[发明专利]一种数据分类方法

说明书

本发明公开了一种数据分类方法，包括：获取待分类的原始媒体数据，对原始媒体数据进行预处理得到各时刻的节点特征矩阵；根据各节点特征矩阵，计算各时刻的第一目标权重值；根据各节点特征矩阵以及第一目标权重值，计算各时刻的媒体特征向量，根据各时刻的媒体特征向量，对原始媒体数据进行分类。本发明实施例的技术方案可以减少对数据分类的耗时，提高数据的分类效率。

技术领域

本发明实施例涉及数据处理技术领域，尤其涉及一种数据分类方法。

背景技术

随着电力行业的发展，电网数据量庞大、种类繁多且增长速度飞快，由于各级电力调度中心缺乏对电网数据输出的标准化规定，导致相同类型的数据对应的存储格式可能不同，并且电网数据库既可以包括简单的文件数据库，也可以包括复杂的网络数据库，由此构成了电网数据的异构数据源。

由于大量的电网数据缺乏标准的存储格式，且数据源异构，开发人员很难全局掌握这些电网数据间的联系，进而无法开发与电网数据对应的前端业务。因此，对异构异源的电网数据进行分类，通过分类结果识别电网数据之间的联系，对开发电网前端业务是尤为重要的。

现有方法对电网数据分类时，通常分别将电网数据输入长短期记忆(Long Short-Term Memory，LSTM)神经网络和图卷积神经网络，根据各神经网络的输出结果确定电网数据的类型，但是，由于LSTM神经网络和图卷积神经网络各自包括多个全连接层，导致网络计算量较大，且耗费时间长，数据分类效率较低。

发明内容

本发明实施例提供一种数据分类方法，能够减少对数据分类的耗时，提高数据的分类效率。

本发明实施例提供了一种数据分类方法，所述方法包括：

获取待分类的原始媒体数据，对所述原始媒体数据进行预处理得到与所述原始媒体数据对应的各时刻的节点特征矩阵；

根据各所述节点特征矩阵，计算与所述原始媒体数据对应的各时刻的第一目标权重值；所述第一目标权重值用于表示所述原始媒体数据中包括设定类型的语音数据或设定类型的文本数据的权重；

根据各所述节点特征矩阵以及第一目标权重值，计算与所述原始媒体数据对应的各时刻的媒体特征向量，所述媒体特征向量中包括第二目标权重值，所述第二目标权重值用于表示所述原始媒体数据中包括设定类型的图像数据的权重；

根据所述各时刻的媒体特征向量，对所述原始媒体数据进行分类。

本发明实施例的技术方案通过获取待分类的原始媒体数据，对原始媒体数据进行预处理得到与原始媒体数据对应的各时刻的节点特征矩阵，并根据各节点特征矩阵，计算与原始媒体数据对应的各时刻的第一目标权重值，然后根据各节点特征矩阵以及第一目标权重值，计算与原始媒体数据对应的各时刻的媒体特征向量，最后根据各时刻的媒体特征向量，对原始媒体数据进行分类。本发明实施例的技术方案可以减少对数据分类的耗时，提高数据的分类效率。

附图说明

图1是本发明实施例一中的一种数据分类方法的流程图；

图2是本发明实施例二中的一种数据分类方法的流程图；

图3a是本发明实施例三中的一种数据分类方法的流程图；

图3b是本发明实施例三中的一种数据分类方法的流程图；

图4是本发明实施例四中的一种数据分类装置的结构图；

图5是本发明实施例五中的一种计算机设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。