数据分类识别方法、装置、设备及可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113821668A(43)申请公布日2021.12.21(21)申请号202110703613.1G06N20/00(2019.01)(22)申请日2021.06.24(71)申请人腾讯科技（深圳）有限公司地址518057广东省深圳市南山区高新区科技中一路腾讯大厦35层(72)发明人魏东孙镜涵卢东焕马锴王连生郑冶枫(74)专利代理机构北京三高永信知识产权代理有限责任公司11138代理人张所明(51)Int.Cl.G06F16/583(2019.01)G06F16/58(2019.01)G06K9/00(2006.01)G06K9/62(2006.01)权利要求书3页说明书16页附图5页(54)发明名称数据分类识别方法、装置、设备及可读存储介质(57)摘要本申请公开了一种数据分类识别方法、装置、设备及可读存储介质，涉及机器学习领域。该方法包括：获取第一数据集和第二数据集；以第一数据通过监督训练方式训练得到哨兵模型；将第二数据输入哨兵模型，输出得到第二数据对应的伪标签；通过标注有伪标签的第二数据对哨兵模型进行元学习训练，得到数据分类模型；通过数据分类模型对目标数据进行分类预测。通过伪标签对哨兵模型进行元学习训练，最终得到更高性能和精度的数据分类模型，训练中采用少量带标签的样本数据以及大量无标签数据，对有标签的第一数据的数据量要求较小，避免了对样本数据进行大量标注的繁琐过程，提高了数据分类模型的训练效率以及准确率。CN113821668ACN113821668A权利要求书1/3页1.一种数据分类识别方法，其特征在于，所述方法包括：获取第一数据集和第二数据集，所述第一数据集中包括标注有样本标签的第一数据，所述第一数据属于目标分类集，所述第二数据集中包括第二数据；以所述第一数据通过监督训练方式训练得到哨兵模型；将所述第二数据输入所述哨兵模型，输出得到所述第二数据对应的伪标签；通过标注有所述伪标签的所述第二数据对所述哨兵模型进行元学习训练，得到数据分类模型；通过所述数据分类模型对目标数据进行分类预测，得到所述目标数据在所述目标分类集中所属的分类结果。2.根据权利要求1所述的方法，其特征在于，所述通过标注有所述伪标签的所述第二数据对所述哨兵模型进行元学习训练，得到数据分类模型，包括：通过标注有所述伪标签的所述第二数据对所述哨兵模型进行元学习训练，得到候选分类模型；通过所述第一数据对所述候选分类模型进行模型参数调整，得到所述数据分类模型。3.根据权利要求2所述的方法，其特征在于，所述通过标注有所述伪标签的所述第二数据对所述哨兵模型进行元学习训练，得到候选分类模型，包括：以所述伪标签和对应的所述第二数据构成第一数据对，得到训练支持集；对所述第一数据对进行随机增强处理构成第二数据对，得到训练查询集；通过所述训练支持集和所述训练查询集对所述哨兵模型进行元学习训练，得到所述候选分类模型。4.根据权利要求3所述的方法，其特征在于，所述通过所述训练支持集和所述训练查询集对所述哨兵模型进行元学习训练，得到所述候选分类模型，包括：将所述训练支持集中的所述第一数据对代入所述哨兵模型，对所述哨兵模型中的模型参数进行第一调整；通过所述训练查询集中的所述第二数据对对所述模型参数进行第二调整；迭代通过n个所述训练支持集和n个所述训练查询集构成的n个任务对进行参数调整后，得到所述候选分类模型，n为正整数。5.根据权利要求4所述的方法，其特征在于，所述将所述训练支持集中的所述第一数据对代入所述哨兵模型，对所述哨兵模型中的模型参数进行第一调整，包括：将所述训练支持集中的所述第一数据对m次迭代入所述哨兵模型进行m次梯度下降调整，m为正整数；所述通过所述训练查询集中的所述第二数据对对所述模型参数进行第二调整，包括：根据m次梯度下降调整对应的损失值得到总损失值；通过所述第二数据对和所述总损失值对所述模型参数进行第二调整。6.根据权利要求1至5任一所述的方法，其特征在于，所述以所述第一数据通过监督训练方式训练得到哨兵模型，包括：获取初始模型，所述初始模型为初始化进行数据分类的模型，所述初始模型中包括初始模型参数；将所述第一数据输入所述初始模型，得到参考预测结果；2CN113821668A权利要求书2/3页基于所述参考预测结果和所述样本标签确定初始损失值；基于所述初始损失值对所述初始模型参数进行调整，得到所述哨兵模型。7.根据权利要求6所述的方法，其特征在于，所述基于所述参考预测结果和所述样本标签确定初始损失值，包括：响应于所述参考预测结果中包括所述第一数据对应所述目标分类集的硬标签预测结果，通过交叉熵损失函数确定所述初始损失值；响应于所述参考预测结果中包括所述第一数据对应所述目标分类集的软标签预测结果，