[发明专利]数据分类方法、装置、设备、可读存储介质及产品

权利要求书

1.一种数据分类方法，其特征在于，包括：

获取待分类数据集，其中，所述待分类数据集中包括多个待分类数据、每个待分类数据对应的目标熵值以及预测类别以及部分待分类数据对应的标注类别；

确定所述待分类数据集中的多个目标分类数据，所述目标分类数据为预测类别与标注类别不同的待分类数据；

根据每个目标分类数据对应的目标熵值对多个所述目标分类数据进行迭代分类操作，直至满足预设的迭代结束条件，获得分类后的目标训练集、目标测试集以及目标验证集。

2.根据权利要求1所述的方法，其特征在于，所述获取待分类数据集，包括：

获取原始数据集，所述原始数据集中包括多个待分类数据以及至少部分待分类数据对应的标注类别；

将所述原始数据集中的待分类数据输入至预设的分类模型，获得所述分类模型的输出数据，所述输出数据包括所述待分类数据属于各标注类别的概率，所述分类模型为采用对所述待分类数据集进行预分类获得的初始训练集、初始测试集以及初始验证集对预设的待训练模型进行预训练后获得的；

根据所述输出数据确定各待分类数据对应的目标熵值以及预测类别，根据所述目标熵值、所述预测类别以及所述至少部分待分类数据对应的标注类别生成所述待分类数据集。

3.根据权利要求2所述的方法，其特征在于，所述获取原始数据集，包括：

获取多个原始数据；

对所述多个原始数据进行聚类操作，获得多个聚类结果，其中，每个聚类结果对应至少一个原始数据；

针对各聚类结果，通过关键词匹配的方式确定所述聚类结果对应的每一原始数据对应的目标关键词，根据所述目标关键词对每一原始数据进行类别标注，获得所述原始数据集。

4.根据权利要求3所述的方法，其特征在于，所述通过关键词匹配的方式确定所述聚类结果对应的每一原始数据对应的目标关键词，包括：

获取预设的关键词映射词表，其中，所述关键词映射词表中包括多个标注类别，其中，各标注类别对应有至少一个关键词；

针对各原始数据，对所述原始数据与所述关键词映射词表中的关键词进行匹配操作，获得与所述原始数据对应的目标关键词。

5.根据权利要求2所述的方法，其特征在于，所述将所述原始数据集中的待分类数据输入至预设的分类模型之前，还包括：

采用预设的抽样方式抽取所述原始数据集中的待分类数据，将所述待分类数据按照预设的比例分别添加至预设的训练集、测试集及验证集中，获得所述初始训练集、初始测试集以及初始验证集；

其中，每一所述待分类数据对应的抽样次数为一次。

6.根据权利要求2所述的方法，其特征在于，所述根据所述输出数据确定各待分类数据对应的目标熵值以及预测类别，包括：

将所述输出数据中概率值满足预设条件的概率对应的标注类别确定为所述待分类数据对应的预测类别；

通过预设的熵值算法对所述输出数据进行计算，获得所述待分类数据对应的目标熵值。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述根据每个目标分类数据对应的目标熵值对多个所述目标分类数据进行迭代分类操作，包括：

针对每一目标分类数据，将所述目标分类数据对应的目标熵值与预设的熵值阈值进行比对，根据比对结果对所述目标分类数据进行迭代分类操作。

8.根据权利要求7所述的方法，其特征在于，所述预设熵值阈值包括第一熵值阈值以及第二熵值阈值；

其中，所述第二熵值阈值大于所述第一熵值阈值。