[发明专利]一种数据识别方法及装置

权利要求书

1.一种数据识别方法，其特征在于，包括：

分别确定多个识别器对待识别数据进行数据识别的识别结果，所述多个识别器为分别通过根据标注数据样本的差异性将包含标注数据样本的标注数据集划分成的多个数据子集进行训练形成的识别器；

根据各个识别结果确定该待识别数据的最终识别结果。

2.如权利要求1所述的方法，其特征在于，所述根据标注数据样本的差异性将包含标注数据样本的标注数据集划分成多个数据子集，具体包括：

获取所述数据集中的标注数据样本；

从所述标注数据样本中，确定每组相似度最大的设定数量的标注数据样本为一个数据子集，直至所述数据集中的每个标注数据样本均被划分至数据子集中。

3.如权利要求2所述的方法，其特征在于，所述根据标注数据样本的差异性将包含标注数据样本的标注数据集划分成多个数据子集，具体包括：

将标注数据集中的每个标注数据样本作为初始的数据子集；

对于每个所包含标注数据样本数量小于设定的第一阈值的数据子集，根据该数据子集与其他数据子集之间的相似度，将该数据子集与其他数据子集进行合并；对每个所包含标注数据样本数量大于设定的第二阈值的数据子集，将其切分为多个数据子集，并保证切分后的每个数据子集中所包含标注数据样本数量均小于设定的第二阈值，且至多有一个数据子集中所包含标注数据样本数量小于设定的第一阈值；

确定每个数据子集中所包含标注数据样本数量均大于设定的第一阈值且小于设定的第二阈值时，将当前所划分的数据子集结果作为根据标注数据样本的差异性将包含标注数据样本的标注数据集划分成的多个数据子集。

4.如权利要求1-3任一所述的方法，其特征在于，所述分别确定多个识别器对待识别数据进行数据识别的识别结果前，还包括：

确定将与待识别数据关联程度最大的设定个数的识别器，作为所述多个识别器；或者

确定将与待识别数据的关联程度大于设定阈值的识别器，作为所述多个识别器。

5.如权利要求4所述的方法，其特征在于，所述确定将与待识别数据关联程度最大的设定个数的识别器，作为所述多个识别器，具体包括：

确定各识别器给出的该待识别数据的关联程度分数；

将分数最高的设定个数个识别器，作为所述多个识别器；

所述确定将与待识别数据的关联程度大于设定阈值的识别器，作为所述多个识别器，具体包括：

确定各识别器给出的该待识别数据的关联程度分数；

将分数超过设定分数值的识别器，作为所述多个识别器。

6.如权利要求5所述的方法，其特征在于，所述各识别器给出的该待识别数据的关联程度分数，具体为：

各识别器分别计算待识别数据和该识别器对应的数据子集的相似度，并将该相似度作为该待识别数据的关联程度分数；或者

从所述标注数据集中选取设定数量的与所述待识别数据最相近的标注数据样本，各识别器分别确定该识别器对应的数据子集包含的所选取的标注数据样本的数量与该识别器对应的数据子集中的标注数据样本数量的比值，为该待识别数据的关联程度分数。

7.如权利要求5所述的方法，其特征在于，所述根据各个识别结果确定该待识别数据的最终识别结果，具体包括：

对于每个识别器，根据该识别器给出的该待识别数据的关联程度分数以及该识别器对该待识别数据进行识别后给出的置信值，确定该识别器的投票权重；

根据所述多个识别器的识别结果以及其投票权重，确定该待识别数据的最终识别结果。

8.如权利要求7所述的方法，其特征在于，所述对于每个识别器，根据该识别器给出的该待识别数据的关联程度分数以及该识别器对该待识别数据进行识别后给出的置信值，确定该识别器的投票权重，具体为：

对于每个识别器，确定该识别器的投票权重为该识别器给出的该待识别数据的关联程度分数与该识别器对该待识别数据进行识别后给出的置信值的乘积。

9.如权利要求7所述的方法，其特征在于，所述根据所述多个识别器的识别结果以及其投票权重，确定该待识别数据的最终识别结果，具体包括：

根据多个识别器的识别结果将所述多个识别器进行分组；

根据各个识别器的投票权重，确定每个分组的加权求和值；

将加权求和值最大的分组所对应的识别结果，确定为该待识别数据的最终识别结果。