(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210966991.3 (22)申请日 2022.08.11 (71)申请人 中国平安财产保险股份有限公司 地址 518000 广东省深圳市福田区益田路 5033号平安金融中心12、 13、 38、 39、 40 层 (72)发明人 汪婷婷　 (74)专利代理 机构 深圳市世联合知识产权代理 有限公司 4 4385 专利代理师 郝少剑 (51)Int.Cl. G06Q 10/10(2012.01) G06Q 10/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种任务项目管理方法、 装置、 计算机设备 及存储介质 (57)摘要 本申请公开了一种任务项目管理方法、 装 置、 计算机设备及存储介质， 属于人工智能技术 领域。 本申请通过根据任务配置信息生成待处理 任务， 并将待处理任务发布到任务处理平台， 响 应用户对任务处理平台中的待处理任务进行的 第一操作， 生成用户端标识和任务标识， 根据用 户端标识确定待处理任务的数据存储位置， 并根 据任务标识查找待处理任务对应的任务进度数 据， 提取任务进度特征， 将任务进度特征导入预 先训练好的奖励分发模型， 生成任务奖励结果。 此外， 本申请还涉及区块链技术， 用户端标识和 任务标识可存储于区块链中。 本申请通过监控处 理任务的任务进度数据， 并利用奖励分发模型来 生成奖励方案， 实现任务项目自动化管理， 减少 了人为干预。 权利要求书2页 说明书12页 附图2页 CN 115310940 A 2022.11.08 CN 115310940 A 1.一种任务项目管理方法， 其特 征在于， 包括： 获取待处理项目的任务配置信息， 根据所述任务配置信息生成待处理任务， 并将所述 待处理任务发布到任务处 理平台； 接收用户对所述任务处理平台中的待处理任务进行的第一操作， 生成第一操作信息， 其中， 所述第一操作信息 至少包括用户端标识和任务标识； 根据所述用户端标识确定所述待处理任务的数据存储位置， 并根据所述任务标识查找 所述待处 理任务对应的任务进度数据； 从所述任务进度 数据中提取任务进度 特征， 将所述任务进度特征导入预先训练好的奖 励分发模型， 生成任务奖励结果。 2.如权利要求1所述的任务项目管理方法， 其特征在于， 预先训练好的所述奖励 分发模 型包括输入层、 卷积层和全连接层， 所述从所述任务进度数据中提取任务进度特征， 将所述 任务进度特 征导入预 先训练好的奖励分发模型， 生成任务奖励结果， 具体包括： 通过所述奖励 分发模型的输入层对所述任务进度 特征进行向量转化， 得到进度 特征向 量； 通过所述奖励 分发模型的卷积层对所述进度 特征向量进行卷积运算， 得到卷积特征数 据； 通过所述奖励分发模型的全连接层中的特征分类器对所述卷积特征数据进行相似度 计算， 并将相似度最大的结果作为所述任务奖励结果进行输出。 3.如权利要求1所述的任务项目管理方法， 其特征在于， 在所述从所述任务进度 数据中 提取任务进度特征， 将所述任务进度特征导入预先训练好的奖励分发模型， 生成任务奖励 结果之前， 还 包括： 获取历史任务数据， 其中， 所述历史任务数据包括历史进度数据和历史奖励数据； 基于所述历史进度数据和所述历史奖励数据构建训练数据集； 基于所述训练数据集对预设的卷积神经网络进行训练， 得到训练好的所述奖励 分发模 型。 4.如权利要求3所述的任务项目管理方法， 其特征在于， 基于所述训练数据集对预设的 卷积神经网络进行训练， 得到训练好的所述奖励分发模型， 具体包括： 将所述训练数据集中的历史奖励数据导入所述卷积神经网络， 得到所述历史奖励数据 对应的预测奖励数据； 基于所述卷积神经网络的损失函数计算所述预测奖励数据和所述历史奖励数据之间 的预测误差； 基于反向传播算法在所述卷积神经网络的各个网络层中传递所述预测误差， 得到各个 网络层的预测误差； 将各个网络层的预测误差分别与 预设误差 阈值进行比对， 若存在任意一个网络层的预 测误差大于所述预设误差阈值， 则对所述卷积神经网络进行迭代更新， 直至所有网络层的 预测误差均小于或等于所述预设误差阈值 为止， 得到训练好的所述奖励分发模型。 5.如权利要求4所述的任务项目管理方法， 其特征在于， 所述卷积神经网络包括输入 层、 卷积层和全连接层， 所述将所述训练数据集中的历史奖励数据导入所述卷积神经网络， 得到所述历史奖励数据对应的预测奖励数据， 具体包括：权　利　要　求　书 1/2 页 2 CN 115310940 A 2通过所述卷积神经网络的输入层对所述历史奖励数据进行向量转化， 得到历史进度 特 征向量； 通过所述卷积神经网络的卷积层对所述历史进度 特征向量进行卷积运算， 得到历史卷 积特征数据； 通过所述卷积神经网络的全连接层中的特征分类器对所述历史卷积特征数据进行相 似度计算， 并将相似度最大的结果作为所述历史奖励数据对应的预测奖励数据。 6.如权利要求1至5任意一项所述的任务项目管理方法， 其特征在于， 所述第一操作为 任务选定操作或任务下载操作， 所述接收用户对所述任务处理平台中的待处理任务进 行的 第一操作， 生成第一操作信息， 具体包括： 当用户在所述任务处 理平台中选定或者下 载所述待处 理任务时， 获取用户终端信息； 基于所述用户终端信息生成所述用户端标识和所述任务标识。 7.如权利要求6所述的任务项目管理方法， 其特征在于， 在所述基于所述用户终端信 息 生成所述用户端标识和所述任务标识之后， 还 包括： 根据所述用户端标识在预设的数据库确定所述待处 理任务对应的数据存 储区域； 接收用户对所述待处理任务进行的第 二操作， 生成第 二操作信 息， 其中， 所述第 二操作 为任务执 行操作； 将所述第二操作信 息与所述任务配置信 息进行比对， 得到所述待处理任务对应的任务 进度数据； 将所述待处理任务对应的任务进度数据和所述第二操作信息存储到所述待处理任务 对应的数据存 储区域。 8.一种任务项目管理装置， 其特 征在于， 包括： 任务发布模块， 用于获取待处理项目的任务配置信息， 根据所述任务配置信息生成待 处理任务， 并将所述待处 理任务发布到任务处 理平台； 第一操作模块， 用于接收用户对所述任务处理平台中的待处理任务进行的第一操作， 生成第一操作信息， 其中， 所述第一操作信息 至少包括用户端标识和任务标识； 进度查询模块， 用于根据所述用户端标识确定所述待处理任务的数据存储位置， 并根 据所述任务标识查找所述待处 理任务对应的任务进度数据； 奖励分发模块， 用于从所述任务进度数据中提取任务进度特征， 将所述任务进度特征 导入预先训练好的奖励分发模型， 生成任务奖励结果。 9.一种计算机设备， 其特征在于， 包括存储器和处理器， 所述存储器中存储有计算机可 读指令， 所述处理器执行所述计算机可读指 令时实现如权利要求 1至7中任一项 所述的任务 项目管理方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 可读指令， 所述计算机可读指 令被处理器执行时实现如权利要求 1至7中任一项 所述的任务 项目管理方法的步骤。权　利　要　求　书 2/2 页 3 CN 115310940 A 3