针对任务的模型定制处理方法、装置、设备和介质制造方法及图纸

本申请提供了一种针对任务的模型定制处理方法、装置、设备和介质，涉及任务处理技术领域，该方法包括：基于预先构建的意图理解集成模型将待处理任务分解为多个子任务，并基于不同子任务之间的关联性进行时序编码，确定子任务的执行顺序；针对每个子任务，根据模型粒度在模型库中搜索匹配相应的子任务模型；响应针对子任务模型的调参请求，对子任务模型进行定制处理，得到针对待处理任务的定制模型，以通过定制模型按照子任务的执行顺序对待处理任务进行处理。本申请在处理任务体量大、任务种类多的情况下，降低任务处理复杂度、简化神经网络参数，降低训练样本需求量，提升任务处理的效率同时降低计算时的内存消耗，提升了任务处理的准确性。处理的准确性。处理的准确性。

【技术实现步骤摘要】
针对任务的模型定制处理方法、装置、设备和介质


[0001]本申请涉及任务处理
，尤其是涉及一种针对任务的模型定制处理方法、装置、设备和介质。

技术介绍

[0002]随着从信息化向智能化的发展，以及云计算、大数据、人工智能等信息技术的快速推进，不同任务需要调用多个模型、基于多种知识数据进行分析处理。相关技术中，基于人工流程的编排方式，往往需要针对特定的任务进行相应的模型构建，当系统中处理的任务较多、任务复杂度较高时，导致通过深度学习模型进行处理时，神经网络参数复杂，训练样本量需求大，占用大量的内存消耗，且任务处理的效率较低。

技术实现思路

[0003]本申请的目的在于提供一种针对任务的模型定制处理方法、装置、设备和介质，以缓解了现有技术中任务量大、任务复杂度高时存在的神经网络参数复杂，训练样本量需求大，占用大量的内存消耗，且任务处理的效率较低的技术问题。
[0004]第一方面，本专利技术提供一种针对任务的模型定制处理方法，包括：基于预先构建的意图理解集成模型将待处理任务分解为多个子任务，并基于不同子任务之间的关联性进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对任务的模型定制处理方法，其特征在于，包括：基于预先构建的意图理解集成模型将待处理任务分解为多个子任务，并基于不同子任务之间的关联性进行时序编码，确定子任务的执行顺序；针对每个子任务，根据模型粒度在模型库中搜索匹配相应的子任务模型；响应针对子任务模型的调参请求，对所述子任务模型进行定制处理，得到针对待处理任务的定制模型，以通过所述定制模型按照子任务的执行顺序对待处理任务进行处理。2.根据权利要求1所述的针对任务的模型定制处理方法，其特征在于，所述预先构建的意图理解集成模型包括依次连接的：基于词向量特征构建的模型增强模块、基于长短期记忆网络和门控循环单元的深度双向循环神经网络构建的基本分类器，和多层感知机框架构建的组合输出模块。3.根据权利要求1或2所述的针对任务的模型定制处理方法，其特征在于，基于预先构建的意图理解集成模型将待处理任务分解为多个子任务，包括：基于预先构建的意图理解集成模型、目标知识图谱和预设的分层规则将待处理任务分解为多个子任务；其中，所述目标知识图谱包括与待处理任务对应领域的知识图谱、与待处理任务相关领域的知识图谱。4.根据权利要求1所述的针对任务的模型定制处理方法，其特征在于，当多个子任务中至少两个子任务包括同种类型的子需求时，所述方法还包括：对包括同种类型的子需求的子任务基于模型粒度进行细粒度任务提取，得到细粒度任务；基于与子需求对应的细粒度模型对包括同种类型的子需求的子任务对应的细粒度任务进行统一处理。5.根据权利要求1所述的针对任务的模型定制处理方法，其特征在于，针对每个子任务，根据模型粒度在模型库中搜索匹配相应的子任务模型，包括：针对每个子任务，通过网络架构搜索模块根据模型粒度在模型库中搜索匹配相应的子任务模型；其中，所述网络架构搜索模块包括第一搜索单元和第二搜索单元，第一搜索单元用于通过排列组合的方式直接将输入特征图合并后搜索，第二搜索单元用于采用参数化搜索的方式将特征图确定为相应的候选操作由网络自动选...

【专利技术属性】
技术研发人员：苏永恒，马海波，刘晓昌，管占磊，胡举，沈磊，刘晓晨，陈成，吴泓江，王頔，吴长枝，齐晓飞，朱永兴，
申请(专利权)人：航天宏图信息技术股份有限公司，
类型：发明
国别省市：