[發明專利]分類器訓練方法和裝置

有效

• 申請號: 201410328821.8
• 申請日: 2014-07-10
• 公開（公告）號: CN105320957B
• 公開（公告）日: 2022-02-15
• 發明（設計）人: 賁國生;李巖
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京德琦知識產權代理有限公司 11018
• 代理人: 董晶;王琦

1.一種分類器訓練方法，應用于終端，所述方法包括以下步驟：

獲取郵件內容作為數據；接收人工標注，獲得每個數據的類別信息；統計得到具有類別信息的數據組成的集合作為原始類別樣本集；

根據郵件過濾場景的應用需求，預設迭代條件；

從所述原始類別樣本集中篩選樣本組成訓練類別樣本集；對所述訓練類別樣本集中樣本進行訓練，得到用于預測的參數文件；根據所述參數文件對所述原始類別樣本集中樣本進行預測，得到類別樣本預測結果；

根據所述類別樣本預測結果，獲取預測結果錯誤的樣本；根據所述迭代條件從預測結果錯誤的樣本中選取樣本添加到所述訓練類別樣本集中，更新所述訓練類別樣本集，對所述更新后的訓練類別樣本集中樣本再進行訓練，得到用于預測的新的參數文件，并根據所述新的參數文件對所述原始類別樣本集中樣本進行預測，得到所述類別樣本預測結果，直到所述類別樣本預測結果滿足所述迭代條件為止；

根據所述類別樣本預測結果，區分正常郵件和垃圾郵件，并將所述垃圾郵件過濾掉。

2.根據權利要求1所述的方法，其特征在于，所述對所述訓練類別樣本集中樣本進行訓練，得到用于預測的參數文件的步驟包括：

通過分類算法或回歸算法對所述訓練類別樣本集中樣本進行訓練，得到用于預測的參數文件；

所述根據所述參數文件對所述原始類別樣本集中樣本進行預測，得到類別樣本預測結果包括：

采用與訓練中相同的分類算法或回歸算法，根據所述參數文件對所述原始類別樣本集中樣本進行預測，得到類別樣本預測結果。

3.根據權利要求1所述的方法，其特征在于，所述原始類別樣本集包括原始正樣本集和原始負樣本集；所述方法還包括：

從所述原始正樣本集中篩選樣本組成訓練正樣本集，從所述原始負樣本集中篩選樣本組成訓練負樣本集；

對所述訓練正樣本集中樣本和訓練負樣本集中樣本一起進行訓練，得到用于預測的參數文件；

根據所述參數文件分別對所述原始正樣本集和原始負樣本集中的樣本進行預測，得到正樣本預測結果和負樣本預測結果；

根據所述正樣本預測結果獲取預測結果錯誤的正樣本，根據所述負樣本預測結果獲取預測結果錯誤的負樣本，將預測結果錯誤的正樣本添加到所述訓練正樣本集中，將預測結果錯誤的負樣本添加到所述訓練負樣本集中，更新所述訓練正樣本集和訓練負樣本集；

對所述更新后的訓練正樣本集中樣本和訓練負樣本集中樣本一起再進行訓練，得到用于預測的新的參數文件，并根據所述新的參數文件對所述原始正樣本集中樣本和原始負樣本集中樣本分別進行預測，得到正樣本預測結果和負樣本預測結果，直到正樣本預測結果和負樣本預測結果滿足所述迭代條件為止。

4.根據權利要求3所述的方法，其特征在于，所述迭代條件包括預測結果的準確率大于預設準確率閾值；

所述將預測結果錯誤的正樣本添加到所述訓練正樣本集中，將預測結果錯誤的負樣本添加到所述訓練負樣本集中，更新所述訓練正樣本集和訓練負樣本集的步驟包括：

從預測結果錯誤的正樣本中取0個添加到所述訓練正樣本集中，從預測結果錯誤的負樣本中取全部數量或預設部分數量樣本添加到所述訓練負樣本集中，更新所述訓練正樣本集和訓練負樣本集。