[发明专利]一种任务执行的方法、装置、存储介质及电子设备

说明书

本说明书公开一种任务执行的方法、装置、存储介质及电子设备，其中，重点在于在训练用于任务执行的预测模型时，获取各样本数据以及各样本数据对应的标注信息，并根据各样本数据对应的各候选维度，确定若干维度组合，而后，针对每个维度组合，按照该维度组合，确定各样本数据对应的特征向量，并对各样本数据对应的特征向量进行聚类，根据聚类结果以及样本数据对应的标注信息，确定该维度组合的合理度，继而根据各维度组合的合理度，确定目标维度组合，并根据目标维度组合，通过各样本数据以及各样本数据对应的标注信息，构建训练样本。最后，根据训练样本，训练预测模型，从而提高了模型训练的效率和效果。

技术领域

本说明书涉及神经网络领域，尤其涉及一种任务执行的方法、装置、存储介质及电子设备。

背景技术

当前，神经网络模型在各行各业中应用的十分广泛，提高了各行各业的智能化。

通常，在训练神经网络模型时，需要将样本数据转换为特征向量的形式，以使神经网络模型在模型训练过程中对样本数据中各种维度下的数据进行学习，但是，在现有技术中，构建出的样本数据的特征向量通常维度过高，不但模型训练效率较差，也存在训练出的神经网络模型的效果较差的问题。

所以，如何提高神经网络模型的训练效率以及效果，则是一个亟待解决的问题。

发明内容

本说明书提供一种任务执行的方法、装置、存储介质及电子设备，以部分的解决现有技术存在的上述问题。

本说明书采用下述技术方案：

本说明书提供了一种任务执行的方法，包括：

接收任务执行指令；

根据所述任务执行指令，通过预先训练的预测模型，得到预测结果，并根据所述预测结果，进行任务执行，其中，通过以下步骤训练所述预测模型：

获取各样本数据以及所述各样本数据对应的标注信息；

根据所述各样本数据对应的各候选维度，确定若干维度组合；

针对每个维度组合，按照该维度组合，确定所述各样本数据对应的特征向量；

对所述各样本数据对应的特征向量进行聚类，根据聚类结果以及所述样本数据对应的标注信息，确定该维度组合的合理度；

根据各维度组合的合理度，确定目标维度组合，并根据所述目标维度组合，通过所述各样本数据以及所述各样本数据对应的标注信息，构建训练样本；

根据所述训练样本，训练所述预测模型。

可选地，对所述样本数据对应的特征向量进行聚类，根据聚类结果以及所述样本数据对应的标注信息，确定该维度组合的合理度，具体包括：

针对每个样本数据，以该样本数据对应的特征向量为聚类中心，将所述各样本数据对应的特征向量进行聚类，得到聚类结果；

根据除该样本数据外的其他样本数据对应的标注信息与所述聚类结果之间的匹配程度，确定该样本数据对应的评分；

根据各样本数据对应的评分，确定该维度组合的合理度。

可选地，根据各样本数据对应的评分，确定该维度组合的合理度之前，所述方法还包括：

将所述各样本数据中部分样本数据的特征向量与另一部分样本数据的特征向量之间进行重组，得到重组后的特征向量；

按照重组后的特征向量，对所述各样本数据对应的特征向量进行聚类，得到聚类结果；

根据所述聚类结果以及所述各样本数据对应的标注信息，确定重组后的特征向量对应的评分；

根据各样本数据对应的评分，确定该维度组合的合理度，具体包括：

根据所述各样本数据对应的评分以及所述重组后的特征向量对应的评分，确定该维度组合的合理度。

可选地，将所述各样本数据中部分样本数据的特征向量与另一部分样本数据的特征向量，进行重组，得到重组后的特征向量，具体包括：