1.一种基于人工智能的模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述特征处理网络包括用于执行样本特征提取处理的样本特征网络以及用于执行图结构特征提取处理的图特征网络；
3.根据权利要求2所述的方法，其特征在于，所述基于初始化的样本特征网络获取预训练三联体损失，包括：
4.根据权利要求2所述的方法，其特征在于，所述基于初始化的源域分类网络获取预训练分类器损失，包括：
5.根据权利要求2所述的方法，其特征在于，所述基于初始化的判别网络获取预训练判别器损失，包括：
6.根据权利要求1所述的方法，其特征在于，所述对所述样本集合中每个所述样本的样本特征进行图特征提取处理，得到每个所述样本的图结构特征，包括：
7.根据权利要求6所述的方法，其特征在于，所述结合所述样本集合中每个所述源域样本的样本特征，对所述源域样本的样本特征进行图特征提取处理，得到所述源域样本的图结构特征，包括：
8.根据权利要求1所述的方法，其特征在于，所述基于每个所述样本的图结构特征，确定每个样本对的样本间转移概率，包括：
9.根据权利要求1所述的方法，其特征在于，所述基于每个所述源域样本的真实标签以及每个所述目标域样本的预测标签，确定每个所述样本对的标签损失，包括：
10.根据权利要求9所述的方法，其特征在于，所述基于每个所述源域样本的真实标签以及每个所述目标域样本的预测标签，确定对应每个类别的期望，包括：
11.根据权利要求1所述的方法，其特征在于，所述基于每个所述样本对的样本间转移概率以及每个所述样本对的标签损失，确定样本差异损失，包括：
12.根据权利要求1所述的方法，其特征在于，所述基于所述样本差异损失对所述特征处理网络进行更新，得到经过更新的特征处理网络，包括：
13.一种基于人工智能的模型训练装置，其特征在于，所述装置包括：
14.一种电子设备，其特征在于，所述电子设备包括：
15.一种计算机可读存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令被处理器执行时实现权利要求1至12任一项所述的基于人工智能的模型训练方法。