[发明专利]基于隐式特征的数据对分类方法、装置、设备和存储介质

说明书

本申请涉及数据处理领域，公开了一种基于隐式特征的数据对分类方法、装置、设备和存储介质，其实现了提高数据分类的适应性与准确性，并减少了计算耗费。其中，本申请通过隐式特征生成模型对值域不确定的第一信息段进行处理，以转换为值域确定的隐性特征，再将所述隐式特征和所述第一原始数据的第二信息段共同输入预设的数据分类模型中，从而实现了对包括有域值不确定的信息段的数据的分类，提高了数据分类的准确性。并且，本申请以数据对作为分析单元，减少了分类过程的计算耗费。

技术领域

本申请涉及到数据处理领域，特别是涉及到一种基于隐式特征的数据对分类方法、装置、设备和存储介质。

背景技术

数据分类是数据保护工作中的一个关键部分，是建立统一、准确、完善的数据架构的基础。传统的数据分类的方法，是将值域确定的数据进行分类。其中，值域确定指取值的可能性是有限的，例如取值为低、中、高三者之一的特征，其取值只有三种可能。而值域不确定与值域确定相对，其取值可能无限。许多数据不仅包括了值域确定的信息段，还包括了值域不确定的信息段，然而传统的数据分类的方法，只能对值域确定的数据进行分类，而对于包括有值域不确定的信息段的数据无法分类或者分类准确性低。另外，传统的数据分类是以单个数据作为分类基础，分类过程需要的计算量大。因此，传统的数据分类方案，分类适应性与分类准确性不足，并且分类过程中计算耗费大。

发明内容

本申请的主要目的为提供一种基于隐式特征的数据对分类方法、装置、设备和存储介质，旨在解决现有数据分类准确性低，且计算耗费大的技术问题。

为了实现上述发明目的，本申请提出一种基于隐式特征的数据对分类方法，包括：

获取待分类的由第一原始数据和第二原始数据构成的原始数据对；所述第一原始数据和第二原始数据均由多个信息段构成；

判断所述第一原始数据和所述第二原始数据是否均存在值域不确定的第一信息段；

若所述第一原始数据和所述第二原始数据均存在值域不确定的第一信息段，则将所述第一原始数据划分为第一信息段和第二信息段，以及将所述第二原始数据划分为第一信息段和第二信息段；其中，所述第二信息段指值域确定的信息段；

将所述第一原始数据中所有的第一信息段输入预设的隐式特征生成模型中进行处理，从而得到所述隐式特征生成模型输出的隐式特征；其中，所述隐式特征生成模型基于卷积神经网络模型，并采用无监督学习的方式训练得到，所述隐式特征的值域确定；

将所述隐式特征和所述第一原始数据的第二信息段共同输入预设的数据分类模型中，从而得到所述数据分类模型输出的第一数据类别；其中，所述数据分类模型基于卷积神经网络模型，并采用有监督学习的方式训练得到；

将所述隐式特征和所述第二原始数据的第二信息段共同输入所述数据分类模型中，从而得到所述数据分类模型输出的第二数据类别；

将所述第一数据类别与所述第二数据类别组合形成所述原始数据对的类别对。

进一步地，所述获取待分类的由第一原始数据和第二原始数据构成的原始数据对的步骤，包括：

获取待分类的第一原始数据，并从预设的摘要数据库中，调取与所述第一原始数据对应的第一摘要文本；其中所述摘要数据库中存储有与多个原始数据分别对应的多个摘要文本；

从所述摘要数据库中，调取与预设的多个原始数据分别对应的多个第二摘要文本；

根据预设的向量映射方法，将所述第一摘要文本和所述多个第二摘要文本分别映映射为虚拟空间的第一文本向量和多个第二文本向量；

根据预设的相似度计算公式，计算所述第一文本向量与各所述第二文本向量之间的相似度，从而得到所述第一文本向量与多个所述第二文本向量分别对应的多个相似度值；