[發明專利]多標簽處理任務訓練樣本構建方法、設備及介質

在審

• 申請號: 202010936485.0
• 申請日: 2020-09-08
• 公開（公告）號: CN112052903A
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 張超;吳海山;殷磊
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 張志江

本發明公開了一種多標簽處理任務訓練樣本構建方法、設備及介質，該方法包括：獲取樣本數據在多個預設類別上的真實概率分布，并確定其預測概率分布；根據兩者確定樣本數據在多個預設類別上的損失列表；對損失列表進行掩碼過濾，得到掩碼概率分布，并根據掩碼概率分布和真實概率分布，確定掩碼列表；根據掩碼列表和損失列表，確定樣本數據的多個正向類別損失和多個負向類別損失，并根據兩者確定樣本數據在多個預設類別中歸屬的多個正向類別和多個負向類別；進而分別構建多個預設類別的正負向樣本。本發明通過構建多個預設類別上的正負向樣本，使得多標簽分類任務中各預設類別均包含多項正負向樣本，有利于各預設類別之間樣本數據的均衡。

技術領域

本發明涉及金融科技(Fintech)技術領域，尤其涉及一種多標簽處理任務訓練樣本構建方法、設備及介質。

背景技術

隨著金融科技(Fintech)，尤其是互聯網科技金融的不斷發展，越來越多的技術(如人工智能、大數據、云存儲等)應用在金融領域，但金融領域也對各類技術提出了更高的要求，如要求人工智能中的樣本數據更為均衡。

目前，對于多標簽分類任務，直接將收集到的各類別數據，作為多標簽分類任務的樣本數據，但不同類別所收集的數據數量通常難以均衡，對于涉及隱私、或者冷門的類別所收集的數據數量較少，而對于熱門的類別所收集的數量數量則較多。如此一來，在依據不均衡樣本執行多標簽分類任務時，樣本數量少的類別的準確率低。

因此，在多標簽分類任務中，如何構建均衡的樣本，以確保多標簽分類任務的準確性，是當前亟待解決的技術問題。

發明內容

本發明的主要目的在于提供一種多標簽處理任務訓練樣本構建方法、裝置、系統及介質，旨在解決現有技術在多標簽分類任務中，如何構建均衡的樣本的技術問題。

為實現上述目的，本發明提供一種多標簽處理任務訓練樣本構建方法，所述多標簽處理任務訓練樣本構建方法包括以下步驟：

獲取樣本數據在多個預設類別上的真實概率分布，并確定所述樣本數據在多個預設類別上的預測概率分布；

根據所述真實概率分布和所述預測概率分布，確定所述樣本數據在多個預設類別上的損失列表；

對所述損失列表進行掩碼過濾，得到掩碼概率分布，并根據所述掩碼概率分布和所述真實概率分布，確定掩碼列表；

根據所述掩碼列表和所述損失列表，確定所述樣本數據的多個正向類別損失和多個負向類別損失，并根據多個所述正向類別損失和多個所述負向類別損失，確定所述樣本數據在多個預設類別中歸屬的多個正向類別和多個負向類別；

根據多個所述正向類別和多個所述負向類別，分別構建多個預設類別的正負向樣本，以基于多個預設類別的正負向樣本生成多標簽分類模型進行多標簽分類。

可選地，所述根據多個所述正向類別和多個所述負向類別，分別構建多個預設類別的正負向樣本的步驟之后，所述方法還包括：

基于多個所述預設類別的正負項樣本，對預設多標簽模型進行訓練，生成多標簽分類模型；

當接收到待分類數據時，基于所述多標簽分類模型對所述待分類數據進行多標簽分類，確定所述待分類數據所歸屬的多個標簽類別。

可選地，所述對所述損失列表進行掩碼過濾，得到掩碼概率分布的步驟包括：

基于預設參數，對所述真實概率分布進行掩碼處理，獲得掩碼參數；

根據所述掩碼參數，對所述損失列表進行過濾，獲得所述掩碼概率分布。

可選地，所述根據所述掩碼概率分布和所述真實概率分布，確定掩碼列表的步驟包括：

對所述掩碼概率分布中的各數值進行排序，獲得掩碼概率序列，并從所述掩碼概率序列中選取出排列在前預設位的目標概率；