[发明专利]数据分类方法、装置、设备、存储介质及计算机程序产品

权利要求书

1.一种数据分类方法，其特征在于，所述方法包括：

提取样本数据集中样本数据的语义特征，所述语义特征用于指示所述样本数据对应的分类语义；

基于所述语义特征对所述样本数据集进行聚类，得到所述样本数据集对应的候选聚类结果，所述候选聚类结果用于将所述样本数据集中具有语义关联关系的样本数据聚合至同一聚类；

通过数据分类模型提取所述样本数据的数据特征，所述数据特征用于指示所述样本数据对应的数据元素分布特征；

基于所述数据特征确定所述候选聚类结果中目标聚类对应的中心表征；

基于所述中心表征对所述数据分类模型进行迭代训练，得到目标分类模型，所述目标分类模型用于对输入的数据进行分类检索。

2.根据权利要求1所述的方法，其特征在于，所述基于所述数据特征确定所述候选聚类结果中目标聚类对应的中心表征，包括：

获取所述目标聚类中的样本数据的数据特征；

确定所述目标聚类中的样本数据的数据特征对应的均值结果，作为所述目标聚类对应的中心表征。

3.根据权利要求1所述的方法，其特征在于，所述基于所述语义特征对所述样本数据集进行聚类，得到所述样本数据集对应的候选聚类结果，包括：

基于所述样本数据的语义特征确定所述样本数据集对应的n个聚类中心，n为正整数；

基于第i个样本数据的语义特征确定第i个样本数据所属的聚类中心，i为正整数；

基于样本数据分别对应的聚类中心，得到所述样本数据集对应的候选聚类结果。

4.根据权利要求3所述的方法，其特征在于，所述基于第i个样本数据的语义特征确定第i个样本数据所属的聚类中心，包括：

确定第i个样本数据的语义特征与n个聚类中心分别对应的特征距离；

将特征距离符合距离要求的聚类中心作为所述第i个样本数据所属的聚类中心。

5.根据权利要求3所述的方法，其特征在于，所述基于所述中心表征对所述数据分类模型进行迭代训练，得到目标分类模型，包括：

基于所述中心表征和所述数据特征，确定所述数据分类模型对应的预测损失；

基于所述预测损失对所述数据分类模型的模型参数进行调整，得到所述目标分类模型。

6.根据权利要求5所述的方法，其特征在于，所述预测损失中包括分类损失；

所述基于所述中心表征和所述数据特征，确定所述数据分类模型对应的预测损失，包括：

确定所述数据特征所属的聚类；

获取所述数据特征所属聚类的聚类中心；

基于所述数据特征与所述聚类中心之间的差异，确定所述数据分类模型对应的分类损失。

7.根据权利要求5所述的方法，其特征在于，所述预测损失中包括三元组损失；

所述基于所述中心表征和所述数据特征，确定所述数据分类模型对应的预测损失，包括：

构建所述样本数据对应的样本三元组，所述样本三元组中包括锚点数据、正样本数据和负样本数据，所述锚点数据与所述正样本数据之间的相似度符合相似度条件，所述锚点数据与所述负样本数据之间的相似度不符合所述相似度条件；

基于所述样本三元组中所述锚点数据、所述正样本数据和所述负样本数据所属的聚类，确定所述数据分类模型对应的三元组损失。

8.根据权利要求7所述的方法，其特征在于，所述基于所述样本三元组中所述锚点数据、所述正样本数据和所述负样本数据所属的聚类，确定所述数据分类模型对应的三元组损失，包括：

确定所述锚点数据与所述正样本数据的第一特征距离，以及确定所述锚点数据与所述负样本数据的第二特征距离；

基于所述第一特征距离和所述第二特征距离的差值确定所述数据分类模型对应的三元组损失。