[发明专利]数据分类方法、装置、计算机设备及存储介质

说明书

本发明涉及人工智能技术领域，提供一种数据分类方法、装置、计算机设备及存储介质，包括：从非标记数据中抽取负样本数据，所述非标记数据中除所述负样本数据外的数据为袋外样本数据；将标记数据确定为正样本数据，并基于所述正样本数据及所述负样本数据训练第一分类模型；使用所述第一分类模型对所述袋外样本数据进行分类，得到类别标签及对应的类别概率；根据所述类别概率从所述袋外样本数据中筛选目标样本数据，并基于所述正样本数据及所述目标样本数据训练第二分类模型；使用所述第二分类模型对所述非标记数据进行分类，得到所述非标记数据的类别。本发明能够基于少量的标记数据对大量的无标记数据进行准确分类。

技术领域

本发明涉及人工智能技术领域，具体涉及一种数据分类方法、装置、计算机设备及存储介质。

背景技术

保险产品一般通过寿险代理人来销售，根据其业绩水平将其分为普通代理人、绩优代理人（如成为钻会、金钻等）。在整个代理人人群队伍中，绩优代理人的占比不足10%，而其贡献的产能超过了50%以上。因此，扩大绩优代理人的数量成为一个现实而有意义的目标。

现有技术中，一般基于代理人的业绩（如FYC、FYP等）来训练机器学习模型，使用机器学习模型筛选潜在绩优代理人，然而，这种方法存在的问题是通过业绩本身的结果来筛选，筛选指标单一，筛选不准确；另外，训练机器学习模型使用的数据都是有标签的数据，数据量较少，导致模型预测效果差。

发明内容

鉴于以上内容，有必要提出一种数据分类方法、装置、计算机设备及存储介质，能够基于少量的标记数据对大量对非标记数据进行准确分类。

本发明的第一方面提供一种数据分类方法，所述方法包括：

从非标记数据中抽取负样本数据，所述非标记数据中除所述负样本数据外的数据为袋外样本数据；

将标记数据确定为正样本数据，并基于所述正样本数据及所述负样本数据训练第一分类模型；

使用所述第一分类模型对所述袋外样本数据进行分类，得到类别标签及对应的类别概率；

根据所述类别概率从所述袋外样本数据中筛选目标样本数据，并基于所述正样本数据及所述目标样本数据训练第二分类模型；

使用所述第二分类模型对所述非标记数据进行分类，得到所述非标记数据的类别。

在一个可选的实施方式中，所述基于所述正样本数据及所述目标样本数据训练第二分类模型包括：

基于所述正样本数据及所述目标样本数据迭代训练二叉树模型；

计算所述二叉树模型的当前层中左二叉树的第一数量及右二叉树的第二数量；

根据所述第一数量及所述第二数量对所述二叉树模型的当前层进行更新，更新的二叉树模型的当前层中左二叉树及右二叉树平衡。

在一个可选的实施方式中，所述根据所述第一数量及所述第二数量对所述二叉树模型的当前层进行更新包括：

计算所述第一数量与所述第二数量的差值数量；

当所述差值数量小于0时，对所述左二叉树进行数据插值，插值的数据量等于所述差值数量的绝对值；

当所述差值数量大于0时，对所述右二叉树进行数据减损，减损的数据量等于所述差值数量。

在一个可选的实施方式中，所述对所述左二叉树进行数据插值包括：

计算所述左二叉树中任意两个数据之间的相似度；

对所述相似度进行排序；

在排序后的每两个相邻的相似度之间进行插空；

根据每个空格对应的相似度在所述空格中插入数据；