[发明专利]智能化数据分类方法、装置、电子设备及可读存储介质

权利要求书

1.一种智能化数据分类方法，其特征在于，所述方法包括：

根据预先获取的历史信息集与历史标签集的对应关系，对当前待分类的数据组成的当前信息集进行标签计算得到当前标签集；

根据预设调节因子对所述当前标签集进行标签调节得到标准标签集；

根据卷积神经网络特征提取技术，从所述标准标签集中提取标签特征得到特征提取集；

将所述特征提取集作为已训练完成的分类神经网络的输入值进行分类预测得到数据分类结果。

2.如权利要求1所述的智能化数据分类方法，其特征在于，所述根据预先获取的历史信息集与历史标签集的对应关系，对当前信息集进行标签计算得到当前标签集，包括：

判断所述当前信息集为二分类标签计算还是多分类标签计算；

若为二分类标签计算，则根据预构建的二分类标签计算公式计算所述当前信息集得到所述当前标签集；

若为多分类标签计算，则根据预构建的多分类标签计算公式计算所述当前信息集得到所述当前标签集。

3.如权利要求2所述的智能化数据分类方法，其特征在于：

所述二分类标签计算公式包括：

所述多分类标签计算公式包括：

其中，X为所述当前信息集，Y为所述当前标签集，L(Y，P(Y|X))_two表示以所述当前信息集为条件建立的所述二分类标签计算公式，L(Y，P(Y|X))_three表示以所述当前信息集为条件建立的所述多分类标签计算公式，P(Y|X)表示所述当前信息集为已知情况下所述当前标签集的发生概率，i表示所述历史信息集内的历史信息的编号，N表示所述历史信息集内的数据总量，Y_i表示所述i的历史标签，p_i表示历史信息i在被分到所述历史标签集内每个历史标签的概率值，Y_ij表示所述历史标签集内的历史标签，j表示所述历史标签集内的历史标签的编号，M表示所述历史标签集的数据总量，P_ij表示历史信息i在被分到所述历史标签集内历史标签j的概率值。

4.如权利要求1所述的智能化数据分类方法，其特征在于，所述根据预设调节因子对所述当前标签集进行标签调节得到标准标签集，包括：

预设调节因子的数值；

根据所述调节因子的数值及所述当前标签集内的标签数值，利用预设标签调节函数，计算得到所述标准标签集。

5.如权利要求4所述的智能化数据分类方法，其特征在于，所述预设标签调节函数包括：

其中，new_f表示所述标准标签集内的标签数据，θ表示所述调节因子，N表示所述历史信息集内的数据总量，C_i表示所述当前标签集内标签数据，f()表示预构建的数据映射函数。

6.如权利要求1所述的智能化数据分类方法，其特征在于，所述根据卷积神经网络特征提取技术，从所述标准标签集中提取标签特征得到特征提取集，包括：

利用卷积神经网络矩阵整合方法，将所述标准标签集转化为标签矩阵；

根据预设特征提取计算公式从所述标签矩阵中提取得到所述特征提取集。

7.如权利要求6所述的智能化数据分类方法，其特征在于，所述利用卷积神经网络矩阵整合方法，将所述标准标签集转化为标签矩阵，包括：

将所述标准标签集按照预设行列数排列得到初始标签矩阵；

对所述初始标签矩阵进行卷积操作和池化操作得到所述标签矩阵。