[发明专利]不均衡样本分类方法、装置、电子设备及存储介质

权利要求书

1.一种不均衡样本分类方法，其特征在于，所述方法包括：

接收舆情新闻的样本分类请求，解析所述样本分类请求获取目标标签；

爬取所述目标标签对应的舆情新闻，将所述舆情新闻划分为正样本数据集和负样本数据集，其中，正样本数据集中的数据量小于负样本数据集中的数据量；

对所述正样本数据集进行样本合成得到目标正样本数据集，及对所述负样本数据集进行层次聚类得到目标负样本数据集；

对所述目标正样本数据集和所述目标负样本数据集采用预设的损失函数，训练分类模型；

将所述舆情新闻输入训练好的分类模型中进行样本分类，得到样本分类结果。

2.如权利要求1所述的不均衡样本分类方法，其特征在于，所述对所述正样本数据集进行样本合成得到目标正样本数据集包括：

对所述正样本数据集中的每个正样本数据进行向量转换得到每个正样本数据的目标向量；

随机从所述正样品数据集中选取一个正样本数据作为一个目标正样本数据；

计算每个目标正样本数据的目标向量与剩余正样本数据的目标向量之间的距离，并选取距离最小的多个正样本数据；

对选取距离最小的多个正样本数据和对应的目标正样品数据进行样本合成，得到对应的目标正样品数据合成后的正样本数据；

将多个合成后的正样品数据确定为所述正样本数据集的目标正样本数据集。

3.如权利要求2所述的不均衡样本分类方法，其特征在于，所述对所述正样本数据集中的每个正样本数据进行向量转换得到每个正样本数据的目标向量包括：

获取所述正样本数据集中的多个正样本数据；

对每个正样本数据中的每个句子进行分词，得到多个分词；

将所述多个分词输入至预先训练好的BERT模型中，得到每个分词的词向量；

计算所述多个分词的词向量之和除以对应句子的分词总数得到每个句子的句向量；

合并每个正样本数据中的每个句子的句向量得到每个正样本数据的目标向量。

4.如权利要求2所述的不均衡样本分类方法，其特征在于，所述将多个合成后的正样品数据确定为所述正样本数据集的目标正样本数据集包括：

将所述多个合成后的正样品数据的第一数据量与预设的第一数据量阈值进行比较，当所述第一数据量大于或者等于所述预设的第一数据量阈值时，确定所述多个合成后的正样品数据达到所述预设的第一要求，将所述多个合成后的正样品数据确定为所述正样本数据集的目标正样本数据集；或者

当所述第一数据量小于所述预设的第一数据量阈值时，确定所述多个合成后的正样品数据未达到所述预设的第一要求，重复执行所述对所述正样本数据集进行预处理得到目标正样本数据集，直至获取满足所述预设条件的目标正样本数据集。

5.如权利要求3或4所述的不均衡样本分类方法，其特征在于，所述对所述负样本数据集进行层次聚类得到目标负样本数据集包括：

对所述负样本数据集中的每个负样本数据进行向量转换得到每个负样本数据的向量；

对多个负样本数据进行至少一次迭代聚类，直至获得达到预设的第二要求的负样本数据集；

按照预设的选取规则对达到预设的第二要求的负样本数据集进行选取得到目标负样本集。

6.如权利要求5所述的不均衡样本分类方法，其特征在于，所述至少一次迭代聚类中的任意一次迭代聚类包括：

识别每个负样本数据的向量中是否包含多个子向量；

当每个负样本数据的向量中包含有多个子向量时，计算所述多个子向量的平均值，并将所述平均值确定为每个负样本数据的目标向量；

随机从所述负样品数据集中选取一个负样本数据确定为一个目标负样本数据；

计算每个目标负样本数据的目标向量与剩余负样本数据的目标向量之间的距离，从所述距离中选取最小距离；

判断所述最小距离是否达到预设的第二要求；

当所述最小距离达到所述预设的第二要求时，将所述多个负样本数据确定为达到预设的第二要求的负样本数据集；或者，

当所述最小距离未达到所述预设的第二要求时，合并所述最小距离对应的负样本数据，到新的负样本数据，对所述新的负样本数据和剩余负样本数据进行下一次迭代聚类。