[发明专利]一种数据分类方法、装置、计算机设备及存储介质

说明书

本发明公开了一种数据分类方法、装置、计算机设备及存储介质。该方法包括获取商品节点的特征向量；根据商品节点的特征向量获取其邻居节点，并构建商品节点和邻居节点之间的关联结构图；获取关联结构图中包含商品节点与其邻居节点的组合特征向量，将组合特征向量输入对数转换层，输出高阶交叉特征；将商品节点的高阶交叉特征输入分类模型，输出分类结果。本发明选取商品节点和其邻居节点的组合特征向量，在组合特征向量的基础上使用了对数转换层构造出了更高阶的交叉特征，并实现了不同交叉特征的权重分配，得到更复杂的高阶交叉特征，充分考虑了多个商品之间的关联影响，再基于得到高阶交叉特征来对商品进行分类，具有分类准确的优点。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种数据分类方法、装置、计算机设备及存储介质。

背景技术

目前，在实际工程的数据分析过程中，对数据按照某种规则进行分类筛选是一种常用的技术手段；特别是在零售行业中，为了研究商品的销售情况、补货情况或者根据商品刻画消费用户形象，对商品进行分类筛选十分有必要；但是由于商品种类庞大，影响关系复杂等特点，欠缺高效解决手段，常常依赖人工，耗时耗力，效率不高。

现阶段常用的有效数据的筛选(分类)方法有XGBoost(极端梯度提升)、SVM(支持向量机)、随机森林、CNN(卷积神经网络)等方法，这些分类方法在小规模数据上有着不错的筛选效果且通常情况下分类对象之间大都无相关关系。但是在零售行业中，商品的销售数据具有数据规模大、特征维度多、相互影响关系复杂等特点，使用常规的机器学习分类算法并不能满足实际需求；一方面由于数据量大时，参数优化过程会比较繁琐、计算时间长；另一方面由于模型的输入没有考虑到商品之间的相互影响，分类准确率不高。

发明内容

本发明的目的是提供一种数据分类方法、装置、计算机设备及存储介质，旨在解决现有技术对商品进行分类是存在分类准确率不高的问题。

为解决上述技术问题，本发明的目的是通过以下技术方案实现的：提供一种数据分类方法，其包括：

获取商品节点的特征向量；

根据所述商品节点的特征向量获取其邻居节点，并构建所述商品节点和邻居节点之间的关联结构图；

获取所述关联结构图中包含所述商品节点与其邻居节点的组合特征向量，将所述组合特征向量输入对数转换层，输出高阶交叉特征；

将所述商品节点的高阶交叉特征输入分类模型，输出分类结果。

另外，本发明要解决的技术问题是还在于提供一种数据分类装置，其包括：

获取单元，用于获取商品节点的特征向量；

构建单元，用于根据所述商品节点的特征向量获取其邻居节点，并构建所述商品节点和邻居节点之间的关联结构图；

转换单元，用于获取所述关联结构图中包含所述商品节点与其邻居节点的组合特征向量，将所述组合特征向量输入对数转换层，输出高阶交叉特征；

输出单元，用于将所述商品节点的高阶交叉特征输入分类模型，输出分类结果。

另外，本发明实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的数据分类方法。

另外，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的数据分类方法。