[发明专利]数据分类方法、装置、电子设备及存储介质

说明书

本发明涉及人工智能技术领域，提供一种数据分类方法、装置、电子设备及存储介质，所述方法包括：解析客户端输入的数据分类请求，以获取待分类数据；将待分类数据输入至预先训练好的业务类型识别模型中，得到待分类数据的业务类型；通过待分类数据的业务类型的业务规则的Web界面，将与待分类数据的业务类型匹配的语法规则配置到规则表中；调用规则引擎解析规则表中的语法规则，生成分析执行程序；将待分类数据输入至分析执行程序中，得到分类结果。本发明通过Web界面将语法规则配置到规则表中，生成分析执行程序，实现语法规则和代码分离，提高了代码的可读性，进而提高数据分类效率。

技术领域

本发明涉及人工智能技术领域，具体涉及一种数据分类方法、装置、电子设备及存储介质。

背景技术

目前在进行数据分类时，例如，针对投资领域的数据分类，现有技术通过sql语言中的case…when…语句，枚举出多种投资数据的多个语法规则，对投资数据进行分类。

然而，投资数据分类随着投资方式越来越精细，语法规则越来越多，需要写多个case…when…来枚举所有语法规则的组合情况，并且，case…when…语句直接写在代码里，当需要增加，删除，或修改语法规则时，需要重新发版，导致数据分类效率低下。

因此，有必要提出一种可以快速准确的分类数据的方法。

发明内容

鉴于以上内容，有必要提出一种数据分类方法、装置、电子设备及存储介质，通过Web界面将语法规则配置到规则表中，生成分析执行程序，实现语法规则和代码分离，提高了代码的可读性，进而提高数据分类效率。

本发明的第一方面提供一种数据分类方法，所述方法包括：

解析客户端输入的数据分类请求，以获取待分类数据；

将所述待分类数据输入至预先训练好的业务类型识别模型中，得到待分类数据的业务类型；

通过所述待分类数据的业务类型的业务规则的Web界面，将与所述待分类数据的业务类型匹配的语法规则配置到规则表中；

调用规则引擎解析所述规则表中的语法规则，生成分析执行程序；

将所述待分类数据输入至所述分析执行程序中，得到分类结果。

可选地，所述业务类型识别模型包括：

密连接神经网络、与所述密连接神经网络连接的高速神经网络、及与所述高速神经网络连接的Softmax层，其中，所述密连接神经网络包括：第一密集块、与所述第一密集块连接的第一传递层、与所述第一传递层连接的第二密集块、与所述第二密集块连接的第二传递层及与所述第二传递层连接的第三密集块，所述第一传递层包含有批标准化层、与所述批标准化层连接的卷积层及与所述卷积层连接的平均池化层，所述第二传递层与所述第一传递层网络结构相同。

可选地，所述将所述待分类数据输入至预先训练好的业务类型识别模型中，得到待分类数据的业务类型包括：

将所述待分类数据输入至所述密连接神经网络的第一密集块中，得到第一业务特征；

将所述第一业务特征输入至所述第一传递层，在所述第一传递层中对所述第一业务特征进行批量归一化处理，将批量归一化处理后的第一业务特征输入至所述卷积层中进行卷积计算，并将卷积计算得到的第一业务特征输入至所述平均池化层中，提取最大的第一业务特征输入至所述第二密集块中，得到第二业务特征；

将所述第二业务特征输入至所述第二传递层，在所述第二传递层中对所述第二业务特征进行批量归一化处理，将批量归一化处理后的第二业务特征输入至所述卷积层中进行卷积计算，并将卷积计算得到的第二业务特征输入至所述平均池化层中，提取最大的第二业务特征输入至所述第三密集块中，得到第三业务特征；