(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111604821.2 (22)申请日 2021.12.24 (71)申请人 金蝶软件 （中国） 有限公司 地址 518057 广东省深圳市南 山区科技园 科技南十二路2号金蝶软件园A座1-8 层 (72)发明人 宁义双　姚望　邹茂桃　方首宇　 赖炜文　陈钊波　宁可　 (74)专利代理 机构 深圳市深佳知识产权代理事 务所(普通 合伙) 44285 代理人 张晓 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 任务质检方法、 装置及计算机存 储介质 (57)摘要 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 。 权利要求书2页 说明书9页 附图2页 CN 114330536 A 2022.04.12 CN 114330536 A 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 一次所述迭代训练， 将所述任务数据验证样本输入所述初始分类模型， 得到所述初始分类 模型输出的验证标签信息； 所述满足收敛 条件时停止训练， 得到所述目标分类模型， 包括： 当所述输出的验证标签信息与所述任务数据验证样本的标签信息之间的关系满足收 敛条件时停止训练， 得到所述目标分类模型。 5.根据权利要求1所述的方法， 其特征在于， 所述分类结果还包括质检通过的置信度以 及质检未通过的置信度；权　利　要　求　书 1/2 页 2 CN 114330536 A 2得到所述分类结果之后， 所述方法还 包括： 将所述分类结果中置信度最大的质检结果作为所述目标任务数据的质检结果。 6.根据权利要求1至 5任一项所述的方法， 其特 征在于， 所述方法还 包括： 获取未被用于所述目标分类模型的模型训练 的新任务数据训练样本， 当所述新任务数 据训练样本的数量达到预设的增量训练阈值时， 根据机器学习算法使用多组所述新任务数 据训练样本对所述目标分类模型进行训练。 7.一种任务质检装置， 其特 征在于， 所述装置包括： 第一获取 单元， 用于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； 第二获取单元， 用于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； 质检单元， 用于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。 8.根据权利要求7 所述的装置， 其特 征在于， 所述装置还 包括： 训练单元， 用于执 行所述目标分类模型的训练步骤， 所述训练步骤 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。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现如权利要求1至 6中任一项所述的方法。 10.一种计算机存储介质， 其特征在于， 所述计算机存储介质中存储有指令， 所述指令 在计算机上 执行时， 使得 所述计算机执 行如权利要求1至 6中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114330536 A 3