[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

说明书

本申请公开了一种数据分类方法、装置、设备、存储介质及计算机程序产品，涉及机器学习领域。该方法包括：获取样本数据集中样本数据的语义特征；基于语义特征对样本数据集进行聚类，得到候选聚类结果；通过数据分类模型提取样本数据的数据特征；基于数据特征确定目标聚类对应的中心表征；基于中心表征对数据分类模型进行迭代训练得到目标分类模型。即，将样本数据对应的语义特征融入对数据模型分类模型进行联合迭代训练，提高数据分类模型的训练效率，从而提高目标分类模型的分类准确度和分类检索结果的相关度。

技术领域

本申请实施例涉及机器学习领域，特别涉及一种数据分类方法、装置、设备、存储介质及计算机程序产品。

背景技术

数据分类通常用于语音分类检索或者图像分类检索等领域。通过对大规模的数据基于数据特征的相似度进行分类，存在相似数据特征的数据为一个分类集合，在进行数据检索过程中，先确定搜索数据对应的类别，再将对应类别中的数据进行选取，得到对应的数据，完成数据检索。

在相关技术中，通常采用提取输入数据的特征向量的方式进行向量检索，基于输入数据的特征向量，选择与其具有关联关系的数据类别，基于该数据类别确定输入数据对应的分类类别，提取该数据类别下的数据作为该输入数据对应的检索结果。

然而，上述数据分类方法的实现过程中，仅依靠提取输入数据的特征向量进行分类检索的方式忽略了输入数据包含的语义信息，从而使得检索结果存在形状相似但语义无关的问题，导致分类检索的准确率较低。

发明内容

本申请实施例提供了一种数据分类方法、装置、设备、存储介质及计算机程序产品，能够提高数据分类的准确率。所述技术方案如下。

一方面，提供了一种数据分类方法，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。

另一方面，提供了一种数据分类装置，所述装置包括：

提取模块，用于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；

聚类模块，用于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；

所述提取模块，还用于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；

确定模块，用于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；

训练模块，用于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。

另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述本申请实施例中任一所述数据分类方法。