[发明专利]分类模型构建方法、分类模型构建设备和分类方法在审
| 申请号： | 201510295957.8 | 申请日： | 2015-06-02 |
| 公开（公告）号： | CN106294466A | 公开（公告）日： | 2017-01-04 |
| 发明（设计）人： | 杨振华;皮冰锋;周恩策;孙俊 | 申请（专利权）人： | 富士通株式会社 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06F17/27;G06K9/62 |
| 代理公司： | 北京集佳知识产权代理有限公司11227 | 代理人： | 朱胜,穆云丽 |
| 地址： | 暂无信息 | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 公开了一种分类模型构建方法、设备和分类方法，该分类模型构建方法包括：对预定训练样本集合中的训练样本进行特征提取，以将预定训练样本集合转换为具有期望数据结构的训练集合；针对训练集合中的稀少样本集合中的各个稀少样本，根据该稀少样本的邻近样本的分布而判断该稀少样本是边界样本还是中心样本；根据稀少样本的类型而增加稀少样本集合的样本数量，以使得训练集合中的稀少样本集合与正常样本集合的分布均匀化，从而得到新训练集合；以及于利用新训练集合对预定分类器进行训练以构建分类模型。根据本公开的实施例，克服了由于非平衡数据集导致的分类准确率降低的问题，提高了对文本样本的分类准确率，从而优化了分类性能。 | ||
| 搜索关键词： | 分类 模型 构建 方法 设备 | ||
【主权项】：
一种分类模型构建方法，包括：特征提取步骤，用于对预定训练样本集合中的训练样本进行特征提取，以将所述预定训练样本集合转换为具有期望数据结构的训练集合；稀少样本类型判断步骤，用于针对所述训练集合中的稀少样本集合中的各个稀少样本，根据该稀少样本的邻近样本的分布而判断该稀少样本是边界样本还是中心样本；过采样步骤，用于根据所述稀少样本的类型而增加所述稀少样本集合的样本数量，以使得所述训练集合中的稀少样本集合与正常样本集合的分布均匀化，从而得到新训练集合；以及分类模型构建步骤，用于利用所述新训练集合对预定分类器进行训练以构建分类模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于富士通株式会社，未经富士通株式会社许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201510295957.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种信息的发送方法和设备
- 下一篇：一种将身边的折扣信息快速传递的方法
