[發(fā)明專利]基于人工智能的分類方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110779021.8
• 申請日: 2021-07-09
• 公開（公告）號(hào): CN113378993B
• 公開（公告）日: 2023-01-10
• 發(fā)明（設(shè)計(jì)）人: 康焱;劉洋
• 申請（專利權(quán)）人: 深圳前海微眾銀行股份有限公司
• 主分類號(hào): G06F18/214
• 分類號(hào): G06F18/214;G06F18/241;G06N20/00
• 代理公司: 北京派特恩知識(shí)產(chǎn)權(quán)代理有限公司 11270
• 代理人: 劉暉銘;張穎玲

1.一種基于人工智能的分類方法，其特征在于，包括：

將第一業(yè)務(wù)場景的第一樣本集合和第二業(yè)務(wù)場景的第二樣本集合分別根據(jù)樣本屬性特征進(jìn)行分組處理，對應(yīng)得到所述第一業(yè)務(wù)場景下的多個(gè)第一樣本特征組和第一樣本單體特征、以及所述第二業(yè)務(wù)場景下的多個(gè)第二樣本特征組和第二樣本單體特征；

根據(jù)交叉操作函數(shù)，將所述多個(gè)第一樣本特征組中的任意兩個(gè)進(jìn)行交叉操作，得到多個(gè)第一樣本交叉特征組；

根據(jù)所述交叉操作函數(shù)，將所述多個(gè)第二樣本特征組中的任意兩個(gè)進(jìn)行交叉操作，得到多個(gè)第二樣本交叉特征組；

根據(jù)所述多個(gè)第一樣本特征組、所述多個(gè)第二樣本特征組、所述多個(gè)第一樣本交叉特征組、以及所述多個(gè)第二樣本交叉特征組訓(xùn)練至少一個(gè)特征提取模型；

基于所述第一業(yè)務(wù)場景下的所述第一樣本單體特征和所述第一樣本特征表征調(diào)用類別預(yù)測模型，得到所述類別預(yù)測模型輸出的第一樣本預(yù)測類別標(biāo)簽；

根據(jù)所述第一樣本預(yù)測類別標(biāo)簽和第一樣本真實(shí)類別標(biāo)簽，確定類別預(yù)測損失值；

根據(jù)所述類別預(yù)測損失值更新所述類別預(yù)測模型的參數(shù)，基于更新的所述參數(shù)獲得訓(xùn)練后的所述類別預(yù)測模型，并繼續(xù)訓(xùn)練所述至少一個(gè)特征提取模型；

根據(jù)訓(xùn)練后的所述至少一個(gè)特征提取模型和訓(xùn)練后的所述類別預(yù)測模型，預(yù)測所述第二業(yè)務(wù)場景的待測樣本的類別標(biāo)簽。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將第一業(yè)務(wù)場景的第一樣本集合和第二業(yè)務(wù)場景的第二樣本集合分別根據(jù)樣本屬性特征進(jìn)行分組處理，對應(yīng)得到所述第一業(yè)務(wù)場景下的多個(gè)第一樣本特征組和第一樣本單體特征、以及所述第二業(yè)務(wù)場景下的多個(gè)第二樣本特征組和第二樣本單體特征，包括：

針對所述第一業(yè)務(wù)場景的第一樣本集合中的每個(gè)樣本執(zhí)行以下處理：將所述每個(gè)樣本中具有相同樣本屬性的多個(gè)單體特征進(jìn)行分組處理，得到多個(gè)第一樣本特征組，將所述每個(gè)樣本中未被用于進(jìn)行所述分組處理的單體特征作為第一樣本單體特征；

針對所述第二業(yè)務(wù)場景的第二樣本集合中的每個(gè)樣本執(zhí)行以下處理：將所述每個(gè)樣本具有相同樣本屬性的多個(gè)單體特征進(jìn)行分組處理，得到多個(gè)第二樣本特征組，將所述每個(gè)樣本中未被用于進(jìn)行所述分組處理的單體特征作為第二樣本單體特征。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，

所述多個(gè)第一樣本特征組、所述多個(gè)第二樣本特征組、所述多個(gè)第一樣本交叉特征組、以及所述多個(gè)第二樣本交叉特征組分別對應(yīng)有一個(gè)所述特征提取模型；

所述根據(jù)所述多個(gè)第一樣本特征組、所述多個(gè)第二樣本特征組、所述多個(gè)第一樣本交叉特征組、以及所述多個(gè)第二樣本交叉特征組訓(xùn)練至少一個(gè)特征提取模型，包括：

根據(jù)與所述多個(gè)第一樣本特征組分別對應(yīng)的特征提取模型，確定與所述多個(gè)第一樣本特征組分別對應(yīng)的第一樣本特征表征；

根據(jù)與所述多個(gè)第二樣本特征組分別對應(yīng)的特征提取模型，確定與所述多個(gè)第二樣本特征組分別對應(yīng)的第二樣本特征表征，其中，具有相同樣本屬性的所述第一樣本特征組和所述第二樣本特征組對應(yīng)的特征提取模型相同；

根據(jù)與多個(gè)所述第一樣本交叉特征組分別對應(yīng)的特征提取模型，確定與所述多個(gè)第一樣本交叉特征組分別對應(yīng)的第一樣本特征表征；

根據(jù)與多個(gè)所述第二樣本交叉特征組分別對應(yīng)的特征提取模型，確定與所述多個(gè)第二樣本交叉特征組分別對應(yīng)的第二樣本特征表征，其中，具有相同樣本屬性的所述第一樣本交叉特征組和所述第二樣本交叉特征組對應(yīng)的特征提取模型相同；

根據(jù)每個(gè)具有相同樣本屬性的所述第一樣本特征表征和所述第二樣本特征表征對應(yīng)的一個(gè)領(lǐng)域區(qū)分模型，確定所述領(lǐng)域區(qū)分模型的領(lǐng)域區(qū)分損失值，并根據(jù)所述領(lǐng)域區(qū)分模型的領(lǐng)域區(qū)分損失值更新與具有相同樣本屬性的所述第一樣本特征表征和所述第二樣本特征表征對應(yīng)的特征提取模型的參數(shù)；

基于每個(gè)所述特征提取模型的更新后的參數(shù)得到與所述多個(gè)第一樣本特征組、所述多個(gè)第二樣本特征組、所述多個(gè)第一樣本交叉特征組、以及所述多個(gè)第二樣本交叉特征組分別對應(yīng)的訓(xùn)練后的特征提取模型。