[发明专利]数据处理方法、装置及设备

说明书

本发明实施例公开了一种数据处理的方法、装置、设备及存储介质，包括：获取待处理的目标数据；调用优化的第一网络模型对所述目标数据进行预测处理得到第一预测结果，所述第一预测结果包括所述目标数据的预测标签及分簇信息；从多个优化的第二学习模型中选择与所述目标数据的分簇信息相对应的优化的目标第二学习模型；将所述目标数据及所述目标数据的预测标签输入至所述优化的目标第二学习模型进行预测处理得到第二预测结果，所述第二预测结果包括所述目标数据与所述目标数据的预测标签之间的关系解释信息；可提高优化的第二学习模型的预测精度，并提高关系解释信息的置信度。

技术领域

本发明涉及计算机技术领域，具体涉及神经网络技术领域，尤其涉及一种数据处理方法、一种数据处理装置及一种电子设备。

背景技术

深度学习网络模型具有大规模的并行处理、分布式的信息存储、良好的自适应性、自组织性、很强的学习能力以及容错能力的特征，因此被广泛应用于图像识别、智能机器人控制、语言翻译以及医疗诊断等领域，给人们的生活或工作带来许多便利。但是，深度学习网络模型就像一个黑箱子，导致人们无法获知深度学习网络模型的输入与输出之间的关系，进而，导致深度网络模型的预测结果难以让人置信。因此，如何解释深度学习网络模型的输入与输出之间的关系是当前的研究热点，现有技术中，通常以一个传统的机器学习网络模型作为深度学习网络模型的解释网络模型，通过深度学习网络模型将待处理的数据输入到传统的机器学习网络模型中进行预测处理，以得到用于解释深度学习网络模型的输入与输出之间的关系解释信息；但是，深度学习网络模型本身的复杂度并不是一个传统机器学习模型可以简单逼近的，所以传统机器学习模型的预测精度远远低于深度学习网络模型的预测精度，导致该方法生成的关系解释信息难以让人置信。

发明内容

本发明实施例所要解决的技术问题在于，提供一种数据处理方法、装置、设备及存储介质，可提高优化的第二学习模型的预测精度，并提高关系解释信息的置信度。

一方面，本发明实施例提供一种数据处理方法，该方法包括：

获取待处理的目标数据；

调用优化的第一网络模型对所述目标数据进行预测处理得到第一预测结果，所述第一预测结果包括所述目标数据的预测标签及分簇信息；

从多个优化的第二学习模型中选择与所述目标数据的分簇信息相对应的优化的目标第二学习模型；

将所述目标数据及所述目标数据的预测标签输入至所述优化的目标第二学习模型进行预测处理得到第二预测结果，所述第二预测结果包括所述目标数据与所述目标数据的预测标签之间的关系解释信息。

一方面，本发明实施例提供一种数据处理装置，该装置包括：

获取单元，用于获取待处理的目标数据；

预测单元，用于调用优化的第一网络模型对所述目标数据进行预测处理得到第一预测结果，所述第一预测结果包括所述目标数据的预测标签及分簇信息；

选择单元，用于从多个优化的第二学习模型中选择与所述目标数据的分簇信息相对应的优化的目标第二学习模型；

所述预测单元，还用于将所述目标数据及所述目标数据的预测标签输入至所述优化的目标第二学习模型进行预测处理得到第二预测结果，所述第二预测结果包括所述目标数据与所述目标数据的预测标签之间的关系解释信息。

一方面，本发明实施例提供一种电子设备，包括：处理器和存储装置；

处理器，适于实现一条或一条以上指令；以及，计算机存储介质，所述计算机存储介质存储有一条或一条以上指令，所述一条或一条以上指令适于由处理器加载并执行如下步骤：

获取待处理的目标数据；

调用优化的第一网络模型对所述目标数据进行预测处理得到第一预测结果，所述第一预测结果包括所述目标数据的预测标签及分簇信息；