[发明专利]数据分类方法及多分类模型训练方法、装置、设备、介质

说明书

本申请提供了一种数据分类方法及多分类模型训练方法、装置、设备、介质，应用于人工智能领域；其中，所述数据分类方法包括：获取待分类数据；将待分类数据分别输入至多分类模型的第一模型和第二模型中，得到待分类数据的分类结果；其中，第一模型是通过第一训练集得到的，第一训练集包括多个携带真实分类标记的第一样本数据；第二模型是通过第二训练集得到的，第二训练集包括多个携带偏标记集合的第二样本数据，偏标记集合包括至少一个候选分类标记。通过本申请提供的数据分类方法，能够提升数据分类的准确性。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种数据分类方法及多分类模型训练方法、装置、设备及计算机可读存储介质。

背景技术

人工智能(AI，Artificial Intelligence)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。换句话说，人工智能是计算机科学的一个综合技术，该技术企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

在各种应用场景下，数据的分类一直是人工智能关注的重点。传统的数据分类方案，对待分类数据的分类精度较低，难以满足实际场景的需求。

发明内容

本申请实施例提供一种数据分类方法及多分类模型训练方法、装置、设备、介质，能够提升数据分类准确度。

本申请实施例的技术方案是这样实现的：

本申请实施例提供一种数据分类方法，包括：获取待分类数据；将待分类数据分别输入至多分类模型的第一模型和第二模型中，得到待分类数据的分类结果；其中，第一模型是通过第一训练集得到的，第一训练集包括多个携带真实分类标记的第一样本数据；第二模型是通过第二训练集得到的，第二训练集包括多个携带偏标记集合的第二样本数据，偏标记集合包括至少一个候选分类标记。

在本申请的一些实施例中，所述多个第一样本数据中存在至少一个新增的第一样本数据；新增的第一样本数据携带的真实分类标记是根据第二模型得到的；和/或，所述多个第二样本数据中存在至少一个更新后的第二样本数据；更新后的第二样本数据携带的偏标记集合是根据第一模型得到的。

在本申请的一些实施例中，所述将待分类数据分别输入至多分类模型的第一模型和第二模型中，得到待分类数据的分类结果，包括：将待分类数据输入至第一模型，得到第一模型输出的第一分类结果；第一分类结果包括多个预设类别中每一预设类别对应的第一置信度；将待分类数据输入至第二模型，得到第二模型输出的第二分类结果；第二分类结果包括多每一预设类别对应的第二置信度；基于每一预设类别对应的第一置信度和第二置信度，确定待分类数据的分类结果。

在本申请的一些实施例中，所述基于每一预设类别对应的第一置信度和第二置信度，确定待分类数据的分类结果，包括：获取第一分类结果对应的第一精度参数，和第二分类结果对应的第二精度参数；第一精度参数用于表征第一模型的预测精度；第二精度参数用于表征第二模型的预测精度；基于每一预设类别对应的第一置信度和第二置信度、第一精度参数和第二精度参数，确定每一预设类别对应的第三置信度；将最大第三置信度对应的预设类别作为待分类数据的分类结果。

在本申请的一些实施例中，所述多分类模型的训练过程包括：通过第一训练集得到第一模型；通过第二训练集得到第二模型；在不满足停止条件的情况下，执行训练集更新操作，得到更新后的训练集，利用更新后的训练集对多分类模型进行迭代训练，直至达到停止条件，输出训练后的多分类模型；训练集更新操作包括以下至少之一：通过第二模型更新第一训练集，通过第一模型更新第二训练集。