[发明专利]数据处理方法、模型构建方法、分类方法及计算设备

说明书

本申请实施例提供一种数据处理方法、模型构建方法、分类方法及计算设备。其中，在对象分类模型中构建新增分类任务的输出模块；将当前训练批次的第一训练样本输入对象分类模型，提取第一训练样本的第一样本特征；将第一训练样本的类别标签作为输出模块的输出数据，结合第一训练样本的第一样本特征及第一存储信息中不同类别的对象特征训练对象分类模型；利用训练之后的对象分类模型提取第一训练样本的第二样本特征，基于第一训练样本的第二样本特征更新第一存储信息；训练结束时，将第一存储信息中新增分类任务涉及类别的对象特征，构成新增分类任务对应的第二存储信息。本申请实施例提供的技术方案降低了模型训练成本并保证了模型分类准确度。

技术领域

本申请实施例涉及计算机应用技术领域，尤其涉及一种数据处理方法、模型构建方法、分类方法及计算设备。

背景技术

在计算机应用技术领域，常涉及文本分类、图像分类、音频分类等数据对象的分类需求，目前，多是采用机器学习方式进行对象分类，通过学习已有数据，训练得到相应的对象分类模型，利用对象分类模型即可以对新数据进行分类。

然而，随着分类需求的不断扩展，针对同一种类的分类需求也会出现很多分类任务，如果针对每一个分类任务都训练一个对象分类模型，训练成本将会非常大。

发明内容

本申请实施例提供一种数据处理方法、分类方法及计算设备，用以解决现有技术中模型训练成本大的技术问题。

第一方面，本申请实施例中提供了一种数据处理方法，包括：

在对象分类模型中构建新增分类任务的输出模块；

将所述新增分类任务当前训练批次的第一训练样本输入对象分类模型，利用所述对象分类模型提取所述第一训练样本的第一样本特征；

将所述第一训练样本的类别标签作为所述输出模块的输出数据，并结合所述第一训练样本的第一样本特征及第一存储信息中不同类别的对象特征，训练所述对象分类模型；

利用训练之后的所述对象分类模型提取所述第一训练样本的第二样本特征，并基于所述第一训练样本的第二样本特征更新所述第一存储信息；

针对所述新增分类任务的训练结束时，将所述第一存储信息中所述新增分类任务涉及类别的对象特征，构成所述新增分类任务对应的第二存储信息；其中，所述第二存储信息中不同类别的对象特征用于参与利用所述对象分类模型对所述新增分类任务的待分类对象的分类操作。

可选地，所述将所述第一训练样本的类别标签作为所述输出模块的输出数据，并结合所述第一训练样本的第一样本特征以及第一存储信息中不同类别的对象特征，训练所述对象分类模型包括：将所述第一训练样本的第一样本特征分别与第一存储信息中不同类别的对象特征进行融合，获得第一融合特征；将所述至第一融合特征作为所述新增分类任务的输出模块的输入数据，以及将所述第一训练样本的类别标签作为所述新增分类任务的输出模块的输出数据，训练所述对象分类模型。

可选地，所述对象分类模型包括至少一个原分类任务分别对应的输出模块；所述对象分类模型针对所述至少一个原分类任务按照如下方式预先训练获得：

利用所述对象分类模型提取所述至少一个原分类任务对应的第二训练样本的第一样本特征；计算属于同一个类别的第二训练样本的平均第一样本特征，作为该类别的对象特征，并将计算获得的不同类别的对象特征构成第一存储信息；将所述第二训练样本对应的类别标签作为其对应输出模块的输出数据，并结合所述第二训练样本的第一样本特征以及所述第一存储信息，训练所述对象分类模型；针对所述至少一个原分类任务训练结束时，将所述第一存储信息中所述至少一个原分类任务各自涉及类别的对象特征，构成所述至少一个原分类任务各自的第二存储信息，或者，针对所述至少一个原分类任务训练结束时，抽取所述第一存储信息中不同类别的对象特征，构成所述至少一个原分类任务对应的第二存储信息。