[发明专利]基于监督学习的分类方法、装置、设备及存储介质

说明书

本申请适用于人工智能技术领域，提供了基于监督学习的分类方法、装置、设备及存储介质。包括：获取待分类的运维文件；在运维文件中提取目标运维文件；将目标运维文件输入到已训练的运维文件分类模型中进行处理，得到目标运维文件对应的分类结果；对分类结果进行聚类操作，得到聚类集合；根据聚类集合显示目标运维文件和分类结果。上述方案中，在待分类的运维文件中筛选了符合预设格式的目标运维文件，去除待分类的运维文件中的冗余文件，加快了分类的速度。采用监督学习，基于支持向量机对样本训练集进行训练得到运维文件分类模型，通过该运维文件分类模型对目标运维文件进行分类处理，提高了分类效率，得到的分类结果更加准确。

技术领域

本申请属于人工智能技术领域，尤其涉及基于监督学习的分类方法、分类装置、分类设备及存储介质。

背景技术

在日常运维工作中，因工作或项目会产生大量运维文档，许多用户电脑上的运维文档放置杂乱无章。即使将这些运维文档统一放置在一个文件夹里，也未对这些运维文档进行明确的分类，尤其当运维文档的数量增多，更加无法有效管理。随着时间的推移，这些运维文档会越来越多，面对众多又复杂的运维文档，如何进行统一管理，方便文档的快速使用至关重要。

传统的方法大多是用户自行手动分类，但这样分类效率低、容易出错，无法应对大量运维文档的场景，且对分类文档无法统一管理，导致文档不能被快速有效地使用。

发明内容

有鉴于此，本申请实施例提供了基于监督学习的分类方法、分类装置、分类设备及存储介质，以解决传统的运维文档分类方法，分类效率低、容易出错，对分类文档无法统一管理，导致文档不能被快速有效地使用的问题。

本申请实施例的第一方面提供了一种基于监督学习的分类方法，该分类方法包括：

获取待分类的运维文件；

在所述运维文件中提取目标运维文件，所述目标运维文件的文件格式符合预设格式；

将所述目标运维文件输入到已训练的运维文件分类模型中进行处理，得到所述目标运维文件对应的分类结果，所述运维文件分类模型是采用监督学习，基于支持向量机对样本训练集进行训练得到的；

对所述分类结果进行聚类操作，得到聚类集合；

根据所述聚类集合显示所述目标运维文件，以及所述目标运维文件对应的分类结果。

可选地，所述在所述运维文件中提取目标运维文件，包括：

获取预设的文件扫描程序；

采用所述文件扫描程序对所述运维文件进行扫描处理，得到所述目标运维文件。

可选地，所述在所述运维文件中提取目标运维文件，包括：

获取预设的文件扫描程序；

采用所述文件扫描程序对所述运维文件进行扫描处理，得到初始运维文件；

对所述初始运维文件进行去重处理，得到所述目标运维文件。

可选地，所述将所述目标运维文件输入到已训练的运维文件分类模型中进行处理，得到所述目标运维文件对应的分类结果，包括：

获取所述目标运维文件对应的文本内容；

采用所述运维文件分类模型，提取所述文本内容对应的文本向量特征；

对所述文本向量特征进行分类，得到所述分类结果。

可选地，所述采用所述运维文件分类模型，提取所述文本内容对应的文本向量特征，包括：

对所述文本内容进行分词处理，得到多个分词；

采用所述运维文件分类模型对每个分词进行映射处理，得到每个分词对应的词向量特征；