[發明專利]一種數據分類方法、裝置、設備及存儲介質

有效

• 申請號: 202011389567.4
• 申請日: 2020-12-01
• 公開（公告）號: CN112528109B
• 公開（公告）日: 2023-10-27
• 發明（設計）人: 楊子清;崔一鳴;王士進;胡國平;劉挺
• 申請（專利權）人: 科大訊飛（北京）有限公司;河北省訊飛人工智能研究院;科大訊飛股份有限公司
• 主分類號: G06F16/906
• 分類號: G06F16/906;G06F18/214;G06F18/25
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張柳

1.一種數據分類方法，其特征在于，包括：

獲取待分類數據；

將所述待分類數據輸入預先建立的第一分類模型，得到分類結果，其中，所述第一分類模型采用訓練集中的訓練數據訓練得到，所述第一分類模型的訓練目標為，使其針對所述訓練數據預測的分類結果趨于預先建立的多個第二分類模型分別針對所述訓練數據預測的分類結果的融合結果；

根據所述第一分類模型針對所述待分類數據預測的分類結果，確定所述待分類數據所屬的類別。

2.根據權利要求1所述的數據分類方法，其特征在于，所述第一分類模型為學生分類模型，所述第二分類模型為教師分類模型；

所述學生分類模型的訓練過程包括：

從構建的訓練集中獲取多條訓練數據組成訓練子集；

將所述訓練子集中的每條訓練數據分別輸入多個教師分類模型，得到所述多個教師分類模型分別針對所述訓練子集中每條訓練數據預測的分類結果；

將所述多個教師分類模型分別針對所述訓練子集中每條訓練數據預測的分類結果融合，得到所述訓練子集中每條訓練數據對應的融合后分類結果；

利用所述訓練子集以及所述訓練子集中每條訓練數據對應的融合后分類結果，訓練學生分類模型。

3.根據權利要求2所述的數據分類方法，其特征在于，所述利用所述訓練子集以及所述訓練子集中每條訓練數據對應的融合后分類結果，訓練學生分類模型，包括：

將所述訓練子集中的每條訓練數據輸入學生分類模型，得到學生分類模型針對所述訓練子集中每條訓練數據預測的分類結果；

根據所述訓練子集中每條訓練數據對應的融合后分類結果和所述學生分類模型針對所述訓練子集中每條訓練數據預測的分類結果，更新學生分類模型的參數。

4.根據權利要求3所述的數據分類方法，其特征在于，所述根據所述訓練子集中每條訓練數據對應的融合后分類結果和所述學生分類模型針對所述訓練子集中每條訓練數據預測的分類結果，更新學生分類模型的參數，包括：

根據所述訓練子集中每條訓練數據對應的融合后分類結果和所述學生分類模型針對所述訓練子集中每條訓練數據預測的分類結果，確定學生分類模型的預測損失；

根據所述學生分類模型的預測損失，更新學生分類模型的參數。

5.根據權利要求2所述的數據分類方法，其特征在于，構建所述訓練集的過程包括：

獲取第一數據集和第二數據集，其中，所述第一數據集中的每條數據為標注有類別的數據，所述第二數據集中的每條數據為無標注數據；

基于所述多個教師分類模型，從所述第二數據集中確定目標數據，其中，所述目標數據的質量優于所述第二數據集中非目標數據的質量；

將確定出的目標數據與所述第一數據集中的數據混合，由混合后數據組成訓練集。

6.根據權利要求5所述的數據分類方法，其特征在于，所述基于所述多個教師分類模型，從所述第二數據集中確定目標數據，包括：

針對所述第二數據集中的每條候選數據：

將所述候選數據分別輸入所述多個教師分類模型，得到所述多個教師分類模型分別針對所述候選數據預測的分類結果；

對所述多個教師分類模型分別針對所述候選數據預測的分類結果進行歸一化，獲得多個歸一化分類結果；

計算所述多個歸一化分類結果之間的平均散度，作為所述候選數據對應的平均散度；

根據所述候選數據對應的平均散度，確定所述候選數據是否為目標數據。

7.根據權利要求6所述的數據分類方法，其特征在于，所述基于所述多個教師分類模型，從所述第二數據集中確定目標數據，還包括：

計算所述多個歸一化分類結果的平均熵，作為所述候選數據對應的平均熵；

所述根據所述候選數據對應的平均散度，確定所述候選數據是否為目標數據，包括：

根據所述候選數據對應的平均散度和平均熵，確定所述候選數據是否為目標數據。