【技术实现步骤摘要】
数据分类方法、装置、计算机装置及存储介质
本专利技术涉及机器学习
，具体涉及一种数据分类方法、装置、计算机装置及计算机存储介质。
技术介绍
随着人工智能的快速发展，机器学习技术(尤其是深度学习技术)已经应用在了各个行业中。此时，训练数据标注已经逐渐成为广泛部署机器学习系统的最大瓶颈。现有传统的人工标注方法耗时耗力且成本颇高，而且现有的数据增强方法如半监督学习、主动学习和迁移学习等方法无法大规模快速生成训练数据。如何制定合适的方案，减少人工标注训练数据的工作量，提高训练数据的标注效率，是相关技术人员目前需要解决的技术问题。
技术实现思路
鉴于以上内容，有必要提出一种数据分类方法、装置、计算机装置及计算机存储介质，可以提高训练数据的标注效率，快速准确地对数据进行分类。本申请的第一方面提供一种数据分类方法，应用于机器学习系统，所述方法包括：获取待标注的数据集{xi|i＝1，2，...，m}；通过标注函数λj，j＝1，2，...，n对所述数据集进行标注，得到所述数据集的初始标签Λi，j＝λj(xi)，i＝1，2，...，m，j＝1，2，...，n；根据所述初始标签计算所...
【技术保护点】
1.一种数据分类方法，应用于机器学习系统，其特征在于，所述方法包括：获取待标注的数据集{xi|i＝1,2,…,m}；通过标注函数λj，j＝1,2,…,n对所述数据集进行标注，得到所述数据集的初始标签Λi,j＝λj(xi)，i＝1,2,…,m，j＝1,2,…,n；根据所述初始标签计算所述标识函数的成对相关性，根据所述成对相关性构建所述标注函数的生成模型；根据所述生成模型预估所述数据集的概率标签；根据所述概率标签对所述机器学习系统的判别模型进行训练，得到训练后的判别模型；将待分类数据输入所述训练后的判别模型，得到所述待分类数据的类别。
【技术特征摘要】
1.一种数据分类方法，应用于机器学习系统，其特征在于，所述方法包括：获取待标注的数据集{xi|i＝1,2,…,m}；通过标注函数λj，j＝1,2,…,n对所述数据集进行标注，得到所述数据集的初始标签Λi,j＝λj(xi)，i＝1,2,…,m，j＝1,2,…,n；根据所述初始标签计算所述标识函数的成对相关性，根据所述成对相关性构建所述标注函数的生成模型；根据所述生成模型预估所述数据集的概率标签；根据所述概率标签对所述机器学习系统的判别模型进行训练，得到训练后的判别模型；将待分类数据输入所述训练后的判别模型，得到所述待分类数据的类别。2.如权利要求1所述的方法，其特征在于，所述生成模型为：其中Λ表示所述初始标签构成的初始标签矩阵，Y表示真实标签矩阵，Zw为归一化常数，φi(Λ,yi)，i＝1,2,…,m为针对所述数据集中的各个数据的所述标注函数的成对相关性，w为所述生成模型的待定参数，w∈R2n+|C|。3.如权利要求2所述的方法，其特征在于，所述成对相关性为：其中表示当括号{}内的条件成立与不成立时的取值。4.如权利要求1所述的方法，其特征在于：所述待标注的数据集是图像集，所述待分类数据是待分类图像；或者所述待标注的数据集是文本集，所述待分类数据是待分类文本；或者所述待标注的数据集是语音集，所述待分类数据是待分类语音。5.如权利要求4所述的方法，其特征在于，所述将待分类数据输入所述训练后的判别模型，得到所述待分类数据的类别包括：将所述待分类图像输入所述训练后的判别模型，得到所述待分类图像对应的用户、物体或人脸属性；将所述待分类文本输入所述训练后的判别模型，得到所述待分类文本对应的情...
【专利技术属性】
技术研发人员：刘康龙，徐国强，邱寒，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。