预测模型的跨域迁移方法、装置、设备和存储介质

本申请提供一种预测模型的跨域迁移方法、装置、设备和存储介质。该方法在源域中获取源域数据，根据源域数据的第一潜在特征与标签，确定源域的对比域泛化损失，并对源域模型进行预训练处理，得到预训练模型，再将预训练模型迁移至目标域中，使其适应于目标域，形成目标域模型。再通过获取目标域数据，确定目标域数据的第二潜在特征与伪标签，根据第二潜在特征、伪标签和源域数据、第一潜在特征及标签，确定目标域数据的实例级对抗性损失、自监督对齐损失及伪域泛化损失，并对目标域模型进行校正处理，得到目标模型。该方法将预训练模型直接迁移至目标域中，在目标域中对模型进行校正，使源域数据的相似性适应于目标域，提高模型跨域迁移的精度。