[发明专利]用于生成工作量信息的方法和装置

权利要求书

1.一种用于生成工作量信息的方法，其特征在于，所述方法包括：

获取待执行任务的特征集合，其中，所述特征集合中的各个特征用于描述所述待执行任务的内容；

将所述特征集合导入预先训练的任务分类模型进行分类，得到所述待执行任务的类别，其中，所述任务分类模型用于表征任务的特征集合和任务的类别的对应关系；

从预先生成的回归系数列表中选取出与所述待执行任务的类别对应的回归系数作为目标回归系数，其中，所述回归系数列表用于存储类别和与类别对应的回归系数；

基于所述特征集合和所述目标回归系数，生成所述待执行任务的工作量信息。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括建立任务分类模型的步骤，所述建立任务分类模型的步骤包括：

获取样本任务的特征集合和所述样本任务的类别；

利用机器学习方法，基于所述样本任务的特征集合和所述样本任务的类别对预先存储的分类模型进行训练，得到任务分类模型，其中，所述分类模型是未经训练的模型。

3.根据权利要求2所述的方法，其特征在于，所述样本任务包括训练用样本任务和测试用样本任务；以及

所述利用机器学习方法，基于所述样本任务的特征集合和所述样本任务的类别对预先存储的分类模型进行训练，包括：

从所述训练用样本任务的特征集合中选取出第一预设数目的特征，生成所述训练用样本任务的训练用特征集合；

执行如下训练步骤：利用机器学习方法，基于训练用特征集合和所述训练用样本任务的类别对预先存储的分类模型进行训练，得到候选任务分类模型，基于所述测试用样本任务的特征集合和所述测试用样本任务的类别对所述候选任务分类模型进行测试，得到所述候选任务分类模型的准确率，确定所述准确率是否达到预设阈值，响应于确定所述准确率达到预设阈值，将所述候选任务分类模型作为任务分类模型；

若所述准确率未达到预设阈值，从所述训练用样本任务的特征集合中选取出训练用特征集合中未包括的、第二预设数目的特征加入训练用特征集合，继续执行所述训练步骤。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括生成回归系数列表的步骤，所述生成回归系数列表的步骤包括：

获取至少一个类别的样本任务的特征集合和所述至少一个类别的样本任务的工作量；

对于所述至少一个类别中的每个类别，利用回归预测法对该类别的样本任务的特征集合和该类别的样本任务的工作量进行处理，生成与该类别对应的回归系数；

根据所述至少一个类别中的每个类别和与该类别对应的回归系数生成回归系数列表。

5.根据权利要求1所述的方法，其特征在于，所述将所述特征集合导入预先训练的任务分类模型进行分类，得到所述待执行任务的类别，包括：

将所述特征集合导入预先训练的任务分类模型得到包含匹配度的待执行任务的候选类别集合，所述匹配度用于表征根据所述特征集合确定所述待执行任务的候选类别的准确性；

基于匹配度，从所述候选类别集合中选取出候选类别作为所述待执行任务的类别。

6.一种用于生成工作量信息的装置，其特征在于，所述装置包括：

特征集合获取单元，配置用于获取待执行任务的特征集合，其中，所述特征集合中的各个特征用于描述所述待执行任务的内容；

任务类别获取单元，配置用于将所述特征集合导入预先训练的任务分类模型进行分类，得到所述待执行任务的类别，其中，所述任务分类模型用于表征任务的特征集合和任务的类别的对应关系；

回归系数选取单元，配置用于从预先生成的回归系数列表中选取出与所述待执行任务的类别对应的回归系数作为目标回归系数，其中，所述回归系数列表用于存储类别和与类别对应的回归系数；

工作量信息生成单元，配置用于基于所述特征集合和所述目标回归系数，生成所述待执行任务的工作量信息。