数据处理方法、装置和系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115935219A(43)申请公布日2023.04.07(21)申请号202111095917.0G06F18/214(2023.01)(22)申请日2021.09.18(71)申请人中国电信股份有限公司地址100033北京市西城区金融大街31号(72)发明人刘霖筠吴艳芹吕田田赵旭楠张乐(74)专利代理机构中国贸促会专利商标事务所有限公司11038专利代理师许蓓(51)Int.Cl.G06F18/24(2023.01)H04L41/147(2022.01)H04L47/2483(2022.01)H04L47/2441(2022.01)H04L47/70(2022.01)权利要求书2页说明书7页附图3页(54)发明名称数据处理方法、装置和系统(57)摘要本公开提出一种数据处理方法、装置和系统，涉及网络运营和通信技术领域。将带标签的标记样本集合分成多组标记样本子集合；将多组标记样本子集合分别输入多个基分类器，对每个基分类器进行训练；针对每个基分类器，挑选其他基分类器输出的预测结果相同的不带标签的未标记样本，并将预测结果作为标签对未标记样本进行标记得到待扩充的标记样本，根据待扩充的标记样本确定扩充的标记样本集合；利用每个基分类器的扩充的标记样本集合，对相应的基分类器继续进行训练，训练好的多个基分类器构成分类器模型。实现了一种基于样本扩充的半监督学习来获得分类器模型，相对于监督学习和无监督学习，既能减少人工标注的工作量，又能保障识别准确率。CN115935219ACN115935219A权利要求书1/2页1.一种数据处理方法，其特征在于，包括：将带标签的标记样本集合分成多组标记样本子集合；将多组标记样本子集合分别输入多个基分类器，对每个基分类器进行训练；针对每个基分类器，挑选其他基分类器输出的预测结果相同的不带标签的未标记样本，并将预测结果作为标签对未标记样本进行标记得到待扩充的标记样本，根据待扩充的标记样本确定扩充的标记样本集合；利用每个基分类器的扩充的标记样本集合，对相应的基分类器继续进行训练，训练好的多个基分类器构成分类器模型。2.根据权利要求1所述的方法，其特征在于，所述根据待扩充的标记样本确定扩充的标记样本集合包括：利用带标签的标记样本集合，训练分类器，得到第一分类错误率；将每个待扩充的标记样本添加到标记样本集合得到第一标记样本集合，利用第一标记样本集合训练分类器，得到第二分类错误率；将第二分类错误率小于第一分类错误率的待扩充的标记样本构成待扩充的标记样本集合；根据待扩充的标记样本集合确定扩充的标记样本集合。3.根据权利要求2所述的方法，其特征在于，所述根据待扩充的标记样本集合确定扩充的标记样本集合包括：待扩充的标记样本集合中的样本数量是否小于或等于阈值，如果是，将待扩充的标记样本集合作为扩充的标记样本集合，如果否，按照所述阈值从待扩充的标记样本集合中选择部分标记样本作为扩充的标记样本集合。4.根据权利要求3所述的方法，其特征在于，所述阈值根据带标签的标记样本集合中的样本数量、第二分类错误率、所述分类器当前的迭代次数确定。5.根据权利要求1所述的方法，其特征在于，所述多个基分类器是不同的基分类器。6.根据权利要求5所述的方法，其特征在于，所述多个基分类器包括：极度随机树、梯度提升决策树和随机森林。7.根据权利要求2所述的方法，其特征在于，所述分类器包括K‑means分类器。8.根据权利要求1所述的方法，其特征在于，通过bootstrap采样，将带标签的标记样本集合分成多组标记样本子集合。9.根据权利要求1所述的方法，其特征在于，带标签的标记样本和未标记样本包括：客户电路的历史流量数据、客户属性数据、电路属性数据；标记样本相应的标签为客户电路相应的业务类型。10.根据权利要求9所述的方法，其特征在于，还包括：将客户电路的待预测样本输入训练好的分类器模型，输出预测的所述客户电路相应的业务类型，其中，待预测样本包括：所述客户电路的当前流量数据、客户属性数据、电路属性数据。11.根据权利要求10所述的方法，其特征在于，还包括：根据预测的所述客户电路相应的业务类型和所述客户定制的电路速率，对分配给所述客户电路的带宽进行调整，或，向所述客户发出需要办理带宽调整业务的提示信息。2CN115935219A权利要求书2/2页12.一种数据处理装置，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行权利要求1‑11中任一项所述的数据处理方法。13.一种非瞬时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1‑11中任一项所述的数据处理方法的步骤。14.一种数据处理系统，包括：数据单元，被配置为对客户电路的流