【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种机器学习任务执行与反馈方法、装置、设备及存储介质。
技术介绍
1、在机器学习技术持续发展的背景下，自动化机器学习(automl)成为降低开发门槛、提升建模效率的重要手段。传统的automl系统通常以图形化界面或脚本调用方式运行，虽然在一定程度上简化了模型构建流程，但仍存在对用户专业背景要求较高的问题，特别是在模型选择、参数配置与数据预处理等环节，仍需用户具备较强的机器学习基础与领域理解能力，难以实现真正的“低门槛”操作。这使得非专业技术人员难以独立完成复杂的数据建模任务，尤其在泛业务场景中的广泛落地受限明显。
2、现有的对话式系统虽然可以实现与用户的自然语言交互，但在与automl系统集成方面仍存在显著不足。一方面，传统对话系统缺乏对用户意图的精细识别能力，无法准确理解与建模任务相关的目标需求、数据类型与分析目的；另一方面，这些系统难以基于自然语言输入执行可解释、可控且结构化的机器学习流程，无法支撑从任务理解、模型推荐、参数优化到结果反馈的完整自动化链路。
3、在金融科技业务领...
【技术保护点】
1.一种机器学习任务执行与反馈方法，其特征在于，包括以下步骤：
2.如权利要求1所述的机器学习任务执行与反馈方法，其特征在于，从所述自然语言指令中提取任务类型及数据类型，并生成包含所述任务类型及数据类型的任务需求描述对象，包括：
3.如权利要求1所述的机器学习任务执行与反馈方法，其特征在于，通过预训练语言模型对所述任务需求描述对象进行语义推理，并查询知识图谱中与所述任务类型及数据类型相关联的实体关系，生成决策结果，包括：
4.如权利要求1所述的机器学习任务执行与反馈方法，其特征在于，根据所述决策结果执行机器学习任务，包括：
<...【技术特征摘要】
1.一种机器学习任务执行与反馈方法，其特征在于，包括以下步骤：
2.如权利要求1所述的机器学习任务执行与反馈方法，其特征在于，从所述自然语言指令中提取任务类型及数据类型，并生成包含所述任务类型及数据类型的任务需求描述对象，包括：
3.如权利要求1所述的机器学习任务执行与反馈方法，其特征在于，通过预训练语言模型对所述任务需求描述对象进行语义推理，并查询知识图谱中与所述任务类型及数据类型相关联的实体关系，生成决策结果，包括：
4.如权利要求1所述的机器学习任务执行与反馈方法，其特征在于，根据所述决策结果执行机器学习任务，包括：
5.如权利要求1所述的机器学习任务执行与反馈方法，其特征在于，将所述机器学习任务的执行过程及执行结果转化为自然语言反馈信息并输出，包括：
6.如权利要求1所述的机器学习任务执行与反馈方法，其特征在于，通过预训练语言模型对所述任务需求描述对象进行...
【专利技术属性】
技术研发人员：孙奥兰，王健宗，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。