基于人工智能的数据分类方法、装置、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，提供一种基于人工智能的数据分类方法、装置、设备及存储介质。该方法能够获取多个初始样本，每个初始样本中包括样本用户在多个数据特征中的样本值及用户结果，对样本值进行离散处理，得到离散结果，对离散结果进行核密度估计分析，得到每个数据特征的特征分布信息，抽取每个特征分布信息中的信息，得到训练样本，根据离散结果及用户结果确定每个数据特征的特征权值，根据训练样本及特征权值生成样本结果，基于训练样本及样本结果调整预设网络，得到分类模型，获取请求特征，根据分类模型处理请求特征，得到分类结果。本发明专利技术能够提高分类结果的准确性。此外，本发明专利技术还涉及区块链技术，所述分类结果可存储于区块链中。中。中。

【技术实现步骤摘要】
基于人工智能的数据分类方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种基于人工智能的数据分类方法、装置、设备及存储介质。

技术介绍

[0002]企业对员工稳定性的评估是员工关系管理研究的重点问题，通过对员工稳定性的评估能够更好的实现员工的价值。
[0003]目前在对用户稳定性进行分类的方案中，通常是直接利用获取到的数据样本训练出分类模型，进而根据分类模型对用户的稳定性进行评估，然而，训练分类模型时所采用的数据样本是直接从真实场景中获取的，这种获取到的数据存在样本分布不均衡的问题，导致训练出的分类模型的准确性较低，造成无法准确评估员工的稳定性问题。

技术实现思路

[0004]鉴于以上内容，有必要提供一种基于人工智能的数据分类方法、装置、设备及存储介质，能够提高分类结果的准确性。
[0005]一方面，本专利技术提出一种基于人工智能的数据分类方法，所述基于人工智能的数据分类方法包括：获取多个初始样本，每个初始样本中包括样本用户在多个数据特征中的样本值及所述样本用户所对应的用户结果；对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的数据分类方法，其特征在于，所述基于人工智能的数据分类方法包括：获取多个初始样本，每个初始样本中包括样本用户在多个数据特征中的样本值及所述样本用户所对应的用户结果；对所述样本值进行离散处理，得到离散结果；基于所述多个数据特征对所述离散结果进行核密度估计分析，得到每个数据特征的特征分布信息；抽取每个所述特征分布信息中的信息，得到训练样本；根据所述离散结果及所述用户结果确定每个数据特征的特征权值；根据所述训练样本及所述特征权值生成所述训练样本的样本结果；基于所述训练样本及所述样本结果调整预设网络，得到分类模型；当接收到分类请求时，根据所述分类请求获取请求特征；根据所述分类模型处理所述请求特征，得到所述分类请求的分类结果。2.如权利要求1所述的基于人工智能的数据分类方法，其特征在于，所述对所述样本值进行离散处理，得到离散结果包括：检测所述样本值的数据类型；从所述样本值中筛选所述数据类型为数值型的样本值作为第一数值，并从所述样本值中筛选所述数据类型不为所述数值型的样本值作为待处理信息；获取所述待处理信息所属的数据特征作为目标特征，并获取所述目标特征的多个预设范围；将所述待处理信息离散至与所述多个预设范围所对应的分值中，得到第二数值；将所述第一数值及所述第二数值确定为所述离散结果。3.如权利要求1所述的基于人工智能的数据分类方法，其特征在于，所述基于所述多个数据特征对所述离散结果进行核密度估计分析，得到每个数据特征的特征分布信息包括：对于每个数据特征，获取该数据特征的属性特征；从预设函数中选取与所述属性特征对应的核函数；基于所述核函数及所述离散结果，根据下列公式计算该数据特征的特征分布信息：;其中，是指所述特征分布信息，是指所述离散结果的数量，，是指所述离散结果，是指第个离散结果，是指所述核函数。4.如权利要求1所述的基于人工智能的数据分类方法，其特征在于，所述抽取每个所述特征分布信息中的信息，得到训练样本包括：从多个所述特征分布信息中随机选取任一特征分布信息作为目标特征分布信息，并将除所述目标特征分布信息外的多个所述特征分布信息确定为其余特征分布信息；从所述目标特征分布信息中随机提取任意特征数据，并从所述其余特征分布信息中提取初始特征数据；计算所述任意特征数据与所述初始特征数据的共存概率；
将所述共存概率大于预设概率阈值的初始特征数据确定为目标特征数据；将所述任意特征数据与每个所述目标特征数据的组合确定为所述训练样本。5.如权利要求4所述的基于人工智能的数据分类方法，其特征在于，所述计算所述任意特征数据与其余特征分布信息中初始特征数据的共存概率包括...

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