[发明专利]一种基于机器学习的数据对象分析方法及装置

说明书

本发明提供了一种基于机器学习的数据对象分析方法及装置，方法包括：将所获得的样本输入机器学习算法，得到与目标标签相关的各变量标签及各变量标签的特征关联值；分析各变量标签和目标标签之间的相关性，并保留等级相关系数为正的各变量标签；基于所保留的各变量标签及其特征关联值构建积分模型；基于所构建的积分模型计算各样本的积分；将所得的积分依次作为当前阈值，基于当前阈值计算积分模型的准确度；将积分模型的准确度最高者对应的当前阈值作为目标阈值；基于积分模型计算待分析的每一数据对象的积分；确定积分不小于目标阈值的数据对象具有目标标签。应用本发明实施例，提高了数据对象分析的效率和准确度。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于机器学习的数据对象分析方法及装置。

背景技术

随着大数据时代的到来，各个领域的数据呈现爆发式增长，待分析和监控的数据也日渐增加。为了快速对数据对象进行分析，通常可以分析该数据对象是否具有某类标签，例如，从很多人中分析确定具有犯罪标签的人，从而实现对重点人员动态管控、重大案事件预警等预警预防工作。目前主要是基于人工经验分析数据对象是否具有某类标签，标签的确定比较宽泛，且完全人赖人工经验，未对数据对象进行深度挖掘和关联，数据分析的效率和准确率不高。

因此有必要设计一种新的数据对象分析方法，以克服上述问题。

发明内容

本发明的目的在于克服现有技术之缺陷，提供了一种基于机器学习的数据对象分析方法及装置，以实现提高数据对象分析的效率和准确率。

本发明是这样实现的：

第一方面，本发明提供一种基于机器学习的数据对象分析方法，所述方法包括：

获得各个样本，所述样本包括正样本和负样本；每一样本具有标签；所述正样本具有目标标签；

将所获得的所有样本输入机器学习算法，得到与所述目标标签相关的各变量标签及各变量标签的特征关联值；调用相关性分析算法分析各变量标签和所述目标标签之间的相关性，得到各变量标签和所述目标标签之间的等级相关系数；保留等级相关系数为正的各变量标签；基于所保留的各变量标签及其特征关联值构建积分模型；

基于所构建的积分模型计算各样本的积分；将所得的积分依次作为当前阈值，基于当前阈值计算所述积分模型的准确度；将所述积分模型的准确度最高者对应的当前阈值作为目标阈值；

针对待分析的每一数据对象，基于所述积分模型计算该数据对象的积分；判断该数据对象的积分是否小于所述目标阈值，若不小于，确定该数据对象具有目标标签。

可选的，获得各个样本，包括：

将预先已知具有目标标签的目标数据对象作为正样本；从数据库中选择除所述目标数据对象以外的目标数量个数据对象作为负样本；其中，所述目标数量与所述正样本的数量满足预设比例。

可选的，所述相关性分析算法为斯皮尔曼相关性系数算法。

可选的，基于所保留的各变量标签及其特征关联值构建积分模型，包括：

针对所保留的每一变量标签，将该变量标签的特征关联值作为该变量标签的初始权重；对所保留的各变量标签的初始权重进行归一化，得到各变量标签的目标权重；

用所保留的各变量标签及其目标权重构成积分模型。

可选的，所述方法还包括：

在检测到用户输入的标签组合和标签组合中每一标签的权重后，对标签组合中每一标签的权重进行归一化，将用户输入的标签组合和归一化后的权重加入所述积分模型，基于加入标签组合和权重后的积分模型计算各样本的积分。

可选的，基于所构建的积分模型计算各样本的积分，包括：