模型训练方法、任务执行结果的确定方法、装置及设备

技术领域

本申请涉及计算机技术领域，尤其涉及一种模型训练方法、任务执行结果的确定方法、装置及设备。

背景技术

在实际工作中，开展一个工作任务，通常需要对任务进行风险管控，以确保任务执行成功。

在相关技术中，可以通过模型对任务的执行结果进行预测。在对模型的训练过程中，可以获取样本数据，样本数据可以包括不同类型的多个任务、以及每个任务的多个参数值，通过样本数据对模型进行训练，得到目标模型。然而，在上述过程中，由于任务的种类繁多，且每个任务的多个参数值对应的参数类型可能不同，导致对模型进行训练的效率较低。

发明内容

本申请提供一种模型训练方法、任务执行结果的确定方法、装置及设备，用以提高对模型进行训练的效率。

第一方面，本申请提供一种模型训练方法，包括：

确定目标任务类型，并根据所述目标任务类型确定多个历史任务，所述历史任务的任务类型为所述目标任务类型；

获取每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值；

根据每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值，在多个参数类型中确定多个目标参数类型，所述目标参数类型与所述任务执行结果的相关度大于或等于预设阈值；

根据所述多个目标参数类型获取多个训练样本，所述训练样本中包括样本任务的多个样本任务参数、以及所述样本任务的样本执行结果，所述样本任务的任务类型为所述目标任务类型，所述样本任务参数的参数类型为所述目标参数类型；

根据所述多个训练样本对待训练模型进行训练，得到目标模型，所述目标模型用于预测所述目标任务的任务执行结果。

在一种可能的实施方式中，根据每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值，在多个参数类型中确定多个目标参数类型，包括：

根据每个历史任务的任务执行结果，对所述多个历史任务进行分类处理，得到多个历史任务集合，所述历史任务集合中各历史任务的任务执行结果相同；

针对任意一个历史任务集合，根据所述历史任务集合中各历史任务的多个参数值，在所述多个参数类型中确定所述历史任务集合对应的目标参数类型；

确定所述多个目标参数类型包括每个历史任务集合对应的目标参数类型。

在一种可能的实施方式中，根据所述历史任务集合中各历史任务的多个参数值，在所述多个参数类型中确定所述历史任务集合对应的目标参数类型，包括：

对所述历史任务集合中各历史任务的多个参数值进行归一化处理，得到多个归一化参数值；

根据所述历史任务集合中各历史任务的多个归一化参数值，确定各参数类型对应的参数分布信息；

根据各参数类型对应的参数分布信息，在所述多个参数类型中确定所述历史任务集合对应的目标参数类型。

在一种可能的实施方式中，所述参数分布信息为参数曲线图；根据各参数类型对应的参数分布信息，在所述多个参数类型中确定所述历史任务集合对应的目标参数类型，包括：

针对任意一个参数类型，根据所述参数类型对应的参数曲线图，确定所述参数类型对应的参数波动值；

将参数波动值小于或等于预设波动值的参数类型，确定为所述历史任务集合对应的目标参数类型。

在一种可能的实施方式中，根据所述多个训练样本对所述待训练模型进行训练，得到目标模型，包括：

将所述多个训练样本划分为训练集和验证集；

通过所述训练集对所述待训练模型进行模型训练，得到中间模型；

根据所述验证集对所述中间模型进行验证处理，得到所述中间模型的处理精确度；

若所述处理精确度大于或等于精度阈值，则将所述中间模型确定为所述目标模型；

若所述处理精确度小于所述精度阈值，则根据所述处理精确度对所述中间模型进行更新处理，得到所述目标模型。

在一种可能的实施方式中，所述方法还包括：

确定每个目标参数类型在所述目标模型中的权重值，所述权重值用于指示对所述任务执行结果的影响程度；

显示各目标参数类型对应的权重值。

第二方面，本申请提供一种任务执行结果的确定方法，包括：

确定目标任务对应的多个目标参数类型；

根据所述多个目标参数类型，获取所述目标任务的多个任务参数；

通过目标模型对所述多个任务参数进行处理，得到所述目标任务的任务执行结果，所述目标模型为根据第一方面任一项所述的方法确定的。

第三方面，本申请提供一种模型训练装置，包括：第一确定模块、第一获取模块、第二确定模块、第二获取模块和训练模块，其中，

所述第一确定模块用于，确定目标任务类型，并根据所述目标任务类型确定多个历史任务，所述历史任务的任务类型为所述目标任务类型；

所述第一获取模块用于，获取每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值；

所述第二确定模块用于，根据每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值，在多个参数类型中确定多个目标参数类型，所述目标参数类型与所述任务执行结果的相关度大于或等于预设阈值；

所述第二获取模块用于，根据所述多个目标参数类型获取多个训练样本，所述训练样本中包括样本任务的多个样本任务参数、以及所述样本任务的样本执行结果，所述样本任务的任务类型为所述目标任务类型，所述样本任务参数的参数类型为所述目标参数类型；

所述训练模块用于，根据所述多个训练样本对待训练模型进行训练，得到目标模型，所述目标模型用于预测所述目标任务的任务执行结果。

在一种可能的实施方式中，所述第二确定模块具体用于：

根据每个历史任务的任务执行结果，对所述多个历史任务进行分类处理，得到多个历史任务集合，所述历史任务集合中各历史任务的任务执行结果相同；

针对任意一个历史任务集合，根据所述历史任务集合中各历史任务的多个参数值，在所述多个参数类型中确定所述历史任务集合对应的目标参数类型；

确定所述多个目标参数类型包括每个历史任务集合对应的目标参数类型。

在一种可能的实施方式中，所述第二确定模块具体用于：

对所述历史任务集合中各历史任务的多个参数值进行归一化处理，得到多个归一化参数值；

根据所述历史任务集合中各历史任务的多个归一化参数值，确定各参数类型对应的参数分布信息；

根据各参数类型对应的参数分布信息，在所述多个参数类型中确定所述历史任务集合对应的目标参数类型。

在一种可能的实施方式中，所述参数分布信息为参数曲线图；所述第二确定模块具体用于：

针对任意一个参数类型，根据所述参数类型对应的参数曲线图，确定所述参数类型对应的参数波动值；

将参数波动值小于或等于预设波动值的参数类型，确定为所述历史任务集合对应的目标参数类型。

在一种可能的实施方式中，所述训练模块具体用于：

将所述多个训练样本划分为训练集和验证集；

通过所述训练集对所述待训练模型进行模型训练，得到中间模型；

根据所述验证集对所述中间模型进行验证处理，得到所述中间模型的处理精确度；

若所述处理精确度大于或等于精度阈值，则将所述中间模型确定为所述目标模型；

若所述处理精确度小于所述精度阈值，则根据所述处理精确度对所述中间模型进行更新处理，得到所述目标模型。

在一种可能的实施方式中，所述装置还包括第三确定模块和显示模块：

所述第三确定模块用于，确定每个目标参数类型在所述目标模型中的权重值，所述权重值用于指示对所述任务执行结果的影响程度；

所述显示模块用于，显示各目标参数类型对应的权重值。

第四方面，本申请实施例提供一种任务执行结果的确定装置，包括：确定模块、获取模块和处理模块，其中，

所述确定模块用于，确定目标任务对应的多个目标参数类型；

所述获取模块用于，根据所述多个目标参数类型，获取所述目标任务的多个任务参数；

所述处理模块用于，通过目标模型对所述多个任务参数进行处理，得到所述目标任务的任务执行结果，所述目标模型为根据第一方面任一项所述的方法确定的。

第五方面，本申请提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现如第一方面任一项所述的方法。

第六方面，本申请提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现如第二方面任一项所述的方法。

第七方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面任一项所述的方法。

第八方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第二方面任一项所述的方法。

第九方面，本申请实施例提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面任一项所示的方法。

第十方面，本申请实施例提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第二方面任一项所述的方法。

在本申请实施例提供一种模型训练方法、任务执行结果的确定方法、装置及设备，电子设备可以确定目标任务类型，并根据目标任务类型确定多个历史任务。电子设备可以获取每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值，进而根据每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值，在多个参数类型中确定多个目标参数类型，并根据多个目标参数类型获取多个训练样本，根据多个训练样本对待训练模型进行训练，得到目标模型。由于电子设备可以确定目标任务类型，根据目标任务类型确定多个历史任务；并且可以在多个参数类型中确定多个目标参数类型，进而可以根据目标参数类型获取多个训练样本，避免了大量的无用参数，提高了对模型进行训练的效率。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1为本申请示例性实施例提供的一种场景示意图；

图2为本申请实施例提供的一种模型训练方法的流程示意图；

图3为本申请实施例提供的另一种模型训练方法的流程示意图；

图4为本申请实施例提供的一种模型训练过程的过程示意图；

图5为本申请实施例提供的一种任务执行结果的确定方法的流程示意图；

图6为本申请实施例提供的一种模型训练装置的结构示意图；

图7为本申请实施例提供一种任务执行结果的确定装置的结构示意图；

图8为本申请实施例提供的一种电子设备的结构示意图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。

需要说明的是，本申请的模型训练方法和装置可用于计算机技术领域，也可用于除计算机技术领域之外的任意领域，本申请的模型训练方法和装置的应用领域不做限定。

为了便于理解，下面，结合图1，对本申请实施例所适用的应用场景进行说明。

图1为本申请示例性实施例提供的一种场景示意图。请参见图1，电子设备可以确定多个历史任务，并获取每个历史任务的任务执行结果、以及多个参数值，该多个参数值可以是多个参数类型对应的。

例如，电子设备可以获取历史任务1的多个参数值以及任务执行结果1、可以获取历史任务2的多个参数值、以及任务执行结果2、……、可以获取历史任务n的多个参数值以及任务执行结果n(n为大于或等于1的整数)。

电子设备可以根据每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值，在多个参数类型中确定多个目标参数类型，进而根据多个目标参数类型获取训练样本，进而通过训练样本对待训练模型进行训练，得到目标模型。例如，若存在500个历史任务，则电子设备可以根据每个历史任务的任务执行结果、以及20个参数类型对应的参数值，在20个参数类型中确定7个目标参数类型，进而根据该7个目标参数类型获取训练样本。例如，训练样本中可以包括样本任务1的多个样本任务参数以及样本执行结果1、样本任务2的多个样本任务参数以及样本执行结果2、……、样本任务m的多个样本任务参数以及样本执行结果m(m为大于或等于1的整数)。

电子设备获取训练样本之后，可以通过训练样本对待训练模型进行训练，得到目标模型。目标模型可以用于预测目标任务的任务执行结果。

在相关技术中，可以通过模型对任务的执行结果进行预测。在对模型的训练过程中，可以获取样本数据，样本数据可以包括不同类型的多个任务、以及每个任务的多个参数值，通过样本数据对模型进行训练，得到目标模型。然而，在上述过程中，由于任务的种类繁多，且每个任务的多个参数值对应的参数类型可能不同，导致对模型进行训练的效率较低。

在本申请实施例中，电子设备可以确定目标任务类型，并根据目标任务类型确定多个历史任务。电子设备可以获取每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值，进而根据每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值，在多个参数类型中确定多个目标参数类型，并根据多个目标参数类型获取多个训练样本，根据多个训练样本对待训练模型进行训练，得到目标模型。由于电子设备可以确定目标任务类型，根据目标任务类型确定多个历史任务；并且可以在多个参数类型中确定多个目标参数类型，进而可以根据目标参数类型获取多个训练样本，避免了大量的无用参数，提高了对模型进行训练的效率。

下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

图2为本申请实施例提供的一种模型训练方法的流程示意图。请参见图2，该方法可以包括：

S201、确定目标任务类型，并根据目标任务类型确定多个历史任务。

本申请实施例的执行主体可以为电子设备，也可以为设置在电子设备中的模型训练装置。模型训练装置可以通过软件实现，也可以通过软件和硬件的结合实现。模型训练装置可以为电子设备中的处理器。为了便于理解，在下文中，以执行主体为电子设备为例进行说明。

针对任意一个任务，任务可以有对应的任务类型。例如，若任务1为软件开发任务，则对应的任务类型可以为软件开发类型。若任务2为产品开发任务，则对应的任务类型可以为产品开发类型。

可选地，电子设备中可以存储有多个任务。电子设备可以根据目标任务类型，在多个任务中确定多个历史任务。历史任务的任务类型可以为目标任务类型。例如，电子设备中存储有1000个任务，若目标任务类型为软件开发类型，则电子设备可以根据软件开发类型在该1000个任务中，确定任务类型为软件开发类型的200个历史任务。

S202、获取每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值。

针对不同类型的历史任务，任务执行结果不同。例如，若历史任务为软件开发任务，则任务执行结果可以包括成功或失败；若历史任务为产品开发任务，则任务执行结果可以包括提前完成、按时完成以及超期完成。

针对任意一个历史任务，历史任务具有对应的任务执行结果、以及多个参数类型对应的多个参数值。例如，针对历史任务1，历史任务1的执行结果可以为成功，历史任务1可以具有5个参数值，分别为：任务周期对应的参数值1、任务预算对应的参数值2、执行人数对应的参数值3、成本对应的参数值4、以及任务等级对应的参数值5。

可选地，电子设备可以在数据库中获取每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值。例如，若存在200个历史任务，有20个参数类型，则电子设备可以获取每个历史任务的任务执行结果、以及20个参数类型分别对应的参数值。

S203、根据每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值，在多个参数类型中确定多个目标参数类型。

可选地，目标参数类型与任务执行结果的相关度可以大于或等于预设阈值，即目标参数类型是影响任务执行结果的关键参数类型。例如，预设阈值可以为80％，目标参数类型可以为任务预算，与任务执行结果的相关度可以大于80％。

在一可选实施例中，可以通过如下方式，根据每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值，在多个参数类型中确定多个目标参数类型：根据每个历史任务的任务执行结果，对多个历史任务进行分类处理，得到多个历史任务集合；针对任意一个历史任务集合，根据历史任务集合中各历史任务的多个参数值，在多个参数类型中确定历史任务集合对应的目标参数类型；确定多个目标参数类型包括每个历史任务集合对应的目标参数类型。

可选地，电子设备可以确定每个历史任务的任务执行结果，并根据每个历史任务的任务执行结果，对多个历史任务进行分类处理，得到多个历史任务集合。历史任务集合中各历史任务的任务执行结果相同。

例如，若存在200个历史任务，其中有170个历史任务的任务执行结果为成功，有30个历史任务的任务执行结果为失败，则电子设备可以对该200个历史任务进行分类处理，得到2个历史任务集合，分别为历史任务集合1和历史任务集合2。历史任务集合1中可以包括170个执行成功的历史任务，历史任务集合2中可以包括30个执行失败的历史任务。

可选地，针对任意一个历史任务集合，电子设备可以根据历史任务集合中各历史任务的多个参数值，在多个参数类型中确定历史任务集合对应的目标参数类型。例如，若历史任务集合1中包括170个历史任务，每个历史任务有20个参数类型对应的多个参数值，则电子设备可以根据每个历史任务的多个参数值，在该20个参数类型中确定历史任务集合1对应的目标参数类型。假设历史任务集合1对应的目标参数类型有4个，分别为目标参数类型1、目标参数类型2、目标参数类型3、目标参数类型4。

可选地，电子设备可以确定多个目标参数类型包括每个历史任务集合对应的目标参数类型。例如，若历史任务集合1对应的目标参数类型有4个，分别为目标参数类型1、目标参数类型2、目标参数类型3、目标参数类型4，历史任务集合2对应的目标参数类型有3个，分别为目标参数类型5、目标参数类型6、目标参数类型7，则电子设备可以确定目标参数类型有7个，分别为目标参数类型1、目标参数类型2、……、目标参数类型7。

S204、根据多个目标参数类型获取多个训练样本。

针对任意一个训练样本，训练样本中可以包括样本任务的多个样本任务参数、以及样本任务的样本执行结果。

样本任务的任务类型可以为目标任务类型，样本任务参数的参数类型可以为目标参数类型。

例如，若存在7个目标参数类型，则电子设备可以根据7个目标参数类型获取样本任务1中的该7个目标参数类型分别对应的样本任务参数、以及样本任务1的样本执行结果，以得到训练样本1。样本任务1的任务类型可以为软件开发类型。

可选地，电子设备可以根据多个目标参数类型获取多个训练样本。每个训练样本中可以包括样本任务的多个样本任务参数、以及样本任务的样本执行结果。例如，若存在7个目标参数类型，则电子设备可以根据7个目标参数类型获取180个训练样本，该180个训练样本可以分别为：样本任务1对应的多个样本任务参数以及样本执行结果、样本任务2对应的多个样本任务参数以及样本执行结果、……、样本任务180对应的多个样本任务参数以及样本执行结果。该180个样本任务的任务类型可以为软件开发类型。每个样本任务对应的多个样本任务参数的参数类型为目标参数类型。

S205、根据多个训练样本对待训练模型进行训练，得到目标模型。

目标模型可以用于预测目标任务的任务执行结果。

可选地，待训练模型可以为决策树模型。

电子设备获取多个训练样本之后，可以通过多个训练样本对待训练模型进行训练，得到目标模型。例如，若存在180个训练样本，待训练模型可以为决策树模型，则电子设备可以根据该180个训练样本对决策树模型进行训练，得到目标模型。

在本申请实施例中，电子设备可以确定目标任务类型，并根据目标任务类型确定多个历史任务。电子设备可以获取每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值，进而根据每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值，在多个参数类型中确定多个目标参数类型，并根据多个目标参数类型获取多个训练样本，根据多个训练样本对待训练模型进行训练，得到目标模型。由于电子设备可以确定目标任务类型，根据目标任务类型确定多个历史任务；并且可以在多个参数类型中确定多个目标参数类型，进而可以根据目标参数类型获取多个训练样本，避免了大量的无用参数，提高了对模型进行训练的效率。

下面，在图2所示实施例的基础上，结合图3，对上述模型训练方法进行详细说明。

图3为本申请实施例提供的另一种模型训练方法的流程示意图。请参见图3，该方法可以包括：

S301、确定目标任务类型，并根据目标任务类型确定多个历史任务。

S302、获取每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值。

需要说明的是，步骤S301～步骤S302的执行过程可以参见步骤S201～S202的执行过程，此处不再进行赘述。

S303、根据每个历史任务的任务执行结果，对多个历史任务进行分类处理，得到多个历史任务集合。

例如，若历史任务的任务执行结果包括成功和失败，若存在200个历史任务，若存在200个历史任务，其中有170个历史任务的任务执行结果为成功，有30个历史任务的任务执行结果为失败，则电子设备可以对该200个历史任务进行分类处理，得到2个历史任务集合，分别为历史任务集合1和历史任务集合2。历史任务集合1中可以包括170个执行成功的历史任务，历史任务集合2中可以包括30个执行失败的历史任务。

S304、针对任意一个历史任务集合，根据历史任务集合中各历史任务的多个参数值，在多个参数类型中确定历史任务集合对应的目标参数类型。

在一可选实施例中，可以通过如下方式，根据历史任务集合中各历史任务的多个参数值，在多个参数类型中确定历史任务集合对应的目标参数类型：对历史任务集合中各历史任务的多个参数值进行归一化处理，得到多个归一化参数值；根据历史任务集合中各历史任务的多个归一化参数值，确定各参数类型对应的参数分布信息；根据各参数类型对应的参数分布信息，在多个参数类型中确定历史任务集合对应的目标参数类型。

可选地，电子设备可以对历史任务集合中各历史任务的多个参数值进行归一化处理，得到多个归一化参数值。

可选地，针对任意一个参数类型，电子设备可以根据参数类型，确定各历史任务中该参数类型对应的参数值，进而确定最大参数值，根据该最大参数值对该参数类型的多个参数值进行归一化处理，得到多个归一化参数值。

例如，若历史任务集合1中包括170个历史任务，每个历史任务有20个参数类型分别对应的参数值。针对任意一个参数类型，电子设备可以根据该参数类型，确定历史任务1中该参数类型对应的参数值1、历史任务2中该参数类型对应的参数值2、……、历史任务170中该参数类型对应的参数值170，并对该170个参数值进行归一化处理，得到170个归一化参数值。

例如，若参数类型1为任务周期，则电子设备可以确定170个历史任务的任务周期，并确定最大任务周期。例如，若最大任务周期为15个月，历史任务1中的任务周期对应的参数值1为10个月，则可以对参数值1进行归一化处理，得到归一化参数值1为10/15＝0.66；若历史任务2中的任务周期对应的参数值2为8个月，则可以对参数值2进行归一化处理，得到归一化参数值2为8/15＝0.53；……；若历史任务170中的任务周期对应的参数值170为15个月，则可以对参数值170进行归一化处理，得到归一化参数值170为15/15＝1。

可选地，针对任意一个参数类型，电子设备可以根据历史任务集合中各历史任务的多个归一化参数值，确定该参数类型对应的参数分布信息。可选地，参数分布信息可以为参数曲线图。

例如，若参数类型为任务周期，历史任务集合1中包括170个历史任务，则电子设备可以根据历史任务集合1中各历史任务中任务周期对应的多个归一化参数值，即归一化参数值1、归一化参数值2、……、归一化参数值170，确定该参数类型对应的参数分布信息1，即参数曲线图1。

在一可选实施例中，可以通过如下方式，根据各参数类型对应的参数分布信息，在多个参数类型中确定历史任务集合对应的目标参数类型：针对任意一个参数类型，根据参数类型对应的参数曲线图，确定参数类型对应的参数波动值；将参数波动值小于或等于预设波动值的参数类型，确定为历史任务集合对应的目标参数类型。

参数波动值可以包括正值和/或负值。例如，参数波动值可以为±5。

可选地，电子设备可以根据每个参数类型对应的参数曲线图，确定参数类型对应的参数中位数，并根据参数中位数、最大参数值和最小参数值，确定参数波动值。例如，若参数类型为任务周期，若电子设备根据任务周期对应的参数曲线图，确定任务周期对应的参数中位数为12个月，最大参数值为15个月，最大参数值为8个月，则可以确定参数波动值为±4个月。

针对任意一个参数类型，参数类型可以有对应的预设波动值。

可选地，针对任意一个参数类型，电子设备可以确定参数类型对应的预设波动值，并将参数波动值小于或等于预设波动值的参数类型，确定为历史任务集合对应的目标参数类型。

例如，若参数类型为任务周期，若电子设备确定任务周期对应的预设波动值为±5个月，若任务周期对应的参数波动值为±4个月，则由于任务周期的参数波动值小于预设波动值，则可以将任务周期确定为历史任务集合1对应的目标参数类型。

电子设备可以根据各参数类型对应的参数分布信息，在多个参数类型中确定历史任务集合对应的目标参数类型。例如，针对历史集合1，电子设备可以根据20个参数类型分别对应的参数分布信息，在该20个参数类型中确定历史集合1对应的4个目标参数类型，分别为目标参数类型1、目标参数类型2、目标参数类型3、目标参数类型4；针对历史集合2，电子设备可以根据20个参数类型分别对应的参数分布信息，在该20个参数类型中确定历史任务集合2对应的目标参数类型，分别为目标参数类型5、目标参数类型6、目标参数类型7。

S305、确定多个目标参数类型包括每个历史任务集合对应的目标参数类型。

例如，若历史任务集合1对应的目标参数类型有4个，分别为目标参数类型1、目标参数类型2、目标参数类型3、目标参数类型4，历史任务集合2对应的目标参数类型有3个，分别为目标参数类型5、目标参数类型6、目标参数类型7，则电子设备可以确定目标参数类型有7个，分别为目标参数类型1、目标参数类型2、……、目标参数类型7。

S306、根据多个目标参数类型获取多个训练样本。

需要说明的是，步骤S306的执行过程可以参见步骤S204的执行过程，此处不再进行赘述。

S307、根据多个训练样本对待训练模型进行训练，得到目标模型。

在一可选实施例中，可以通过如下可行的方式，根据多个训练样本对待训练模型进行训练，得到目标模型：将多个训练样本划分为训练集和验证集；通过训练集对待训练模型进行模型训练，得到中间模型；根据验证集对中间模型进行验证处理，得到中间模型的处理精确度；若处理精确度大于或等于精度阈值，则将中间模型确定为目标模型；若处理精确度小于精度阈值，则根据处理精确度对中间模型进行更新处理，得到目标模型。

可选地，可以根据互斥原则，将多个训练样本划分为训练集和验证集，训练集和验证集中的样本任务不重合。例如，若存在180个训练样本，则可以将该180个训练样本划分为训练集和验证集，训练集中可以包括100个训练样本，即训练集中包括100个样本任务的多个样本任务参数、以及每个样本任务的样本执行结果；验证集中可以包括80个训练样本，即验证集中可以包括80个样本任务的多个样本任务参数、以每个样本任务的样本执行结果。

电子设备可以通过训练集对待训练模型进行模型训练，得到中间模型。例如，若待训练模型为决策树模型，训练集中包括100个样本任务，则电子设备可以通过训练集中的100个样本任务，对待训练模型进行模型训练，得到中间模型。

可选地，电子设备可以根据验证集中的多个样本任务对中间模型进行验证处理，得到中间模型的处理精确度，即电子设备可以通过中间模型对验证集中多个样本任务的多个样本任务参数进行处理，得到多个样本任务的预测执行结果，并将该多个样本任务的预测执行结果与多个样本任务的样本执行结果进行一一对比，得到处理精确度。

例如，若验证集中可以包括80个样本任务，则电子设备可以通过中间模型分别对验证集中的80个样本任务的多个样本任务参数进行处理，得到80个样本任务的预测执行结果，并与该80个样本任务的样本任务执行结果进行一一对比，得到处理精确度。例如，若在80个预测执行结果，有70个预测执行结果与对应的样本任务执行结果一致，则可以确定处理精确度为70/80＝87.5％。

可选地，电子设备确定处理精确度之后，若处理精确度大于或等于精度阈值，则说明中间模型已达到预期要求，可以将中间模型确定为目标模型；若处理精确度小于精度阈值，则说明中间模型的处理结果不够准确，则可以根据处理精确度对中间模型进行更新处理，得到目标模型。

可选地，可以通过调整模型参数、或者调整模型的迭代算法以对中间模型进行更新处理。

可选地，精度阈值可以是人为预设的。例如，精度阈值可以为95％。

例如，若精度阈值为95％，处理精确度为99％，由于处理精确度99％大于精度阈值95％，则可以将中间模型确定为目标模型；若处理精确度为87.5％，由于处理精确度87.5％小于精度阈值95％，则可以根据处理精确度87.5％对中间模型调整模型参数、或者调整模型的迭代算法，以进行更新处理，得到目标模型。

S308、确定每个目标参数类型在目标模型中的权重值。

权重值可以用于指示对任务执行结果的影响程度。权重值越大，表示对任务执行结果的影响越大。例如，若目标参数类型1在目标模型中的权重值为0.5，目标参数类型2在目标模型中的权重值为0.3，则目标参数类型1相比目标参数类型2对任务执行结果的影响更大。

可选地，电子设备通过目标模型可以确定每个目标参数类型的权重值。例如，若存在7个目标参数类型，则可以通过目标模型确定该7个目标参类型的权重值。

S309、显示各目标参数类型对应的权重值。

可选地，电子设备可以显示各目标参数类型对应的权重值，还可以对各目标参数类型对应的权重值进行排序，得到排序结果，并显示排序结果。

例如，若电子设备确定7个目标参数类型的权重值，并排序如表1所示：

表1

则电子设备可以显示各目标参数类型对应的权重值、以及排序结果。

可选地，电子设备还可以向预设设备发送各目标参数类型对应的权重值。

可选地，可以对目标模型进行可视化分析，绘制各目标参数类型对任务执行结果的影响关系图；还可以对目标模型绘制单棵决策树，以直观的反应各目标参数类型对任务执行结果的影响。

在本申请实施例中，电子设备可以确定目标任务类型，并根据目标任务类型确定多个历史任务。电子设备可以获取每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值，并根据每个历史任务的任务执行结果，对多个历史任务进行分类处理，得到多个历史任务集合。针对任意一个历史任务集合，根据历史任务集合中各历史任务的多个参数值，在多个参数类型中确定历史任务集合对应的目标参数类型。可以确定多个目标参数类型包括每个历史任务集合对应的目标参数类型。电子设备可以根据多个目标参数类型获取多个训练样本，并根据多个训练样本对待训练模型进行训练，得到目标模型，还可以确定每个目标参数类型在目标模型中的权重值，并显示各目标参数类型对应的权重值。由于电子设备可以确定目标任务类型，根据目标任务类型确定多个历史任务；并且可以在多个参数类型中确定多个目标参数类型，进而可以根据目标参数类型获取多个训练样本，避免了大量的无用参数，提高了对模型进行训练的效率。

下面，在上述任一实施例的基础上，结合图4，对上述模型训练过程进行进一步详细说明。

图4为本申请实施例提供的一种模型训练过程的过程示意图。请参见图4，电子设备可以确定目标任务类型，并根据目标任务类型确定多个历史任务，并获取每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值，进而可以根据每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值，进而确定多个目标参数类型。例如，电子设备可以获取200个历史任务。每个历史任务有20个参数类型，则电子设备可以获取每个历史任务的任务执行结果、以及20个参数类型分别对应的参数值，进而可以确定7个目标参数类型，分别为目标参数类型1、目标参数类型2、……、目标参数类型7。

电子设备可以根据多个目标参数类型获取多个训练样本。例如，若存在7个目标参数类型，则电子设备可以根据7个目标参数类型获取180个训练样本，每个训练样本中可以包括样本任务的多个样本任务参数、以及样本任务的样本执行结果。样本任务的任务类型可以为目标任务类型，样本任务参数的参数类型可以为目标参数类型。

电子设备可以将多个训练样本划分为训练集和验证集。例如，若存在180个训练样本，则可以将该180个训练样本划分为训练集和验证集，训练集中可以包括100个训练样本，即训练集中包括100个样本任务的多个样本任务参数、以及每个样本任务的样本执行结果；验证集中可以包括80个训练样本，即验证集中可以包括80个样本任务的多个样本任务参数、以每个样本任务的样本执行结果。

电子设备可以通过训练集对待训练模型进行模型训练，得到中间模型。例如，若待训练模型为决策树模型，训练集中包括100个样本任务，则电子设备可以通过训练集中的100个样本任务，对待训练模型进行模型训练，得到中间模型。

电子设备可以通过验证集对中间模型进行验证处理，得到中间模型的处理精确度。若处理精确度大于或等于精度阈值，则将中间模型确定为目标模型；若处理精确度小于精度阈值，则根据处理精确度对中间模型进行更新处理，得到目标模型。例如，若验证集中可以包括80个样本任务，则电子设备可以通过中间模型分别对验证集中的80个样本任务的多个样本任务参数进行处理，得到80个样本任务的预测执行结果，并与该80个样本任务的样本任务执行结果进行一一对比，得到处理精确度。若精度阈值为95％，处理精确度为99％，由于处理精确度99％大于精度阈值95％，则可以将中间模型确定为目标模型；若处理精确度为87.5％，由于处理精确度87.5％小于精度阈值95％，则可以根据处理精确度87.5％对中间模型调整模型参数、或者调整模型的迭代算法，以进行更新处理，得到目标模型。

在本申请实施例中，电子设备可以确定目标任务类型，并根据目标任务类型确定多个历史任务。电子设备可以获取每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值，并根据每个历史任务的任务执行结果，对多个历史任务进行分类处理，得到多个历史任务集合。针对任意一个历史任务集合，根据历史任务集合中各历史任务的多个参数值，在多个参数类型中确定历史任务集合对应的目标参数类型。可以确定多个目标参数类型包括每个历史任务集合对应的目标参数类型。电子设备可以根据多个目标参数类型获取多个训练样本，并根据多个训练样本对待训练模型进行训练，得到目标模型，还可以确定每个目标参数类型在目标模型中的权重值，并显示各目标参数类型对应的权重值。由于电子设备可以确定目标任务类型，根据目标任务类型确定多个历史任务；并且可以在多个参数类型中确定多个目标参数类型，进而可以根据目标参数类型获取多个训练样本，避免了大量的无用参数，提高了对模型进行训练的效率。

下面，结合图5，对模型使用的过程进行说明。

图5为本申请实施例提供的一种任务执行结果的确定方法的流程示意图。请参见图5，该方法可以包括：

S501、确定目标任务对应的多个目标参数类型。

可选地，可以人为输入目标任务，电子设备可以确定根据目标任务，确定目标任务对应的多个目标参数类型。

例如，若目标任务为开发软件1，则电子设备可以根据该目标任务，确定对应的多个目标参数类型。假设电子设备可以确定5个目标参数类型，分别为任务周期、任务预算、执行人数、成本、以及任务等级。

S502、根据多个目标参数类型，获取目标任务的多个任务参数。

可选地，可以人为输入多个目标参数类型分别对应的任务参数，以使电子设备可以确定根据多个目标参数类型，获取目标任务的多个任务参数。

例如，若有5个目标参数类型，分别为任务周期、任务预算、执行人数、成本、以及任务等级，则电子设备可以获取任务周期对应的参数值1为12个月、任务预算对应的参数值2为500万、执行人数对应的参数值3为30人、成本对应的参数值4为400万、以及任务等级对应的参数值5为等级3。

S503、通过目标模型对多个任务参数进行处理，得到目标任务的任务执行结果。

目标模型可以是通过上述模型训练方法训练得到的。

例如，若目标任务为开发软件1，若存在5个任务参数，分别为任务周期12个月、任务预算500万、执行人数30人、成本400万、以及等级3，则电子设备可以通过目标模型对5个任务参数进行处理，得到目标任务的任务执行结果。假设可以确定目标任务的任务执行结果为成功。

可选地，电子设备还可以通过目标模型确定多个目标参数类型的权重值，以确定多个目标参数类型对任务执行结果的影响程度。电子设备还可以显示多个目标参数类型的权重值。工作人员可以根据多个目标参数类型的权重值对目标任务进行管控。

例如，若存在5个目标参数类型对应的任务参数，分别为：任务周期对应的参数值1为12个月、任务预算对应的参数值2为500万、执行人数对应的参数值3为30人、成本对应的参数值4为400万、以及任务等级对应的参数值5为等级3，则电子设备可以通过目标模型确定该5个目标参数类型分别对应的权重值。假设该5个目标参数类型对应的权重值可以分别为0.46、0.21、0.14、0.12、0.07，则电子设备可以显示该5个目标参数类型对应的权重值。

在本申请实施例中，电子设备可以确定目标任务对应的多个目标参数类型，并根据多个目标参数类型，获取目标任务的多个任务参数，进而可以通过目标模型对多个任务参数进行处理，得到目标任务的任务执行结果。由于目标模型是通过上述模型训练方法得到，通过目标模型确定目标任务的任务执行结果，提高了确定目标任务的任务执行结果的准确性。

图6为本申请实施例提供的一种模型训练装置的结构示意图。请参见图6，所述模型训练装置10包括：第一确定模块11、第一获取模块12、第二确定模块13、第二获取模块14和训练模块15，其中，

所述第一确定模块11用于，确定目标任务类型，并根据所述目标任务类型确定多个历史任务，所述历史任务的任务类型为所述目标任务类型；

所述第一获取模块12用于，获取每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值；

所述第二确定模块13用于，根据每个历史任务的任务执行结果、以及多个参数类型对应的多个参数值，在多个参数类型中确定多个目标参数类型，所述目标参数类型与所述任务执行结果的相关度大于或等于预设阈值；

所述第二获取模块14用于，根据所述多个目标参数类型获取多个训练样本，所述训练样本中包括样本任务的多个样本任务参数、以及所述样本任务的样本执行结果，所述样本任务的任务类型为所述目标任务类型，所述样本任务参数的参数类型为所述目标参数类型；

所述训练模块15用于，根据所述多个训练样本对待训练模型进行训练，得到目标模型，所述目标模型用于预测所述目标任务的任务执行结果。

本申请实施例提供的模型训练装置可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。

在一种可能的实施方式中，所述第二确定模块13具体用于：

根据每个历史任务的任务执行结果，对所述多个历史任务进行分类处理，得到多个历史任务集合，所述历史任务集合中各历史任务的任务执行结果相同；

针对任意一个历史任务集合，根据所述历史任务集合中各历史任务的多个参数值，在所述多个参数类型中确定所述历史任务集合对应的目标参数类型；

确定所述多个目标参数类型包括每个历史任务集合对应的目标参数类型。

在一种可能的实施方式中，所述第二确定模块13具体用于：

对所述历史任务集合中各历史任务的多个参数值进行归一化处理，得到多个归一化参数值；

根据所述历史任务集合中各历史任务的多个归一化参数值，确定各参数类型对应的参数分布信息；

根据各参数类型对应的参数分布信息，在所述多个参数类型中确定所述历史任务集合对应的目标参数类型。

在一种可能的实施方式中，所述参数分布信息为参数曲线图；所述第二确定模块13具体用于：

针对任意一个参数类型，根据所述参数类型对应的参数曲线图，确定所述参数类型对应的参数波动值；

将参数波动值小于或等于预设波动值的参数类型，确定为所述历史任务集合对应的目标参数类型。

在一种可能的实施方式中，所述训练模块15具体用于：

将所述多个训练样本划分为训练集和验证集；

通过所述训练集对所述待训练模型进行模型训练，得到中间模型；

根据所述验证集对所述中间模型进行验证处理，得到所述中间模型的处理精确度；

若所述处理精确度大于或等于精度阈值，则将所述中间模型确定为所述目标模型；

若所述处理精确度小于所述精度阈值，则根据所述处理精确度对所述中间模型进行更新处理，得到所述目标模型。

在一种可能的实施方式中，所述模型训练装置还包括第三确定模块16和显示模块17，

所述第三确定模块16用于，确定每个目标参数类型在所述目标模型中的权重值，所述权重值用于指示对所述任务执行结果的影响程度；

所述显示模块17用于，显示各目标参数类型对应的权重值。

本申请实施例提供的模型训练装置可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。

图7为本申请实施例提供一种任务执行结果的确定装置的结构示意图。请参见图7，所述任务执行结果的确定装置20包括：确定模块21、获取模块22和处理模块23，其中，

所述确定模块21用于，确定目标任务对应的多个目标参数类型；

所述获取模块22用于，根据所述多个目标参数类型，获取所述目标任务的多个任务参数；

所述处理模块23用于，通过目标模型对所述多个任务参数进行处理，得到所述目标任务的任务执行结果，所述目标模型为根据上述模型训练方法确定的。

本申请实施例提供的任务执行结果的确定装置可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。

本申请实施例提供一种电子设备的结构示意图，请参见图8，该电子设备30可以包括处理器31和存储器32。示例性地，处理器31、存储器32，各部分之间通过总线33相互连接。

所述存储器32存储计算机执行指令；

所述处理器31执行所述存储器32存储的计算机执行指令，使得所述处理器31执行如上述方法实施例所示的模型训练方法，或者任务执行结果的确定方法。

本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现上述任一实施例所述的方法。

本申请实施例还可提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时，可实现上述任一实施例所述的方法。

实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一可读取存储器中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储器(存储介质)包括：只读存储器(英文：read-only memory，缩写：ROM)、随机存取存储器(英文：Random Access Memory，缩写：RAM)、快闪存储器、硬盘、固态硬盘、磁带(英文：magnetic tape)、软盘(英文：floppy disk)、光盘(英文：optical disc)及其任意组合。

本申请实施例是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理单元以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理单元执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。