[发明专利]一种数据处理方法、设备以及可读存储介质

说明书

本申请公开了一种数据处理方法、设备及可读存储介质，方法包括：获取属于目标场景类型的对象样本数据与属于关联场景类型的关联标签样本数据；根据对象标签样本数据与关联标签样本数据，对初始类别预测模型进行训练，得到类别预测模型，通过类别预测模型确定无标签样本数据的预测异常类别，作为虚拟异常类别标签；将对象样本数据与关联标签样本数据均确定为目标样本数据，根据每两个目标样本数据之间的相似度、对象标签样本数据对应的真实异常类别标签以及关联标签样本数据对应的真实异常类别标签，对虚拟异常类别标签进行优化调整。采用本申请，可以在目标域的有标记样本数据过少的情况下，提高用于识别目标域的模型的识别准确率。

技术领域

本申请涉及计算机技术领域，尤其涉及一种数据处理方法、设备以及可读存储介质。

背景技术

目前，人工智能(Artificial Intelligence,AI)技术被广泛应用，而机器学习(Machine Learning,ML)是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。

基于目标域(当前场景)的有标记样本数据的迁移学习是机器学习的一个分支领域，其目标是通过源域(与当前场景存在关联关系的关联场景)的有标记样本数据向目标域的有标记样本数据迁移，从而通过源域的有标记样本数据所蕴含的先验知识辅助目标域的有标记样本数据的学习，提升目标域的风险类别预测模型的学习效果。

可以看出，目标域的有标记样本数据以及源域的有标记样本数据对目标域的风险类别预测模型十分重要。但是，目标域在一般情况下具有少量的有标记样本数据和大量的无标记样本数据，而迁移学习方法通常要求大量的源域有标记样本数据，那么在源域有标记样本数据充足而目标域有标记样本数据过少的情况下，容易导致目标域的风险类别预测模型向源域偏移，带来负迁移的问题，使得最终训练学习得到的风险类别预测模型无法准确识别出目标域的数据的风险类别，风险类别预测模型的识别准确率不高。

发明内容

本申请实施例提供一种数据处理方法、设备以及可读存储介质，可以在目标域的有标记样本数据过少的情况下，提高用于识别目标域的模型的识别准确率。

本申请实施例一方面提供了一种数据处理方法，包括：

获取属于目标场景类型的对象样本数据以及属于关联场景类型的关联标签样本数据；对象样本数据中包括对象标签样本数据与无标签样本数据；关联场景类型与目标场景类型之间具有场景关联关系；

根据对象标签样本数据与关联标签样本数据，对初始类别预测模型进行训练，得到类别预测模型，通过类别预测模型确定无标签样本数据对应的预测异常类别，将无标签样本数据对应的预测异常类别作为无标签样本数据的虚拟异常类别标签；

将对象样本数据与关联标签样本数据均确定为目标样本数据，根据每两个目标样本数据之间的相似度、对象标签样本数据对应的真实异常类别标签以及关联标签样本数据对应的真实异常类别标签，对虚拟异常类别标签进行优化调整，得到目标异常类别标签；目标异常类别标签用于与对象标签样本数据对应的真实异常类别标签共同对类别预测模型进行优化训练。

本申请实施例一方面提供了一种数据处理装置，包括：

样本获取模块，用于获取属于目标场景类型的对象样本数据以及属于关联场景类型的关联标签样本数据；对象样本数据中包括对象标签样本数据与无标签样本数据；关联场景类型与目标场景类型之间具有场景关联关系；

模型训练模块，用于根据对象标签样本数据与关联标签样本数据，对初始类别预测模型进行训练，得到类别预测模型；

标签预测模块，用于通过类别预测模型确定无标签样本数据对应的预测异常类别，将无标签样本数据对应的预测异常类别作为无标签样本数据的虚拟异常类别标签；

目标数据确定模块，用于将对象样本数据与关联标签样本数据均确定为目标样本数据；