分类预测的方法、装置、可读存储介质及电子设备制造方法及图纸

本公开涉及一种分类预测的方法、装置、可读存储介质及电子设备，以提高分类预测的准确度。方法包括：将待分类信息输入级联顺序中的首个预测子模型，得到首个预测子模型输出的预测结果；针对级联顺序中的每一非首个预测子模型，将待分类信息以及该非首个预测子模型的前一预测子模型输出的预测结果输入该非首个预测子模型，得到该非首个预测子模型输出的预测结果，直到得到级联顺序中的最后一个预测子模型输出的最终分类结果，预测模型的训练包括：针对任一非首个预测子模型，根据该非首个预测子模型之前的预测子模型的训练结果对该非首个预测子模型的样本标注进行修正，并根据修正后的样本标注对该非首个预测子模型进行训练。后的样本标注对该非首个预测子模型进行训练。后的样本标注对该非首个预测子模型进行训练。

【技术实现步骤摘要】
分类预测的方法、装置、可读存储介质及电子设备


[0001]本公开涉及计算机
，具体地，涉及一种分类预测的方法、装置、可读存储介质及电子设备。

技术介绍

[0002]随着人工智能和机器学习技术的普及和发展，越来越多的公司开始尝试利用机器学习技术来解决业务问题，机器学习技术被普遍应用于各种任务。以分类模型为例，在诸如文本分类、用户画像、异常用户发现、异常交易挖掘等任务中有着广泛的应用。与此同时，大量的数据能够被收集，为机器学习技术的使用、提升机器学习模型的性能创造了条件。
[0003]以文本分类为例，文本分类通常是指根据待分类文本数据自身的文本特征，确定该待分类文本数据所属的类别。在相关技术中，多是利用基于BERT预训练模型的深度学习方法对文本进行分类。

技术实现思路

[0004]本公开的目的是提供一种分类预测的方法、装置、可读存储介质及电子设备，以提高分类预测的准确度。
[0005]为了实现上述目的，本公开第一方面提供一种基于预测模型进行分类预测的方法，所述预测模型包括顺序级联的至少两个预测子模型，所述方法包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于预测模型进行分类预测的方法，其特征在于，所述预测模型包括顺序级联的至少两个预测子模型，所述方法包括：将待分类信息输入级联顺序中的首个预测子模型，得到所述首个预测子模型输出的预测结果；针对级联顺序中的每一非首个预测子模型，将所述待分类信息以及该非首个预测子模型的前一预测子模型输出的预测结果输入该非首个预测子模型，得到该非首个预测子模型输出的预测结果，直到得到级联顺序中的最后一个预测子模型输出的最终分类结果，其中，所述预测模型的训练包括：针对任一所述非首个预测子模型，根据该非首个预测子模型之前的预测子模型的训练结果对该非首个预测子模型的样本标注进行修正，并根据修正后的样本标注对该非首个预测子模型进行训练。2.根据权利要求1所述的方法，其特征在于，所述预测模型的训练具体包括：将待分类样本信息作为首个预测子模型的输入参数，将所述待分类样本信息的原始样本标注作为首个预测子模型的输出参数，对所述首个预测子模型进行训练；针对级联顺序中每一非首个预测子模型，均执行以下子训练过程，直到最后一个预测子模型完成训练，得到训练后的预测模型：根据待分类样本信息以及该非首个预测子模型的前一预测子模型输出的预测结果生成该非首个预测子模型的输入参数；确定该非首个预测子模型对应的修正后的样本标注；根据该非首个预测子模型的输入参数和该非首个预测子模型对应的修正后的样本标注，对该非首个预测子模型进行训练。3.根据权利要求2所述的方法，其特征在于，所述确定该非首个预测子模型对应的修正后的样本标注，包括：获取该非首个预测子模型的前一预测子模型输出的预测结果；比较所述前一预测子模型输出的预测结果与所述前一预测子模型对应的修正后的样本标注是否匹配；若匹配，则将所述前一预测子模型对应的修正后的样本标注或所述前一预测子模型输出的预测结果确定为该非首个预测子模型对应的修正后的样本标注；若不匹配，则输出所述前一预测子模型输出的预测结果和所述前一预测子模型对应的修正后的样本标注，并接收用户根据所述预测结果和所述前一预测子模型对应的修正后的样本标注确定的该非首个预测子模型对应的修正后的样本标注。4.根据权利要求2所述的方法，其特征在于，所述待分类样本信息包括待分类样本的相关特征信息和预设的占位符。5.根据权利要求4所述的方法，其特征在于，所述根据待分类样本信息以及该非首个预测子模型的前一预测子模型输出的预测结果生成该非首个预测子模型的输入参数，包括：获取该非首个预测子模型的前一预测子模型输出的...

【专利技术属性】
技术研发人员：郭同，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：