[发明专利]数据分类的方法、装置、存储介质及电子设备

权利要求书

1.一种数据分类的方法，其特征在于，所述方法包括：

获取目标事件在多个数据标签下对应的样本数据；

获取预设数据筛选模型，从所述数据标签中确定预先设置的关键数据标签和非关键数据标签，并从所述样本数据中确定所述关键数据标签对应的关键数据以及所述非关键数据标签对应的非关键数据；

根据所述关键数据和所述非关键数据通过所述预设数据筛选模型从所述非关键数据标签中确定与所述关键数据标签相关的关联数据标签；

获取预设数据分类训练模型，通过所述关键数据和所述关联数据标签对应的非关键数据对所述预设数据分类训练模型进行训练，得到目标数据分类模型；

获取所述目标事件中待分类的目标数据，将所述目标数据作为所述目标数据分类模型的输入，得到分类结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述关键数据和所述非关键数据通过所述预设数据筛选模型从所述非关键数据标签中确定与所述关键数据标签相关的关联数据标签包括：

对所述非关键数据标签进行排列组合处理，得到多个非关键数据标签集，其中，不同的所述非关键数据标签集对应不同的排列组合结果；

将所述关键数据标签分别与每个所述非关键数据标签集组合，得到多个数据标签集组；

依次将每个数据标签集组中，关键数据标签对应的关键数据和非关健数据标签对应的非关健数据作为预设数据筛选模型的输入，得到输出结果；

根据所述输出结果确定每个所述数据标签集组对应的分类正确率；

从全部所述数据标签集组中，确定分类正确率最高的目标标签集组，并将所述目标标签集组中的非关键数据标签，确定为所述关联数据标签。

3.根据权利要求2所述的方法，其特征在于，所述根据输出结果确定每个所述数据标签集组对应的分类正确率包括：

获取每个所述数据标签集组对应的期望输出结果；

根据所述输出结果和所述期望输出结果得到所述分类正确率。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述目标数据分类模型包括：

其中，x₁,x₂,...x_n表示所述目标数据分类模型的输入变量，x_i表示第i个数据，Y表示所述目标分类模型的输出变量，b_i、c_i、p_i、a₀表示所述目标数据分类模型的参数，i表示从1到n中的任意一个。

5.一种数据分类的装置，其特征在于，所述装置包括：

获取模块，用于获取目标事件在多个数据标签下对应的样本数据；

确定模块，用于获取预设数据筛选模型，从所述数据标签中确定预先设置的关键数据标签和非关键数据标签，并从所述样本数据中确定所述关键数据标签对应的关键数据以及所述非关键数据标签对应的非关键数据；

数据筛选模块，用于根据所述关键数据和所述非关键数据通过所述预设数据筛选模型从所述非关键数据标签中确定与所述关键数据标签相关的关联数据标签；

模型训练模块，用于获取预设数据分类训练模型，通过所述关键数据和所述关联数据标签对应的非关键数据对所述预设数据分类训练模型进行训练，得到目标数据分类模型；

分类模块，用于获取所述目标事件中待分类的目标数据，将所述目标数据作为所述目标数据分类模型的输入，得到分类结果。