[發明專利]一種數據分類方法、裝置、電子設備及存儲介質

在審

• 申請號: 201910247972.3
• 申請日: 2019-03-29
• 公開（公告）號: CN109948730A
• 公開（公告）日: 2019-06-28
• 發明（設計）人: 何博睿
• 申請（專利權）人: 中誠信征信有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 李欣;馬敬

1.一種數據分類方法，其特征在于，所述方法包括：

獲取待分類數據的信息；

將獲取的所述待分類數據的信息，輸入分類模型中，得到各個所述待分類數據為第一類數據的概率，其中，所述第一類數據為：與正樣本對應的數據；

根據得到的概率，對各所述待分類數據分類；

其中，所述分類模型是按以下步驟訓練得到的：

S210：獲取正樣本集P、未標注樣本集M，從正樣本集P中獲取部分樣本，得到第一正樣本子集S，將所述S與未標注樣本集M相加得到混合樣本集M+S，將所述P中減去所述S得到第二正樣本子集P-S，并將所述M+S中的各個樣本標注負的樣本標識，將所述P-S中的各個樣本標注正的樣本標識；

S220：根據所述M+S中各個樣本的樣本標識、所述M+S中各個樣本的信息、所述P-S中各個樣本的樣本標識、所述P-S中各個樣本的信息，訓練第一預設模型，得到第一模型；

S230：用所述第一模型預測所述M+S中各個樣本為正樣本的概率，并根據所述M+S中各個樣本為正樣本的概率，為所述M+S中各個樣本重新標注樣本標識；

S240：根據所述M+S中各個樣本重新標注的樣本標識、所述M+S中被重新標注樣本標識的樣本的信息、所述P-S中各個樣本的樣本標識、所述P-S中各個樣本的信息，重新訓練所述第一預設模型，得到第二模型；

S250：判斷得到的所述第二模型相對于所述第一模型是否有提升；

S260：如果沒有提升，則將得到的所述第二模型確定為所述可靠負樣本分析模型；

S270：如果有提升，則將所述第一模型重置為所述第二模型，再執行步驟S230～S250；

S280：用所述可靠負樣本分析模型對所述M中的各個樣本進行分析，確定出可靠負樣本，并根據所述可靠負樣本、所述P中的各個樣本確定分類模型。

2.根據權利要求1所述的方法，其特征在于，所述根據所述M+S中各個樣本為正樣本的概率，為所述M+S中各個樣本重新標注樣本標識，包括：

確定第一概率閾值與第二概率閾值，其中，所述第一概率閾值小于所述第二概率閾值；

從所述M+S的各個樣本中選擇為正樣本的概率小于所述第一概率閾值的樣本，并將所選擇的樣本重新標注負的樣本標識；

從所述M+S的各個樣本中選擇為正樣本的概率大于所述第二概率閾值的樣本，并將所選擇的樣本重新標注正的樣本標識。

3.根據權利要求2所述的方法，其特征在于，所述確定第一概率閾值與第二概率閾值，包括：

用所述第一模型預測所述P-S中的各個樣本為正樣本的概率；

對所述第一模型預測出的各個概率按從小到大的順序進行排序；

將排序好的各個所述概率中的第一預設分位點對應的概率作為第一概率閾值，將排序好的各個所述概率中的第二預設分位點對應的概率作為第二概率閾值，其中，所述第一預設分位點小于所述第二預設分位點。

4.根據權利要求1所述的方法，其特征在于，所述判斷得到的所述第二模型相對于所述第一模型是否有提升，包括：

用所述第一模型和所述第二模型分別對所述M中的各個樣本進行預測，得到所述M中的各個樣本用第一模型預測為正樣本的第一正概率，以及所述M中的各個樣本用第二模型預測為正樣本的第二正概率；

用所述第一模型和所述第二模型分別對所述P中的各個樣本進行預測，得到所述P中的各個樣本用第一模型預測為負樣本的第一負概率，以及所述P中的各個樣本用所述第二模型預測為負樣本的第二負概率；

根據各個所述第一正概率、各個所述第二正概率、各個所述第一負概率、各個所述第二負概率，判斷得到的所述第二模型相對于所述第一模型是否有提升。