任务质检方法、装置及计算机存储介质制造方法及图纸

本申请实施例公开了一种任务质检方法、装置及计算机存储介质，本申请实施例包括：目标分类模型由机器学习算法对多组任务数据训练样本训练得到，且每组任务数据训练样本包括任务数据的数据特征以及用于表示任务数据的分类结果的标签信息，可将目标任务数据的数据特征输入至目标分类模型，得到目标分类模型输出的目标任务数据的分类结果，目标任务数据的分类结果表示了目标任务数据是否质检通过，因此，可使用目标分类模型对任务数据进行质检，无需配备大量的具有专业知识背景和业务背景的质检人员，降低质检门槛，可大量部署目标分类模型用以任务数据的质检，从而提升质检效率，同时也减少了人员的时间和精力的消耗，降低质检成本。低质检成本。低质检成本。

【技术实现步骤摘要】
任务质检方法、装置及计算机存储介质


[0001]本申请实施例涉及数据处理领域，具体涉及一种任务质检方法、装置及计算机存储介质。

技术介绍

[0002]对一项工作任务的执行情况进行质检，可以评价工作任务的完成质量。当需要执行工作任务的质检时，可生成该工作任务的质检方案，质检方案指定了对工作任务进行审核的质检人员，质检人员将对该工作任务的执行情况进行检查和审核，并对该工作任务作出质检通过和质检未通过的决定。
[0003]然而，上述质检方式要求配备具有专业的知识背景和业务背景的质检人员，这提高了质检工作的准入门槛，使得在质检人员配备不足且质检任务繁重的情况下工作任务的质检效率无法提升，质检工作费时费力，质检成本高。

技术实现思路

[0004]本申请实施例提供了一种任务质检方法、装置及计算机存储介质，用于对任务数据进行质检以提升质检效率。
[0005]本申请实施例第一方面提供了一种任务质检方法，所述方法包括：
[0006]获得待质检的目标任务数据，所述目标任务数据包括数据特征；
[0007]获得预先训练完本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种任务质检方法，其特征在于，所述方法包括：获得待质检的目标任务数据，所述目标任务数据包括数据特征；获得预先训练完成的目标分类模型，所述目标分类模型由机器学习算法对多组任务数据训练样本训练得到，且每组所述任务数据训练样本包括任务数据的数据特征以及用于表示所述任务数据的分类结果的标签信息；将所述目标任务数据的数据特征输入至所述目标分类模型，以得到所述目标分类模型输出的所述目标任务数据的分类结果，所述分类结果包括质检通过和质检未通过。2.根据权利要求1所述的方法，其特征在于，所述目标分类模型的训练步骤包括：获得多组任务数据训练样本，每组所述任务数据训练样本包括任务数据的数据特征以及用于表示所述任务数据的分类结果的标签信息，所述分类结果包括质检通过和质检未通过；获得初始分类模型，使用所述多组任务数据训练样本对所述初始分类模型进行多次迭代训练，直至满足收敛条件时停止训练，得到所述目标分类模型。3.根据权利要求2所述的方法，其特征在于，所述迭代训练的步骤包括：将所述任务数据训练样本输入所述初始分类模型，得到所述初始分类模型输出的标签信息；根据所述输出的标签信息与所述任务数据训练样本的标签信息构造损失函数，对所述损失函数求导并取导数最大值作为所述任务数据训练样本的梯度；选取所述多组任务数据训练样本中梯度的绝对值最大的N个所述任务数据训练样本作为第一子集，并从剩余的所述任务数据训练样本中选取M个所述任务数据训练样本作为第二子集；其中，N、M均为正整数；将所述第一子集与所述第二子集合并，计算合并得到的集合中任务数据的每一个数据特征的信息增益值，确定信息增益值最大的数据特征为分裂点，所述分裂点作为决策树的节点；根据分裂点将数据集划分为左数据集和右数据集，分别确定左数据集的分裂点和右数据集的分裂点，并返回执行所述根据分裂点将数据集划分为左数据集和右数据集的步骤，直至所述任务数据训练样本的数据特征均作为决策树的节点为止，完成一次迭代训练。4.根据权利要求2或3所述的方法，其特征在于，所述目标分类模型的训练步骤还包括：获取多组任务数据验证样本，每组所述任务数据验证样本包括任务数据的数据特征以及用于表示所述任务数据的分类结果的标签信息，所述分类结果包括质检通过和质检未通过；在根据多组所述任务数据训练样本执行所述初始分类模型的多次迭代训练时，每经过...

【专利技术属性】
技术研发人员：宁义双，姚望，邹茂桃，方首宇，赖炜文，陈钊波，宁可，
申请(专利权)人：金蝶软件中国有限公司，
类型：发明
国别省市：