[發明專利]一種數據分類方法、裝置及相關設備

在審

• 申請號: 202011503667.5
• 申請日: 2020-12-17
• 公開（公告）號: CN112613550A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 張楠;王健宗;瞿曉陽
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/00
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強

本申請公開了一種數據分類方法，該方法包括：獲取訓練數據，訓練數據包括k個類別，k為大于1的正整數；通過WOA確定n個個體對應的向量，得到第一向量集；然后用目標優化函數計算第一向量集中每個向量對應的函數值，得到最佳向量；再通過WOA對每個個體執行預設次數的更新操作，將最后一次得到的最佳向量作為一個聚類中心；最后通過k個類別的聚類中心完成待分類語音數據的分類。本申請實施例能夠獲取各類別語音數據的聚類中心，然后根據聚類中心將待分類語音數據歸類，之后再派發給相應的人員，讓同一批標注人員盡量只處理一個類別下的數據，提高數據標注的效率，進而減少整個AI項目的時間。

技術領域

本申請涉及數據處理領域，尤其涉及到一種數據分類方法、裝置及相關設備。

背景技術

數據標注平臺是外呼機器人項目組當中非常重要的一個環節，每天通過機器人實際外呼的語音數據都會流轉到該平臺進行核驗及相應的數據標注，然后再次回傳給模型進行訓練。

數據標注作為上述人工智能(Artificial Intelligence，AI)項目的一個基礎，通常是由人工完成的，高質量的數據標注更是費時費力，對海量數據相關的處理幾乎消耗了整個AI項目的大部分時間。而且在海量的數據中，會存在大批量各個場景及各個類型的數據，因此在派發給相應的人員進行人工標注前，需要進行一定的預處理。

發明內容

本申請實施例提供一種數據分類方法、裝置及相關設備，能夠獲取各個類別語音數據的聚類中心，然后通過聚類中心將待分類的語音數據歸到相應的類別中，之后再派發給相應的人員進行語音數據標注，大大提升人工標注的效率。

第一方面，本申請提供了一種數據分類方法，該方法包括以下步驟：

獲取訓練數據，其中，所述訓練數據包括k個類別，k為大于1的正整數；

通過鯨魚優化算法WOA從目標訓練數據中確定n個個體對應的向量，得到第一向量集，其中，所述目標訓練數據是所述k個類別中的任意一個類別，n為大于1的正整數；

使用目標優化函數分別計算所述第一向量集中每個向量對應的函數值，得到n個第一函數值，將所述n個第一函數值中最小第一函數值對應的向量作為最佳向量；

執行更新操作：

通過WOA分別更新所述n個個體對應的向量，得到第二向量集；

分別計算所述第二向量集中每個向量與所述最佳向量之間的距離，由所述距離與第一預設條件，更新所述每個個體對應的向量，得到第三向量集；

使用所述目標優化函數，計算所述第二向量集以及所述第三向量集中每個向量對應的函數值，由第二預設條件確定所述n個個體對應的目標向量，得到目標向量集；

使用所述目標優化函數計算所述目標向量集中每個目標向量對應的函數值，得到n個目標函數值；

將所述n個目標函數值中最小目標函數值與所述最佳向量對應的函數值進行比較，在所述最小目標函數值小于所述最佳向量對應的函數值時，確定所述最小目標函數值對應的目標向量作為新的最佳向量；

執行預設次數的所述更新操作，將最后一次所述更新操作得到的所述新的最佳向量作為所述目標訓練數據的聚類中心；

獲取待分類語音數據，分別計算所述待分類語音數據與所述k個類別的聚類中心的距離，將所述待分類語音數據歸到與所述待分類語音數據距離最小的所述聚類中心對應的類別中。

第二方面，本申請提供了一種數據分類裝置，該裝置包括：

獲取模塊，用于獲取訓練數據，其中，所述訓練數據包括k個類別，k為大于1的正整數；