数据分类模型的训练方法、数据分类方法和装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114692724A(43)申请公布日2022.07.01(21)申请号202210208136.6(22)申请日2022.03.03(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人刘芳卿傅幸吕乐王宁涛周璟杨阳蒋晨之王维强(74)专利代理机构济南信达专利事务所有限公司37100专利代理师李世喆(51)Int.Cl.G06K9/62(2022.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书13页附图4页(54)发明名称数据分类模型的训练方法、数据分类方法和装置(57)摘要本说明书实施例描述了数据分类模型的训练方法、数据分类方法和装置。根据实施例的方法，首先获取标签已知的正数据样本和标签未知的灰度数据样本，然后分别确定基于该正数据样本的标准正数据概率分布和基于该灰度数据样本的拟合正数据概率分布。进一步即可根据该标准正数据概率分布和拟合正数据概率分布实现对数据分类模型的训练。如此基于灰度数据中的正数据也应服从标准正数据概率分布的原则，构建适用于对所有数据进行标签分类的数据分类模型，从而能够提高利用该数据分类模型对数据进行分类的准确性。CN114692724ACN114692724A权利要求书1/3页1.数据分类模型的训练方法，包括：获取分类标签已知的正数据样本和分类标签未知的灰度数据样本；确定基于所述正数据样本的标准正数据概率分布；以及，确定基于所述灰度数据样本的拟合正数据概率分布；其中，所述拟合正数据概率分布表征所述灰度数据样本中实际分类标签为正数据的概率分布；根据所述标准正数据概率分布和所述拟合正数据概率分布，对数据分类模型进行训练。2.根据权利要求1所述的方法，其中，所述确定基于所述正数据样本的标准正数据概率分布，包括：将所述正数据样本的极大似然估计，确定为该正数据样本的标准正数据概率分布。3.根据权利要求1所述的方法，其中，所述确定基于所述灰度数据样本的拟合正数据概率分布，包括：利用神经网络表征出样本历史数据中任意一个数据为正数据的条件概率分布；其中，所述正数据样本和所述灰度数据样本均从所述样本历史数据中获取得到；根据所述条件概率分布，利用贝叶斯表征出灰度数据样本中实际分类标签为正数据的概率分布；将表征出的所述正数据的概率分布定义为拟合正数据概率分布。4.根据权利要求1所述的方法，其中，所述根据所述标准正数据概率分布和所述拟合正数据概率分布对数据分类模型进行训练，包括：根据所述标准正数据概率分布和所述拟合正数据概率分布，确定损失函数；计算所述损失函数中权重参数的更新量。5.根据权利要求4所述的方法，其中，所述根据所述标准正数据概率分布和所述拟合正数据概率分布确定损失函数，包括：计算所述标准正数据概率分布和所述拟合正数据概率分布之间的KL(Kullback‑Leibler)散度损失；确定对所述损失函数进行过拟合修正的正则化损失；根据所述KL散度损失和所述正则化损失，确定所述标准正数据概率分布和所述拟合正数据概率分布的损失函数。6.根据权利要求5所述的方法，其中，所述计算所述标准正数据概率分布和所述拟合正数据概率分布之间的KL散度损失，包括：根据如下计算式计算所述KL散度损失：其中，Φ(x)用于表征任意一个数据x为正数据的概率，用于表征所述KL散度损失，Bup用于表征所述灰度数据样本，B用于表征所述正数据样本，Bu用于表征所述灰度数据样本中的数据个数，Bp用于表征所述正数据样本中的数据个数，公式中的第一项为基于拟合正数据概率分布得到的损失项，公式中的第二项为基于标准正数据概率分布得到的损失项。2CN114692724A权利要求书2/3页7.根据权利要求5所述的方法，其中，所述正数据样本中包括：至少两个正数据子样本；所述灰度数据样本中包括：至少两个灰度数据子样本；所述确定对所述损失函数进行过拟合修正的正则化损失，包括：从所述正数据样本中获取至少一个正数据子样本；以及，从所述灰度数据样本中获取至少一个灰度数据子样本；构建一个服从先验分布的抽样参数；利用所述至少一个正数据子样本、所述至少一个灰度数据子样本和所述抽样参数，确定至少一个人工构造数据；根据所述至少一个人工构造数据，确定所述正则化损失。8.根据权利要求7所述的方法，其中，所述根据所述至少一个人工构造数据确定所述正则化损失，包括：将所述人工构造数据输入当前训练的数据分类模型中，得到对应各个人工构造数据的模型标签值；利用如下计算式，计算所述正则化损失：其中，用于表征所述正则化损失，B用于表征所述人工构造数据的个数，用于表征第i个人工构造数据，用于表征第i个人工构造数据所对应的人工标签值；用于表