[发明专利]一种标签预测方法、装置及存储介质

权利要求书

1.一种标签预测方法，其特征在于，所述方法包括：

确定分类模型中各决策树的投票权重值；其中，包括核属性的决策树的投票权重值，高于不包括所述核属性的决策树的投票权重值；

根据所述各决策树的投票权重值，确定与待预测文本信息对应的各类别标签的投票得分；

基于所述各类别标签的投票得分，选取投票得分符合预设条件的类别标签，将所述符合预设条件的类别标签作为与所述待预测文本信息相关联的预测标签；

所述确定分类模型中各决策树的投票权重值包括：

检测各决策树中包括的核属性的数量；

当所述核属性的数量小于预设阈值时，采用第一权重计算子策略计算所述决策树的投票权重值；

所述采用第一权重计算子策略计算所述决策树的投票权重值，包括：统计所述决策树中包括核属性的路径数量和所述决策树中的总路径数量；计算所述决策树中包括核属性的路径数量，与所述决策树中的总路径数量的比值，获得第一比值结果；根据所述第一比值结果，确定所述决策树的投票权重值；

或者，当所述核属性的数量大于或等于所述预设阈值时，采用第二权重计算子策略计算所述决策树的投票权重值；

所述采用第二权重计算子策略计算所述决策树的投票权重值，包括：计算所述决策树中各路径的投票权重值，并统计所述决策树中的总路径数量；对所述各路径的投票权重值进行求和，获得求和后的结果，将所述求和后的结果与所述决策树中的总路径数量的比值，作为所述决策树的投票权重值；

所述计算所述决策树中各路径的投票权重值，包括：统计所述决策树的各路径中包括的核属性的数量，以及对应每条路径下的总结点数量；计算所述各路径中包括的核属性的数量，与对应路径下的总结点数量的比值，获得第二比值结果；根据所述第二比值结果，确定所述决策树中各路径的投票权重值。

2.根据权利要求1所述的标签预测方法，其特征在于，所述方法还包括：

确定构建各决策树的训练样本的核属性；

将包括所述核属性的决策树的投票权重值，设置为高于不包括所述核属性的决策树的投票权重值。

3.一种标签预测装置，其特征在于，所述装置包括：第一确定模块、第二确定模块和选取模块；其中，

所述第一确定模块，用于确定分类模型中各决策树的投票权重值；其中，包括核属性的决策树的投票权重值，高于不包括所述核属性的决策树的投票权重值；

所述第二确定模块，用于根据所述各决策树的投票权重值，确定与待预测文本信息对应的各类别标签的投票得分；

所述选取模块，用于基于所述各类别标签的投票得分，选取投票得分符合预设条件的类别标签，将所述符合预设条件的类别标签作为与所述待预测文本信息相关联的预测标签；

所述第一确定模块，用于当所述核属性的数量小于预设阈值时，统计所述决策树中包括核属性的路径数量和所述决策树中的总路径数量；计算所述决策树中包括核属性的路径数量，与所述决策树中的总路径数量的比值，获得第一比值结果；根据所述第一比值结果，确定所述决策树的投票权重值；或者，当所述核属性的数量大于或等于所述预设阈值时，计算所述决策树中各路径的投票权重值，并统计所述决策树中的总路径数量；对所述各路径的投票权重值进行求和，获得求和后的结果，将所述求和后的结果与所述决策树中的总路径数量的比值，作为所述决策树的投票权重值；

所述第一确定模块，具体用于统计所述决策树的各路径中包括的核属性的数量，以及对应每条路径下的总结点数量；计算所述各路径中包括的核属性的数量，与对应路径下的总结点数量的比值，获得第二比值结果；根据所述第二比值结果，确定所述决策树中各路径的投票权重值。

4.根据权利要求3所述的标签预测装置，其特征在于，所述第一确定模块，具体用于：

确定构建各决策树的训练样本的核属性；

将包括所述核属性的决策树的投票权重值，设置为高于不包括所述核属性的决策树的投票权重值。

5.一种存储介质，其上存储有可执行程序，其特征在于，所述可执行程序被处理器执行时实现如权利要求1至2任一项所述的标签预测方法的步骤。

6.一种标签预测装置，包括存储器、处理器及存储在存储器上并能够由所述处理器运行的可执行程序，其特征在于，所述处理器运行所述可执行程序时执行如权利要求1至2任一项所述的标签预测方法的步骤。