[發明專利]分類效果確定方法、裝置、智能終端及存儲介質

有效

• 申請號: 201910409134.1
• 申請日: 2019-05-16
• 公開（公告）號: CN110135592B
• 公開（公告）日: 2023-09-19
• 發明（設計）人: 張雨豪;陳新杰;鄭景耀;劉洪
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06N20/10
• 分類號: G06N20/10
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

本發明實施例提供了一種分類效果確定方法、裝置、智能終端，其中方法包括：利用分類模型對分類測試集進行處理，得到分類結果，分類結果用于指示分類測試集中每一個測試子集被分類模型識別后輸出的預測類目；獲取為每一個測試子集設置的標簽類目，并將每一個測試子集的預測類目及其標簽類目進行比較，得到比較結果；根據比較結果確定分類模型的分類效果指標值；其中，分類效果指標值是根據第一效果參數、第二效果參數以及為第一效果參數確定的第一權重值、為第二效果參數確定的第二權重值計算得到的，第一效果參數和第二效果參數是根據比較結果確定的。通過本發明實施例可以有效提高確定分類模型的分類效果的客觀性和準確性。

技術領域

本發明涉及計算機技術領域，尤其涉及一種分類效果確定方法、裝置、智能終端及存儲介質。

背景技術

在人工智能(Artificial?Intelligence，AI)領域中，機器學習是人工智能的核心，而機器學習中常見的應用包括分類應用。分類應用中通常先利用大量樣本數據以及各種算法來生成分類模型，然后利用生成的分類模型去完成分類任務。為提高分類模型的分類效果，通常在生成分類模型之后，還會利用大量的訓練數據對分類模型進行訓練。但由于采用的樣本數據、訓練數據、算法的局限性，會導致分類模型的分類效果可能較好，也可能較差；如何確定分類模型的分類效果是有待解決的問題。

發明內容

本發明實施例提供了一種分類效果確定方法、裝置、智能終端及存儲介質，可以在確定分類模型的分類效果時兼顧多個效果參數以及各個效果參數的權重，從而有效提高確定分類模型的分類效果的客觀性和準確性。

一方面，本發明實施例提供了一種分類效果確定方法，所述方法包括：

利用分類模型對分類測試集進行處理，得到分類結果，所述分類模型包括N個分類類目輸出，所述分類結果用于指示所述分類測試集中每一個測試子集被所述分類模型識別后輸出的預測類目，所述N為大于1的正整數；

獲取為所述分類測試集中每一個測試子集設置的標簽類目，并將所述每一個測試子集的預測類目及其標簽類目進行比較，得到比較結果；

根據所述比較結果確定所述分類模型的分類效果指標值；

其中，所述分類效果指標值是根據第一效果參數、第二效果參數以及為所述第一效果參數確定的第一權重值、為所述第二效果參數確定的第二權重值計算得到的，所述第一效果參數和所述第二效果參數是根據所述比較結果確定的。

另一方面，本發明實施例提供了一種分類效果確定裝置，所述裝置包括：

處理單元，用于利用分類模型對分類測試集進行處理，得到分類結果，所述分類模型包括N個分類類目輸出，所述分類結果用于指示所述分類測試集中每一個測試子集被所述分類模型識別后輸出的預測類目，所述N為大于1的正整數；

獲取單元，用于獲取為所述分類測試集中每一個測試子集設置的標簽類目；

所述處理單元，還用于將所述每一個測試子集的預測類目及其標簽類目進行比較，得到比較結果；

確定單元，用于根據所述比較結果確定所述分類模型的分類效果指標值；

其中，所述分類效果指標值是根據第一效果參數、第二效果參數以及為所述第一效果參數確定的第一權重值、為所述第二效果參數確定的第二權重值計算得到的，所述第一效果參數和所述第二效果參數是根據所述比較結果確定的。

再一方面，本發明實施例提供了一種智能終端，包括：處理器和存儲器，所述存儲器存儲有可執行程序代碼，所述處理器用于調用所述可執行程序代碼，執行上述分類效果確定方法。

相應地，本發明實施例還提供了一種存儲介質，所述存儲介質中存儲有指令，當其在計算機上運行時，使得計算機執行上述分類效果確定方法。