[发明专利]一种有标注价值的数据样本的确定方法及装置

权利要求书

1.一种有标注价值的数据样本的确定方法，包括：

获取未标注数据样本集合；任一未标注数据样本i包括一个特征向量值x_i；

根据{x_i|i＝1、2、3……n，n＝未标注数据样本集合的样本数量}的分布，确定针对特征向量值x的概率密度函数f(x)；

针对任一未标注数据样本i，确定该样本的特征向量值x_i，利用f(x)计算f(x_i)；根据f(x_i)确定该数据样本的标注价值度，若标注价值度大于预设值，则确定该数据样本具有标注价值；其中，f(x_i)越小，未标注数据样本i的标注价值越大。

2.如权利要求1所述的方法，根据f(x_i)确定该数据样本的标注价值度，包括：

获取构建完成的预测模型，所述预测模型利用已标注数据样本集合训练得到；

针对任一未标注数据样本i，将x_i输入至所述预测模型，根据所述预测模型的输出结果，确定所述预测模型针对该数据样本的预测结果不确定度；根据f(x_i)以及该数据样本的不确定度，确定该数据样本的标注价值度。

3.如权利要求1所述的方法，根据f(x_i)确定该数据样本的标注价值度，包括：

获取已标注数据样本集合；

针对任一未标注数据样本i，根据x_i与已标注数据样本集合中各个已标注数据样本的特征向量值，得到该数据样本与已标注数据样本集合的特征差异度；根据f(x_i)以及该数据样本的特征差异度，确定该数据样本的标注价值度。

4.如权利要求1所述的方法，确定针对特征向量值x的概率密度函数f(x)，包括：

利用核密度函数，确定针对特征向量值x的概率密度函数f(x)。

5.一种预测模型构建方法，包括：

获取未标注数据样本集合以及已标注数据样本集合；循环执行以下步骤，直至满足预设条件：

将当前已标注数据样本作为训练样本构建预测模型；

利用如权利要求1-4任一所述的方法，确定当前未标注数据样本集合中任一未标注数据样本是否具有标注价值，得到有标注价值数据样本集合；

为有标注价值数据样本集合中的样本添加标签，并将有标注价值数据样本集合从未标注数据样本集合移至已标注数据样本集合；

循环执行完成后，将当前预测模型作为训练完成的预测模型。

6.一种有标注价值的交易样本的确定方法，包括：

获取未标注交易样本集合；任一未标注交易样本j包括一个交易特征向量值x_j；

根据{x_j|j＝1、2、3……m，m＝未标注交易样本集合的样本数量}的分布，确定针对特征向量值x的概率密度函数f(x)；

针对任一未标注交易样本j，确定该交易样本的特征向量值x_j，利用f(x)计算f(x_j)；根据f(x_j)确定该交易样本的标注价值度，若标注价值度大于预设值，则确定该交易样本具有标注价值；其中，f(x_j)越小，未标注交易样本j的标注价值越大。