[发明专利]数据的处理方法、装置、电子设备及存储介质

说明书

本申请提供了一种数据的处理方法、装置、电子设备及存储介质，包括：通过标签分类模型包括的已有标签对第一样本集中的样本进行标签标注，得到第二样本集，获取第二样本集中的未标注已有标签的目标样本；获取针对目标样本设置的描述信息；将描述信息与标签库包括的标签进行相似度计算，确定与描述信息的相似度最高的标签为新标签；通过新标签对第二样本集中的目标样本进行标注，得到包括目标样本以及目标样本对应的新标签的第三样本集。本申请通过将未标注已有标签的目标样本对应的描述信息与标签库包括的标签进行相似度计算，确定相似度最高的新标签对目标样本进行二次标注，完善了标签分类体系，提高了对多媒体样本的分类精度。

技术领域

本申请实施例涉及计算机技术领域，尤其涉及一种数据的处理方法、装置、电子设备及存储介质。

背景技术

近来，随着深度学习技术在多媒体样本分类处理等相关领域的广泛应用，使得移动终端的应用开发出来很多的多媒体视频样本分类功能，具体为对多媒体样本分配对应的标签，达到样本的分类效果，优化了应用的信息展示、推荐等功能，提高了用户体验度。

相关技术中，在通过包括多媒体样本的数据集训练标签分类模型时，只能给出多媒体样本基于标签分类模型中已有的标签的概率，进行已有标签的标注，例如，使用一个只包括“猫”和“狗”的数据集训练的标签分类模型，当对一个“猴”的图像进行预测时，只能给出图像属于“猫”或者“狗”的概率。在一种实现方式中，对于未分配到标签的多媒体样本，则可以统一打上“其他”标签，将其划分到其他分类。

但是，目前方案中，随着时间的推进，数据集会不断的添加用户上传的各种多媒体样本，而某些新增的样本可能不匹配标签分类模型中已有的标签，单纯的对这些样本添加“其他”标签或不添加标签，会造成多媒体样本分类精度下降的问题。

发明内容

本申请实施例提供一种数据的处理方法、装置、电子设备及存储介质，以解决相关技术中造成多媒体样本分类精度下降的问题。

第一方面，本申请实施例提供了一种数据的处理方法，该方法包括：

通过标签分类模型包括的已有标签对第一样本集中的样本进行标签标注，得到第二样本集；

获取所述第二样本集中的未标注所述已有标签的目标样本，其中，所述第二样本集中包括标注有所述已有标签的样本和未标注有所述已有标签的样本；

获取针对所述目标样本设置的描述信息；

将所述描述信息与标签库包括的标签进行相似度计算，确定与所述描述信息的相似度最高的标签为新标签；

通过所述新标签对所述第二样本集中的目标样本进行标注，得到包括所述目标样本以及所述目标样本对应的新标签的第三样本集。

可选的，所述标签库包括：词库中的单词和/或所述已有标签，所述词库包括多个用于与所述描述信息进行相似度计算的单词。

可选的，所述将所述描述信息与标签库包括的标签进行相似度计算，确定与所述描述信息的相似度最高的标签为新标签，包括：

将所述描述信息与词库包括的单词进行相似度计算，和/或将所述描述信息与所述已有标签进行相似度计算，确定与所述描述信息的相似度最高的单词或已有标签为新标签。

可选的，所述将所述描述信息与词库包括的单词进行相似度计算，和将所述描述信息与所述已有标签进行相似度计算，确定与所述描述信息的相似度最高的单词或已有标签为新标签，包括：

获取所述描述信息对应的分词集合；

去除所述词库中与所述已有标签匹配的单词；

通过词向量模型获取所述分词集合包括的分词对应的平均词向量，所述词库中单词对应的单词向量，以及所述已有标签对应的标签向量；