[发明专利]一种任务执行方法、装置、设备及计算机可读存储介质

说明书

本申请实施例提供了一种任务执行方法、装置、设备及计算机可读存储介质；方法包括：获取目标行业的目标行业标签；提取目标行业标签的特征，得到行业标签特征；依据预设类簇集合，确定与行业标签特征对应的目标类簇标识，预设类簇集合为多个行业的行业特征对应的各个类簇信息构成的集合；从预设特征与类簇标识的对应关系中，确定与目标类簇标识对应的目标行业特征，预设特征与类簇标识的对应关系为行业特征中的每个子行业特征与预设类簇集合中的一个类簇标识的对应关系构成的集合；利用目标行业特征，训练目标行业对应的预设模型，以利用训练后的预设模型执行预测任务。通过本申请实施例，能够提升人工智能领域中预设模型训练的效率。

技术领域

本申请涉及人工智能领域中的信息处理技术，尤其涉及一种任务执行方法、装置、设备及计算机可读存储介质。

背景技术

随着人工智能的快速发展，网络模型在各个行业都得到了广泛应用。通过网络模型能够提升各个行业中功能应用的智能性和效率；因此，网络模型的训练是各个行业快速发展的重要部分。

一般来说，针对指定行业的模型训练，通常是利用指定行业标签对各个行业的用户行为信息进行硬过滤，得到指定行业的用户行为信息，再对指定行业的用户行为信息依次进行特征提取和聚类，得到指定行业特征，最后利用指定行业特征训练指定行业的预测模型。然而，上述预测模型的训练过程中，每个指定行业特征的获取都需要通过筛选各个行业的用户行为信息并进行模型训练等处理实现，处理流程较多，且筛选和模型训练等处理均需要人工参与，从而指定行业特征的获取效率较低，进而预测模型训练的效率较低。

发明内容

本申请实施例提供一种任务执行方法、装置、设备及计算机可读存储介质，能够提升预测模型训练的效率。

本申请实施例的技术方案是这样实现的：

本申请实施例提供一种任务执行方法，包括：

获取目标行业的目标行业标签，所述目标行业标签为所述目标行业的表征信息；

提取所述目标行业标签的特征，得到行业标签特征；

依据类簇集合，确定与所述行业标签特征对应的目标类簇标识，所述类簇集合为多个行业的行业特征对应的各个类簇信息构成的集合，所述类簇集合是依据语料数据对所述多个行业的行为数据进行聚类得到的；

从特征与类簇标识的对应关系中，确定与所述目标类簇标识对应的目标行业特征，所述特征与类簇标识的对应关系为所述行业特征中的每个子行业特征与所述类簇集合中的一个类簇标识的对应关系构成的集合；

其中，所述特征与类簇标识的对应关系是依据所述语料数据对所述多个行业的行为数据进行聚类得到的；

利用所述目标行业特征，训练所述目标行业对应的预测模型，以利用训练后的预测模型执行预测任务。

本申请实施例还提供一种任务执行方法，包括：

获取目标用户的目标操作数据、以及目标行业中待推荐信息所对应的种子操作数据，所述种子操作数据为所述待推荐信息的种子用户的操作数据；

基于上述的训练后的预测模型，预测所述目标操作数据和所述种子操作数据之间的目标相似性；

比较所述目标相似性和相似性阈值，以确定所述待推荐信息的推荐结果；

基于所述推荐结果，对所述待推荐信息执行推荐处理，以完成预测任务的执行。

本申请实施例提供一种第一任务执行装置，包括：

标签获取模块，用于获取目标行业的目标行业标签，所述目标行业标签为所述目标行业的表征信息；

特征提取模块，用于提取所述目标行业标签的特征，得到行业标签特征；