[发明专利]一种分类方法和装置

权利要求书

1.一种分类方法，其特征在于，所述方法包括：

将待分类的第一数据输入预设的分类模型；

由所述分类模型对所述第一数据进行处理获取初始分类结果和分类权重；

根据所述分类权重对所述初始分类结果的置信度进行修正；

当修正后的置信度大于预设的置信度阈值时，将所述初始分类结果作为最终分类结果。

2.根据权利要求1所述的分类方法，其特征在于，所述方法还包括：当修正后的置信度小于或等于所述置信度阈值时，执行以下任意一种或多种操作：

重新通过所述分类模型对所述第一数据进行处理，以重新获取初始分类结果和分类权重，并再次根据重新获取的分类权重对重新获取的初始分类结果的置信度进行修正，根据修正后的置信度确定分类结果；

输出分类结果；所述分类结果为：不能确定；以及，

发出对分类结果进行人工修正的提醒信息。

3.根据权利要求1所述的分类方法，其特征在于，在由所述分类模型对所述第一数据进行处理获取初始分类结果和分类权重之前，所述方法还包括：

通过所述分类模型提取所述第一数据的数据特征。

4.根据权利要求3所述的分类方法，其特征在于，所述分类模型包括softmax模块；

由所述分类模型对所述第一数据进行处理获取初始分类结果，包括：

由所述softmax模块根据所述数据特征进行分类，并获取所述初始分类结果。

5.根据权利要求3所述的分类方法，其特征在于，所述分类模型包括sigmoid函数模块；

由所述分类模型对所述第一数据进行处理获取分类权重，包括：

由所述sigmoid函数模块根据所述数据特征计算所述分类权重。

6.根据权利要求4所述的分类方法，其特征在于，所述由所述softmax模块根据所述数据特征进行分类，并获取所述初始分类结果，包括：

由所述softmax模块根据所述数据特征确定出所述第一数据被分类到每一类型对应的初始置信度；

获取多个初始置信度中数值最大的初始置信度，将所述数值最大的初始置信度对应的分类类型作为所述初始分类结果。

7.根据权利要求6所述的分类方法，其特征在于，所述根据所述分类权重对所述初始分类结果的置信度进行修正，包括：

将所述数值最大的初始置信度与所述分类权重相乘，将相乘结果作为修正后的置信度。

8.根据权利要求1所述的分类方法，其特征在于，所述方法还包括：预先通过训练样本对包含softmax模块和sigmoid函数模块的神经网络模型进行训练，获取所述分类模型。

9.根据权利要求8所述的分类方法，其特征在于，所述方法还包括：

在通过训练样本对所述神经网络模型进行训练过程中，通过由所述sigmoid函数模块根据所述训练样本的样本特征计算出的分类权重计算出修正后的样本分类权重，根据所述样本分类权重确定出对所述训练样本的分类结果，并根据对所述训练样本的分类结果从所述训练样本中剔除分类结果不能确定的训练样本。

10.一种分类装置，包括处理器和计算机可读存储介质，所述计算机可读存储介质中存储有指令，其特征在于，当所述指令被所述处理器执行时，实现如权利要求1-9任意一项所述的分类方法。