[发明专利]数据分类方法、装置以及计算机可读存储介质

说明书

本发明涉及数据分类处理技术领域，具体提供了一种数据分类方法、装置以及计算机可读存储介质，旨在解决如何提高数据分类准确性的技术问题。为此目的，根据本发明实施例的方法，可以利用预先基于对训练样本进行随机采样与逆采样得到的样本的特征融合结果训练得到的数据分类模型，对待分类数据进行数据分类，根据数据分类的结果获取待分类数据的数据类别。根据逆采样样本的特征进行模型优化，可以提高模型对不平衡训练样本内小类别样本的分类学习能力；根据随机采样样本的特征进行模型优化，可以提高模型对不平衡训练样本内大类别样本的分类学习能力，从而使训练好的数据分类模型能够对待识别数据进行准确地数据分类。

技术领域

本发明涉及数据分类处理技术领域，具体涉及一种数据分类方法、装置以及计算机可读存储介质。

背景技术

在利用训练集对分类模型进行模型训练时，训练集内样本类别的分布情况，会极大地影响分类模型的训练效果。具体而言，如果训练集内一部分类别样本(简称为小类别)的数量远远小于其他类别样本(简称为大类别)的数量，那么在利用机器学习算法对分类模型进行训练时，由于使分类模型只对大类别样本进行分类学习会显著提高模型的分类准确率，因此机器学习算法会使分类模型放弃或减少对小类别样本的分类学习，最终导致在利用训练好的分类模型对属于小类别的测试样本进行类别识别时，会更加倾向于识别该测试样本属于大类别。例如：如果训练集内包括1个A类样本和99个B类样本，由于只对B类样本进行分类学习会使分类模型得到最高99％的分类准确率，因此机器学习算法会使分类模型放弃对A类样本的分类学习，导致训练好的模型无法识别出A类别数据。

发明内容

为了克服上述缺陷，提出了本发明，以提供解决或至少部分地解决如何提高数据分类准确性的技术问题的数据分类方法、装置以及计算机可读存储介质。

第一方面，提供一种数据分类方法，所述方法包括：

获取待分类数据；

利用预设的数据分类模型对所述待分类数据进行分类，以获取所述待分类数据的数据类别；

其中，所述预设的数据分类模型是基于对训练样本进行随机采样与逆采样得到的样本的特征融合结果训练得到的，所述训练样本中一部分类别样本的数量远小于其他类别样本的数量。

在上述数据分类方法的一个技术方案中，所述预设的数据分类模型包括数据输入模块、特征提取模块、特征融合模块和分类器；所述特征提取模块包括多个顺次连接的特征提取子模块并且首个特征提取子模块与所述数据输入模块连接，最后一个特征提取子模块与所述特征融合模块连接；所述最后一个特征提取子模块包括结构相同的主特征提取单元和附属特征提取单元；

所述特征提取模块被配置成提取输入数据的数据特征；

所述特征融合模块被配置成对所述主特征提取单元与所述附属特征提取单元输出的数据特征进行特征融合，得到特征融合结果；

所述分类器被配置成根据所述特征融合结果进行数据分类。

在上述数据分类方法的一个技术方案中，所述预设的数据分类模型是通过下列方式训练得到的：

分别对训练样本进行随机采样与逆采样，得到随机采样样本和逆采样样本；

利用下式所示的模型损失函数L并且根据所述特征融合模块输出的所述随机采样样本与所述逆采样样本的特征融合结果，计算所述数据分类模型的模型损失值；

L＝α₁L_CE(P_mix，y_normal)+(1-α₁)L_CE(P_mix，y_reverse)