数据分类方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，提供一种数据分类方法、装置、计算机设备及存储介质，包括：从非标记数据中抽取负样本数据，所述非标记数据中除所述负样本数据外的数据为袋外样本数据；将标记数据确定为正样本数据，并基于所述正样本数据及所述负样本数据训练第一分类模型；使用所述第一分类模型对所述袋外样本数据进行分类，得到类别标签及对应的类别概率；根据所述类别概率从所述袋外样本数据中筛选目标样本数据，并基于所述正样本数据及所述目标样本数据训练第二分类模型；使用所述第二分类模型对所述非标记数据进行分类，得到所述非标记数据的类别。本发明专利技术能够基于少量的标记数据对大量的无标记数据进行准确分类。数据对大量的无标记数据进行准确分类。数据对大量的无标记数据进行准确分类。

【技术实现步骤摘要】
数据分类方法、装置、计算机设备及存储介质


[0001]本专利技术涉及人工智能
，具体涉及一种数据分类方法、装置、计算机设备及存储介质。

技术介绍

[0002]保险产品一般通过寿险代理人来销售，根据其业绩水平将其分为普通代理人、绩优代理人（如成为钻会、金钻等）。在整个代理人人群队伍中，绩优代理人的占比不足10%，而其贡献的产能超过了50%以上。因此，扩大绩优代理人的数量成为一个现实而有意义的目标。
[0003]现有技术中，一般基于代理人的业绩（如FYC、FYP等）来训练机器学习模型，使用机器学习模型筛选潜在绩优代理人，然而，这种方法存在的问题是通过业绩本身的结果来筛选，筛选指标单一，筛选不准确；另外，训练机器学习模型使用的数据都是有标签的数据，数据量较少，导致模型预测效果差。

技术实现思路

[0004]鉴于以上内容，有必要提出一种数据分类方法、装置、计算机设备及存储介质，能够基于少量的标记数据对大量对非标记数据进行准确分类。
[0005]本专利技术的第一方面提供一种数据分类方法，所述方法包括：从非标记数据中抽取负样本数据，所述非标记数据中除所述负样本数据外的数据为袋外样本数据；将标记数据确定为正样本数据，并基于所述正样本数据及所述负样本数据训练第一分类模型；使用所述第一分类模型对所述袋外样本数据进行分类，得到类别标签及对应的类别概率；根据所述类别概率从所述袋外样本数据中筛选目标样本数据，并基于所述正样本数据及所述目标样本数据训练第二分类模型；使用所述第二分类模型对所述非标记数据进行分类，得到所述非标记数据的类别。
[0006]在一个可选的实施方式中，所述基于所述正样本数据及所述目标样本数据训练第二分类模型包括：基于所述正样本数据及所述目标样本数据迭代训练二叉树模型；计算所述二叉树模型的当前层中左二叉树的第一数量及右二叉树的第二数量；根据所述第一数量及所述第二数量对所述二叉树模型的当前层进行更新，更新的二叉树模型的当前层中左二叉树及右二叉树平衡。
[0007]在一个可选的实施方式中，所述根据所述第一数量及所述第二数量对所述二叉树模型的当前层进行更新包括：
计算所述第一数量与所述第二数量的差值数量；当所述差值数量小于0时，对所述左二叉树进行数据插值，插值的数据量等于所述差值数量的绝对值；当所述差值数量大于0时，对所述右二叉树进行数据减损，减损的数据量等于所述差值数量。
[0008]在一个可选的实施方式中，所述对所述左二叉树进行数据插值包括：计算所述左二叉树中任意两个数据之间的相似度；对所述相似度进行排序；在排序后的每两个相邻的相似度之间进行插空；根据每个空格对应的相似度在所述空格中插入数据；根据所述差值数量对所述插入数据进行排列组合，并将每个排列组合对应的插入数据作为目标插入数据；针对每个目标插入数据，计算当前层插入所述目标插入数据后的左二叉树与所述当前层之前的所有层的左二叉树之和的第一残差；根据最小的第一残差对应的目标插入数据实现对所述左二叉树进行数据插值。
[0009]在一个可选的实施方式中，所述对所述右二叉树进行数据减损包括：根据所述差值数量多次随机从所述右二叉树中选取多个数据，每次选取的多个数据作为目标减损数据；针对每个目标减损数据，计算当前层减损所述目标减损数据后的右二叉树与所述当前层之前的所有层的右二叉树之和的第二残差；根据最小的第二残差对应的目标减损数据实现对所述右二叉树进行数据减损。
[0010]在一个可选的实施方式中，所述根据所述类别概率从所述袋外样本数据中筛选目标样本数据包括：计算所述类别标签为第一标签的类别概率的第一概率均值及计算所述类别标签为第二标签的类别概率的第二概率均值；根据所述第一概率均值从所述类别标签为第一标签对应的袋外样本数据中获取第一样本数据；根据所述第二概率均值从所述类别标签为第二标签对应的袋外样本数据中获取第二样本数据；确定所述第一样本数据及所述第二样本数据为目标样本数据。
[0011]在一个可选的实施方式中，所述基于所述正样本数据及所述目标样本数据训练第二分类模型包括：将所述第一样本数据添加至所述正样本数据中得到新的正样本数据；将所述第二样本数据作为新的负样本数据；基于所述新的正样本数据及所述新的负样本数据训练第二分类模型。
[0012]本专利技术的第二方面提供一种数据分类装置，所述装置包括：样本抽取模块，用于从非标记数据中抽取负样本数据，所述非标记数据中除所述负样本数据外的数据为袋外样本数据；第一训练模块，用于将标记数据确定为正样本数据，并基于所述正样本数据及所
述负样本数据训练第一分类模型；第一分类模块，用于使用所述第一分类模型对所述袋外样本数据进行分类，得到类别标签及对应的类别概率；第二训练模块，用于根据所述类别概率从所述袋外样本数据中筛选目标样本数据，并基于所述正样本数据及所述目标样本数据训练第二分类模型；第二分类模块，用于使用所述第二分类模型对所述非标记数据进行分类，得到所述非标记数据的类别。
[0013]本专利技术的第三方面提供一种计算机设备，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现所述数据分类方法。
[0014]本专利技术的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述数据分类方法。
[0015]综上所述，本专利技术所述的数据分类方法、装置、计算机设备及存储介质，标记数据相对于非标记数据而言为少量数据，为了对大量对非标记数据快速准确对分类，则首先从非标记数据中抽取负样本数据，所述非标记数据中除所述负样本数据外的数据为袋外样本数据；接着将标记数据确定为正样本数据，并基于所述正样本数据及所述负样本数据训练第一分类模型；从而使用所述第一分类模型对所述袋外样本数据进行分类，得到类别标签及对应的类别概率之后，再根据所述类别概率从所述袋外样本数据中筛选目标样本数据，并基于所述正样本数据及所述目标样本数据训练第二分类模型；从而使用所述第二分类模型对所述非标记数据进行分类，得到所述非标记数据的类别。本专利技术能够基于少量的标记数据训练第二分类模型，使用训练完成的第二分类模型能够自动的对大量的无标记数据进行准确分类，非标记数据的数据分类效率较高。
附图说明
[0016]图1是本专利技术实施例一提供的数据分类方法的流程图。
[0017]图2是本专利技术实施例二提供的数据分类装置的结构图。
[0018]图3是本专利技术实施例三提供的计算机设备的结构示意图。
具体实施方式
[0019]为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施例对本专利技术进行详细描述。需要说明的是，在不冲突的情况下，本专利技术的实施例及实施例中的特征可以相互组合。
[0020]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。
[0021]本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据分类方法，其特征在于，所述方法包括：从非标记数据中抽取负样本数据，所述非标记数据中除所述负样本数据外的数据为袋外样本数据；将标记数据确定为正样本数据，并基于所述正样本数据及所述负样本数据训练第一分类模型；使用所述第一分类模型对所述袋外样本数据进行分类，得到类别标签及对应的类别概率；根据所述类别概率从所述袋外样本数据中筛选目标样本数据，并基于所述正样本数据及所述目标样本数据训练第二分类模型；使用所述第二分类模型对所述非标记数据进行分类，得到所述非标记数据的类别。2.如权利要求1所述的数据分类方法，其特征在于，所述根据所述类别概率从所述袋外样本数据中筛选目标样本数据包括：计算所述类别标签为第一标签的类别概率的第一概率均值及计算所述类别标签为第二标签的类别概率的第二概率均值；根据所述第一概率均值从所述类别标签为第一标签对应的袋外样本数据中获取第一样本数据；根据所述第二概率均值从所述类别标签为第二标签对应的袋外样本数据中获取第二样本数据；确定所述第一样本数据及所述第二样本数据为目标样本数据。3.如权利要求2所述的数据分类方法，其特征在于，所述基于所述正样本数据及所述目标样本数据训练第二分类模型包括：基于所述正样本数据及所述目标样本数据迭代训练二叉树模型；计算所述二叉树模型的当前层中左二叉树的第一数量及右二叉树的第二数量；根据所述第一数量及所述第二数量对所述二叉树模型的当前层进行更新，更新的二叉树模型的当前层中左二叉树及右二叉树平衡。4.如权利要求3所述的数据分类方法，其特征在于，所述根据所述第一数量及所述第二数量对所述二叉树模型的当前层进行更新包括：计算所述第一数量与所述第二数量的差值数量；当所述差值数量小于0时，对所述左二叉树进行数据插值，插值的数据量等于所述差值数量的绝对值；当所述差值数量大于0时，对所述右二叉树进行数据减损，减损的数据量等于所述差值数量。5.如权利要求4所述的数据分类方法，其特征在于，所述对所述左二叉树进行数据插值包括：计算所述左二叉树中任意两个数据之间的相似度；对所述相似度进行排序；在排序后的每两个相邻的相似度之间进行插空；根据每个空格对应的相似度在所述空格...

【专利技术属性】
技术研发人员：杨德杰，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：