[發(fā)明專利]樣本數(shù)據(jù)處理方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910965007.X
• 申請(qǐng)日: 2019-10-11
• 公開（公告）號(hào): CN110888911A
• 公開（公告）日: 2020-03-17
• 發(fā)明（設(shè)計(jì)）人: 秦文力;張密;韓丙衛(wèi)
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G06F16/2458
• 分類號(hào): G06F16/2458;G06F16/28
• 代理公司: 深圳眾鼎專利商標(biāo)代理事務(wù)所(普通合伙) 44325
• 代理人: 詹建新

本發(fā)明公開了一種樣本數(shù)據(jù)處理方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)；通過獲取樣本特征數(shù)據(jù)；基于樣本特征數(shù)據(jù)的標(biāo)注數(shù)據(jù)對(duì)樣本特征數(shù)據(jù)進(jìn)行分類，得到不同類型的基本特征數(shù)據(jù)；統(tǒng)計(jì)每一類型的基本特征數(shù)據(jù)的數(shù)據(jù)量，根據(jù)數(shù)據(jù)量計(jì)算每一類型的基本特征數(shù)據(jù)在樣本特征數(shù)據(jù)中的占比值；若樣本特征數(shù)據(jù)中存在占比值小于預(yù)設(shè)的占比閾值的基本特征數(shù)據(jù)，則將占比值小于占比閾值的基本特征數(shù)據(jù)，確定為少數(shù)類特征數(shù)據(jù)集；基于目標(biāo)生成對(duì)抗網(wǎng)絡(luò)模型對(duì)少數(shù)類特征數(shù)據(jù)集進(jìn)行數(shù)據(jù)構(gòu)造，生成構(gòu)造特征數(shù)據(jù)，目標(biāo)生成對(duì)抗網(wǎng)絡(luò)模型是采用Deep?網(wǎng)絡(luò)模型構(gòu)建的；將構(gòu)造特征數(shù)據(jù)加入到樣本特征數(shù)據(jù)中，得到標(biāo)準(zhǔn)特征數(shù)據(jù)；從而有效解決了樣本數(shù)據(jù)不平衡的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，尤其涉及一種樣本數(shù)據(jù)處理方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著科技的進(jìn)步和大數(shù)據(jù)時(shí)代的到來，人們可以訪問獲取的數(shù)據(jù)和信息資源呈現(xiàn)出爆炸式的增長(zhǎng)。利用數(shù)據(jù)進(jìn)行預(yù)測(cè)、評(píng)估反饋等應(yīng)用日趨普遍，例如：采用機(jī)器學(xué)習(xí)或者聚類方法等進(jìn)行預(yù)測(cè)或評(píng)估反饋。然而，在采用機(jī)器學(xué)習(xí)或者聚類方法等進(jìn)行預(yù)測(cè)或評(píng)估反饋時(shí)，經(jīng)常會(huì)出現(xiàn)樣本數(shù)據(jù)不平衡的問題。目前，解決樣本數(shù)據(jù)不平衡的問題的方法大部分都是直接通過人工合成技術(shù)增加少數(shù)類的樣本量實(shí)現(xiàn)。但是，通過人工合成技術(shù)增加少數(shù)類的樣本量的方法生成的樣本相對(duì)單一，并且容易造成樣本交叉。因此，有效的解決樣本數(shù)據(jù)不平衡的問題是目前數(shù)據(jù)處理領(lǐng)域中亟待解決的重要問題。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種樣本數(shù)據(jù)處理方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)，以解決樣本數(shù)據(jù)不平衡的問題。

一種樣本數(shù)據(jù)處理方法，包括：

獲取樣本特征數(shù)據(jù)，所述樣本特征數(shù)據(jù)包括標(biāo)注數(shù)據(jù)；

基于所述標(biāo)注數(shù)據(jù)對(duì)所述樣本特征數(shù)據(jù)進(jìn)行分類，得到不同類型的基本特征數(shù)據(jù)；

統(tǒng)計(jì)所述每一類型的基本特征數(shù)據(jù)的數(shù)據(jù)量，根據(jù)所述數(shù)據(jù)量計(jì)算所述每一類型的基本特征數(shù)據(jù)在所述樣本特征數(shù)據(jù)中的占比值；

若所述樣本特征數(shù)據(jù)中存在所述占比值小于預(yù)設(shè)的占比閾值的基本特征數(shù)據(jù)，則將所述占比值小于所述占比閾值的基本特征數(shù)據(jù)，確定為少數(shù)類特征數(shù)據(jù)集；

基于目標(biāo)生成對(duì)抗網(wǎng)絡(luò)模型對(duì)所述少數(shù)類特征數(shù)據(jù)集進(jìn)行數(shù)據(jù)構(gòu)造，生成構(gòu)造特征數(shù)據(jù)，其中，所述目標(biāo)生成對(duì)抗網(wǎng)絡(luò)模型是采用Deep&CrossNet網(wǎng)絡(luò)模型構(gòu)建的；

將所述構(gòu)造特征數(shù)據(jù)加入到所述樣本特征數(shù)據(jù)中，得到標(biāo)準(zhǔn)特征數(shù)據(jù)。

一種樣本數(shù)據(jù)處理裝置，包括：

樣本特征數(shù)據(jù)獲取模塊，用于獲取樣本特征數(shù)據(jù)，所述樣本特征數(shù)據(jù)包括標(biāo)注數(shù)據(jù)；

分類模塊，用于基于所述標(biāo)注數(shù)據(jù)對(duì)所述樣本特征數(shù)據(jù)進(jìn)行分類，得到不同類型的基本特征數(shù)據(jù)；

統(tǒng)計(jì)模塊，用于統(tǒng)計(jì)所述每一類型的基本特征數(shù)據(jù)的數(shù)據(jù)量，根據(jù)所述數(shù)據(jù)量計(jì)算所述每一類型的基本特征數(shù)據(jù)在所述樣本特征數(shù)據(jù)中的占比值；

少數(shù)類特征數(shù)據(jù)集確定模塊，用于在所述樣本特征數(shù)據(jù)中存在所述占比值小于預(yù)設(shè)的占比閾值的基本特征數(shù)據(jù)時(shí)，將所述占比值小于所述占比閾值的基本特征數(shù)據(jù)，確定為少數(shù)類特征數(shù)據(jù)集；

數(shù)據(jù)構(gòu)造模塊，用于基于目標(biāo)生成對(duì)抗網(wǎng)絡(luò)模型對(duì)所述少數(shù)類特征數(shù)據(jù)集進(jìn)行數(shù)據(jù)構(gòu)造，生成構(gòu)造特征數(shù)據(jù)，其中，所述目標(biāo)生成對(duì)抗網(wǎng)絡(luò)模型是采用Deep&CrossNet網(wǎng)絡(luò)模型構(gòu)建的；

加入模塊，用于將所述構(gòu)造特征數(shù)據(jù)加入到所述樣本特征數(shù)據(jù)中，得到標(biāo)準(zhǔn)特征數(shù)據(jù)。

一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述樣本數(shù)據(jù)處理方法。