[发明专利]基于迁移学习的任务分级部署方法、装置及计算机设备

说明书

本申请公开了一种基于迁移学习的任务分级部署方法、装置及计算机设备，可解决系统任务分级部署开发成本高、效率低的技术问题。包括：获取与系统任务匹配的样本数据，样本数据包括源域对应的第一样本数据以及至少一目标域对应的第二样本数据；在源域中根据第一样本数据创建并训练第一任务模型；利用变分自编码器对第二样本数据进行特征变换处理，并基于特征变换处理后的第二样本数据以及第一任务模型，在目标域中部署生成第二任务模型，第二任务模型与第一任务模型的模型部署类型相同；按照预设评估规则计算第一任务模型和第二任务模型的分级部署评估分值，并在分级部署评估分值大于或等于预设评估阈值时，判定疾病预警系统的任务分级部署完成。

技术领域

本申请涉及人工智能技术领域，尤其涉及到一种基于迁移学习的任务分级部署方法、装置及计算机设备。

背景技术

在计算机领域中，系统开发部署往往是有针对性的，往往局限在相同业务场景下进行部署。然而在许多业务场景中，业务方常常有分级部署使用的需求，比如省级的社会重大安全事件预警系统，有下沉到地市使用的需求，此时需要在省级和地市实现针对同一预警系统任务的分级部署。

在系统的开发应用场景中，系统任务的分级部署存在两大难点：一是不同级别系统涉及的业务需求可能存在差异，二是不同级别系统对接的数据可能存在差异。在这种情况下，往往现实中会采用地市单独重新开发部署预警系统的方式，进而导致系统任务分级部署的开发成本较高、部署效率较低，且不同级别系统的关联性较差。

发明内容

有鉴于此，本申请提供了一种基于迁移学习的任务分级部署方法、装置及计算机设备，可用于解决目前已有的系统任务分级部署方式，导致系统任务分级部署的开发成本高、部署效率低，且不同级别系统的关联性差的技术问题。

根据本申请的一个方面，提供了一种基于迁移学习的任务分级部署方法，该方法包括：

获取与系统任务匹配的样本数据，其中，所述样本数据包括源域对应的第一样本数据以及至少一目标域对应的第二样本数据，所述源域的任务级别大于所述目标域，所述第一样本数据的特征维度大于所述第二样本数据的特征维度；

在所述源域中根据所述第一样本数据创建并训练第一任务模型；

利用变分自编码器对所述第二样本数据进行特征变换处理，并基于特征变换处理后的第二样本数据以及所述第一任务模型，在所述目标域中部署生成第二任务模型，其中，所述第二任务模型与所述第一任务模型的模型部署类型相同；

按照预设评估规则计算所述第一任务模型和所述第二任务模型的分级部署评估分值，并在所述分级部署评估分值大于或等于预设评估阈值时，判定疾病预警系统的任务分级部署完成。

根据本申请的另一个方面，提供了一种基于迁移学习的任务分级部署装置，该装置包括：

获取模块，用于获取与系统任务匹配的样本数据，其中，所述样本数据包括源域对应的第一样本数据以及至少一目标域对应的第二样本数据，所述源域的任务级别大于所述目标域，所述第一样本数据的特征维度大于所述第二样本数据的特征维度；

训练模块，用于在所述源域中根据所述第一样本数据创建并训练第一任务模型；

生成模块，用于利用变分自编码器对所述第二样本数据进行特征变换处理，并基于特征变换处理后的第二样本数据以及所述第一任务模型，在所述目标域中部署生成第二任务模型，其中，所述第二任务模型与所述第一任务模型的模型部署类型相同；

计算模块，用于按照预设评估规则计算所述第一任务模型和所述第二任务模型的分级部署评估分值，并在所述分级部署评估分值大于或等于预设评估阈值时，判定疾病预警系统的任务分级部署完成。

根据本申请的又一个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述基于迁移学习的任务分级部署方法。