[发明专利]数据分类方法、装置、计算机装置及存储介质

说明书

本发明提供一种数据分类方法、装置、计算机装置及存储介质。所述方法包括：获取待标注的数据集；通过标注函数对所述数据集进行标注，得到所述数据集的初始标签；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。本发明提高了训练数据的标注效率和准确率，利用所述训练数据可以快速训练判别模型，利用所述判别模型实现了快速准确的数据分类。

技术领域

本发明涉及机器学习技术领域，具体涉及一种数据分类方法、装置、计算机装置及计算机存储介质。

背景技术

随着人工智能的快速发展，机器学习技术(尤其是深度学习技术)已经应用在了各个行业中。此时，训练数据标注已经逐渐成为广泛部署机器学习系统的最大瓶颈。

现有传统的人工标注方法耗时耗力且成本颇高，而且现有的数据增强方法如半监督学习、主动学习和迁移学习等方法无法大规模快速生成训练数据。

如何制定合适的方案，减少人工标注训练数据的工作量，提高训练数据的标注效率，是相关技术人员目前需要解决的技术问题。

发明内容

鉴于以上内容，有必要提出一种数据分类方法、装置、计算机装置及计算机存储介质，可以提高训练数据的标注效率，快速准确地对数据进行分类。

本申请的第一方面提供一种数据分类方法，应用于机器学习系统，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。

另一种可能的实现方式中，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|。

另一种可能的实现方式中，所述成对相关性为：

其中II{Λ_i，j＝Λ_i，k}表示当括号{}内的条件成立与不成立时的取值。

另一种可能的实现方式中，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。

另一种可能的实现方式中，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：