[发明专利]一种数据分类方法、装置及相关设备

说明书

本申请公开了一种数据分类方法，该方法包括：获取训练数据，训练数据包括k个类别，k为大于1的正整数；通过WOA确定n个个体对应的向量，得到第一向量集；然后用目标优化函数计算第一向量集中每个向量对应的函数值，得到最佳向量；再通过WOA对每个个体执行预设次数的更新操作，将最后一次得到的最佳向量作为一个聚类中心；最后通过k个类别的聚类中心完成待分类语音数据的分类。本申请实施例能够获取各类别语音数据的聚类中心，然后根据聚类中心将待分类语音数据归类，之后再派发给相应的人员，让同一批标注人员尽量只处理一个类别下的数据，提高数据标注的效率，进而减少整个AI项目的时间。

技术领域

本申请涉及数据处理领域，尤其涉及到一种数据分类方法、装置及相关设备。

背景技术

数据标注平台是外呼机器人项目组当中非常重要的一个环节，每天通过机器人实际外呼的语音数据都会流转到该平台进行核验及相应的数据标注，然后再次回传给模型进行训练。

数据标注作为上述人工智能(Artificial Intelligence，AI)项目的一个基础，通常是由人工完成的，高质量的数据标注更是费时费力，对海量数据相关的处理几乎消耗了整个AI项目的大部分时间。而且在海量的数据中，会存在大批量各个场景及各个类型的数据，因此在派发给相应的人员进行人工标注前，需要进行一定的预处理。

发明内容

本申请实施例提供一种数据分类方法、装置及相关设备，能够获取各个类别语音数据的聚类中心，然后通过聚类中心将待分类的语音数据归到相应的类别中，之后再派发给相应的人员进行语音数据标注，大大提升人工标注的效率。

第一方面，本申请提供了一种数据分类方法，该方法包括以下步骤：

获取训练数据，其中，所述训练数据包括k个类别，k为大于1的正整数；

通过鲸鱼优化算法WOA从目标训练数据中确定n个个体对应的向量，得到第一向量集，其中，所述目标训练数据是所述k个类别中的任意一个类别，n为大于1的正整数；

使用目标优化函数分别计算所述第一向量集中每个向量对应的函数值，得到n个第一函数值，将所述n个第一函数值中最小第一函数值对应的向量作为最佳向量；

执行更新操作：

通过WOA分别更新所述n个个体对应的向量，得到第二向量集；

分别计算所述第二向量集中每个向量与所述最佳向量之间的距离，由所述距离与第一预设条件，更新所述每个个体对应的向量，得到第三向量集；

使用所述目标优化函数，计算所述第二向量集以及所述第三向量集中每个向量对应的函数值，由第二预设条件确定所述n个个体对应的目标向量，得到目标向量集；

使用所述目标优化函数计算所述目标向量集中每个目标向量对应的函数值，得到n个目标函数值；

将所述n个目标函数值中最小目标函数值与所述最佳向量对应的函数值进行比较，在所述最小目标函数值小于所述最佳向量对应的函数值时，确定所述最小目标函数值对应的目标向量作为新的最佳向量；

执行预设次数的所述更新操作，将最后一次所述更新操作得到的所述新的最佳向量作为所述目标训练数据的聚类中心；

获取待分类语音数据，分别计算所述待分类语音数据与所述k个类别的聚类中心的距离，将所述待分类语音数据归到与所述待分类语音数据距离最小的所述聚类中心对应的类别中。

第二方面，本申请提供了一种数据分类装置，该装置包括：

获取模块，用于获取训练数据，其中，所述训练数据包括k个类别，k为大于1的正整数；