[发明专利]数据分类方法、装置、终端设备及可读存储介质

说明书

本申请适用于机器学习技术领域，提供了一种数据分类方法、装置、终端设备及可读存储介质，该数据分类方法，包括：先接收待分类数据，然后将待分类数据输入训练后的分类模型，得到待分类数据的至少一个数据标签。其中，分类模型是根据间距焦点损失函数训练得到的，间距焦点损失函数用于根据样本数据的预测标签、样本数据的预设标签的间隔距离，表示样本数据的预测标签、样本数据的预设标签之间的差距。在对样本数据进行分类训练时，可以无需考虑样本的数量，只需根据样本数据的预测标签、样本数据的预设标签之间的差距确定分类的边界，使得数据不平衡的情况能够有效减少，训练后的分类模型能够更加准确地对待分类数据进行标签分类。

技术领域

本申请属于机器学习技术领域，尤其涉及一种数据分类方法、装置、终端设备及可读存储介质。

背景技术

多标签分类是机器学习的基础研究任务之一，其目的在于预测每个样本数据中出现的多个类别标签，在训练分类模型时，由于每个样本数据中类别标签的种类和数量都不固定，因此会导致样本数据的预测标签中，出现个别类别标签的数据量与其他类别标签的数据量差别很大，发生数据不均衡的情况，进而使得机器学习模型的准确度降低。

现有技术中，在改善数据不均衡的情况时，可以使用卷积神经网络提取样本数据的特征，然后通过全连接层对特征进行线性组合，再通过sigmoid函数生成分类概率，然后将焦点损失函数作为损失函数进行反向传播，训练分类模型，然后通过训练后的分类模型进行分类。

但是，根据现有技术训练分类模型时，由于样本数据中每个类别的数量不同，对于数量较少的类别，无法提取的足够的样本数据特征，仅依靠焦点损失函数中的权重进行调节，会导致无法准确获得分类的边界的情况，因此依然会造成一定程度的数据不平衡，影响标签分类的准确率。

发明内容

本申请实施例提供了数据分类方法、装置、终端设备及可读存储介质，以改善现有技术中仅依靠焦点损失函数中的权重进行调节，导致无法准确获得分类的边界的情况，造成一定程度的数据不平衡，影响标签分类的准确率的问题。

第一方面，本申请实施例提供了一种数据分类方法，包括：

先接收待分类数据，然后将待分类数据输入训练后的分类模型，得到待分类数据的至少一个数据标签。其中，分类模型是根据间距焦点损失函数训练得到的，间距焦点损失函数用于根据样本数据的预测标签、样本数据的预设标签的间隔距离，表示样本数据的预测标签、样本数据的预设标签之间的差距。

一些实现方式中，训练后的分类模型的训练方式为：先从预设数据库中获取至少一个样本数据，其中，每个样本数据包括至少一个预设的标签。然后通过预设分类模型，获取每个样本数据的预测标签。再获取样本数据的预测标签和样本数据的预设标签之间的间隔距离。再根据间隔距离，通过间距焦点损失函数，计算最大间距焦点损失值，其中，最大间距焦点损失值用于指示样本数据的预测标签、样本数据的预设标签之间差距的最大值。最后，根据最大间距焦点损失值训练预设分类模型，获取训练后的分类模型。

需要说明的是，预测标签包括N个分类，其中，N为大于1的整数。

相应的，获取样本数据的预测标签和样本数据的预设标签之间的间隔距离，包括：根据样本数据第i类预测标签的值、样本数据第i类预设标签的值，获取样本数据的第i类预测标签、第i类预设标签之间的间隔距离，其中，i为大于或等于1且小于或等于N的整数。

还有一些实现方式中，根据样本数据第i类预测标签的值、样本数据第i类预设标签的值，获取样本数据的第i类预测标签、第i类预设标签之间的间隔距离，可以先将第i类预设标签的值减去第i类预测标签的值，获取样本数据的第i类预测标签、第i类预设标签之间的绝对距离。再将绝对距离与预设缩放系数相乘，得到样本数据的第i类预测标签、第i类预设标签之间的间隔距离。