前，对机器学习领域了解有限的用户多是通过机器学习产品来进行机器学习。但是，机器学习产品涉及到的每一步均需要用户手动操作来进行，且需要用户进行操作的次数也比较多，操作繁杂，方法不灵活，导致机器学习模型的生成速度也比较慢，会耗费用户大量的时间。


技术实现要素：

3.为了解决上述技术问题，本公开提供了一种学习圈生成方法、装置、电子设备和存储介质，能够根据输入信息自动生成学习圈，操作简便，便于实施，且生成学习圈的速度也比较快。
4.第一方面，本公开实施例提供了一种学习圈生成方法，包括：
5.获取学习圈名称、场景名称和场景相关数据的地址信息；
6.调用第一功能服务读取地址信息对应的场景相关数据；
7.根据场景相关数据和场景名称构建目标场景；
8.根据目标场景和学习圈名称生成学习圈，学习圈用于提供针对目标场景的机器学习的步骤。
9.可选的，根据场景相关数据和场景名称构建目标场景，包括：
10.根据场景名称和场景数据结构，生成目标场景；
11.将场景相关数据导入目标场景中。
12.可选的，根据场景名称和场景数据结构，生成目标场景，包括：
13.将场景名称和场景数据结构配置到目标文件中；
14.调用第二功能服务基于目标文件构建场景；
15.获取场景的状态，若场景的状态为创建成功状态，则生成目标场景。
16.可选的，根据目标场景和学习圈名称生成学习圈，包括：
17.根据学习圈名称和目标场景的标识，构建学习圈；
18.将目标场景中的场景相关数据导入学习圈，并获取场景相关数据的导入状态；
19.若根据导入状态确定场景相关数据导入成功，则生成学习圈。
20.可选的，若根据导入状态确定场景相关数据导入成功，则生成学习圈，包括：
21.若导入状态为正常状态，且导入学习圈的数据的行数和场景相关数据的行数相同，则确定场景相关数据导入成功，并生成学习圈。
22.可选的，方法还包括：
23.调用第三功能服务启动学习圈，并获取学习圈的状态；
24.若学习圈的状态为学习状态，则生成学习圈对应的至少一个学习方案。
25.可选的，方法还包括：
26.在预设时间内轮询获取学习方案的生成状态，若生成状态为成功状态，则根据学习方案的标识和学习圈的标识将学习圈上线；
27.若学习圈的上线状态为成功上线状态，且针对学习圈的前一次操作为上线操作，则确定学习圈上线成功。
28.第二方面，本公开实施例提供了一种学习圈生成装置，包括：
29.获取单元，用于获取学习圈名称、场景名称和场景相关数据的地址信息；
30.调用单元，用于调用第一功能服务读取地址信息对应的场景相关数据；
31.构建单元，用于根据场景相关数据和场景名称构建目标场景；
32.生成单元，用于根据目标场景和学习圈名称生成学习圈，学习圈用于提供针对目标场景的机器学习的步骤。
33.第三方面，本公开实施例提供了一种电子设备，包括：
34.存储器；
35.处理器；以及
36.计算机程序；
37.其中，计算机程序存储在存储器中，并被配置为由处理器执行以实现如上述的学习圈生成方法。
38.第四方面，本公开实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述的学习圈生成方法的步骤。
39.本公开涉及一种学习圈生成方法，包括：获取学习圈名称、场景名称和场景相关数据的地址信息，调用第一功能服务读取地址信息对应的场景相关数据，随后根据场景相关数据和场景名称构建目标场景，根据目标场景和学习圈名称生成学习圈，学习圈用于提供针对目标场景的机器学习的步骤。本公开提供的方法能够根据输入信息自动生成学习圈，操作简便，便于实施，且生成学习圈的速度也比较快，生成学习圈的耗时也比较少。
附图说明
40.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
41.为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
42.图1为本公开实施例提供的一种学习圈生成方法的流程示意图；
43.图2为本公开实施例提供的一种学习圈生成方法的流程示意图；
44.图3为本公开实施例提供的一种学习圈生成方法的流程示意图；
45.图4为本公开实施例提供的一种学习圈生成方法的流程示意图；
46.图5为本公开实施例提供的一种学习圈生成装置的结构示意图；
47.图6为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
48.为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
49.在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
50.具体的，机器学习产品可以是人工智能ai开发工具，用户可以利用该人工能智能产品构建机器学习模型，还可以将根据用户需求构建的机器学习模型部署上线，以便于用户直接应用该模型。但是，使用机器学习产品创建并上线一个默认参数的机器学习模型，还需要用户针对机器学习产品进行多次操作，其中，机器学习模型也可以称为学习圈，例如进行54次操作才能将默认配置的学习圈上线，操作繁琐，且每次操作都存在等待时间，例如在生成学习方案时耗时比较长，用户若想要及时将学习圈上线，必须要不停的去机器学习产品中查看学习方案的生成状态，才能继续进行后续操作，使得用户无法脱离产品，浪费了大量时间，若机器学习产品的相关界面长时间处于显示状态，且用户未触发界面中的其他操作，该种情况下也会对配置机器学习产品的终端的性能造成很大的消耗。
51.针对上述技术问题，本公开实施例提供了一种学习圈生成方法，通过下述一个或多个实施例进行详细说明。
52.图1为本公开实施例提供的一种学习圈生成方法的流程示意图，具体包括如图1所示的如下步骤s110至s140：
53.可理解的，服务器或者终端均可以实现学习圈生成方法。下面以服务器生成学习圈为例，对本公开提供的学习圈生成方法进行详细说明。终端实现学习圈生成方法同服务器，在此不作赘述。
54.s110、获取学习圈名称、场景名称和场景相关数据的地址信息。
55.可理解的，服务器上部署多个功能服务，功能服务可以理解为实现不同功能的服务，例如检测服务、获取服务或者构建服务等。服务器获取参数信息，参数信息可以理解为用户的输入信息，参数信息具体包括名称信息和地址信息，名称信息包括场景名称和学习圈名称，场景名称可以记为scene_name，学习圈名称可以记为cycle_name，地址信息是场景相关数据的地址信息，场景相关数据的地址信息包括反馈表数据地址、行为表数据地址和辅助表数据地址，具体的可以是分布式文件(hadoop distributed file system)的地址，也就是场景的相关数据以分布式文件的形式存储，例如反馈表数据地址记为fb_hdfs，行为表数据地址记为flatten_hdfs，辅助表数据地址记为bo_hdfs，其中，行为表数据是指由多个历史行为数据组成的行为表，反馈表数据是指行为表数据中某一行为数据产生的结果，也就是历史行为数据的反馈数据，辅助表数据是指学习圈生成中涉及到的相关数据。可理解的是，本公开实施例提供的学习圈生成方法，只需要输入参数信息，服务器就能够根据参数信息，按照学习圈生成方法自动生成学习圈，不需要在机器学习产品的可视化界面上进行操作即可自动生成学习圈，服务器能够自动调用至少一个相关的后端服务自动创建学习圈，脱离机器学习产品的操控界面，不需进行大量繁琐操作，降低复杂度，也能够进一步降低时间成本。
56.s120、调用第一功能服务读取地址信息对应的场景相关数据。
57.可理解的，在上述s110的基础上，服务器获取到用户输入的参数信息后，调用第一功能服务根据地址信息获取场景相关数据，也就是根据上述反馈表数据地址、行为表数据地址和辅助表数据地址，获取反馈表数据、行为表数据和辅助表数据。其中，服务器上可以直接集成多个功能服务，也可以将多个功能服务整合成一个系统在服务器上运行，第一功能服务为自行设定的、具有根据地址读取数据功能的服务，具体的，第一功能服务可以根据地址将数据下载至服务器的存储空间，或者直接读取数据到服务器的运行内存中，便于后续将读取的数据导入场景和学习圈中。
58.s130、根据场景相关数据和场景名称构建目标场景。
59.可理解的，在上述s120的基础上，获取到场景名称和场景相关数据后，根据场景相关数据和场景名称构建目标场景，场景是指学习圈的应用场景，也是构建学习圈的前提。例如场景名称为反诈骗场景，那么构建的目标场景可以是反诈骗场景，地址信息对应的场景相关数据也是反诈骗相关的数据，以及后续构建的学习圈也适用于反诈骗场景，也就是自动生成具有反诈骗能力的学习圈(机器学习模型)，该学习圈在应用上能够自动判断输入的信息是否是诈骗信息，并输出判定结果。
60.可选的，上述s130中根据场景相关数据和场景名称构建目标场景，具体包括：根据场景名称和场景数据结构，生成目标场景；将场景相关数据导入目标场景中。
61.可理解的，构建目标场景的具体方法包括：根据场景名称和场景数据结构，生成目标场景，场景名称也就是上述反诈骗场景，场景数据结构为预先设置的基本数据结构，可以和上述参数信息同时获取。生成的目标场景中包括上述行为表、反馈表以及辅助表的存储位置，将获取到的场景相关数据分别引入目标场景中设定的各数据表的存储位置处，完成目标场景的创建，也就是将行为表数据存储在目标场景中设定的行为表的存储位置处，将反馈表数据存储在目标场景中设定的反馈表的存储位置处，将辅助表数据存储在目标场景中设定的辅助表的存储位置处，便于后续基于目标场景中各存储位置处的数据对学习圈进行训练，生成机器学习模型。将场景相关数据引入目标场景后，可以认为目标场景处于可以应用的状态，随后可以自动执行生成学习圈的操作。
62.可选的，上述根据场景名称和场景数据结构，生成目标场景，具体包括：将名场景名称和场景数据结构配置到目标文件中；调用第二功能服务基于目标文件构建场景；获取场景的状态，若场景的状态为创建成功状态，则生成目标场景。
63.可理解的，上述根据场景名称和场景数据结构，生成目标场景，具体包括：将场景名称和场景数据结构(记为schema)配置到目标文件中，目标文件可以是预先设置的文件，也就是预先确定将场景名称和场景数据结构配置到哪个文件中，以便于后续第二功能服务自动调用该目标文件来构建场景，目标文件可以是json文件。随后服务器调用第二功能服务根据目标文件构建场景，第二功能服务可以是具有构建功能的服务，在此不作限定，第二功能服务创建场景成功后会返回场景数据，根据场景数据可以获取场景的标识。在场景构建的过程中，调用场景状态检测服务轮询获取场景的状态，轮询可以理解为预设时间后主动获取场景的状态，例如过1分钟就获取场景的创建状态，当获取到的状态为创建成功状态时，则表示目标场景创建成功，创建成功状态可以记为created，通过轮询的方法可以实时检测场景的创建状态，避免出现场景创建成功后长时间没有其他操作的情况，减少资源的
浪费。
64.s140、根据目标场景和学习圈名称生成学习圈，学习圈用于提供针对目标场景的机器学习的步骤。
65.可理解的，在上述s130的基础上，根据创建状态确定目标场景创建成功后，自动执行生成学习圈的操作，能够最大限度的减少生成学习圈的耗时。具体的，可以根据目标场景的标识和学习圈名称，调用后端配置学习圈基本信息服务来生成学习圈，配置学习圈基本信息服务能够根据输入信息自动生成学习圈，配置学习圈基本信息服务生成学习圈后会返回学习圈数据，可以根据学习圈数据获取学习圈的标识。可理解的是，若用户创建的学习圈需要修改参数，或者不使用学习圈的默认配置参数时，也可以根据应用需求自行确定学习圈的配置参数，学习圈配置参数可以在用户输入的参数信息中获取。具体的，若需要修改学习圈的配置参数，可以调用参数配置服务获取学习圈当前的默认配置，对默认配置进行修改，并将修改后的配置返回至学习圈相关服务中对上述生成的学习圈进行配置，例如可以修改学习圈的字段，修改学习数据范围(learningdataamountindays)和/或评估数据范围(evaluationdataamountindays)等参数配置，字段的值可以根据用户需求自定设定，该种情况下，上述用户的输入信息还包括配置参数信息，配置参数信息中包括字段的值。
66.可理解的，还可以为学习圈配置高级参数，具体的，调用高级运维服务获取学习圈的所有配置参数信息以及对应参数标识，对配置参数信息进行修改，并将修改的参数的标识以及修改后的数据返回，完成学习圈的高级参数配置，例如将参数skip_simple_explore的值修改为true，将参数skip_simple_explore的标识以及值true返回。
67.本公开实施例提供的一种学习圈生成方法，通过获取学习圈名称、场景名称和场景相关数据的地址信息，调用预先设计的第一功能服务基于地址信息，获取地址信息处的场景相关数据，随后根据场景相关数据和名称信息中的场景名称构建目标场景，根据构建完成且可以应用的目标场景和名称信息中的学习圈名称生成学习圈，学习圈用于提供机器学习的相关步骤，例如机器学习的相关步骤包括收集训练数据集、训练模型和应用模型等。本公开提供的方法能够根据输入的参数信息自动生成学习圈，不需要用户进行多次重复的触发操作，操作简便，便于实施，还能够减少长时间未操作造成的性能损耗，且生成学习圈的速度也比较快，进一步减少了生成学习圈的耗时。
68.图2为本公开实施例提供的一种学习圈生成方法的流程示意图，可选的，目标场景构建完成且可以应用后，根据目标场景和学习圈名称生成学习圈，具体包括如图2所示的如下步骤s210至s230：
69.s210、根据学习圈名称和目标场景的标识，构建学习圈。
70.可理解的，目标场景构建完成且将场景的相关数据导入成功后，也就是确定目标场景处于可应用状态后，将学习圈的名称和上述目标场景的标识作为后端配置学习圈基本信息服务的输入参数，生成学习圈，配置学习圈基本信息服务生成学习圈后会返回学习圈数据，可以根据学习圈数据获取学习圈的标识，便于后续将学习圈上线。
71.s220、将目标场景中的场景相关数据导入学习圈，并获取场景相关数据的导入状态。
72.可理解的，在上述s210的基础上，将目标场景中设定位置处的场景相关数据导入学习圈中，也就是将上述反馈表数据、行为表数据和辅助表数据分别导入构建完成的学习
圈中，用以对学习圈进行训练。在将场景相关数据导入学习圈的过程中，调用数据检测服务获取场景相关数据导入学习圈的导入状态，导入状态可以是正在导入、导入正常或者导入失败等。
73.s230、若根据导入状态确定场景相关数据导入成功，则生成学习圈。
74.可理解的，在上述s220的基础上，获取场景相关数据的导入状态后，识别导入状态并确定导入状态是否是导入正常，若导入状态是导入正常则说明场景相关数据导入成功，也就是学习圈的训练数据已经准备完善，学习圈可以启动，也就是可以执行学习圈的训练操作。
75.可选的，上述s230中若根据导入状态确定场景相关数据导入成功，则生成学习圈，具体包括：若导入状态为正常状态，且导入学习圈的数据的行数和场景相关数据的行数相同，则确定场景相关数据导入成功，并生成学习圈。
76.可理解的，上述根据导入状态确定场景相关数据是否导入成功，可以通过下述方法进行判断：获取到场景相关数据的导入状态后，识别并确定场景相关数据的导入状态是否是正常状态，正常状态是指场景相关数据的导入过程或者导入的数据流是否是正常的，场景相关数据包括反馈表数据、行为表数据和辅助表数据，3个数据表中均包括多行数据，也就是判断3个数据表中包括的每行数据的导入状态是否是正常的，若3个数据表包括的多行数据中任一行数据的导入状态是导入失败，则可以确定场景相关数据导入失败。可理解的是，获取的导入状态为3个数据表包括的多行数据中每行数据的导入状态，根据已经获取的导入状态的数量，统计已经导入到学习圈的数据的总行数，若已经导入学习圈的数据得到总行数和场景相关数据中3个数据表包括的数据的行数相同，且每行数据的导入状态都是正常的，则说明场景相关数据导入成功，学习圈可以启动，例如，场景相关数据中3个数据表共包括100行数据，根据导入状态确定导入数据的总行数为100，且每行数据的导入状态都是正常状态，则可以直接确定场景相关数据导入成功，可以启动学习圈，生成学习方案，能够更加准确的获取3个数据表的导入状态，便于后续自动启动学习圈，进一步缩短学习圈的上线时间。
77.本公开实施例提供的一种学习圈生成方法，根据学习圈名称和目标场景的标识，构建学习圈，将目标场景中的场景相关数据导入学习圈，并获取场景相关数据的导入状态，若根据导入状态确定场景相关数据导入成功，则生成学习圈。本公开提供的方法，在构建完目标场景后，能够自动开始根据学习圈名称和目标场景的标识来构建学习圈，进一步减少耗时，在将目标场景中的场景相关数据导入学习圈的过程中，还能够实时检测导入状态，方法更加的灵活。
78.图3为本公开实施例提供的一种学习圈生成方法的流程示意图，可选的，学习圈生成方法还包括如图3所示的如下步骤s310至s320：
79.s310、调用第三功能服务启动学习圈，并获取学习圈的状态。
80.可理解的，学习圈生成后，调用第三功能服务启动学习圈，并对学习圈的启动状态进行轮询，随后可以对每次轮询获取的学习圈的状态进行检测，以确定当前学习圈的启动情况，其中，第三功能服务可以是启动服务，具有启动学习圈的功能。
81.s320、若学习圈的状态为学习状态，则生成学习圈对应的至少一个学习方案。
82.可理解的，在上述s310的基础上，获取到学习圈的当前启动状态后，识别并确定学
习圈的当前启动状态是否是学习状态，若是，则说明学习圈启动成功，学习状态可以理解为学习中，记为learning。学习圈启动成功后会不断的进行多轮训练，每轮训练都会生成对应的学习方案，学习方案可以理解为学习圈的训练结果，也可以理解为生成的机器学习模型。
83.可选的，方法还包括：在预设时间内轮询获取学习方案的生成状态，若生成状态为成功状态，则根据学习方案的标识和学习圈的标识将学习圈上线；若学习圈的上线状态为成功上线状态，且针对学习圈的前一次操作为上线操作，则确定学习圈上线成功。
84.可理解的，在生成学习方案的过程中，在预设时间内轮询获取学习方案的生成状态，学习方案的生成时间比较长，需要大概1小时的时间，因此可以每隔10分钟获取一次学习方案的生成状态，以便于及时确定学习方案的生成情况，进行后续学习圈上线操作，能够有效避免因学习方案生成后长时间未操作所造成的资源浪费问题。若轮询获取的生成状态为成功状态，则说明学习方案生成成功，成功状态可以记为succeeded。随后可以根据目标场景的标识和学习圈的标识将学习圈上线。可理解的是，要完成学习圈上线需要进行审批、配置和检测等操作，具体的，确定上述生成的多个学习方案中最优的学习方案，最优的学习方案可以是学习效果最好的方案，调用审批服务基于最优的学习方案的标识和学习圈的标识完成审批上线的操作。审批完成后，调用上线配置服务获取该学习圈的上线配置，可以通过字符串替换的方式，将需要配置的上线相关参数进行修改，并将配置完成的上线相关参数返回，完成上线相关参数的配置并且将学习圈正式上线。在学习圈上线的过程中，调用上线检测服务轮询获取学习圈的上线状态，若学习圈的上线状态为成功上线状态，并且针对学习圈的前一次操作为上线操作，则确定学习圈上线成功，避免出现误操作的情况，只有上述两个条件均满足的情况下，才能确定学习圈上线成功，状态识别的准确率比较高，其中上线操作可以记为deployment。
85.可理解的，学习圈上线成功后，对学习圈进行应用，可以对学习圈进行预估，会得到学习圈输出的预测结果数据组和预估请求数据组，用户可以向预估请求数据组中导入数据，导入数据也会自动写入到预测结果数据组中。
86.本公开实施例提供的一种学习圈生成方法，在学习圈构建成功后，调用第三功能服务启动学习圈，并获取学习圈的状态，若学习圈的状态为学习状态，则生成学习圈对应的至少一个学习方案，本公开提供的方法，在生成学习方案的过程中，可以在预设时间内轮询获取学习方案的生成状态，学习方案的生成时间比较长，提供轮询的方式能够及时确定学习方案的生成情况，进行后续学习圈上线操作，能够有效避免因学习方案生成后长时间未操作所造成的资源浪费问题，在学习圈上线的过程中还能够及时检测学习圈的上线情况，方法比较灵活。
87.图4为本公开实施例提供的一种学习圈生成方法的流程示意图，具体包括如图4所示的如下步骤s410至s490：
88.s410、获取学习圈名称、场景名称和场景相关数据的地址信息。
89.可理解的，服务端获取用户输入的学习圈名称、场景名称和场景相关数据的地址信息，场景相关数据的地址信息包括反馈表数据地址、行为表数据地址和辅助表数据地址。
90.s420、调用第一功能服务读取地址信息对应的场景相关数据。
91.可理解的，在上述s410的基础上，服务器获取到用户输入的参数信息后，调用第一功能服务根据地址信息获取场景相关数据，也就是根据上述反馈表数据地址、行为表数据
地址和辅助表数据地址，获取反馈表数据、行为表数据和辅助表数据。
92.s430、根据场景名称和场景数据结构，生成目标场景。
93.可理解的，在上述s420的基础上，根据场景名称和场景数据结构，生成目标场景，场景名称可以是反诈骗场景，场景数据结构为预先设置的基本数据结构，生成的目标场景中还包括上述行为表、反馈表以及辅助表等场景相关数据的存储位置。
94.s440、将场景相关数据导入目标场景中，并获取场景相关数据的导入状态。
95.可理解的，在上述s430的基础上，目标场景构建完成后，将获取到的场景相关数据分别引入目标场景中设定的各数据表的存储位置处，完成目标场景的创建，也就是将行为表数据存储在目标场景中设定的行为表的存储位置处，将反馈表数据存储在目标场景中设定的反馈表的存储位置处，将辅助表数据存储在目标场景中设定的辅助表的存储位置处。
96.s450、确定场景相关数据导入成功后，根据学习圈名称和目标场景的标识，构建学习圈。
97.可理解的，在上述s440的基础上，确定目标场景构建完成且将场景的相关数据导入成功后，也确定目标场景处于可应用状态后，将学习圈的名称和上述目标场景的标识作为后端配置学习圈基本信息服务的输入参数，生成学习圈。
98.s460、将目标场景中的场景相关数据导入学习圈，并获取场景相关数据的导入状态。
99.可理解的，在上述s450的基础上，将目标场景中设定位置处的场景相关数据导入学习圈中，也就是将上述反馈表数据、行为表数据和辅助表数据分别导入构建完成的学习圈中，用以对学习圈进行训练。在将场景相关数据导入学习圈的过程中，调用数据检测服务获取场景相关数据导入学习圈的导入状态。
100.s470、确定场景相关数据成功导入学习圈后，启动学习圈，并获取学习圈的启动状态。
101.可理解的，在上述s460的基础上，确定场景相关数据成功导入学习圈后，调用第三功能服务启动学习圈，并对学习圈的启动状态进行轮询，以实时获取学习圈的启动状态。
102.s480、若学习圈的启动状态为学习状态，生成学习圈对应的至少一个学习方案，并获取学习方案的生成状态。
103.可理解的，在上述s470的基础上，获取到学习圈的当前启动状态后，识别并确定学习圈的当前启动状态是否是学习状态，若是学习状态，则说明学习圈启动成功，自动生成学习圈对应的至少一个学习方案，并获取学习方案的生成状态。
104.s490、若生成状态为成功状态，则根据学习方案的标识和学习圈的标识将学习圈上线。
105.可理解的，在上述s480的基础上，在生成学习方案的过程中，在预设时间内轮询获取学习方案的生成状态，若轮询获取的生成状态为成功状态，则说明学习方案生成成功，根据目标场景的标识和学习圈的标识将学习圈上线。
106.图5为本公开实施例提供的学习圈生成装置的结构示意图。本公开实施例提供的学习圈生成装置可以执行上述学习圈生成方法实施例提供的处理流程，如图5所示，学习圈生成装置500包括：
107.获取单元510，用于获取学习圈名称、场景名称和场景相关数据的地址信息；
108.调用单元520，用于调用第一功能服务读取地址信息对应的场景相关数据；
109.构建单元530，用于根据场景相关数据和场景名称构建目标场景；
110.生成单元540，用于根据目标场景和学习圈名称生成学习圈，学习圈用于提供针对目标场景的机器学习的步骤。
111.可选的，构建单元530中根据场景相关数据和场景名称构建目标场景，具体用于：
112.根据场景名称和场景数据结构，生成目标场景；
113.将场景相关数据导入目标场景中。
114.可选的，构建单元530中根据场景名称和场景数据结构，生成目标场景，具体用于：
115.将场景名称和场景数据结构配置到目标文件中；
116.调用第二功能服务基于目标文件构建场景；
117.获取场景的状态，若场景的状态为创建成功状态，则生成目标场景。
118.可选的，生成单元540中根据目标场景和学习圈名称生成学习圈，具体用于：
119.根据学习圈名称和目标场景的标识，构建学习圈；
120.将目标场景中的场景相关数据导入学习圈，并获取场景相关数据的导入状态；
121.若根据导入状态确定场景相关数据导入成功，则生成学习圈。
122.可选的，生成单元540中若根据导入状态确定场景相关数据导入成功，则生成学习圈，具体用于：
123.若导入状态为正常状态，且导入学习圈的数据的行数和场景相关数据的行数相同，则确定场景相关数据导入成功，并生成学习圈。
124.可选的，装置500还包括启动单元，启动单元具体用于：
125.调用第三功能服务启动学习圈，并获取学习圈的状态；
126.若学习圈的状态为学习状态，则生成学习圈对应的至少一个学习方案。
127.可选的，装置500还包括上线单元，上线单元具体用于：
128.在预设时间内轮询获取学习方案的生成状态，若生成状态为成功状态，则根据学习方案的标识和学习圈的标识将学习圈上线；
129.若学习圈的上线状态为成功上线状态，且针对学习圈的前一次操作为上线操作，则确定学习圈上线成功。
130.图5所示实施例的学习圈生成装置可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
131.图6为本公开实施例提供的一种电子设备的结构示意图。本公开实施例提供的电子设备可以执行上述实施例提供的处理流程，如图6所示，电子设备600包括：处理器610、通讯接口620和存储器630；其中，计算机程序存储在存储器630中，并被配置为由处理器610执行如上述的学习圈生成方法。
132.另外，本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现上述实施例所述的学习圈生成方法。
133.此外，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现如上所述的学习圈生成方法。
134.需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之
间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
135.以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种学习圈生成方法，其特征在于，包括：获取学习圈名称、场景名称和场景相关数据的地址信息；调用第一功能服务读取所述地址信息对应的场景相关数据；根据所述场景相关数据和所述场景名称构建目标场景；根据所述目标场景和所述学习圈名称生成学习圈，所述学习圈用于提供针对所述目标场景的机器学习的步骤。2.根据权利要求1所述的方法，其特征在于，所述根据所述场景相关数据和所述场景名称构建目标场景，包括：根据所述场景名称和场景数据结构，生成目标场景；将所述场景相关数据导入所述目标场景中。3.根据权利要求2所述的方法，其特征在于，所述根据所述场景名称和场景数据结构，生成目标场景，包括：将所述场景名称和场景数据结构配置到目标文件中；调用第二功能服务基于所述目标文件构建场景；获取所述场景的状态，若所述场景的状态为创建成功状态，则生成目标场景。4.根据权利要求1所述的方法，其特征在于，所述根据所述目标场景和所述学习圈名称生成学习圈，包括：根据所述学习圈名称和所述目标场景的标识，构建所述学习圈；将所述目标场景中的所述场景相关数据导入所述学习圈，并获取所述场景相关数据的导入状态；若根据所述导入状态确定所述场景相关数据导入成功，则生成所述学习圈。5.根据权利要求4所述的方法，其特征在于，所述若根据所述导入状态确定所述场景相关数据导入成功，则生成所述学习圈，包括：若所述导入状态为正常状态，且导入所述学习圈的数据的行数和所述场景相关数据的行数相同，则确定所述场景相关数据导入成功，并生成所述学习圈。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：调用第三功能服务启动所述学习圈，并获取所述学习圈的状态；若所述学习圈的状态为学习状态，则生成所述学习圈对应的至少一个学习方案。7.根据权利要求6所述的方法，其特征在于，所述方法还包括：在预设时间内轮询获取所述学习方案的生成状态，若所述生成状态为成功状态，则根据所述学习方案的标识和所述学习圈的标识将所述学习圈上线；若所述学习圈的上线状态为成功上线状态，且针对所述学习圈的前一次操作为上线操作，则确定所述学习圈上线成功。8.一种学习圈生成装置，其特征在于，包括：获取单元，用于获取学习圈名称、场景名称和场景相关数据的地址信息；读取单元，用于调用第一功能服务读取所述地址信息对应的场景相关数据；构建单元，用于根据所述场景相关数据和所述场景名称构建目标场景；生成单元，用于根据所述目标场景和所述学习圈名称生成学习圈，所述学习圈用于提供针对所述目标场景的机器学习的步骤。
9.一种电子设备，其特征在于，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1至7中任一所述的学习圈生成方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一所述的学习圈生成方法的步骤。

技术总结
本公开涉及一种学习圈生成方法、装置、电子设备和存储介质。学习圈生成方法包括：获取学习圈名称、场景名称和场景相关数据的地址信息，调用第一功能服务读取地址信息对应的场景相关数据，随后根据场景相关数据和场景名称构建目标场景，根据目标场景和学习圈名称生成学习圈，学习圈用于提供针对目标场景的机器学习的步骤。本公开提供的方法能够根据输入信息自动生成学习圈，操作简便，便于实施，且生成学习圈的速度也比较快，生成学习圈的耗时也比较少。少。少。


技术研发人员：李玉清 王心雨 寇祖良
受保护的技术使用者：第四范式（北京）技术有限公司
技术研发日：2021.12.31
技术公布日：2023/7/13