[发明专利]一种信息的分类方法、装置、设备及存储介质

权利要求书

1.一种信息的分类方法，其特征在于，包括：

当获取到待分类信息时，通过第一分类模型对所述待分类信息进行识别，以获取第一识别结果；其中，所述第一分类模型基于机器学习获取；所述待分类信息包括图像信息和/或语音信息；

获取与所述第一分类模型对应的第一训练样本集合，并根据所述第一训练样本集合中各第一训练样本的标签信息，确定所述第一分类模型的分类类别；

将各所述第一训练样本根据所述分类类别，划分为多个第一训练样本子集合，并在各所述第一训练样本子集合中，通过样本生成技术，对各所述第一训练样本子集合进行新样本生成处理，并根据新样本生成后的所述第一训练样本子集合，构建第二训练样本集合；

根据各所述第二训练样本集合，分别对所述第一分类模型进行训练，以获取训练完成的多个第二分类模型；

根据所述第一识别结果，选定匹配的至少一个第二分类模型，并通过至少一个所述第二分类模型对所述待分类信息进行识别，以获取对应的至少一个第二识别结果；其中，所述第二分类模型基于所述第一分类模型生成；

根据所述至少一个第二识别结果，确定所述待分类信息的第一分类结果。

2.根据权利要求1所述的方法，其特征在于，所述通过第一分类模型对所述待分类信息进行识别，包括：

通过第一分类模型提取所述待分类信息的信息特征，并对所述信息特征进行识别；

所述通过至少一个所述第二分类模型对所述待分类信息进行识别，包括：

通过至少一个所述第二分类模型对所述第一分类模型提取的所述信息特征进行识别。

3.根据权利要求1所述的方法，其特征在于，在将各所述第一训练样本根据所述分类类别，划分为多个第一训练样本子集合后，还包括：

将各所述第一训练样本输入至第一分类模型中，以获取各所述第一训练样本的第一分类结果，并根据所述第一分类结果和所述标签信息，确定各所述第一训练样本的第一分类结果是否正确；

在各所述第一训练样本子集合中，分别提取第一分类结果正确的难点第一训练样本，以及第一分类结果错误的错误第一训练样本，并组成与各所述第一训练样本子集合分别对应的精选训练样本集合；其中，所述难点第一训练样本的最大分类概率小于第一预设阈值，或所述难点第一训练样本的最大分类概率与次最大分类概率的差值小于第二预设阈值；

所述在各所述第一训练样本子集合中，通过样本生成技术，对各所述第一训练样本子集合进行新样本生成处理，并根据新样本生成后的所述第一训练样本子集合，构建第二训练样本集合，包括：

在各所述精选训练样本集合中，通过样本生成技术，对各所述精选训练样本集合进行新样本生成处理，并根据新样本生成后的所述精选训练样本集合，构建第二训练样本集合。

4.根据权利要求3所述的方法，其特征在于，所述在各所述精选训练样本集合中，通过样本生成技术，对各所述精选训练样本集合进行新样本生成处理，并根据新样本生成后的所述精选训练样本集合，构建第二训练样本集合，包括：

在各所述精选训练样本集合中，通过对抗样本生成技术，对所述难点第一训练样本进行新样本生成处理，以及通过数据增强技术，对所述错误第一训练样本进行新样本生成处理。

5.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个第二识别结果，确定所述待分类信息的第一分类结果，包括：

根据所述至少一个第二识别结果，确定所述待分类信息的第二分类结果；

根据所述第二分类结果，选定匹配的至少一个第三分类模型，并通过至少一个所述第三分类模型对所述待分类信息进行识别，并获取对应的至少一个第三识别结果；其中，所述第三分类模型基于所述第二分类模型生成；

根据所述至少一个第三识别结果，确定所述待分类信息的第一分类结果。