[发明专利]一种数据处理方法、装置、计算机设备以及可读存储介质

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取目标网络模型和与目标业务数据相关联的目标对象，根据所述目标对象和所述目标业务数据确定输入数据；所述目标网络模型包括第一多任务子模型和第二多任务子模型；所述第一多任务子模型和所述第二多任务子模型均是基于至少两个任务指标所生成的；

通过所述第一多任务子模型对所述输入数据进行特征提取，得到模式共享特征和所述至少两个任务指标分别对应的权重共享特征，根据所述模式共享特征和至少两个权重共享特征，输出与所述至少两个任务指标相关联的第一输出结果；所述第一多任务子模型包括至少两个专家网络层和所述至少两个任务指标分别指示的权重学习层；至少两个权重共享特征是由所述至少两个任务指标分别指示的权重学习层进行权重学习所确定的；所述模式共享特征是由所述至少两个专家网络层进行特征学习所确定的；

将所述输入数据分别输入所述第二多任务子模型中的至少两个任务子网络，根据每个任务子网络分别输出的任务结果，确定所述第二多任务子模型所输出的与所述至少两个任务指标相关联的第二输出结果；

在所述目标网络模型中，对所述第一输出结果和所述第二输出结果进行集成，得到所述目标对象针对所述目标业务数据的任务指标预估值；所述集成是指对所述第一输出结果和所述第二输出结果进行平均处理；或所述集成是指通过所述目标网络模型中的预估值集成子模型对拼接输出特征中的第一平均输出结果和第二平均输出结果进行集成学习，所述拼接输出特征是通过对所述第一平均输出结果和所述第二平均输出结果进行拼接处理得到，所述拼接输出特征还用于输入至所述预估值集成子模型，所述第一平均输出结果是基于所述第一输出结果所生成的，所述第二平均输出结果是基于所述第二输出结果所生成的。

2.根据权利要求1所述的方法，其特征在于，所述通过所述第一多任务子模型对所述输入数据进行特征提取，得到模式共享特征和所述至少两个任务指标分别对应的权重共享特征，根据所述模式共享特征和至少两个权重共享特征，输出与所述至少两个任务指标相关联的第一输出结果，包括：

将所述输入数据输入至所述第一多任务子模型；所述第一多任务子模型还包括第一特征输入层；

通过所述第一特征输入层对所述输入数据进行特征嵌入融合，得到所述第一特征输入层所输出的所述目标对象针对所述目标业务数据的第一共享属性特征；

将所述第一共享属性特征分别输入至所述至少两个专家网络层，通过所述至少两个专家网络层分别对所述第一共享属性特征进行特征学习，得到每个专家网络层分别输出的模式共享特征；

将所述第一共享属性特征分别输入至至少两个权重学习层，通过所述至少两个权重学习层分别对所述第一共享属性特征进行权重学习，得到每个权重学习层分别输出的权重共享特征；

根据至少两个模式共享特征和至少两个权重共享特征，生成与所述至少两个任务指标相关联的第一输出结果。

3.根据权利要求2所述的方法，其特征在于，所述至少两个任务指标包括触发任务指标和转化任务指标；所述至少两个权重学习层包括所述触发任务指标所指示的触发权重学习层和所述转化任务指标所指示的转化权重学习层；所述至少两个权重共享特征包括触发权重共享特征和转化权重共享特征；

所述将所述第一共享属性特征分别输入至至少两个权重学习层，通过所述至少两个权重学习层分别对所述第一共享属性特征进行权重学习，得到每个权重学习层分别输出的权重共享特征，包括：

将所述第一共享属性特征输入至所述触发权重学习层，通过所述触发权重学习层对所述第一共享属性特征进行权重学习，得到所述触发权重学习层输出的所述触发权重共享特征；

将所述第一共享属性特征输入至所述转化权重学习层，通过所述转化权重学习层对所述第一共享属性特征进行权重学习，得到所述转化权重学习层输出的所述转化权重共享特征。