任务生成方法、装置、计算机设备和存储介质与流程

本申请涉及人工智能技术领域，特别是涉及一种任务生成方法、装置、计算机设备和存储介质。

背景技术：

随着互联网的迅速发展，出现了基于互联网的众包平台，通过众包平台，租赁公司、贷款公司等企业可利用互联网来将租赁、贷款后的工作如催收、调查等任务分配出去。

传统技术中，任务发布者在众包平台上发布任务时，可以以题目的形式来表达任务内容，但是传统技术中，任务发布者通常需要针对每个任务来手动设置题目，费事费力，导致效率低下。

技术实现要素：

基于此，有必要针对上述技术题目，提供一种能够提高任务生成效率的任务生成方法、装置、计算机设备和存储介质。

一种任务生成方法，所述方法包括：

获取待发布任务对应的任务类型及客户标识；

根据所述任务类型从所述预设的公共题库中选取对应的目标题目；

根据所述客户标识查找对应的客户信息，所述客户信息包括客户对应的合同编号；

根据所述合同编号查找所述待发布任务对应的合同信息；

基于所述任务类型、所述客户信息以及所述合同信息，采用已训练的问卷匹配模型得到待发布任务对应的目标问卷；

获取预设的公共题目，并根据所述预设的公共题目、所述目标题目及所述目标问卷生成待发布任务。

在其中一个实施例中，在所述根据所述预设的公共题目、所述目标题目及所述目标问卷生成待发布任务之后，所述方法包括：

获取所述待发布任务对应的推送条件；

将所述推送条件与当前用户集合中的各个用户进行匹配，将匹配成功的用户确定为目标推送用户；

向所述目标推送用户对应的终端推送所述待发布任务。

在其中一个实施例中，所述获取所述待发布任务对应的推送条件，包括：

获取所述待发布任务对应的任务等级；

所述将所述推送条件与当前用户集合中的各个用户进行匹配，将匹配成功的用户确定为目标推送用户，包括：

获取当前用户集合中各个用户对应的当前用户等级；

当任意一个用户的当前用户等级不低于所述待发布任务对应的任务等级时，将所述用户确定为目标推送用户。

在其中一个实施例中，在获取所述待发布任务对应的任务等级之前，包括：

获取第一训练样本集，所述第一训练样本集中每个第一训练样本包括历史任务对应的任务类型、合同信息及第一标注信息；

确定初始任务等级评估模型的模型结构信息，以及初始化所述初始任务等级评估模型的模型参数；

基于所述第一训练样本中的任务类型及合同信息采用所述初始任务等级评估模型得到所述第一训练样本对应的任务等级；

基于所得到的任务等级及所述第一标注信息之间的差异，调整所述初始任务等级评估模型的模型参数；

将所述初始任务等级评估模型确定为目标任务等级评估模型；

所述获取所述待发布任务对应的任务等级，包括：

基于所述待发布任务对应的任务类型及合同信息，采用所述目标任务等级评估模型得到所述待发布任务对应的任务等级。

在其中一个实施例中，所述获取当前用户集合中各个用户对应的当前用户等级，包括：

获取当前用户集合中各个用户的初始用户等级；

获取当前用户集合中各个用户的历史已完成任务；

根据所述历史已完成任务对应的任务标识查找对应的任务评分；

根据所述任务评分调整所述各个用户的初始用户等级，得到各个用户的当前用户等级。

在其中一个实施例中，所述问卷匹配模型的生成步骤包括：

获取第二训练样本集，所述第二训练样本集中每个第二训练样本包括历史任务对应的任务类型、客户信息、合同信息以及第二标注信息；

确定初始问卷匹配模型的模型结构信息，以及初始化所述初始问卷匹配模型的模型参数；

基于所述第二训练样本中的任务类型、客户信息及合同信息采用所述初始问卷匹配模型得到所述第二训练样本对应的目标问卷；

基于所得到的目标问卷及所述第二标注信息之间的差异，调整所述问卷匹配模型的模型参数，得到目标问卷匹配模型；

将所述目标问卷匹配模型确定为已训练的问卷匹配模型。

一种任务生成装置，所述装置包括：

数据获取模块，用于获取待发布任务对应的任务类型及客户标识；

目标题目获取模块，用于根据所述任务类型从所述预设的公共题库中选取对应的目标题目；

客户信息查找模块，用于根据所述客户标识查找对应的客户信息，所述客户信息包括客户对应的合同编号；

合同信息查找模块，用于根据所述合同编号查找所述待发布任务对应的合同信息；

目标问卷匹配模块，用于基于所述任务类型、所述客户信息以及所述合同信息，采用已训练的问卷匹配模型得到待发布任务对应的目标问卷；

待发布任务生成模块，用于获取预设的公共题目，并根据所述预设的公共题目、所述目标题目及所述目标问卷生成待发布任务。

在其中一个实施例中，所述装置还包括：任务推送模块，用于获取所述待发布任务对应的推送条件；将所述推送条件与当前用户集合中的各个用户进行匹配，将匹配成功的用户确定为目标推送用户；向所述目标推送用户对应的终端推送所述待发布任务。

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，所述处理器执行所述计算机程序时实现上述任意实施例所述的任务生成方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意实施例所述的任务生成方法的步骤。

上述任务生成方法、装置、计算机设备和存储介质，通过设置一个公共题库，在获取到待发布任务对应的任务类型及客户标识后，可从公共题库中分别获取预设的公共题目、目标题目，并基于任务类型以及根据客户标识获取到的客户信息、合同信息，采用已训练的问卷匹配模型得到目标问卷，根据预设的公共题目、目标题目及目标问卷得到待发布任务，实现了待发布任务的自动生成，节省了任务配置时间，提高了待发布任务的生成效率。

附图说明

图1为一个实施例中任务生成方法的应用场景图；

图2为一个实施例中任务生成方法的流程示意图；

图3为一个实施例中初始任务等级评估模型的生成步骤的流程示意图；

图4为一个实施例中任务生成装置的结构框图；

图5为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的任务生成方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。其中，终端102可以展示任务类型列表和客户名称列表，任务发布者可以在任务类型列表和客户名称列表中进行选择，任务发布者选择完成后，终端102将任务发布者选择的任务类型及客户名称对应的客户标识发送至服务104，服务器104在获取到了这些数据后，首先根据任务类型从预设的公共题库中选择目标题目，目标题目指的是该任务类型对应的所有的任务的必选题目，然后服务器104根据客户标识查找对应的客户信息，这里的客户信息包括但不限于客户所属的行业、客户对应的合同编号等，进一步，服务器104根据合同编号可查找对应的合同信息，包括合同标的物、合同涉及的金额等，接着，服务器104可以基于任务类型、客户信息及合同信息，采用已训练的问卷匹配模型来得到待发布任务对应目标问卷，其中，目标问卷指的是多个题目组成的题目集合，最后，服务器104可以从预设的公共题库中获取预设的公共题目，并根据预设的公共题目、目标题目及目标问卷生成待发布任务，将生成的待发布任务返回至终端102。

其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种任务生成方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤s202，获取待发布任务对应的任务类型及客户标识。

其中，任务类型指的是待发布任务所属的分类。任务类型可根据实际情况进行事先设定，如可根据任务所属的行业领域进行分类，也可以根据任务所属的事件类型进行分类，例如，可以分为资产勘察任务、物流调查任务、保理租后勘察任务，其中，资产勘察任务指的是针对企业租后资产的定期现场巡视任务，物流调查任务指的是针对企业租赁物到货的现场核验任务，保理租后勘察任务指的是针对保理企业租后现场经营情况的采集勘察任务。客户标识用户唯一标识任务对应的客户的身份，比如在资产勘察类型任务中，客户标识用于唯一标识资产租赁方的身份，客户标识可以由数字、字母、符号中的至少一种组成。

本实施例中，终端上可以安装于众包业务相关的app，终端可以通过该app显示任务类型列表供任务发布者进行选择，同时，终端还可以通过app显示客户名称搜索框，任务发布者可通过任务搜索框搜索客户名称并进行选择，在任务发布者选择了客户名称后，终端可以获取该客户名称对应的客户标识，进一步，终端可向服务器发送任务发布请求，并在任务发布请求中携带任务类型及客户标识，服务器在接收到终端发送的任务发布请求后，对该任务发布请求进行解析，即可获取到任务类型及客户标识。

步骤s204，根据任务类型从预设的公共题库中选取对应的目标题目。

具体地，本申请中，任务内容以题目的形式进行呈现，题目可以包括选择题、填空题、陈述题等；预设的公共题库指的是事先设定的可供选择的题目所组成的题库，任务类型对应的目标题目指的是某一类型的任务所共有的题目，例如，对于资产勘察类的任务，选取的目标题目可包括拍摄被勘察资产的照片相关的题目。本实施例中，每个任务类型与其对应的目标题目之间事先设定了对应关系，服务器在获取到待发布任务对应的任务类型后，即可根据任务类型从预设的公共题库中查找与该任务类型相对应的目标题目。

步骤s206，根据客户标识查找对应的客户信息，客户信息包括客户对应的合同编号。

其中，客户信息包括但不限于客户所属的行业、客户对应的合同编号，其中，客户所属的行业例如可以是学前教育、民营医院、工程建设、自贸区等等，客户对应的合同编号指的是与客户相对应的业务合同的编号，例如，当与该客户对应的业务为租赁业务时，合同编号为该客户签订的租赁合同的编号。

本实施例中，由于客户信息与客户标识在数据库中对应存储，因此，服务器在获取到客户标识后，可根据客户标识从数据库中查找对应的客户信息。

步骤s208，根据合同编号查找待发布任务对应的合同信息。

其中，合同信息指的是与客户相对应的业务合同的相关信息，例如，当该客户对应的业务为租赁业务时，业务合同为租赁合同，合同信息包括合同标的资产、合同涉案金额等，合同标的资产指的是任务对应的合同文件中的权利或义务所指向的对象，如汽车租赁合同中，合同标的资产为汽车；合同涉案金额例如可以是押金、保证金、租金等。

本实施例中，合同编号与合同信息在数据中对应存储，服务器在获取到客户信息后，根据客户信息中的合同编号从数据库中查找对应的合同信息。

步骤s210，基于任务类型、客户信息以及合同信息，采用已训练的问卷匹配模型得到待发布任务对应的目标问卷。

其中，目标问卷指的是由预设的公共题库中的多个题目所组成的题目集合，问卷匹配模型用于表征任务类型、客户信息以及合同信息与问卷之间的对应关系。在一个实施例中，问卷匹配模型可以是技术人员基于对大量的任务类型、客户信息、合同信息与问卷的统计而预先制定的、存储有多个任务类型、客户信息、合同信息与问卷之间的对应关系的对应关系表；在另一个实施例中，问卷匹配模型也可以是技术人员基于对大量数据的统计而预先设置并存储在服务器中的，对任务类型、客户信息以及合同信息中的一个或多个数值进行数值计算以得到的用于表征问卷匹配结果的计算结果的计算公式。

本实施例中，服务器在获取到任务类型、客户信息以及合同信息后，可采用已训练的任务匹配模型，从预先设置的多个问卷中匹配出待发布任务对应的目标问卷。

步骤s212，获取预设的公共题目，并根据预设的公共题目、目标题目及目标问卷生成待发布任务。

其中，预设的公共题目指的是所有类型的任务所共有的题目，例如，可以将与客户的个人信息有关的题目，包括客户名称、地址等设为预设的公共题目。本实施例中，预设的公共题目、任务类型对应的目标题目及目标问卷共同组成待发布任务对应的题目集合，服务器可以根据该题目集合生成待发布任务，并将待发布任务返回终端。

在一个实施例中，终端在接收到服务器返回的待发布任务后，终端对应的任务发布者可进一步对任务进行设置，例如，设置任务的奖励金额、设置任务的推送条件等等。

上述任务生成方法中，通过设置一个公共题库，服务器在获取到待发布任务对应的任务类型及客户标识后，可从公共题库中分别获取预设的公共题目、任务类型对应的目标题目，并基于任务类型以及根据客户标识获取到的客户信息、合同信息，采用已训练的问卷匹配模型得到目标问卷，最后根据预设的公共题目、任务类型对应的目标题目及目标问卷得到待发布任务，实现了待发布任务的自动生成，节省了任务配置时间，提高了待发布任务的生成效率。

在一个实施例中，在根据预设的公共题目、目标题目及目标问卷生成待发布任务之后，上述方法还包括：获取待发布任务对应的推送条件；将推送条件与当前用户集合中的各个用户进行匹配，将匹配成功的用户确定为目标推送用户；向目标推送用户对应的终端推送待发布任务。

其中，推送条件包括但不限于推送条件包括待发布任务对应的地区、待发布任务对应的任务等级、待发布任务对应的用户身份。本实施例中，服务器在获取到待发布任务对应的推送条件后，将推送条件与当前用户集合中的各个用户进行匹配，将匹配成功的用户确定为目标推送用户，其中，匹配成功包括以下情况中的至少一种：用户对应的注册地址与待发布任务对应的地区相同；用户对应的当前用户等级不低于待发布任务对应的任务等级；用户对应的用户身份与待发布任务对应的任务身份要求相匹配，其中，用户身份包括但不限于在校学生、专业人士、社会人士等等；当前用户集合指是所有的已注册的可接收任务推送的用户所组成的集合。可以理解，本实施例中的用户为任务的执行者，与上文中的客户并不相同，以众包平台为例，用户指的是众包平台执行任务以获取奖励的人群，而客户指的是该任务对应的业务中的客户，例如，物流调查任务中，客户指的是从租赁公司进行物资租赁的人群。

上述实施例中，通过获取推送条件，服务器不再需要对所有用户推送该待发布任务，从而可以节省网络资源。

在一个实施例中，获取待发布任务对应的推送条件，包括：获取待发布任务对应的任务等级；将推送条件与当前用户集合中的各个用户进行匹配，将匹配成功的用户确定为目标推送用户，包括：获取当前用户集合中各个用户对应的当前用户等级；当任意一个用户的当前用户等级不低于待发布任务对应的任务等级时，将用户确定为目标推送用户。

其中，用户等级用户表征用户的可信度，用户等级越高的用户，其可信度越高。在一个实施例中，由于用户在进行注册时需要进行人脸识别，因此可以根据用户注册时的人脸识别分数来确定某个用户对应的用户等级。具体的用户等级的设定可由技术人员根据业务需求进行事先设定，例如可设定为高、中、低，也可以设定为一级、二级、三级，……，n级。任务等级表征任务对应任务执行者的身份可信度要求的高低，任务等级越高的任务，其对于执行者的身份可信度要求越高。任务等级的划定与用户等级的划定相同，比如用户等级划定为高、中、低，则任务等级同样划定为高、中、低，再比如，用户等级与任务等级也可以都划定为一级、二级、三级、四级等等。

在一个实施例中，为确保任务能够精准的推送到满足其推送条件的目标用户，服务器首先获取任务等级，然后获取当前用户集合中各个用户的用户等级，判断各个用户的用户等级是否不低于待发布任务对应的任务等级，并将用户等级不低于待发布任务对应的任务等级的用户确定为目标推送用户。

上述实施例中，通过将任务等级与用户等级进行匹配来确定目标推送用户，可以使得待发布任务能够精准地推送到满足其推送要求的用户，从而节省了对不满足要求的用户进行推送时的网络资源。

在一个实施例中，如图3所示，在获取待发布任务对应的任务等级之前，上述方法还包括任务等级评估模型的生成步骤，具体包括：

步骤s302，获取第一训练样本集，第一训练样本集中每个第一训练样本包括历史任务对应的任务类型、合同信息及第一标注信息。

其中，第一标注信息用于表征历史任务对应的任务等级。在一个实施例中，第一标注信息可以是包含任务等级标识的向量，例如，当任务等级包括高、中、低三级时，用向量(1,0,0)表征高级任务，用向量(0,1,0)表征中级任务，用向量(0,0,1)表征低级任务；在另一个实施例中，第一标注信息可以是包括第一概率、第二概率以及第三概率的向量，其中，第一概率用于表征历史任务为高级任务的可能性，第二概率用于表征历史任务为中级任务的可能性，第三概率用于表征历史任务为低级任务的可能性。

步骤s304，确定初始任务等级评估模型的模型结构信息，以及初始化该初始任务等级评估模型的模型参数。

具体地，初始任务等级评估模型可以是各种可以实现分类功能的机器学习模型，对于不同类型的模型，所需要确定的模型结构信息也不相同。例如，任务等级评估模型可以为决策树、逻辑回归、朴素贝叶斯、神经网络等等。

进一步，可以将初始任务等级评估模型的各个模型参数用一些不同的小随机数进行初始化。“小随机数”用来保证模型不会因权值过大而进入饱和状态，从而导致训练失败，“不同”用来保证模型可以正常地学习。

步骤s306，基于第一训练样本中的任务类型及合同信息采用初始任务等级评估模型得到第一训练样本对应的任务等级。

具体地，可以将历史任务对应的任务类型及合同信息映射为输入向量，将输入向量输入初始任务等级评估模型中，从而可以得到第一训练样本中历史任务的任务等级。

步骤s308，基于所得到的任务等级及第一标注信息之间的差异，调整初始任务等级评估模型的模型参数。

步骤s310，将初始任务等级评估模型确定为目标任务等级评估模型。

具体地，可以利用预设的损失函数(例如，l1范数或者l2范数等)计算所得到的历史任务的任务等级与训练样本中的第一标注信息之间的差异，以及基于计算所得的差异调整上述初始任务等级评估模型的模型参数，并在满足预设训练结束条件时，结束训练，将此时的初始任务等级评估模型确定为目标任务等级评估模型。其中预设训练结束条件包括但不限于：训练时间超过预设阈值；训练次数超过预设次数；计算所得到的差异小于预设差异阈值。本实施例中，可以采用各种实现方式基于计算所得的差异调整上述初始任务等级评估模型的模型参数。例如，bp(backpropagation，反向传播)算法或者sgd(stochasticgradientdescent，随机梯度下降)算法。

进一步，本实施例中，获取待发布任务对应的任务等级，包括：基于待发布任务对应的任务类型及合同信息，采用目标任务等级评估模型得到待发布任务对应的任务等级。具体地，可以将任务类型及合同信息映射为输入向量，并输入到所得到的目标等级评估模型中，得到待发布任务对应的任务等级。

上述实施例中，通过训练任务等级评估模型对待发布任务的等级进行确定，可以使得任务等级的确定更加准确，同时可以提高任务等级的确定效率。

在一个实施例中，获取当前用户集合中各个用户对应的当前用户等级，包括：获取当前用户集合中各个用户的初始用户等级；获取当前用户集合中各个用户的历史已完成任务；根据历史已完成任务对应的任务标识查找对应的任务评分；根据任务评分调整各个用户的初始用户等级，得到各个用户的当前用户等级。

在本实施例中，初始用户等级为根据用户注册时的人脸识别分数确定的用户等级。服务器在获取目标用户的历史已完成任务，根据历史已完成任务对应的任务标识查找对应的任务评分，根据任务评分可以调整目标用户的初始用户等级。其中，任务评分用于表征任务发布者对任务完成情况的满意程度。

在一个实施例中，当用户完成的任务数量超过第一阈值且任务对应的任务评分的均值超过第二阈值时，可以对当前用户的等级进行提升；当目标用户完成的任务数量超过第一阈值且任务对应的任务评分的均值小于第三阈值时，降低用户对应的等级。

上述实施例中，通过任务评分对目标用户的等级进行调整，可以激发用户完成任务的积极性。

在一个实施例中，问卷匹配模型的生成步骤包括：获取第二训练样本集，第二训练样本集中每个第二训练样本包括历史任务对应的任务类型、客户信息、合同信息以及第二标注信息；确定初始问卷匹配模型的模型结构信息，以及初始化初始问卷匹配模型的模型参数；基于第二训练样本中的任务类型、客户信息及合同信息采用初始问卷匹配模型得到第二训练样本对应的目标问卷；基于所得到的目标问卷及第二标注信息之间的差异，调整问卷匹配模型的模型参数，得到目标问卷匹配模型；将目标问卷匹配模型确定为已训练的问卷匹配模型。

其中，第二标注信息用于表征历史任务对应的目标问卷。在一个实施例中，第二标注信息可以是包含问卷标识的向量，例如，当预设的问卷有4个时，分别用向量(1,0,0,0)，(0,1,0,0)，(0,0,1,0)，(0,0,0,1)表示这4个问卷；在另一实施例中，第二标注信息可以是包括多个概率值的向量，例如，当预设的问卷有4个时，第二标注信息可以包括4个概率值，这四个概率值分别表征各个问卷为历史任务对应的目标问卷的可能性。

可以理解，关于本实施例中的其他解释和限定可以参照本申请中其他实施例中的描述，本申请在此不赘述。

应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图4所示，提供了一种任务生成装置400，包括：

数据获取模块402，用于获取待发布任务对应的任务类型及客户标识；

目标题目获取模块404，根据任务类型从预设的公共题库中选取对应的目标题目；

客户信息查找模块406，用于根据客户标识查找对应的客户信息，客户信息包括客户对应的合同编号；

合同信息查找模块408，用于根据合同编号查找待发布任务对应的合同信息；

目标问卷匹配模块410，用于基于任务类型、客户信息以及合同信息，采用已训练的问卷匹配模型得到待发布任务对应的目标问卷；

待发布任务生成模块412，用于获取预设的公共题目，并根据预设的公共题目、目标题目及目标问卷生成待发布任务。

在一个实施例中，上述装置还包括：任务推送模块，用于获取待发布任务对应的推送条件；将推送条件与当前用户集合中的各个用户进行匹配，将匹配成功的用户确定为目标推送用户；向目标推送用户对应的终端推送待发布任务。

在一个实施例中，上述任务推送模块还用于获取待发布任务对应的任务等级；获取当前用户集合中各个用户对应的当前用户等级；当任意一个用户的当前用户等级不低于待发布任务对应的任务等级时，将用户确定为目标推送用户。

在一个实施例中，在获取待发布任务对应的任务等级之前，上述装置还包括任务等级评估模型生成模块，用于获取第一训练样本集，第一训练样本集中每个第一训练样本包括历史任务对应的任务类型、合同信息及第一标注信息；确定初始任务等级评估模型的模型结构信息，以及初始化初始任务等级评估模型的模型参数；基于第一训练样本中的任务类型及合同信息采用初始任务等级评估模型得到第一训练样本对应的任务等级；基于所得到的任务等级及第一标注信息之间的差异，调整初始任务等级评估模型的模型参数；将初始任务等级评估模型确定为目标任务等级评估模型；上述任务推送模块还用于基于待发布任务对应的任务类型及合同信息，采用目标任务等级评估模型得到待发布任务对应的任务等级。

在一个实施例中，上述任务推送模块还用于获取当前用户集合中各个用户的初始用户等级；获取当前用户集合中各个用户的历史已完成任务；根据历史已完成任务对应的任务标识查找对应的任务评分；根据任务评分调整各个用户的初始用户等级，得到各个用户的当前用户等级。

在一个实施例中，上述装置还包括问卷匹配模型生成模块，用于获取第二训练样本集，第二训练样本集中每个第二训练样本包括历史任务对应的任务类型、客户信息、合同信息以及第二标注信息；确定初始问卷匹配模型的模型结构信息，以及初始化初始问卷匹配模型的模型参数；基于第二训练样本中的任务类型、客户信息及合同信息采用初始问卷匹配模型得到第二训练样本对应的目标问卷；基于所得到的目标问卷及第二标注信息之间的差异，调整问卷匹配模型的模型参数，得到目标问卷匹配模型；将目标问卷匹配模型确定为已训练的问卷匹配模型。

关于任务生成装置的具体限定可以参见上文中对于任务生成方法的限定，在此不再赘述。上述任务生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储合同信息、客户信息等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种任务生成方法。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现本申请任意一个实施例中提供的任务生成方法的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现本申请任意一个实施例中提供的任务生成方法的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。