[发明专利]信息分类方法、装置、电子设备及可读存储介质

说明书

本发明涉及人工智能技术，揭露一种信息分类方法，包括：利用预设字段将用户历史信息集划分为第一历史信息集与第二历史信息集；利用第一历史信息集对深度学习模型进行训练，得到第一分类模型；利用第一分类模型对第二历史信息集中的每个用户历史信息进行类别标签标记；利用标记后的第二历史信息集及第一历史信息集对深度学习模型进行训练，得到第二分类模型；利用第二分类模型对待评估用户信息进行分类，得到多个分类类别的分类概率值；根据分类概率值对所有分类类别进行筛选，得到分类结果。本发明还涉及一种区块链技术，所述用户历史信息可以存储在区块链节点中。本发明还提出一种信息分类装置、设备以及介质。本发明可以提高信息分类的准确率。

技术领域

本发明涉及人工智能技术，尤其涉及一种信息分类方法、装置、电子设备及可读存储介质。

背景技术

随着经济的发展，用户对各种服务的品质要求越来越高，为了更好地为用户进行服务，提高服务的品质与效率，需要对用户的信息进行分类，根据分类结果对用户进行个性化服务，如：推荐适合用户的保险。

但是，目前的信息分类方法直接利用标签标注的数据进行模型训练，利用训练后的模型对待分类信息进行信息分类，由于标注数据获取困难，导致模型性能较差，信息分类的准确率不高。

发明内容

本发明提供一种信息分类方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高信息分类的准确度。

为实现上述目的，本发明提供的一种信息分类方法，包括：

获取用户历史信息集，利用预设字段将所述用户历史信息集划分为第一历史信息集与第二历史信息集；

利用所述第一历史信息集对预构建的深度学习模型进行训练，得到第一分类模型；

利用所述第一分类模型对所述第二历史信息集中的每个用户历史信息进行类别标签标记；

利用标签标记的所述第二历史信息集及所述第一历史信息集对所述深度学习模型进行训练，得到所述第二分类模型；

当接收待分类用户信息时，利用所述第二分类模型对所述待评估用户信息进行分类，得到多个分类类别的分类概率值；

根据所述分类概率值对所有所述分类类别进行筛选，得到分类结果。

可选地，所述利用预设字段将所述用户历史信息集划分为第一历史信息集与第二历史信息集，包括：

选取所述用户历史信息集中预设字段的值不为空值的所有用户历史信息，并将所述预设字段的值作为对应用户历史信息的类别标签，得到所述第一历史信息集；

选取所述用户历史信息集中预设字段的值为空值的所有用户历史信息，得到所述第二历史信息集。

可选地，所述利用所述第一分类模型对所述第二历史信息集中的每个用户历史信息进行类别标签标记，包括：

将所述第二历史信息集中每个所述的历史信息输入所述第一分类模型，得到多个类别的类别概率值；

选取每个所述用户历史信息的所有类别概率值中大于预设阈值的类别概率值，得到类别概率值集；

判断所述类别概率值集中的最大值的数量；

若所述最大值的数量不等于1，则将所述第二历史信息集中所述类别概率值集对应的所述用户历史信息删除；

若所述最大值的数量不等于1，那么将所述类别概率值集中的最大值对应的类别确定为对应的所述用户历史信息的类别标签。

可选地，所述利用标签标记的所述第二历史信息集及所述第一历史信息集对所述深度学习模型进行训练，得到所述第二分类模型，包括：