[发明专利]一种文件分类方法、装置、计算机设备及存储介质

权利要求书

1.一种文件分类方法，其特征在于，所述方法包括：

获取目标文件的至少一个属性；

按照预先设定的衍生规则对所述属性进行预处理，获得所述属性对应的衍生变量；

判断所述衍生变量的类别，根据预设的衍生变量的类别与回归树的对应处理关系，在回归模型中查询处理所述衍生变量的回归树；

通过查询得到的回归树对所述衍生变量进行回归处理，分别获得各颗所述回归树的预测值，根据各颗所述回归树的预测值获得所述目标文件的预测值；

根据预先训练好的最佳切分值对所述预测值进行切分，获得所述目标文件对应的预测类别。

2.根据权利要求1所述的文件分类方法，其特征在于，获得所述预先训练好的最佳切分值的步骤包括：

获取多个文件样本中每个文件样本的至少一个属性以及每个所述文件样本的实际类别；

按照预先设定的衍生规则对获取的所述文件样本的至少一个属性进行预处理，得到所述属性对应的衍生变量；

通过回归模型对所述衍生变量进行计算，获得各个所述文件样本的预测值；

将所述多个文件样本的预测值按照数值大小排序，获得预测值集合；

根据预设的切分值起点及步长依次切分预测值集合，将切分在同一区间中的所述文件样本划分为同一预测类别；

将切分获得的各所述预测类别内的所述文件样本与各所述实际类别内的所述文件样本之间的匹配度进行比较，当所述匹配度小于预设值时，循环所述根据预设的切分值起点及步长依次切分预测值集合及本步骤直到所述匹配度达到预设要求时，获得最佳切分值。

3.根据权利要求2所述的文件分类方法，其特征在于，获取所述匹配度包括：

统计各个预测类别内的所述文件样本和所述实际类别内的文件样本，计算各预测类别内的文件样本与各实际类别内的文件样本一致的数量，根据所述各预测类别内的文件样本与各实际类别内的文件样本一致的数量、所述文件样本的总数量获得匹配度。

4.根据权利要求1所述的文件分类方法，其特征在于，所述按照预先设定的衍生规则对所述属性进行预处理，获得所述属性对应的衍生变量包括：

根据预先存储的映射表，查询与所述属性相映射的状态等级，将查询得到的状态等级确定为得到的衍生变量。

5.根据权利要求1所述的文件分类方法，其特征在于，所述按照预先设定的衍生规则对所述属性进行预处理，获得所述属性对应的衍生变量还包括：

查询预先设定的与所述属性对应的修正公式；

将所述属性作为所述修正公式的变量，将所述修正公式的计算结果作为所述属性的衍生变量。

6.根据权利要求1所述的文件分类方法，其特征在于，所述通过查询得到的回归树对所述衍生变量进行回归处理，分别获得各颗所述回归树的预测值，根据各颗所述回归树的预测值获得所述目标文件的预测值包括：

当所述衍生变量为多个时，查询每个所述衍生变量在对应的回归树中所在的节点；

将所在节点的节点值作为对应衍生变量的预测值，并将各个衍生变量的预测值进行求和计算，将计算的结果作为所述目标文件的预测值。

7.一种文件分类装置，其特征在于，包括：

属性获取模块，其用于获取目标文件的至少一个属性；

衍生变量获取模块，其用于按照预先设定的衍生规则对所述属性进行预处理，获得所述属性对应的衍生变量；

衍生变量类别判断模块，其用于判断所述衍生变量的类别，根据预设的衍生变量的类别与回归树的对应处理关系，在回归模型中查询处理所述衍生变量的回归树；

回归处理模块，其用于通过查询得到的回归树对所述衍生变量进行回归处理，分别获得各颗所述回归树的预测值，根据各颗所述回归树的预测值获得所述目标文件的预测值；以及

预测类别获取模块，其用于根据预先训练好的最佳切分值对所述预测值进行切分，获得所述目标文件对应的预测类别。