[發(fā)明專利]樣本均衡方法、裝置、設(shè)備以及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010899784.1
• 申請(qǐng)日: 2020-08-31
• 公開（公告）號(hào): CN112085080A
• 公開（公告）日: 2020-12-15
• 發(fā)明（設(shè)計(jì)）人: 楊晨;楊天行;彭彬;張一麟;宋勛超
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本申請(qǐng)公開了一種樣本均衡方法、裝置、設(shè)備以及存儲(chǔ)介質(zhì)，涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及深度學(xué)習(xí)、人工智能和智能搜索技術(shù)。具體實(shí)現(xiàn)方案為：根據(jù)待均衡樣本集中標(biāo)簽對(duì)應(yīng)的樣本數(shù)量，從所述待均衡樣本集關(guān)聯(lián)的至少兩個(gè)標(biāo)簽中，確定待均衡的目標(biāo)標(biāo)簽，且將所述待均衡樣本集中與所述目標(biāo)標(biāo)簽對(duì)應(yīng)的樣本作為目標(biāo)樣本；增加所述目標(biāo)樣本，使所述待均衡樣本集中所述目標(biāo)標(biāo)簽對(duì)應(yīng)的樣本數(shù)量達(dá)到目標(biāo)樣本數(shù)量，得到新樣本集；若所述新樣本集中除所述目標(biāo)標(biāo)簽外的其他標(biāo)簽對(duì)應(yīng)的樣本數(shù)量小于所述目標(biāo)樣本數(shù)量，則增加所述新樣本集中除所述目標(biāo)標(biāo)簽外的其他標(biāo)簽對(duì)應(yīng)的樣本。根據(jù)本申請(qǐng)的技術(shù)提高了樣本集中各標(biāo)簽對(duì)應(yīng)樣本數(shù)量的均衡度。

技術(shù)領(lǐng)域

本申請(qǐng)涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及深度學(xué)習(xí)、人工智能和智能搜索技術(shù)。具體地，本申請(qǐng)?zhí)峁┝艘环N樣本均衡方法、裝置、設(shè)備以及存儲(chǔ)介質(zhì)。

背景技術(shù)

在訓(xùn)練多分類模型的過程中，由于多標(biāo)簽分類任務(wù)的特殊性，通常客戶標(biāo)注的多標(biāo)簽分類任務(wù)的數(shù)據(jù)樣本滿足不了模型訓(xùn)練的樣本均衡要求。而經(jīng)過不均衡樣本訓(xùn)練得到的模型往往將數(shù)據(jù)誤分為樣本占比高的標(biāo)簽類別，從而導(dǎo)致模型分類錯(cuò)誤。

發(fā)明內(nèi)容

本公開提供了一種樣本均衡方法、裝置、設(shè)備以及存儲(chǔ)介質(zhì)。

根據(jù)本公開的一方面，提供了一種樣本均衡方法，包括：

根據(jù)待均衡樣本集中標(biāo)簽對(duì)應(yīng)的樣本數(shù)量，從所述待均衡樣本集關(guān)聯(lián)的至少兩個(gè)標(biāo)簽中，確定待均衡的目標(biāo)標(biāo)簽，且將所述待均衡樣本集中與所述目標(biāo)標(biāo)簽對(duì)應(yīng)的樣本作為目標(biāo)樣本，所述待均衡樣本集包括至少二個(gè)樣本，每個(gè)樣本具有至少一個(gè)標(biāo)簽；

增加所述目標(biāo)樣本，使所述待均衡樣本集中所述目標(biāo)標(biāo)簽對(duì)應(yīng)的樣本數(shù)量達(dá)到目標(biāo)樣本數(shù)量，得到新樣本集；

若所述新樣本集中除所述目標(biāo)標(biāo)簽外的其他標(biāo)簽對(duì)應(yīng)的樣本數(shù)量小于所述目標(biāo)樣本數(shù)量，則增加所述新樣本集中除所述目標(biāo)標(biāo)簽外的其他標(biāo)簽對(duì)應(yīng)的樣本，使所述待均衡樣本集中所述其他標(biāo)簽對(duì)應(yīng)的樣本數(shù)量達(dá)到目標(biāo)樣本數(shù)量。

根據(jù)本公開的另一方面，提供了一種樣本均衡裝置，包括：

標(biāo)簽確定模塊，用于根據(jù)待均衡樣本集中標(biāo)簽對(duì)應(yīng)的樣本數(shù)量，從所述待均衡樣本集關(guān)聯(lián)的至少兩個(gè)標(biāo)簽中，確定待均衡的目標(biāo)標(biāo)簽，且將所述待均衡樣本集中與所述目標(biāo)標(biāo)簽對(duì)應(yīng)的樣本作為目標(biāo)樣本，所述待均衡樣本集包括至少二個(gè)樣本，每個(gè)樣本具有至少一個(gè)標(biāo)簽；

第一增加模塊，用于增加所述目標(biāo)樣本，使所述待均衡樣本集中所述目標(biāo)標(biāo)簽對(duì)應(yīng)的樣本數(shù)量達(dá)到目標(biāo)樣本數(shù)量，得到新樣本集；

第二增加模塊，用于若所述新樣本集中除所述目標(biāo)標(biāo)簽外的其他標(biāo)簽對(duì)應(yīng)的樣本數(shù)量小于所述目標(biāo)樣本數(shù)量，則增加所述新樣本集中除所述目標(biāo)標(biāo)簽外的其他標(biāo)簽對(duì)應(yīng)的樣本，使所述待均衡樣本集中所述其他標(biāo)簽對(duì)應(yīng)的樣本數(shù)量達(dá)到目標(biāo)樣本數(shù)量。

根據(jù)本公開的又一方面，提供了一種電子設(shè)備，其中，包括：

至少一個(gè)處理器；以及

與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，

所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令，所述指令被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行本申請(qǐng)實(shí)施例中任一項(xiàng)所述的方法。

根據(jù)本公開的又一方面，提供了一種存儲(chǔ)有計(jì)算機(jī)指令的非瞬時(shí)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其中，所述計(jì)算機(jī)指令用于使所述計(jì)算機(jī)執(zhí)行本申請(qǐng)實(shí)施例中任一項(xiàng)所述的方法。

根據(jù)本申請(qǐng)的技術(shù)提高了樣本集中各標(biāo)簽對(duì)應(yīng)樣本數(shù)量的均衡度。

應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識(shí)本公開的實(shí)施例的關(guān)鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。

附圖說明