[發明專利]數據處理方法、裝置、設備及存儲介質

在審

• 申請號: 201910765590.X
• 申請日: 2019-08-19
• 公開（公告）號: CN112396084A
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 鮑媛媛;馬麗秋;李楊
• 申請（專利權）人: 中國移動通信有限公司研究院;中國移動通信集團有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 高潔;張穎玲

本申請公開了一種數據處理方法、裝置、設備及存儲介質。方法包括：確定從歷史樣本中篩選的特征樣本和所述特征樣本的類型；所述特征樣本的類型構成第一類型集合；確定目標樣本和所述目標樣本的類型；所述目標樣本的類型構成第二類型集合；所述第二類型集合與所述第一類型集合不同；根據所述特征樣本、所述特征樣本的類型、所述目標樣本以及所述目標樣本的類型，調整第一分類模型的參數，得到第二分類模型；所述第一分類模型能夠識別所述第一類型集合所包括的類型；所述第二分類模型能夠識別第三類型集合所包括的類型；所述第三類型集合為所述第一類型集合和所述第二類型集合的并集。

技術領域

本申請涉及機器學習領域，尤其涉及一種數據處理方法、裝置、設備及存儲介質。

背景技術

目前，當分類模型存在不能識別的新類型時，基于新類型對應的訓練數據和原有類型對應的原始數據重新進行模型的訓練，從而得到能夠識別新類型的分類模型，而存儲所有原始數據以便支持模型的更新，占用了大量的存儲資源，尤其在物聯網設備等資源受限的條件下，造成存儲資源的浪費。

發明內容

本申請實施例提供一種數據處理方法、裝置、設備及存儲介質。

本申請實施例的技術方案是這樣實現的：

第一方面，本申請實施例提供了一種數據處理方法，包括：

確定從歷史樣本中篩選的特征樣本和所述特征樣本的類型；所述特征樣本的類型構成第一類型集合；

確定目標樣本和所述目標樣本的類型；所述目標樣本的類型構成第二類型集合；所述第二類型集合與所述第一類型集合不同；

根據所述特征樣本、所述特征樣本的類型、所述目標樣本以及所述目標樣本的類型，調整第一分類模型的參數，得到第二分類模型；所述第一分類模型能夠識別所述第一類型集合所包括的類型；所述第二分類模型能夠識別第三類型集合所包括的類型；所述第三類型集合為所述第一類型集合和所述第二類型集合的并集。

第二方面，本申請實施例提供了一種數據處理裝置，包括：

第一確定單元，用于確定從歷史樣本中篩選的特征樣本和所述特征樣本的類型；所述特征樣本的類型構成第一類型集合；

第二確定單元，用于確定目標樣本和所述目標樣本的類型；所述目標樣本的類型構成第二類型集合；所述第二類型集合與所述第一類型集合不同；

調整單元，用于根據所述特征樣本、所述特征樣本的類型、所述目標樣本以及所述目標樣本的類型，調整第一分類模型的參數，得到第二分類模型；所述第一分類模型能夠識別所述第一類型集合所包括的類型；所述第二分類模型能夠識別第三類型集合所包括的類型；所述第三類型集合為所述第一類型集合和所述第二類型集合的并集。

第三方面，本申請實施例提供一種數據處理設備，所述設備至少包括：處理器和配置為存儲可執行指令的存儲介質，其中：所述處理器配置為執行存儲的可執行指令；

所述可執行指令配置為執行上述的數據處理方法。

第八方面，本申請實施例提供一種存儲介質，所述存儲介質中存儲有計算機可執行指令，所述計算機可執行指令配置為執行上述的數據處理方法。

本申請實施例提供的數據處理方法，結合從歷史樣本中篩選的特征樣本和涉及新類型的目標樣本對已有的能夠識別歷史樣本的第一分類模型進行訓練，得到能夠識別歷史樣本的類型和目標樣本所涉及的新類型的第二分類模型，從而充分利用已有的第一分類模型，結合從歷史樣本中篩選的特征樣本以及目標樣本的聯合訓練機制，自動化構建出新的第二分類模型，確保學習的準確率的同時，減少了訓練第二分類模型所使用的數據的數量，從而節省了存儲資源。

附圖說明