System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术实施例涉及数据处理,尤其涉及一种对象识别方法、装置、电子设备及存储介质。
技术介绍
1、在金融行业领域中,识别出具有实际需求的目标对象,以为目标对象提供金融服务,是提升服务质量的重要手段。
2、现有技术中,通常采用机器学习分类模型识别目标对象,但是由于在训练模型时,获取负类样本较为困难,导致正负样本极度不平衡,降低了模型识别目标对对象的准确性。
技术实现思路
1、本专利技术实施例提供了一种对象识别方法、装置、电子设备及存储介质,以实现提高目标对象识别的准确性和有效性。
2、根据本专利技术的一方面,提供了一种对象识别方法,包括:
3、获取多个历史目标对象的历史对象信息以及多个待识别对象的待识别对象信息,基于所述历史对象信息确定正样本;
4、基于重抽样法对多个所述待识别对象的待识别对象信息进行多次采样,将每次采样得到的待识别对象信息确定为负样本,由所述正样本分别与每次采样得到的负样本进行组合,得到多组训练子集;
5、针对每组训练子集,基于所述训练子集对相应的预先构建的机器学习模型进行训练,得到与所述训练子集对应的对象识别模型;
6、基于所述待识别对象信息和每组所述训练子集对应的对象识别模型,在所述待识别对象中确定出目标对象。
7、根据本专利技术的另一方面,提供了一种对象识别装置,该装置包括:
8、信息获取模块,用于获取多个历史目标对象的历史对象信息以及多个待识别对象的待识别对象信息
9、采样模块,用于基于重抽样法对多个待识别对象的待识别对象信息进行多次采样,将每次采样得到的待识别对象信息确定为负样本,由正样本分别与每次采样得到的负样本进行组合,得到多组训练子集;
10、模型训练模块,用于针对每组训练子集,基于训练子集对相应的预先构建的机器学习模型进行训练,得到与训练子集对应的对象识别模型;
11、对象识别模块,用于基于待识别对象信息和每组训练子集对应的对象识别模型,在待识别对象中确定出目标对象。
12、根据本专利技术的另一方面,提供了一种电子设备,所述电子设备包括:
13、至少一个处理器;以及
14、与所述至少一个处理器通信连接的存储器;其中,
15、所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本专利技术任一实施例所述的对象识别方法。
16、根据本专利技术的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的对象识别方法。
17、本专利技术实施例的技术方案,获取多个历史目标对象的历史对象信息以及多个待识别对象的待识别对象信息,基于历史对象信息确定正样本;基于重抽样法对多个待识别对象的待识别对象信息进行多次采样,将每次采样得到的待识别对象信息确定为负样本,由正样本分别与每次采样得到的负样本进行组合,得到多组训练子集;针对每组训练子集,基于训练子集对相应的预先构建的机器学习模型进行训练,得到与训练子集对应的对象识别模型;基于待识别对象信息和每组训练子集对应的对象识别模型,在待识别对象中确定出目标对象。本技术方案在没有负样本的情况下,训练对象识别模型,并基于对象识别模型识别出目标对象,有效解决了正负样本极度不平衡的问题,提高了目标对象识别的准确性和有效性。
18、应当理解,本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征,也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种对象识别方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,基于所述待识别对象信息和每组所述训练子集对应的对象识别模型,在所述待识别对象中确定出目标对象,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于每个所述对象识别模型对应的模型预测概率,确定所述待识别对象的对象预测概率,包括:
4.根据权利要求3所述的方法,其特征在于,所述基于每个所述对象预测概率在所述待识别对象中确定出目标对象,包括:
5.根据权利要求1所述的方法,其特征在于,所述历史对象信息包括已执行历史服务的服务属性、执行次数和服务价值属性值中的至少一项;
6.根据权利要求1所述的方法,其特征在于,所述基于重抽样法对多个所述待识别对象的待识别对象信息进行多次采样,包括:
7.根据权利要求1所述的方法,其特征在于,所述基于所述训练子集对相应的预先构建的机器学习模型进行训练,得到与所述训练子集对应的对象识别模型,包括:
8.一种对象识别装置,其特征在于,包括:
9.一种电子设备,其特征在于,所述
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的对象识别方法。
...【技术特征摘要】
1.一种对象识别方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,基于所述待识别对象信息和每组所述训练子集对应的对象识别模型,在所述待识别对象中确定出目标对象,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于每个所述对象识别模型对应的模型预测概率,确定所述待识别对象的对象预测概率,包括:
4.根据权利要求3所述的方法,其特征在于,所述基于每个所述对象预测概率在所述待识别对象中确定出目标对象,包括:
5.根据权利要求1所述的方法,其特征在于,所述历史对象信息包括已执行历史服务的服务属性、执行次数和服务价值属性值中...
【专利技术属性】
技术研发人员:胡晓菁,冯媛,张月媛,郭亚东,李娅楠,郑海娟,胡晗钰,
申请(专利权)人:中邮信息科技北京有限公司,
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。