[发明专利]信息分类方法、装置、电子设备及可读存储介质

说明书

本发明涉及人工智能技术，揭露一种信息分类方法，包括：根据产品特征数据构建初始决策树；利用所述初始决策树对所述产品特征数据进行分析，得到类别预测值；根据所述产品特征数据及类别预测值，计算所述初始决策树的模型精度误差值；当所述模型精度误差值不小于目标阈值时，对初始决策树进行更新，当所述模型精度误差值小于目标阈值时，将所述初始决策树作为信息分类模型输出；利用所述信息分类模型对待分类产品信息进行分类，得到分类结果。本发明还涉及一种区块链技术，所述产品特征数据可以存储在区块链节点中。本发明还提出一种信息分类装置、设备以及介质。本发明可以提高信息分类的准确率。

技术领域

本发明涉及人工智能技术，尤其涉及一种信息分类方法、装置、电子设备及可读存储介质。

背景技术

随着互联网技术的发展，各领域的产品交易现在广泛使用线上化、全流程一体化的软件系统来进行出单，比如，保险领域的商业险等，但是此类出单软件可能存在由于黑客恶意攻击，或是自身开发人员、销售人员操作不当等等造成产品订单等产品信息异常的风险，因此，需要对产品信息进行异常识别分类，

现有信息分类技术中，只利用单一维度的产品信息进行识别分类，分类准确率较低。

发明内容

本发明提供一种信息分类方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高信息分类的准确率。

为实现上述目的，本发明提供的一种信息分类方法，包括：

获取历史产品信息集，其中，所述历史产品信息集中每个历史产品信息包括产品特征数据及产品类别标签数据；

根据所有所述产品特征数据构建初始决策树；

利用所述初始决策树对所述产品特征数据进行类别分析，得到类别预测值；

根据所述历史产品信息集及所述类别预测值，计算所述初始决策树的模型精度，得到模型精度误差值；

当所述模型精度误差值大于或者等于预设的目标阈值时，对所述初始决策树进行决策树数量更新，得到新的初始决策树，并返回所述利用所述初始决策树对所述产品特征数据进行类别分析，得到类别预测值的步骤，直至所述模型精度误差值小于所述目标阈值时，输出所述初始决策树为信息分类模型；

当获取待分类产品信息时，利用所述信息分类模型对所述待分类产品信息进行类别分析，得到分类概率值；

根据所述分类概率值及预设的分类阈值，生成所述待分类产品信息的分类结果。

可选地，所述根据所有所述产品特征数据构建决策树，包括：

获取每个所述产品特征数据中的产品特征，得到产品特征集；

对所述产品特征集进行去重，任意选取去重后的所述产品特征集中的一个产品特征作为根节点；

将去重后的所述产品特征集中除根节点外的其它产品特征作为叶子节点，得到所述初始决策树。

可选地，所述利用所述初始决策树对所述产品特征数据进行类别分析，得到类别预测值，包括：

随机选取预设数量的产品特征数据，得到产品特征数据集；

利用所述初始决策树对所述产品特征数据集中的每个产品特征数据进行类别分析，得到对应的类别预测值。

可选地，所述对所述初始决策树进行决策树数量更新，得到新的初始决策树，包括：

调整所述初始决策树中节点的权重参数；

在参数调整后的初始决策树后增加决策树，得到新的初始决策树。

可选地，所述利用所述信息分类模型对所述待分类产品信息进行类别分析，得到分类概率值，包括：