[发明专利]扩展数据集以及预测待分类对象的类别的方法

权利要求书

1.一种用于扩展训练数据集的方法，所述训练数据集包括多个原始数据，所述方法包括：

基于所述原始数据和辅助数据生成合并数据，所述辅助数据与分类模型的应用场景相关联并且来自与所述原始数据的来源不同的来源；

使用所述分类模型更新所述合并数据的类别以生成用于训练所述分类模型的第一扩展数据集。

2.根据权利要求1所述的方法，其特征在于，使用所述分类模型更新所述合并数据的类别以生成用于训练所述分类模型的第一扩展数据集包括：

将所述合并数据划分为具有不同的合并数据的第一合并数据子集和第二合并数据子集；

使用所述第一合并数据子集训练所述分类模型的原始模型以获得第一分类模型；

使用所述第一分类模型确定的所述第二合并数据子集中的合并数据的预测类别来更新所述第二合并数据子集中的合并数据的类别；

基于所述第一合并数据子集和经更新的所述第二合并数据子集生成所述第一扩展数据集，其中所述第一扩展数据集包括具有更新的类别的合并数据。

3.根据权利要求2所述的方法，其特征在于，基于所述第一合并数据子集和经更新的所述第二合并数据子集生成所述第一扩展数据集进一步包括：

重复使用所述第二合并数据子集中的合并数据替换所述第一合并数据子集中的合并数据以更新所述第一合并数据子集和所述第二合并数据子集；

基于更新的所述第一合并数据子集和更新的所述第二合并数据子集生成所述第一扩展数据集。

4.根据权利要求3所述的方法，其特征在于，基于更新的所述第一合并数据子集和更新的所述第二合并数据子集生成所述第一扩展数据集进一步包括：

重复使用经更新的所述第一合并数据子集训练所述第一分类模型以更新所述第一分类模型；

重复使用经更新的所述第一分类模型确定的所述第二合并数据子集中的合并数据的预测类别来更新所述第二合并数据子集中的合并数据的类别，直至所述第一分类模型对更新的所述第二合并数据子集中的合并数据的类别的预测错误率满足错误率预设条件。

5.根据权利要求2所述的方法，其特征在于，使用所述第一分类模型确定的所述第二合并数据子集中的合并数据的预测类别来更新所述第二合并数据子集中的合并数据的类别进一步包括：

在所述第二合并数据子集中的合并数据的所述预测类别不同于所述合并数据的当前类别的情况下，将所述合并数据的当前类别更新为所述预测类别。

6.根据权利要求5所述的方法，其特征在于，将所述合并数据的当前类别更新为所述预测类别包括：

在与所述第二合并数据子集中的合并数据的预测类别对应的概率和所述合并数据的当前类别对应的概率之间的概率差满足概率差预设条件的情况下，将所述合并数据的当前类别更新为所述预测类别。

7.根据权利要求6所述的方法，其特征在于，所述概率差预设条件包括所述合并数据的与所述预测类别对应的概率和所述当前类别对应的概率之间的概率差超过概率差阈值。

8.根据权利要求7所述的方法，其特征在于，基于与所述概率差的分布中的预设分位数的分布面积所对应的概率差来确定所述概率差阈值。

9.根据权利要求5所述的方法，其特征在于，将所述合并数据的当前类别更新为所述预测类别包括：

基于与所述合并数据的类别相对应的特征向量确定所述特征向量的平均向量；

计算与所述第二合并数据子集中的合并数据的预测类别相对应的特征向量和所述平均向量之间的第一距离，以及与所述合并数据的当前类别相对应的特征向量和所述平均向量之间的第二距离；

在所述第一距离与所述第二距离值之间的距离差满足距离差预设条件的情况下，将所述合并数据的当前类别更新为所述预测类别。

10.根据权利要求9所述的方法，其特征在于，所述距离差预设条件包括所述距离差超过距离差阈值。