技术特征：
1.一种基于人工智能的分类方法，其特征在于，包括：将第一业务场景的第一样本集合和第二业务场景的第二样本集合分别根据样本属性特征进行分组处理，得到每个业务场景下的多个特征组和单体特征；将每个所述业务场景下的多个特征组进行交叉操作，得到多个交叉特征组；根据所述多个特征组和所述多个交叉特征组训练至少一个特征提取模型；根据所述第一业务场景下的所述单体特征和每个所述特征提取模型输出的第一样本特征表征训练类别预测模型，并继续训练所述至少一个特征提取模型；根据训练后的所述至少一个特征提取模型和训练后的所述类别预测模型，预测所述第二业务场景的待测样本的类别标签。2.根据权利要求1所述的方法，其特征在于，所述将第一业务场景的第一样本集合和第二业务场景的第二样本集合分别根据样本属性特征进行分组处理，得到每个业务场景下的多个特征组和单体特征，包括：针对所述第一业务场景的第一样本集合中的每个样本执行以下处理：将所述每个样本中具有相同样本属性的多个单体特征进行分组处理，得到多个第一样本特征组，将所述每个样本中未被用于进行所述分组处理的单体特征作为第一样本单体特征；针对所述第二业务场景的第二样本集合中的每个样本执行以下处理：将所述每个样本具有相同样本属性的多个单体特征进行分组处理，得到多个第二样本特征组，将所述每个样本中未被用于进行所述分组处理的单体特征作为第二样本单体特征。3.根据权利要求2所述的方法，其特征在于，所述将每个所述业务场景下的多个特征组进行交叉操作，得到多个交叉特征组，包括：根据交叉操作函数，将所述多个第一样本特征组中的任意两个进行交叉操作，得到多个第一样本交叉特征组；根据所述交叉操作函数，将所述多个第二样本特征组中的任意两个进行交叉操作，得到多个第二样本交叉特征组。4.根据权利要求1所述的方法，其特征在于，所述多个特征组和所述多个交叉特征组分别对应有一个所述特征提取模型；所述根据所述多个特征组和所述多个交叉特征组训练至少一个特征提取模型，包括：根据与所述多个第一样本特征组分别对应的特征提取模型，确定与所述多个第一样本特征组分别对应的第一样本特征表征；根据与所述多个第二样本特征组分别对应的特征提取模型，确定与所述多个第二样本特征组分别对应的第二样本特征表征，其中，具有相同样本属性的所述第一样本特征组和所述第二样本特征组对应的特征提取模型相同；根据与多个所述第一样本交叉特征组分别对应的特征提取模型，确定与所述多个第一样本交叉特征组分别对应的第一样本特征表征；根据与多个所述第二样本交叉特征组分别对应的特征提取模型，确定与所述多个第二样本交叉特征组分别对应的第二样本特征表征，其中，具有相同样本属性的所述第一样本交叉特征组和所述第二样本交叉特征组对应的特征提取模型相同；根据每个具有相同样本属性的所述第一样本特征表征和所述第二样本特征表征对应的一个领域区分模型，确定所述领域区分模型的领域区分损失值，并根据所述领域区分模
型的领域区分损失值更新与具有相同样本属性的所述第一样本特征表征和所述第二样本特征表征对应的特征提取模型的参数；基于每个所述特征提取模型的更新后的参数得到与所述多个特征组和所述多个交叉特征组分别对应的训练后的特征提取模型。5.根据权利要求1所述的方法，其特征在于，所述多个特征组和所述多个交叉特征组分别对应有一个所述特征提取模型；所述根据所述第一业务场景下的所述单体特征和每个所述特征提取模型输出的第一样本特征表征训练类别预测模型，包括：基于所述第一业务场景下的所述单体特征和所述第一样本特征表征调用所述类别预测模型，得到所述类别预测模型输出的第一样本预测类别标签；根据所述第一样本预测类别标签和第一样本真实类别标签，确定类别预测损失值；根据所述类别预测损失值更新所述类别预测模型的参数，基于更新的所述参数获得训练后的所述类别预测模型；所述继续训练所述至少一个特征提取模型，包括：根据所述类别预测损失值继续更新与所述多个特征组和所述多个交叉特征组分别对应的特征提取模型的参数，基于更新后的参数获得与所述多个特征组和所述多个交叉特征组分别对应的继续训练后的特征提取模型。6.根据权利要求1所述的方法，其特征在于，所述多个特征组和所述多个交叉特征组对应同一个所述特征提取模型；所述根据所述多个特征组和所述多个交叉特征组训练至少一个特征提取模型，包括：根据所述特征提取模型确定与所述多个特征组和所述多个交叉特征组分别对应的第一样本特征表征，并根据所述特征提取模型确定与所述多个特征组和所述多个交叉特征组分别对应的第二样本特征表征；根据每个所述第一样本特征表征和每个所述第二样本特征表征以及分别对应的领域区分模型，确定分别对应的领域区分损失值；根据每个所述领域区分损失值更新所述特征提取模型的参数，基于更新的参数得到训练后的所述特征提取模型。7.根据权利要求6所述的方法，其特征在于，所述根据每个所述第一样本特征表征和每个所述第二样本特征表征以及分别对应的领域区分模型，确定分别对应的领域区分损失值，包括：基于每个所述第一样本特征表征调用与每个所述第一样本特征表征对应的领域区分模型，得到每个所述第一样本特征表征的第一样本预测领域标签，根据所述第一样本预测领域标签和第一样本真实领域标签，确定对应的领域区分损失值；基于每个所述第二样本特征表征调用与所述每个所述第二样本特征表征对应的领域区分模型，得到所述每个所述第二样本特征的第二样本预测领域标签，根据所述第二样本预测领域标签和第二样本真实领域标签，确定对应的领域区分损失值，其中，具有相同样本属性的所述第一样本特征表征和所述第二样本特征表征对应的领域区分模型相同。8.根据权利要求1所述的方法，其特征在于，所述多个特征组和所述多个交叉特征组对应同一个所述特征提取模型；
所述根据所述第一业务场景下的所述单体特征和每个所述特征提取模型输出的第一样本特征表征训练类别预测模型，包括：基于所述第一业务场景下的所述单体特征和所述第一样本特征表征调用所述类别预测模型，得到所述类别预测模型输出的第一样本预测类别标签，根据所述第一样本预测类别标签和第一样本真实类别标签，确定类别预测损失值；根据所述类别预测损失值更新所述类别预测模型的参数，基于更新的参数获得训练后的所述类别预测模型；所述继续训练所述至少一个特征提取模型，包括：根据所述类别预测损失值继续更新所述特征提取模型的参数，基于更新后的参数获得训练后的所述特征提取模型。9.根据权利要求1所述的方法，其特征在于，所述多个特征组和所述多个交叉特征组分别对应有一个所述特征提取模型；所述根据训练后的所述至少一个特征提取模型和训练后的所述类别预测模型，预测所述第二业务场景的待测样本的类别标签，包括：基于所述第二业务场景下的多个特征组调用与所述多个特征组分别对应的训练后的特征提取模型，得到与所述多个特征组分别对应的更新后的第二样本特征表征；基于所述第二业务场景下的多个交叉特征组调用与所述多个交叉特征组分别对应的训练后的特征提取模型，得到与所述多个交叉特征组分别对应的更新后的第二样本特征表征；基于所述更新后的第二样本特征表征和所述第二业务场景下的单体特征调用训练后的所述类别预测模型，得到训练后的所述类别预测模型输出的所述第二业务场景的类别标签。10.根据权利要求8所述的方法，其特征在于，所述多个特征组和所述多个交叉特征组对应同一个所述特征提取模型；所述根据训练后的所述至少一个特征提取模型和训练后的所述类别预测模型，预测所述第二业务场景的待测样本的类别标签，包括：基于所述第二业务场景下的多个特征组和多个交叉特征组调用所述特征提取模型，得到与所述多个特征组和多个交叉特征组分别对应的更新后的第二样本特征表征；基于所述更新后的第二样本特征表征和所述第二业务场景下的单体特征，调用训练后的所述类别预测模型，得到所述第二业务场景的类别标签。11.一种基于人工智能的分类装置，其特征在于，包括：特征分组模块，用于将第一业务场景的第一样本集合和第二业务场景的第二样本集合分别根据样本属性特征进行分组处理，得到每个业务场景下的多个特征组和单体特征；交叉模块，用于将每个所述业务场景下的多个特征组进行交叉操作，得到多个交叉特征组；第一训练模块，用于根据所述多个特征组和所述多个交叉特征组训练至少一个特征提取模型；第二训练模块，用于根据所述第一业务场景下的所述单体特征和每个所述特征提取模型输出的第一样本特征表征训练类别预测模型，并继续训练所述至少一个特征提取模型；
预测模块，用于根据训练后的所述至少一个特征提取模型和训练后的所述类别预测模型，预测所述第二业务场景的待测样本的类别标签。12.一种电子设备，其特征在于，所述电子设备包括：存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至10任一项所述的基于人工智能的分类方法。13.一种计算机可读存储介质，其特征在于，存储有可执行指令，用于被处理器执行时，实现权利要求1至10任一项所述的基于人工智能的分类方法。14.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至10任一项所述的基于人工智能的分类方法。
技术总结
本申请提供了一种基于人工智能的分类方法、装置、设备及计算机可读存储介质；方法包括：将第一业务场景的第一样本集合和第二业务场景的第二样本集合分别根据样本属性特征进行分组处理，得到每个业务场景下的多个特征组和单体特征；将每个业务场景下的多个特征组进行交叉操作，得到多个交叉特征组；根据多个特征组和多个交叉特征组训练至少一个特征提取模型；根据第一业务场景下的单体特征和每个特征提取模型输出的第一样本特征表征训练类别预测模型，并继续训练至少一个特征提取模型；根据训练后的至少一个特征提取模型和训练后的类别预测模型，预测第二业务场景的待测样本的类别标签。通过本申请，能够在提高迁移学习效率的同时提高预测准确性。效率的同时提高预测准确性。效率的同时提高预测准确性。
技术研发人员：康焱 刘洋
受保护的技术使用者：深圳前海微众银行股份有限公司
技术研发日：2021.07.09
技术公布日：2021/9/9