[发明专利]分类模型训练方法及装置

权利要求书

1.一种分类模型训练方法，其特征在于，所述方法包括：

根据多个样本邮件中每个样本邮件的至少一项特征集合，获取每个样本邮件的特征向量，所述多个样本邮件为用户邮箱中的邮件，所述用户邮箱包括由用户建立的多个文件夹，且每个文件夹用于存放相同类别的样本邮件，所述特征集合包括所述样本邮件在多个特征维度下的特征，所述样本邮件的特征维度包括邮件标题中是否包含预设关键词、发件人是否在用户通讯录中、用户是收件人还是被抄送人，每个特征维度对应所述样本邮件的一个特征；

根据样本邮件的历史分类记录，确定每个样本邮件对应的类别标识，所述样本邮件的历史分类记录是根据样本邮件与所属文件夹的类别标识之间的对应关系生成的，用于体现用户对邮件的分类习惯；

将所述多个样本邮件的特征向量以及对应的类别标识组合成第一特征数据集；

确定所述第一特征数据集中的每个特征维度标识，每个特征维度标识与所述多个特征向量中相应位置上的特征对应；

对于每个特征维度标识，确定所述特征维度标识与每个类别标识之间的关联度；

如果确定所述特征维度标识与每个类别标识之间的关联度均小于预设阈值，则从所述第一特征数据集中，删除所述特征维度标识对应的特征集合；

将删除特征集合后的特征数据集确定为第二特征数据集；

对所述第二特征数据集进行归一化，得到第三特征数据集；

根据所述第三特征数据集进行训练，得到第一分类模型。

2.根据权利要求1所述的方法，其特征在于，所述确定所述特征维度标识与每个类别标识之间的关联度，包括：

基于当前训练得到的分类模型，对所述多个样本邮件的特征向量分别进行分类，得到多个增益类别标识；

删除所述多个样本邮件的特征向量中所述特征维度标识对应的特征，得到多个子向量，并基于当前训练得到的分类模型，对所述多个子向量分别进行分类，得到多个测试类别标识；

根据所述多个样本邮件的增益类别标识与所述多个样本邮件的测试类别标识之间的差异，确定所述特征维度标识与每个类别标识之间的关联度。

3.根据权利要求1所述的方法，其特征在于，所述对所述第二特征数据集进行归一化，得到第三特征数据集，包括：

应用以下公式，对所述第二特征数据集进行归一化，得到所述第三特征数据集：

其中，x为所述第二特征数据集中任一位置上的值，y为对x进行归一化后得到的值，MaxValue为x所在特征维度下多个特征的最大值，MinValue为x所在特征维度下多个特征的最小值。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述第一分类模型，对目标邮件进行分类。

5.根据权利要求4所述的方法，其特征在于，所述基于所述第一分类模型，对目标邮件进行分类，包括：

根据所述目标邮件的至少一项特征集合，获取所述目标邮件的特征向量；

根据所述特征向量和所述第一分类模型，确定所述目标邮件对应的类别标识。

6.根据权利要求4所述的方法，其特征在于，所述方法还包括：

根据对所述目标邮件进行分类时确定的第一类别标识，将所述目标邮件存储于所述第一类别标识对应的第一邮件文件夹中。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

当检测到将所述目标邮件从所述第一邮件文件夹移动至第二邮件文件夹的操作时，确定所述第二邮件文件夹对应的第二类别标识；

根据所述目标邮件的至少一项特征集合，获取所述目标邮件的特征向量；

根据所述目标邮件的特征向量和所述第二类别标识以及所述多个样本邮件的特征向量和对应的类别标识进行训练，得到第二分类模型，所述第二分类模型用于对邮件进行分类。

8.根据权利要求1所述的方法，其特征在于，样本邮件的特征集合包括：预设规则特征集合、发件用户特征集合、收件用户特征集合、标题特征集合中的至少一项。