本发明专利技术涉及人工智能技术，揭露一种信息分类方法，包括：根据产品特征数据构建初始决策树；利用所述初始决策树对所述产品特征数据进行分析，得到类别预测值；根据所述产品特征数据及类别预测值，计算所述初始决策树的模型精度误差值；当所述模型精度误差值不小于目标阈值时，对初始决策树进行更新，当所述模型精度误差值小于目标阈值时，将所述初始决策树作为信息分类模型输出；利用所述信息分类模型对待分类产品信息进行分类，得到分类结果。本发明专利技术还涉及一种区块链技术，所述产品特征数据可以存储在区块链节点中。本发明专利技术还提出一种信息分类装置、设备以及介质。本发明专利技术可以提高信息分类的准确率。类的准确率。类的准确率。
【技术实现步骤摘要】
信息分类方法、装置、电子设备及可读存储介质
[0001]本专利技术涉及人工智能技术，尤其涉及一种信息分类方法、装置、电子设备及可读存储介质。
技术介绍
[0002]随着互联网技术的发展，各领域的产品交易现在广泛使用线上化、全流程一体化的软件系统来进行出单，比如，保险领域的商业险等，但是此类出单软件可能存在由于黑客恶意攻击，或是自身开发人员、销售人员操作不当等等造成产品订单等产品信息异常的风险，因此，需要对产品信息进行异常识别分类，
[0003]现有信息分类技术中，只利用单一维度的产品信息进行识别分类，分类准确率较低。
技术实现思路
[0004]本专利技术提供一种信息分类方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高信息分类的准确率。
[0005]为实现上述目的，本专利技术提供的一种信息分类方法，包括：
[0006]获取历史产品信息集，其中，所述历史产品信息集中每个历史产品信息包括产品特征数据及产品类别标签数据；
[0007]根据所有所述产品特征数据构建初始决策树；
[0008]利用所述初始决策树对所述产品特征数据进行类别分析，得到类别预测值；
[0009]根据所述历史产品信息集及所述类别预测值，计算所述初始决策树的模型精度，得到模型精度误差值；
[0010]当所述模型精度误差值大于或者等于预设的目标阈值时，对所述初始决策树进行决策树数量更新，得到新的初始决策树，并返回所述利用所述初始决策树对所述产品特征数据进行类别分析，得到类别预测值的步骤，直至所述模型精度误差值小于所述目标阈值时，输出所述初始决策树为信息分类模型；
[0011]当获取待分类产品信息时，利用所述信息分类模型对所述待分类产品信息进行类别分析，得到分类概率值；
[0012]根据所述分类概率值及预设的分类阈值，生成所述待分类产品信息的分类结果。
[0013]可选地，所述根据所有所述产品特征数据构建决策树，包括：
[0014]获取每个所述产品特征数据中的产品特征，得到产品特征集；
[0015]对所述产品特征集进行去重，任意选取去重后的所述产品特征集中的一个产品特征作为根节点；
[0016]将去重后的所述产品特征集中除根节点外的其它产品特征作为叶子节点，得到所述初始决策树。
[0017]可选地，所述利用所述初始决策树对所述产品特征数据进行类别分析，得到类别
预测值，包括：
[0018]随机选取预设数量的产品特征数据，得到产品特征数据集；
[0019]利用所述初始决策树对所述产品特征数据集中的每个产品特征数据进行类别分析，得到对应的类别预测值。
[0020]可选地，所述对所述初始决策树进行决策树数量更新，得到新的初始决策树，包括：
[0021]调整所述初始决策树中节点的权重参数；
[0022]在参数调整后的初始决策树后增加决策树，得到新的初始决策树。
[0023]可选地，所述利用所述信息分类模型对所述待分类产品信息进行类别分析，得到分类概率值，包括：
[0024]将所述待分类产品信息输入至于所述信息分类模型后，提取所述信息分类模型中每个决策树的输出值；
[0025]将所有所述输出值进行累加，得到所述分类概率值。
[0026]可选地，所述根据所述历史产品信息集及所述类别预测值，计算所述初始决策树的模型精度，得到模型精度误差值，包括：
[0027]将所述产品类别标签数据转换为逻辑值，得到所述产品类别真实值；
[0028]根据所述产品特征数据集中的每个产品特征数据对应的产品类别真实值及类别预测值，利用所述目标函数进行计算，得到所述模型精度误差值。
[0029]可选地，所述根据所述分类概率值及预设的分类阈值，生成所述待分类产品信息的分类结果，包括：
[0030]判断所述分类概率值是否大于所述分类阈值，
[0031]若所述分类概率值小于或等于所述分类阈值，则所述分类结果为待分类产品信息正常；
[0032]若所述分类概率值大于所述分类阈值，则所述分类结果为待分类产品信息异常。
[0033]为了解决上述问题，本专利技术还提供一种信息分类装置，所述装置包括：
[0034]数据获取模块，用于获取历史产品信息集，其中，所述历史产品信息集中每个历史产品信息包括产品特征数据及产品类别标签数据；
[0035]模型训练模块，用于根据所有所述产品特征数据构建初始决策树；利用所述初始决策树对所述产品特征数据进行类别分析，得到类别预测值；根据所述历史产品信息集及所述类别预测值，计算所述初始决策树的模型精度，得到模型精度误差值；当所述模型精度误差值大于或者等于预设的目标阈值时，对所述初始决策树进行决策树数量更新，得到新的初始决策树，并返回所述利用所述初始决策树对所述产品特征数据进行类别分析，得到类别预测值的步骤，直至所述模型精度误差值小于所述目标阈值时，输出所述初始决策树为信息分类模型；
[0036]信息分类模块，用于当获取待分类产品信息时，利用所述信息分类模型对所述待分类产品信息进行类别分析，得到分类概率值；根据所述分类概率值及预设的分类阈值，生成所述待分类产品信息的分类结果。
[0037]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
[0038]存储器，存储至少一个计算机程序；及
[0039]处理器，执行所述存储器中存储的计算机程序以实现上述所述的信息分类方法。
[0040]为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的信息分类方法。
[0041]本专利技术实施例直至所述模型精度误差值小于所述目标阈值时，输出所述初始决策树为信息分类模型，利用多棵决策树进行模型构建，模型的性能更好；利用所述信息分类模型对所述待分类产品信息进行类别分析，得到分类概率值，利用信息分类模型进行分析，不局限于单一特征，分析效果更好，分类准确率更高，因此本专利技术实施例提出的信息分类方法、装置、电子设备及可读存储介质提高了信息分类的准确率。
附图说明
[0042]图1为本专利技术一实施例提供的信息分类方法的流程示意图；
[0043]图2为本专利技术一实施例提供的信息分类装置的模块示意图；
[0044]图3为本专利技术一实施例提供的实现信息分类方法的电子设备的内部结构示意图；
[0045]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0046]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0047]本专利技术实施例提供一种信息分类方法。所述信息分类方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述信息分类方法可以由安装在终端设本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种信息分类方法，其特征在于，所述方法包括：获取历史产品信息集，其中，所述历史产品信息集中每个历史产品信息包括产品特征数据及产品类别标签数据；根据所有所述产品特征数据构建初始决策树；利用所述初始决策树对所述产品特征数据进行类别分析，得到类别预测值；根据所述历史产品信息集及所述类别预测值，计算所述初始决策树的模型精度，得到模型精度误差值；当所述模型精度误差值大于或者等于预设的目标阈值时，对所述初始决策树进行决策树数量更新，得到新的初始决策树，并返回所述利用所述初始决策树对所述产品特征数据进行类别分析，得到类别预测值的步骤，直至所述模型精度误差值小于所述目标阈值时，输出所述初始决策树为信息分类模型；当获取待分类产品信息时，利用所述信息分类模型对所述待分类产品信息进行类别分析，得到分类概率值；根据所述分类概率值及预设的分类阈值，生成所述待分类产品信息的分类结果。2.如权利要求1所述的信息分类方法，其特征在于，所述根据所有所述产品特征数据构建初始决策树，包括：获取每个所述产品特征数据中的产品特征，得到产品特征集；对所述产品特征集进行去重，任意选取去重后的所述产品特征集中的一个产品特征作为根节点；将去重后的所述产品特征集中除根节点外的其它产品特征作为叶子节点，得到所述初始决策树。3.如权利要求1所述的信息分类方法，其特征在于，所述利用所述初始决策树对所述产品特征数据进行类别分析，得到类别预测值，包括：随机选取预设数量的产品特征数据，得到产品特征数据集；利用所述初始决策树对所述产品特征数据集中的每个产品特征数据进行类别分析，得到对应的类别预测值。4.如权利要求1所述的信息分类方法，其特征在于，所述对所述初始决策树进行决策树数量更新，得到新的初始决策树，包括：调整所述初始决策树中节点的权重参数；在参数调整后的初始决策树后增加决策树，得到新的初始决策树。5.如权利要求1所述的信息分类方法，其特征在于，所述利用所述信息分类模型对所述待分类产品信息进行类别分析，得到分类概率值，包括：将所述待分类产品信息输入至于所述信息分类模型后，提取所述信息分类模型中每个决策树的输出值；将所有所述输出值进行累加，得到所述分类概率值。6.如权利要求1所述的信息分类方法，其特征在于...
【专利技术属性】
技术研发人员：严杨扬，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：
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。