数据分类方法、数据分类装置、介质及电子设备制造方法及图纸

本公开涉及计算机领域，具体涉及一种数据分类方法、数据分类装置、计算机可读存储介质及电子设备，包括：获取物联网数据，其中，物联网数据包括物联网正常数据与物联网异常数据；将物联网数据输入数据分类模型，检测物联网数据中的物联网异常数据；将物联网异常数据校正为物联网正常数据，并根据数据分类模型对物联网正常数据进行分类。通过本公开实施例的技术方案，可以解决物联网数据分类错误的问题。

【技术实现步骤摘要】
数据分类方法、数据分类装置、介质及电子设备
本公开涉及计算机领域，具体而言，涉及数据分类方法、数据分类装置、计算机可读存储介质及电子设备。
技术介绍
随着信息化的高速发展与人们生活水平的提高，人们越来越关注商品溯源问题，更希望能够充分了解商品的生产信息和物流信息，可以通过二维码、条码、RFID等进行商品溯源。例如，人们可以通过扫描二维码，查看商品的网页静态信息。在相关技术中，在需要查看商品的动态信息时，可以将物联网设备采集到的数据进行分类存储到数据库中，以此完成商品动态信息的存储，方便用户查看。然而，随着物联网节点的不断增加，使得物联网节点之间的结构越来越复杂，导致物联网数据量不断增加，节点采集到的物联网数据具有高维性、复杂性、实时性等特征，容易出现数据异常的问题，导致数据分类错误。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开的目的在于提供一种数据分类方法、数据分类装置、计算机可读存储介质及电子设备，可以解决物联网数据分类错误的问题。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。根据本公开的第一方面，提供了一种数据分类方法，包括：获取物联网数据，其中，所述物联网数据包括物联网正常数据与物联网异常数据；将所述物联网数据输入数据分类模型，检测所述物联网数据中的物联网异常数据；将所述物联网异常数据校正为物联网正常数据，并根据所述数据分类模型对所述物联网正常数据进行分类。在本公开的一种示例性实施例中，基于前述方案，所述检测所述物联网数据中的物联网异常数据，包括：获取所述物联网数据对应的第一物联网正常数据；其中，第一物联网正常数据为所述物联网数据的前一个时间单位的物联网正常数据；根据所述第一物联网正常数据检测所述物联网数据中的物联网异常数据。在本公开的一种示例性实施例中，基于前述方案，所述根据所述第一物联网正常数据检测所述物联网数据中的物联网异常数据，包括：获取物联网数据异常阈值；根据所述第一物联网正常数据以及所述物联网数据异常阈值检测所述物联网数据中的物联网异常数据。在本公开的一种示例性实施例中，基于前述方案，所述根据所述第一物联网正常数据以及所述物联网数据异常阈值检测所述物联网数据中的物联网异常数据，包括：计算所述第一物联网正常数据与所述物联网数据的差值；根据所述差值与所述物联网数据异常阈值的大小关系确定所述物联网数据是否为物联网异常数据。在本公开的一种示例性实施例中，基于前述方案，所述将所述物联网异常数据校正为物联网正常数据，包括：获取所述物联网异常数据对应的一个或多个第二物联网正常数据，并获取异常数据校正因子；其中，所述第二物联网正常数据为所述物联网异常数据相邻时间单位区间内的物联网正常数据；根据所述第二物联网正常数据以及所述异常数据校正因子将所述物联网异常数据校正为物联网正常数据。在本公开的一种示例性实施例中，基于前述方案，所述异常数据校正因子包括第一相关校正因子和第二相关校正因子，所述根据所述第二物联网正常数据以及所述异常数据校正因子将所述物联网异常数据校正为物联网正常数据，包括：根据所述第一相关校正因子和第二相关校正因子对所述第二物联网正常数据进行调整得到第二物联网预测数据；其中，所述第二物联网正常数据包括前相邻时间单位区间的物联网正常数据和后相邻时间单位区间的物联网正常数据；根据所述第二物联网预测数据将所述物联网异常数据校正为物联网正常数据。在本公开的一种示例性实施例中，基于前述方案，所述数据分类模型包括异常处理长短记忆网络模型。在本公开的一种示例性实施例中，基于前述方案，所述异常处理长短记忆网络模型包括遗忘门与输入门，所述方法还包括：根据所述遗忘门与输入门组成更新门；所述遗忘门与更新门分别控制临时记忆单元与第一记忆单元以确定第二记忆单元；其中，所述第一记忆单元为前一个时间单位所述异常处理长短记忆网络模型生成的记忆单元；所述临时记忆单元为当前时间单位所述异常处理长短记忆网络模型生成的记忆单元；所述第二记忆单元为当前时间单位所述异常处理长短记忆网络模型生成的记忆单元。在本公开的一种示例性实施例中，基于前述方案，获取所述异常处理长短记忆网络模型的第一隐含状态信息；根据所述第一隐含状态信息与所述第二记忆单元确定第二隐含状态信息；其中，所述第一隐含状态信息为前一个时间单位所述异常处理长短记忆网络模型生成的隐含状态信息；所述第二隐含状态信息为当前时间单位所述异常处理长短记忆网络模型生成的隐含状态信息。根据本公开的第二方面，提供了一种数据分类装置，所述装置包括：物联网数据获取模块，用于获取物联网数据；其中，所述物联网数据包括物联网正常数据与物联网异常数据；异常数据监测模块，用于将所述物联网数据输入数据分类模型，检测所述物联网数据中的物联网异常数据；物联网数据分类模块，用于将所述物联网异常数据校正为物联网正常数据，并根据所述数据分类模型对所述物联网正常数据进行分类。根据本公开的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例中第一方面所述的数据分类方法。根据本公开的第四方面，提供了一种电子设备，包括：处理器；以及存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中第一方面所述数据分类方法。本公开实施例提供的技术方案可以包括以下有益效果：本公开的一种实施例所述提供的数据分类方法中，当获取物联网数据后，可以将所述物联网数据输入数据分类模型，检测所述物联网数据中的物联网异常数据，将所述物联网异常数据校正为物联网正常数据，并根据所述数据分类模型对所述物联网正常数据进行分类本公开的实施例，可以将物联网数据中的异常数据校正为正常数据，并对物联网正常数据进行分类。一方面，可以对异常数据进行处理，提升数据分类的准确率，避免直接对异常数据进行分类存储，从而导致用户查询到异常数据，进而造成用户体验下降的问题；另一方面，对异常数据进行校正，而不是直接将物联网异常数据剔除，可以保证物联网数据的连续性，从而提高用户的产品信任度，进而增强用户的购买信心。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1示意性示出了本公开示例性实施例中数据分类方法示例性系统架构的示意图；图2示意性示出了本公开示例性实施例中数据分类方法的流程图；图3示意性示出本公开示例性实施例中根据第一物联本文档来自技高网...

【技术保护点】
1.一种数据分类方法，其特征在于，包括：/n获取物联网数据，其中，所述物联网数据包括物联网正常数据与物联网异常数据；/n将所述物联网数据输入数据分类模型，检测所述物联网数据中的物联网异常数据；/n将所述物联网异常数据校正为物联网正常数据，并根据所述数据分类模型对所述物联网正常数据进行分类。/n

【技术特征摘要】
1.一种数据分类方法，其特征在于，包括：
获取物联网数据，其中，所述物联网数据包括物联网正常数据与物联网异常数据；
将所述物联网数据输入数据分类模型，检测所述物联网数据中的物联网异常数据；
将所述物联网异常数据校正为物联网正常数据，并根据所述数据分类模型对所述物联网正常数据进行分类。


2.根据权利要求1所述的方法，其特征在于，所述检测所述物联网数据中的物联网异常数据，包括：
获取所述物联网数据对应的第一物联网正常数据；其中，第一物联网正常数据为所述物联网数据的前一个时间单位的物联网正常数据；
根据所述第一物联网正常数据检测所述物联网数据中的物联网异常数据。


3.根据权利要求2所述的方法，其特征在于，所述根据所述第一物联网正常数据检测所述物联网数据中的物联网异常数据，包括：
获取物联网数据异常阈值；
根据所述第一物联网正常数据以及所述物联网数据异常阈值检测所述物联网数据中的物联网异常数据。


4.根据权利要求3所述的方法，其特征在于，所述根据所述第一物联网正常数据以及所述物联网数据异常阈值检测所述物联网数据中的物联网异常数据，包括：
计算所述第一物联网正常数据与所述物联网数据的差值；
根据所述差值与所述物联网数据异常阈值的大小关系确定所述物联网数据是否为物联网异常数据。


5.根据权利要求1所述的方法，其特征在于，所述将所述物联网异常数据校正为物联网正常数据，包括：
获取所述物联网异常数据对应的一个或多个第二物联网正常数据，并获取异常数据校正因子；其中，所述第二物联网正常数据为所述物联网异常数据相邻时间单位区间内的物联网正常数据；
根据所述第二物联网正常数据以及所述异常数据校正因子将所述物联网异常数据校正为物联网正常数据。


6.根据权利要求5所述的方法，其特征在于，所述异常数据校正因子包括第一相关校正因子和第二相关校正因子，所述根据所述第二物联网正常数据以及所述异常数据校正因子将所述物联网异常数据校正为物联网正常数据，包括：
根据所述第一相关校正因子和第二相关校正因子对所述第二物联网正常数据进行调整得到第二物联网预测数据；其中，所述第二物联网...

【专利技术属性】
技术研发人员：吴昊，陈鹏，徐峰，崔海明，
申请(专利权)人：北京沃东天骏信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11