[发明专利]数据清洗方法、装置、设备以及存储介质在审
申请号: | 202010506964.9 | 申请日: | 2020-06-05 |
公开(公告)号: | CN111667003A | 公开(公告)日: | 2020-09-15 |
发明(设计)人: | 希滕;张刚;温圣召 | 申请(专利权)人: | 北京百度网讯科技有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/00;G06N3/04;G06N3/08 |
代理公司: | 北京英赛嘉华知识产权代理有限责任公司 11204 | 代理人: | 王达佐;马晓亚 |
地址: | 100085 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 数据 清洗 方法 装置 设备 以及 存储 介质 | ||
1.一种数据清洗方法,包括:
获取目标任务的训练数据集;
构建脏数据的搜索空间;
在所述搜索空间中搜索脏数据样本;
从所述搜索空间和所述训练数据集中删除所述脏数据样本。
2.根据权利要求1所述的方法,其中,所述在所述搜索空间中搜索脏数据样本,包括:
根据所述搜索空间初始化脏数据样本生成器;
根据所述脏数据样本生成器生成候选脏数据样本;
从所述候选脏数据样本中确定所述脏数据样本。
3.根据权利要求2所述的方法,其中,所述从所述候选脏数据样本中确定所述脏数据样本,包括:
获取所述目标任务的模型结构;
根据所述搜索空间初始化训练样本生成器;
根据所述训练样本生成器生成训练样本;
利用所述训练样本对所述模型结构进行训练,得到目标任务模型;
利用所述目标任务模型对所述候选脏数据样本进行评估,确定脏数据样本。
4.根据权利要求3所述的方法,其中,所述利用所述目标任务模型对所述候选脏数据样本进行评估,确定脏数据样本,包括:
获取所述目标任务的测试数据集;
将所述候选脏数据样本和所述训练样本按比例混合,得到混合样本集合;
对于所述混合样本集合中的每个混合样本,评估去掉该混合样本的目标任务模型对于所述测试数据集的精度影响,以及评估的精度影响,更新所述脏数据样本生成器;
记录所述脏数据样本生成器和所述精度影响一致的候选脏数据样本;
从所述一致的候选脏数据样本中确定脏数据样本。
5.根据权利要求4所述的方法,其中,所述从所述一致的候选脏数据样本中确定脏数据样本,包括:
若所述一致的候选脏数据样本记录次数小于预设记录次数,根据更新的脏数据样本生成器再次生成候选脏数据样本;
若所述一致的候选脏数据样本记录次数不小于所述预设记录次数,将所述一致的候选脏数据样本确定为脏数据样本。
6.一种数据清洗装置,包括:
获取模块,被配置成获取目标任务的训练数据集;
构建模块,被配置成构建脏数据的搜索空间;
搜索模块,被配置成在所述搜索空间中搜索脏数据样本;
删除模块,被配置成从所述搜索空间和所述训练数据集中删除所述脏数据样本。
7.根据权利要求6所述的装置,其中,所述搜索模块包括:
初始化子模块,被配置成根据所述搜索空间初始化脏数据样本生成器;
生成子模块,被配置成根据所述脏数据样本生成器生成候选脏数据样本;
确定子模块,被配置成从所述候选脏数据样本中确定所述脏数据样本。
8.根据权利要求7所述的装置,其中,所述确定子模块包括:
获取单元,被配置成获取所述目标任务的模型结构;
初始化单元,被配置成根据所述搜索空间初始化训练样本生成器;
生成单元,被配置成根据所述训练样本生成器生成训练样本;
训练单元,被配置成利用所述训练样本对所述模型结构进行训练,得到目标任务模型;
确定单元,被配置成利用所述目标任务模型对所述候选脏数据样本进行评估,确定脏数据样本。
9.根据权利要求8所述的装置,其中,所述确定单元包括:
获取子单元,被配置成获取所述目标任务的测试数据集;
混合子单元,被配置成将所述候选脏数据样本和所述训练样本按比例混合,得到混合样本集合;
更新子单元,被配置成对于所述混合样本集合中的每个混合样本,评估去掉该混合样本的目标任务模型对于所述测试数据集的精度影响,以及评估的精度影响,更新所述脏数据样本生成器;
记录子单元,被配置成记录所述脏数据样本生成器和所述精度影响一致的候选脏数据样本;
确定子单元,被配置成从所述一致的候选脏数据样本中确定脏数据样本。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010506964.9/1.html,转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置