[发明专利]数据标签的确定方法、装置及计算机可读存储介质

权利要求书

1.一种数据标签的确定方法，其特征在于，所述方法包括：

对样本数据集中包括的样本数据进行抽样，得到多个抽样数据，所述样本数据集中包括的样本数据已标注标签；

根据所述多个抽样数据构建第一球树；

根据所述第一球树对所述样本数据集中包括的样本数据进行分区，得到多个数据分区，每个数据分区中包括多个样本数据；

根据所述多个数据分区中包括的样本数据，并行地构建每个数据分区对应的第二球树；

根据构建得到的多个第二球树确定目标数据的标签，所述目标数据是指待确定标签的数据。

2.如权利要求1所述的方法，其特征在于，所述根据所述第一球树对所述样本数据集中包括的样本数据进行分区，得到多个数据分区，包括：

从所述第一球树包括的至少一个叶子节点中，确定所述样本数据集中包括的每个样本数据所属的叶子节点；

将属于同一个叶子节点的样本数据划分为一个数据分区，以得到所述多个数据分区。

3.如权利要求2所述的方法，其特征在于，所述从所述第一球树包括的至少一个叶子节点中，确定所述样本数据集中包括的每个样本数据所属的叶子节点，包括：

将所述第一球树广播至N个搜索进程，并将N份样本数据分配给所述N个搜索进程，所述N份样本数据是对所述样本数据集中包括的样本数据划分得到，所述N为大于2的正整数；

通过所述N个搜索进程，并行地从所述第一球树包括的至少一个叶子节点中，确定所述N份样本数据中每个样本数据所属的叶子节点。

4.如权利要求2所述的方法，其特征在于，所述从所述第一球树包括的至少一个叶子节点中，确定所述样本数据集中包括的每个样本数据所属的叶子节点，包括：

对于所述样本数据集中包括的任一样本数据A，令i＝1，将第一距离与第二距离进行比较，所述第一距离是指第一节点中位于中心位置处的样本数据与所述样本数据A之间的距离，所述第二距离是指第二节点中位于中心位置处的样本数据与所述样本数据A之间的距离，所述第一节点和所述第二节点是指以深度为i-1的节点为根节点的子树中的两个深度为1的节点，所述i大于或等于1且小于所述第一球树的总深度；

当所述第一距离小于所述第二距离，且所述第一节点不是叶子节点时，令i＝i+1，进入以所述第一节点为根节点的子树中，返回将第一距离与第二距离进行比较的步骤，直至所述第一节点是叶子节点时，将最终确定的第一节点确定为所述样本数据A所属的叶子节点；

当所述第一距离大于所述第二距离，且所述第二节点不是叶子节点时，令i＝i+1，进入以所述第二节点为根节点的子树中，返回将第一距离与第二距离进行比较的步骤，直至所述第二节点是叶子节点时，将最终确定的第二节点确定为所述样本数据A所属的叶子节点。

5.如权利要求1所述的方法，其特征在于，所述根据构建得到的多个第二球树确定目标数据的标签，包括：

根据所述目标数据，从构建得到的每个第二球树中，确定出一组候选样本数据，每组候选样本数据中包括K个候选样本数据，所述K大于或等于1；

从确定出的多组候选样本数据中，选择K个样本数据；

根据选择出的K样本数据确定所述目标数据的标签。