[发明专利]一种数据分类方法及装置

说明书

本申请公开了一种数据分类方法及装置，用以提升数据分类的准确性。该方法包括：获取待分类数据中包括的文本型数据和数值型数据；采用第一预设算法对文本型数据进行解析，得到至少一个候选数据类别中各个候选数据类别对应的第一评估值；其中，第一评估值基于文本型数据归属于对应的候选数据类别的概率确定；采用第二预设算法对数值型数据进行解析，得到各个候选数据类型对应的第二评估值；第二评估值基于数值型数据归属于对应的候选数据类别的概率确定；根据各个候选数据类别对应的第一评估值和各个候选数据类型对应的第二评估值，确定待分类数据对应的目标数据类别；目标数据类别包括至少一个候选数据类别中的候选数据类别。

技术领域

本申请涉及数据处理技术领域，特别涉及一种数据分类方法及装置。

背景技术

目前，数据库中存储的数据主要分为文本型数据和数值型数据两大类。文本型数据指的是由文字构成的数据，例如，数据库中存储的“管辖部门”、“主办单位”等即为文本型数据。数值型数据指的是由数字、字符等构成的数据，例如，数据中存储的“@@330603”等数据即为数值型数据。在进行数据分类时，相关技术中介绍了对于文本型数据，一般可以采用命名实体识别(Named Entity Recognition，NER)模型提取文本型数据中的命名实体，判断其数据类别。对于数值型数据，一般可以采用LightGBM等神经网络模型对数值型数据进行分类。

在针对包括单一类别的数据时，上述的数据分类方法是比较有效的。但是，如果一个待分类的数据中既包括文本型数据又包括数值型数据时，采用上述的方法进行数据分类就会导致分类不准确的问题。

发明内容

本申请示例性的实施方式中提供一种数据分类方法及装置，用以提升数据分类的准确性。

第一方面，本申请实施例提供了一种数据分类方法，包括：

获取待分类数据中包括的文本型数据和数值型数据；

采用第一预设算法对所述文本型数据进行解析，得到至少一个候选数据类别中各个候选数据类别对应的第一评估值；其中，所述第一评估值基于所述文本型数据归属于对应的候选数据类别的概率确定；

采用第二预设算法对所述数值型数据进行解析，得到所述各个候选数据类型对应的第二评估值；所述第二评估值基于所述数值型数据归属于对应的候选数据类别的概率确定；

根据所述各个候选数据类别对应的第一评估值和所述各个候选数据类型对应的第二评估值，确定所述待分类数据对应的目标数据类别；所述目标数据类别包括所述至少一个候选数据类别中的候选数据类别。

在相关技术中，若需要对同时包括文本型数据和数值型数据的数据进行分类时，一般采用单一的算法或者模型进行数据分类，导致分类的结果不准确。本申请提出了将同时包括文本型数据和数值型数据的数据进行拆分，分别采用不同的算法对文本型数据和数值型数据进行分类，并结合确定的这两种数据的数据类别来确定待分类数据的数据类别，从而提升了数据分类的准确性。

在一些实施例中，所述根据所述各个候选数据类别对应的第一评估值和所述各个候选数据类型对应的第二评估值，确定所述待分类数据对应的目标数据类别，包括：

根据所述各个候选数据类别对应的第一评估值和所述各个候选数据类型对应的第二评估值，确定所述各个候选数据类别对应的综合评估值；

将确定的各个综合评估值中的最大值对应的候选数据类别，确定为所述目标数据类别。

在一些实施例中，所述根据所述各个候选数据类别对应的第一评估值和所述各个候选数据类型对应的第二评估值，确定所述各个候选数据类别对应的综合评估值，包括：

针对所述至少一个候选数据类别中的任一候选数据类别，采用逻辑回归算法计算所述任一候选数据类别对应的第一评估值和第二评估值，得到所述任一候选类别对应的综合评估值。