[发明专利]类别识别方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种类别识别方法，其特征在于，所述方法包括：

获取系统对象类别训练数据集，所述系统对象类别训练数据集中的系统对象数据具有评价类别；

对所述系统对象类别训练数据集进行训练，得到系统对象类别识别模型；

根据所述系统对象类别识别模型对测试对象进行类别识别；

所述对系统对象类别训练数据集进行训练，得到系统对象类别识别模型，包括：

提取系统对象类别训练数据的训练特征；

根据训练数据的类型和识别结果目标类型确定分类函数；

基于训练数据训练确定所述分类函数的参数，得到所述系统对象类别识别模型；

所述提取系统对象类别训练数据的训练特征，包括：

基于系统对象类别训练数据确定系统对象产出词典，其中，所述系统对象产出词典包括每一系统对象每一产品的产出数量；

从所述系统对象产出词典中提取某一系统对象所有产品的产出数量作为训练特征向量；

基于所有系统对象对应的训练特征向量生成所述训练特征。

2.根据权利要求1所述的方法，其特征在于，所述获取系统对象类别训练数据集，包括：

获取第一预设历史时间段内已分类系统对象数据，其中，所述系统对象数据包括：对象名称、对象类别、源属性、产品名称、产品产出量中的一种或多种；

对具有同一源属性的系统对象的类别进行评价，将评价分值高于预设评价阈值的类别作为该源属性所有系统对象的评价类别；

将具有评价类别的系统对象数据作为系统对象类别训练数据，生成所述系统对象类别训练数据集。

3.根据权利要求2所述的方法，其特征在于，所述对具有同一源属性的系统对象的类别进行评价，将评价分值高于预设评价阈值的类别作为该源属性所有系统对象的评价类别，包括：

统计具有同一源属性且具有同一类别的系统对象的数量；

按照数量的大小确定相应类别的评价分值；

将评价分值高于预设评价阈值的类别确定为该源属性所有系统对象的评价类别。

4.根据权利要求1所述的方法，其特征在于，所述根据所述系统对象类别识别模型对测试对象进行类别识别，包括：

获取测试对象的特征数据；

将所述测试对象的特征数据输入至所述系统对象类别识别模型，得到对于测试对象的类别识别结果。

5.根据权利要求1或4所述的方法，其特征在于，所述测试对象包括：第二预设历史时间段内产品产出数量高于预设数量阈值的系统对象。

6.根据权利要求4所述的方法，其特征在于，所述获取测试对象的特征数据，包括：

基于测试对象数据确定系统对象产出词典，其中，所述系统对象产出词典包括每一系统对象每一产品的产出数量；

从所述系统对象产出词典中提取某一系统对象所有产品的产出数量作为测试特征向量；

基于所有系统对象对应的测试特征向量生成所述测试对象的特征数据。

7.一种类别识别装置，其特征在于，所述装置包括：

获取模块，被配置为获取系统对象类别训练数据集，所述系统对象类别训练数据集中的系统对象数据具有评价类别；

训练模块，被配置为对所述系统对象类别训练数据集进行训练，得到系统对象类别识别模型；

识别模块，被配置为根据所述系统对象类别识别模型对测试对象进行类别识别；

所述训练模块包括：

提取子模块，被配置为提取系统对象类别训练数据的训练特征；

第一确定子模块，被配置为根据训练数据的类型和识别结果目标类型确定分类函数；

第二确定子模块，被配置为基于训练数据训练确定所述分类函数的参数，得到所述系统对象类别识别模型；

所述提取子模块包括：

第三确定单元，被配置为基于系统对象类别训练数据确定系统对象产出词典，其中，所述系统对象产出词典包括每一系统对象每一产品的产出数量；

第一提取单元，被配置为从所述系统对象产出词典中提取某一系统对象所有产品的产出数量作为训练特征向量；

第一生成单元，被配置为基于所有系统对象对应的训练特征向量生成所述训练特征。