[發明專利]數據分類方法、裝置、計算機設備和可讀存儲介質

有效

• 申請號: 201911103639.1
• 申請日: 2019-11-13
• 公開（公告）號: CN110852386B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 于廣澤
• 申請（專利權）人: 北京秒針人工智能科技有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V40/16
• 代理公司: 北京超成律師事務所 11646
• 代理人: 孔默

本申請實施例涉及數據處理技術領域，提供了一種數據分類方法、裝置、計算機設備和可讀存儲介質。數據分類方法包括：獲取待處理數據，其中，待處理數據中包括多個有效數據單元；根據有效數據單元，得到目標校正數據；對待處理數據和目標校正數據進行數據歸一化，以使目標校正數據對待處理數據進行校正，得到待處理數據的分類結果，能夠準確獲取待處理數據的分類結果。

技術領域

本申請涉及數據處理技術領域，具體而言，涉及一種數據分類方法、裝置、計算機設備和可讀存儲介質。

背景技術

目前，在深度學習中的各種分類場景中，可以采用例如softmax的方式來輸出各個分類結果的單一類別概率。然而，直接使用現有的數據分類方法并不能滿足用戶的所有需求，在一些特殊的情況下，使用現有的數據分類方法得出的分類結果并不準確。

有鑒于此，如何提供一種更為可靠的數據分類方案，是本領域技術人員需要解決的。

發明內容

本申請實施例提供了一種數據分類方法、裝置、計算機設備和可讀存儲介質。

本申請實施例可以這樣實現：

第一方面，實施例提供一種數據分類方法，包括：

獲取待處理數據，其中，所述待處理數據中包括多個有效數據單元；

根據所述有效數據單元，得到目標校正數據；

對所述待處理數據和目標校正數據進行數據歸一化，以使所述目標校正數據對所述待處理數據進行校正，得到所述待處理數據的分類結果。

在可選的實施方式中，所述方法還包括對所述待處理數據的原始數據進行預處理的步驟，該步驟包括：

獲取所述多個有效數據單元中的最大長度；

根據所述最大長度，對所述待處理數據的原始數據進行補零處理，得到補零數據單元；

合并所述有效數據單元和補零數據單元，得到所述待處理數據。

在可選的實施方式中，所述根據所述有效數據單元，得目標校正數據，包括：

根據所述有效數據單元，得到第一校正數據單元；

根據所述補零數據單元，得到第二校正數據單元；

合并所述第一校正數據單元和第二校正數據單元，得到所述目標校正數據。

在可選的實施方式中，對所述待處理數據和目標校正數據進行數據歸一化的過程通過以下公式計算得到：

其中，V_i為待處理數據V中的第i個數據單元，S_i為待處理數據V中的第i個數據單元的softmax值，V_j為待處理數據V中的第j個數據單元，mask_i為所述目標校正數據中對應待處理數據V中的第i個數據單元的校正數據單元，mask_j為所述目標校正數據中對應待處理數據V中的第j個數據單元對應的校正數據單元；

當所述待處理數據V中的數據單元為所述有效數據單元時，所述mask為第一校正數據單元；

當所述待處理數據V中的數據單元為所述補零數據單元時，所述mask為第二校正數據單元。

在可選的實施方式中，根據所述有效數據單元，得到第一校正數據單元的步驟，包括：

當數據單元為所述有效數據單元時，得到賦值為1的所述第一校正數據單元；

根據所述補零數據單元，得到第二校正數據單元的步驟，包括：