[发明专利]内容分类方法、装置及可读存储介质

说明书

本申请公开了一种内容分类方法、装置及可读存储介质，涉及人工智能领域。该方法包括：获取目标内容；通过内容分类模型对目标内容进行分类识别，得到目标内容的分类结果；对目标内容和分类结果进行不确定度分析，得到分类结果的不确定度，不确定度用于指示分类结果的可信度，其中，不确定度分析包括类间不确定度分析和类内不确定度分析中的至少一种。通过对目标内容和分类结果进行不确定度分析，从而将内容分类过程中的类间不确定度和类内不确定度，结合类间不确定度和类内不确定度对内容分类模型的内容分类结果进行可信度辅助分析，增加内容分类模型的分类结果的分析维度，以及提高内容分类模型的分类准确度。

技术领域

本申请实施例涉及人工智能领域，特别涉及一种内容分类方法、装置及可读存储介质。

背景技术

人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。其中，神经网络模型是人工智能的一种实现方式。

相关技术中，神经网络模型可以通过标注有标签的样本进行监督训练，以图像分类模型为例进行说明，将标注有类别标签的图像输入图像分类模型进行分类后，根据标签和分类结果对图像分类模型进行监督训练。

然而，由于样本所标注的标签通常为人工根据眼睛识别结果标注的，针对类间差异较小或者类内差异较大的样本，本身标签的标注就附带有不确定性，导致图像分类模型的训练结果准确率低，图像分类模型的分类结果的可信度不可知。

发明内容

本申请实施例提供了一种内容分类方法、装置及可读存储介质，可以提高图像分类模型的训练结果准确率。所述技术方案如下：

一方面，提供了一种内容分类方法，所述方法包括：

获取目标内容，所述目标内容为待分类的内容；

通过内容分类模型对所述目标内容进行分类识别，得到所述目标内容的分类结果；

根据所述目标内容对应不同分类之间的差异度对所述目标内容和所述分类结果进行类间不确定度分析，得到所述分类结果的类间不确定度；和/或，根据所述目标内容对应同一分类之间其他内容的差异度对所述目标内容和所述分类结果进行类内不确定度分析，得到所述分类结果的类内不确定度；

其中，所述类间不确定度和所述类内不确定度用于指示所述分类结果的可信度。

另一方面，提供了一种内容分类装置，所述装置包括：

获取模块，用于获取目标内容，所述目标内容为待分类的内容；

识别模块，用于通过内容分类模型对所述目标内容进行分类识别，得到所述目标内容的分类结果；

分析模块，用于根据所述目标内容对应不同分类之间的差异度对所述目标内容和所述分类结果进行类间不确定度分析，得到所述分类结果的类间不确定度；和/或，根据所述目标内容对应同一分类之间其他内容的差异度对所述目标内容和所述分类结果进行类内不确定度分析，得到所述分类结果的类内不确定度；其中，所述类间不确定度和所述类内不确定度用于指示所述分类结果的可信度。

另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述本申请实施例中任一所述的内容分类方法。

另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述本申请实施例中任一所述的内容分类方法。