[发明专利]数据分类识别方法、装置、设备及可读存储介质

权利要求书

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第一数据，所述第一数据为未标注有标签的数据，所述第二数据集中包括标注有样本标签的第二数据，所述第二数据属于目标分类集，所述第一数据集中第一数据的数据量大于所述第二数据集中第二数据的数据量，所述第二数据集中第二数据的数量在要求数量范围内；

基于所述第一数据集中的第一数据对特征提取网络进行无监督训练；

将分类回归网络与经过无监督训练的所述特征提取网络结合，得到分类模型，所述分类回归网络用于在所述目标分类集中进行数据分类；

通过所述第二数据集中的所述第二数据和所述样本标签对所述分类模型进行监督训练，得到分类教师模型；

获取分类学生模型，所述分类学生模型为模型参数待训练的模型；

通过所述第一数据以所述分类教师模型为基准模型，对所述分类学生模型的所述模型参数进行蒸馏训练，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，所述通过所述第一数据以所述分类教师模型为基准模型，对所述分类学生模型的所述模型参数进行蒸馏训练，得到数据分类模型，包括：

通过所述分类教师模型对所述第一数据集中的所述第一数据进行分类预测，得到与所述第一数据对应所述目标分类集中类别的伪标签；

通过所述分类学生模型对所述第一数据集中的第一数据进行分类预测，得到与所述第一数据对应的预测结果；

基于所述伪标签与所述预测结果之间的差异对所述分类学生模型的所述模型参数进行调整，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，所述基于所述伪标签与所述预测结果之间的差异对所述分类学生模型的所述模型参数进行调整，得到所述数据分类模型，包括：

获取所述伪标签的置信度参数；

确定所述伪标签在所述置信度参数下与所述预测结果之间的差异，并基于所述差异对所述分类学生模型的所述模型参数进行调整，得到所述数据分类模型。

4.根据权利要求2所述的方法，其特征在于，所述通过所述分类教师模型对所述第一数据集中的所述第一数据进行分类预测，得到与所述第一数据对应的伪标签，包括：

通过所述分类教师模型对所述第一数据集中的所述第一数据进行分类预测，得到所述第一数据对应所述目标分类集中分类的概率值；

基于所述概率值从所述目标分类集中确定所述第一数据对应的伪标签。

5.根据权利要求2所述的方法，其特征在于，所述分类学生模型中包括第一查询编码器和第一键值编码器；

所述方法还包括：

通过所述第一查询编码器对所述第一数据进行编码，得到第一编码结果；

获取所述第一键值编码器对所述第一数据和第一预设动态字典中的数据进行编码的第二编码结果；

基于所述第一编码结果与所述第二编码结果的差异对所述分类学生模型进行蒸馏训练，得到所述数据分类模型。

6.根据权利要求1至5任一所述的方法，其特征在于，所述特征提取网络中包括第二查询编码器和第二键值编码器；

所述基于所述第一数据集中的第一数据对特征提取网络进行无监督训练，包括：

通过所述第二查询编码器对所述第一数据进行编码，得到第三编码结果；

获取所述第二键值编码器对所述第一数据和第二预设动态字典中的数据进行编码的第四编码结果；

基于所述第三编码结果与所述第四编码结果的差异对所述特征提取网络进行无监督训练。

7.根据权利要求6所述的方法，其特征在于，所述将分类回归网络与经过无监督训练的所述特征提取网络结合，得到分类模型，包括：

将所述分类回归网络与经过无监督训练的所述第二查询编码器连接，得到所述分类模型。