[發(fā)明專利]一種數(shù)據(jù)分類方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201910247972.3
• 申請日: 2019-03-29
• 公開（公告）號: CN109948730A
• 公開（公告）日: 2019-06-28
• 發(fā)明（設(shè)計）人: 何博睿
• 申請（專利權(quán)）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(chǎn)權(quán)代理事務(wù)所(普通合伙) 11413
• 代理人: 李欣;馬敬

1.一種數(shù)據(jù)分類方法，其特征在于，所述方法包括：

獲取待分類數(shù)據(jù)的信息；

將獲取的所述待分類數(shù)據(jù)的信息，輸入分類模型中，得到各個所述待分類數(shù)據(jù)為第一類數(shù)據(jù)的概率，其中，所述第一類數(shù)據(jù)為：與正樣本對應(yīng)的數(shù)據(jù)；

根據(jù)得到的概率，對各所述待分類數(shù)據(jù)分類；

其中，所述分類模型是按以下步驟訓(xùn)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(jù)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(xùn)練第一預(yù)設(shè)模型，得到第一模型；

S230：用所述第一模型預(yù)測所述M+S中各個樣本為正樣本的概率，并根據(jù)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(jù)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(xùn)練所述第一預(yù)設(shè)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(zhí)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(jù)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(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)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(jù)權(quán)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(yù)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(yù)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(yù)設(shè)分位點對應(yīng)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(yù)設(shè)分位點對應(yīng)的概率作為第二概率閾值，其中，所述第一預(yù)設(shè)分位點小于所述第二預(yù)設(shè)分位點。

4.根據(jù)權(quán)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(yù)測，得到所述M中的各個樣本用第一模型預(yù)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(yù)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(yù)測，得到所述P中的各個樣本用第一模型預(yù)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(yù)測為負樣本的第二負概率；

根據(jù)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。