[发明专利]标签分类方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种标签分类方法，其特征在于，包括：

获取媒资数据所对应的原始标签，所述原始标签表征所述媒资数据在第一数据类型维度的类型；

对所述原始标签进行特征提取，得到所述原始标签的特征信息；

根据所述特征信息，预测所述原始标签属于至少一个预设媒资标签的实际概率，所述预设媒资标签表征媒资数据在第二数据类型维度的类型；

根据所述实际概率，从所述至少一个预设媒资标签中确定所述媒资数据所对应的目标媒资标签；

将所述原始标签归类为所述目标媒资标签。

2.根据权利要求1所述的方法，其特征在于，所述对所述原始标签进行特征提取，得到所述原始标签的特征信息，包括：

根据媒资标签分类模型对所述原始标签进行特征提取，得到所述原始标签所对应的特征信息；

所述根据所述特征信息，预测所述原始标签属于至少一个预设媒资标签的实际概率，包括：

利用所述媒资标签分类模型，对所述特征信息进行预测，得到所述原始标签属于至少一个预设媒资标签的实际概率。

3.根据权利要求2所述的方法，其特征在于，所述根据媒资标签分类模型对所述原始标签进行特征提取，得到所述原始标签所对应的特征信息之前，包括：

获取模型训练数据，所述模型训练数据包括至少一个样本原始标签；

将所述样本原始标签划分为训练集和校验集；

基于所述训练集，对预设标签分类模型进行训练；

利用所述校验集，对所述预设标签分类模型的训练结果进行验证，以得到媒资标签分类模型。

4.根据权利要求3所述的方法，其特征在于，所述基于所述训练集，对预设标签分类模型进行训练，包括：

根据预设标签分类模型对所述训练集中每个样本原始标签进行预测，得到至少一个预测概率；

获取每个所述样本原始标签属于至少一个预设媒资标签的期望概率；

根据每个样本原始标签所对应的所述预测概率和所述期望概率对所述预设标签分类模型进行收敛。

5.根据权利要求3所述的方法，其特征在于，所述基于所述训练集，对预设标签分类模型进行训练，包括：

根据所述预设媒资标签的至少一个标签类型，分别建立预设标签分类模型；

从所述训练集中确定每个所述预设标签分类模型的正样本和负样本；

根据所述正样本和负样本对所述预设标签分类模型进行训练。

6.根据权利要求5所述的方法，其特征在于，所述从所述训练集中确定每个分类模型的正样本和负样本，包括：

确定所述预设标签分类模型所对应的标签类型；

将属于所述标签类型的期望概率最高的样本原始标签确定为所述预设标签分类模型的正样本；

根据所述训练集和所述正样本，确定所述预设标签分类模型的负样本。

7.根据权利要求5所述的方法，其特征在于，所述根据所述特征信息，预测所述原始标签属于至少一个预设媒资标签的实际概率，包括：

分别根据所述至少一个媒资标签分类模型对所述特征信息进行预测，得到所述原始标签分别属于所述至少一个预设媒资标签的实际概率。

8.一种标签分类装置，其特征在于，包括：

获取模块，用于获取媒资数据所对应的原始标签，所述原始标签表征所述媒资数据在第一数据类型维度的类型；

提取模块，用于对所述原始标签进行特征提取，得到所述原始标签的特征信息；

预测模块，用于根据所述特征信息，预测所述原始标签属于至少一个预设媒资标签的实际概率，所述预设媒资标签表征媒资数据在第二数据类型维度的类型；

确定模块，用于根据所述实际概率，从所述至少一个预设媒资标签中确定所述媒资数据所对应的目标媒资标签；

归类模块，用于将所述原始标签归类为所述目标媒资标签。

9.一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如权利要求1-7任一项所述标签分类方法的步骤。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述标签分类方法的步骤。