[发明专利]数据分类方法、装置和计算机可读存储介质

说明书

本公开涉及一种数据分类方法、装置和计算机可读存储介质，涉及计算机技术领域。该方法包括：根据待处理数据包含的各部分数据和各部分数据之间的关系，生成第一待处理图，第一待处理图中包含与各部分数据对应的节点和根据各部分数据之间的关系确定的各节点之间的边；根据提取的各部分数据的特征向量和各部分数据之间的关系，利用机器学习模型确定第一待处理图中相应各节点的关联特征向量和各节点的聚类结果；根据各节点的关联特征向量和各节点的聚类结果，利用分类器对待处理数据进行分类。本公开的技术方案能够提高数据分类的准确性。

技术领域

本公开涉及计算机技术领域，特别涉及一种数据分类方法、数据分类装置和计算机可读存储介质。

背景技术

MIL(Multiple Instance Learning，多示例学习)是一种弱监督方法，可以用于处理弱标记数据(weakly labeled data)。在MIL中，每个数据样本为一个“包”(bag)，一个“包”包含多个“示例”(instance)。一个“包”具有一个分类标签，而“示例”无分类标签。

许多应用场景的机器学习任务都可以建模为MIL模型有这样的属性。例如，电商平台中的评论可以包含多个句子，但是一个评论只有一个标注结果；一张图片可以包含多个区域，但是一张图片只有一个关于目标的分类结果。

在相关技术中，利用包与包之间的相似程度进行分类，或者将包映射为一个向量，然后利用单示例方式进行分类。

发明内容

本公开的发明人发现上述相关技术中存在如下问题：没有考虑一个包中各示例的关联性，从而导致数据分类的准确性低。

鉴于此，本公开提出了一种数据分类技术方案，能够提高数据分类的准确性。

根据本公开的一些实施例，提供了一种数据分类方法，包括：根据待处理数据包含的各部分数据和所述各部分数据之间的关系，生成第一待处理图，所述第一待处理图中包含与所述各部分数据对应的节点和根据所述各部分数据之间的关系确定的各节点之间的边；根据提取的所述各部分数据的特征向量和所述各部分数据之间的关系，利用机器学习模型确定所述第一待处理图中相应各节点的关联特征向量和所述各节点的聚类结果；根据所述各节点的关联特征向量和所述各节点的聚类结果，利用分类器对所述待处理数据进行分类。

在一些实施例中，根据所述各节点的特征向量和所述各节点的聚类结果，利用分类器对所述待处理数据进行分类包括：根据所述各节点的关联特征向量和所述聚类结果，生成第二待处理图，所述第二待处理图的节点个数根据所述聚类结果确定；根据所述第二待处理图，利用所述分类器对所述待处理数据的进行分类。

在一些实施例中，生成第二待处理图包括：根据所述各节点的关联特征向量和所述聚类结果，对所述第一待处理图进行池化处理；根据池化处理的结果，生成所述第二待处理图。

在一些实施例中，生成所述第二待处理图包括：根据公式V＝S^TZ生成所述第二待处理图的节点特征向量矩阵V，S为所述聚类结果中所述第一待处理图中各节点属于各类的概率组成的概率分布矩阵，Z为所述第一待处理图中各节点的关联特征向量组成的关联特征向量矩阵；根据公式A＝S^TA′S生成所述第二待处理图的边矩阵A，A′为根据所述各部分数据之间的关系确定的所述第一待处理图的边矩阵；根据V和A生成所述第二待处理图。

在一些实施例中，所述机器学习模型包括第一图神经网络模型、第二图神经网络模型；利用机器学习模型确定所述第一待处理图中各节点的关联特征向量和所述各节点的聚类结果包括：利用所述第一图神经网络模型，确定所述第一待处理图中各节点的关联特征向量；利用所述第二图神经网络模型，确定所述各节点的聚类结果。