【技术实现步骤摘要】
分类方法、装置、电子设备和存储介质
[0001]本公开涉及人工智能
，尤其涉及自然语言处理和深度学习
，具体涉及一种分类方法、装置、电子设备和存储介质，具体可用于智慧城市和智能云场景下。
技术介绍
[0002]人工智能和机器学习的发展，为各行各业的智能化和技术革新提供了基础。其中，在数据分类的场景下，通过人工智能技术和机器学习算法等为数据进行快速分类是行之有效的一种方法。
技术实现思路
[0003]本公开提供了一种分类方法、装置、电子设备和存储介质。
[0004]根据本公开的一方面，提供了一种分类方法，包括：
[0005]对待分类数据进行编码处理，得到待分类编码特征；
[0006]根据待分类编码特征，确定与待分类数据相似的参考分类数据的参考编码特征；
[0007]根据参考编码特征和相应参考分类数据的参考类别，确定待分类数据的目标类别。
[0008]根据本公开的另一方面，提供了一种电子设备，包括：
[0009]至少一个处理器；以及
[0010]...
【技术保护点】
【技术特征摘要】
1.一种分类方法，包括：对待分类数据进行编码处理，得到待分类编码特征；根据所述待分类编码特征，确定与所述待分类数据相似的参考分类数据的参考编码特征；根据所述参考编码特征和相应参考分类数据的参考类别，确定所述待分类数据的目标类别。2.根据权利要求1所述的方法，其中，所述根据所述参考编码特征和相应参考分类数据的参考类别，确定所述待分类数据的目标类别，包括：根据相同参考类别下的参考编码特征，确定相应参考类别下的融合编码特征；根据各所述参考类别下的所述融合编码特征，确定所述待分类数据的目标类别。3.根据权利要求2所述的方法，其中，所述根据相同参考类别下的参考编码特征，确定相应参考类别下的融合编码特征，包括：将相同参考类别下的参考编码特征进行叠加融合，得到相应参考类别下的融合编码特征。4.根据权利要求3所述的方法，其中，所述将相同参考类别下的参考编码特征进行叠加融合，得到相应参考类别下的融合编码特征，包括：针对任一参考类别，分别确定该参考类别下的各参考编码特征与所述待分类编码特征之间的参考相似度；根据该参考类别下的各所述参考相似度，确定注意力权重；根据所述注意力权重，将该参考类别下的各参考编码特征进行叠加融合，得到该参考类别下的融合编码特征。5.根据权利要求2
‑
4任一项所述的方法，其中，所述根据各所述参考类别下的所述融合编码特征，确定所述待分类数据的目标类别，包括：根据各所述参考类别下的所述融合编码特征和所述待分类编码特征，确定所述待分类数据属于相应参考类别的类别置信度；根据各所述参考类别的类别置信度，确定所述待分类数据的目标类别。6.根据权利要求5所述的方法，其中，所述根据各所述参考类别下的所述融合编码特征和所述待分类编码特征，确定所述待分类数据属于相应参考类别的类别置信度，包括：分别确定各所述参考类别下的融合编码特征与所述待分类编码特征之间的融合相似度；根据各所述融合编码特征的融合相似度，确定所述待分类数据属于相应参考类别的类别置信度。7.根据权利要求5所述的方法，其中，所述根据各所述参考类别的类别置信度，确定所述待分类数据的目标类别，包括：若数值最高的类别置信度小于第一预设阈值，则将所述待分类数据的目标类别设置为默认类别；从不小于所述第一预设阈值的类别置信度对应的参考类别中，选取类别置信度较高的至少一个参考类别作为所述目标类别。8.根据权利要求7所述的方法，其中，所述根据各所述参考类别的类别置信度，确定所
述待分类数据的目标类别，包括：若所述目标类别的类别置信度小于第二预设阈值，则确定所述目标类别为不置信类别；其中，所述第二预设阈值大于所述第一预设阈值。9.根据权利要求1
‑
8任一项所述的方法，其中，所述根据所述待分类编码特征，确定与所述待分类数据相似的参考分类数据的参考编码特征，包括：根据所述待分类编码特征，从预设数据库的各候选分类数据中召回与所述待分类数据相似的参考分类数据；将所述参考分类数据的编码特征作为所述参考编码特征；其中，所述预设数据库中的候选分类数据的数量较少。10.根据权利要求1
‑
9任一项所述的方法，其中，所述待分类数据包括文本数据、图像数据、和音视频数据中的至少一种。11.一种分类装置，包括：编码处理模块，用于对待分类数据进行编码处理，得到待分类编码特征；参考编码特征确定模块，用于根据所述待分类编码特征，确定与所述待分类数据相似的参考分类数据的参考编码特征；目标类别确定模块，用于根据所述参考编码特征和相应参考分类数据的参考类别，确定所述待分类数据的目标类别。12...
【专利技术属性】
技术研发人员：刘晨晖，龚建，孙珂，潘旭，徐思琪，卓泽城，
申请(专利权)人：北京百度网讯科技有限公司，
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。