[发明专利]获取多标签的方法及装置

说明书

技术领域

本发明实施例涉及计算机应用技术领域，尤其涉及一种获取多标签的方法及装置。

背景技术

互联网中庞大数据和网站种类的日益增加，针对互联网的分析并在复杂庞大的网络中寻找有针对性的内容是目前急需解决的问题，需要更深入的研究。目前，通过对网站数据进行多标签分类是一种比较直观有效的办法，有助于从多个角度加深对整个网络的理解与认识，能为用户呈现更加清晰的互联网络，具有重要的意义。

对数据的多标签分类本质上是对事物的属性X到多标签Y的二值分类/回归映射，从而给标签未知的海量数据样本打上多标签，实现多个方面的关联分析。其中，Y是多维的，每个维度均是二值的多标签。因此，实现X->Y的映射这个问题，可以被看成一个多目标的分类或回归问题。

现有技术中有多种方法可以实现对数据的多标签分类，但是均具有各种各样的缺点：非线性支持向量机由于需要估计和维护样本量平方大小的核矩阵，因此很难在大量数据上实现；逻辑回归和神经网络可以实现大量数据的非线性多目标分类/回归，但主要有三方面问题：一是收敛速度慢、训练代价大；二是需要适当处理正则化和模型选择，来保证在未知样本上的泛化能力，但找到有效的处理方式是很难的；三是对属性X上的相似度或概率的定义是隐性的，一般需要先对X做出恰当的归一化预处理。

发明内容

有鉴于此，本发明实施例提供一种获取多标签的方法及装置，以准确获取待评测样本的标签。

本发明实施例采用以下技术方案：

第一方面，本发明实施例提供了一种获取多标签的方法，包括：

获取至少两个包括属性和标签的样本，形成训练样本集合；

从所述训练样本集合中筛选出与待评测样本的属性相关的预设数目的样本，形成所述待评测样本的邻近样本集合；

分别获取标签在所述邻近样本集合所包括的样本中的出现次数；

分别计算所述待评测样本在带有标签的条件下，所述邻近样本集合所包括的样本在标签上的多项分布概率，分别计算所述待评测样本在不带有标签的条件下，所述邻近样本集合所包括的样本在标签上的多项分布概率；

根据所述多项分布概率和所述出现次数，按照预设算法计算所述待评测样本在标签的概率，将概率大于预设概率阈值的标签作为所述待评测样本的标签。

第二方面，本发明实施例还提供了一种获取多标签的装置，包括：

练样本集合获取单元，用于获取至少两个包括属性和标签的样本，形成训练样本集合；

邻近样本集合筛选单元，用于从所述训练样本集合中筛选出与待评测样本的属性相关的预设数目的样本，形成所述待评测样本的邻近样本集合；

标签出现次数获取单元，用于分别获取标签在所述邻近样本集合所包括的样本中的出现次数；

多项分布概率计算单元，用于分别计算所述待评测样本在带有标签的条件下，所述邻近样本集合所包括的样本在标签上的多项分布概率，分别计算所述待评测样本在不带有标签的条件下，所述邻近样本集合所包括的样本在标签上的多项分布概率；

多标签获取单元，用于根据所述多项分布概率和所述出现次数，按照预设算法计算所述待评测样本在标签的概率，将概率大于预设概率阈值的标签作为所述待评测样本的标签。

本发明实施例提出的技术方案的有益技术效果是：

本发明实施例从所获取的训练样本集合中筛选出待评测样本的邻近样本集合，计算邻近样本集合所包括的样本分别在带有或不带有某个标签的条件下，它的邻近样本在标签上的多项分布概率，以及分别获取标签在所述邻近样本集合所包括的样本中的出现次数，根据所述多项分布概率和所述出现次数，按照预设算法计算所述待评测样本在标签的概率，将概率大于预设概率阈值的标签作为所述待评测样本的标签，以准确获取待评测样本的标签。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据本发明实施例的内容和这些附图获得其他的附图。

图1是本发明具体实施例一所述的获取多标签的方法流程图；

图2是本发明具体实施例三所述的获取多标签的方法流程图；

图3是本发明具体实施例四所述的获取多标签的装置的结构框图。

具体实施方式