[发明专利]数据分类方法、装置、计算机装置及存储介质

权利要求书

1.一种数据分类方法，应用于机器学习系统，其特征在于，所述方法包括：

获取待标注的数据集{x_i|i＝1,2,…,m}；

通过标注函数λ_j，j＝1,2,…,n对所述数据集进行标注，得到所述数据集的初始标签Λ_i,j＝λ_j(x_i)，i＝1,2,…,m，j＝1,2,…,n；

根据所述初始标签计算所述标识函数的成对相关性，根据所述成对相关性构建所述标注函数的生成模型；

根据所述生成模型预估所述数据集的概率标签；

根据所述概率标签对所述机器学习系统的判别模型进行训练，得到训练后的判别模型；

将待分类数据输入所述训练后的判别模型，得到所述待分类数据的类别。

2.如权利要求1所述的方法，其特征在于，所述生成模型为：

其中Λ表示所述初始标签构成的初始标签矩阵，Y表示真实标签矩阵，Z_w为归一化常数，φ_i(Λ,y_i)，i＝1,2,…,m为针对所述数据集中的各个数据的所述标注函数的成对相关性，w为所述生成模型的待定参数，w∈R^2n+|C|。

3.如权利要求2所述的方法，其特征在于，所述成对相关性为：

其中表示当括号{}内的条件成立与不成立时的取值。

4.如权利要求1所述的方法，其特征在于：

所述待标注的数据集是图像集，所述待分类数据是待分类图像；或者

所述待标注的数据集是文本集，所述待分类数据是待分类文本；或者

所述待标注的数据集是语音集，所述待分类数据是待分类语音。

5.如权利要求4所述的方法，其特征在于，所述将待分类数据输入所述训练后的判别模型，得到所述待分类数据的类别包括：

将所述待分类图像输入所述训练后的判别模型，得到所述待分类图像对应的用户、物体或人脸属性；

将所述待分类文本输入所述训练后的判别模型，得到所述待分类文本对应的情感倾向、题材或技术领域；

将所述待分类语音输入所述训练后的判别模型，得到所述待分类语音对应的用户、年龄段或情感。

6.如权利要求1所述的方法，其特征在于，所述根据所述概率标签对所述机器学习系统的判别模型进行训练包括：

通过最小化所述判别模型的损失函数的噪声感知变量在所述概率标签上训练所述判别模型。

7.如权利要求1-6中任一项所述的方法，其特征在于，所述通过标注函数λ_j，j＝1,2,…,n对所述数据集进行标注之前，所述方法还包括：

填充所述数据集中的缺失值；和/或

修正所述数据集中的异常值。

8.一种数据分类装置，应用于机器学习系统，其特征在于，所述装置包括：

获取模块，用于获取待标注的数据集{x_i|i＝1,2,…,m}；

标注模块，用于通过标注函数λ_j，j＝1,2,…,n对所述数据集进行标注，得到所述数据集的初始标签Λ_i,j＝λ_j(x_i)，i＝1,2,…,m，j＝1,2,…,n；

构建模块，用于根据所述初始标签计算所述标识函数的成对相关性，根据所述成对相关性构建所述标注函数的生成模型；

预估模块，用于根据所述生成模型预估所述数据集的概率标签；

训练模块，用于根据所述概率标签对所述机器学习系统的判别模型进行训练，得到训练后的判别模型；

分类模块，用于将待分类数据输入所述训练后的判别模型，得到所述待分类数据的类别。

9.一种计算机装置，其特征在于：所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1-7中任一项所述数据分类方法。

10.一种计算机存储介质，所述计算机存储介质上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述数据分类方法。