一种基于迁移学习的系统性能自动化测试与优化方法

本发明涉及迁移学习技术领域，具体地说，涉及一种基于迁移学习的系统性能自动化测试与优化方法。其包括以下步骤：S1、基于领域相似性度量法进行源域选择；S2、在选定的源域上使用源域数据对BERT模型进行预训练；S3、通过微调的方式将预训练好的BERT模型应用到目标领域；S4、通过自动化测试流程对BERT模型在目标领域的表现进行评估；S5、根据自动化测试的结果，建立反馈循环机制优化BERT模型。通过领域相似性度量法选择与目标领域最相似的源域，为后续预训练奠定基础。在选定的源域上进行预训练，利用大规模数据提高模型的泛化能力。通过微调将预训练模型应用于目标领域，使其适应具体的下游任务。