[发明专利]对象分类方法、装置、存储介质、电子设备及产品

权利要求书

1.一种对象分类方法，其特征在于，包括：

获取目标对象对应的对象数据；

采用至少两个分类模型分别对所述对象数据进行分类处理，得到至少两个分类结果，其中，各所述分类模型为基于对应的样本集训练得到的，所述样本集中包括至少两个候选集中的第一对象样本及初始集中的第二对象样本，所述候选集为将至少两个聚类集中筛选出的第一对象样本进行聚类得到的，所述聚类集为对所述初始集中第一对象样本聚类得到的：

根据所述至少两个分类结果，联合确定所述目标对象的类别，所述类别包括所述第一对象样本或所述第二对象样本对应的类别。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取包括第一对象样本及第二对象样本的初始集，所述初始集中的第一对象样本多于第二对象样本；

将所述初始集中的第一对象样本进行聚类处理，得到至少两个聚类集；

从各所述聚类集中进行样本筛选，并将筛选出的第一对象样本进行聚类处理，得到至少两个候选集；

从所述至少两个候选集中抽取第一对象样本与所述初始集中的第二对象样本进行组合，以生成至少两个样本集；

采用各所述样本集分别训练对应的分类模型，得到训练后的所述至少两个分类模型。

3.根据权利要求2所述的方法，其特征在于，所述从各所述聚类集中进行样本筛选，包括：

检测各所述聚类集中冗余的第一对象样本；

从各所述聚类集中筛选出所述冗余的第一对象样本之外的第一对象样本，得到所述筛选出的第一对象样本。

4.根据权利要求3所述的方法，其特征在于，所述检测各所述聚类集中冗余的第一对象样本，包括：

针对各所述聚类集，分别计算所述聚类集内的每两个第一对象样本之间的第一相似度；

分别获取所述聚类集内的第一对象样本与中心样本的第二相似度，所述中心样本指聚类集中作为聚类中心的第一对象样本；

基于所述第一相似度与第二相似度，计算各所述聚类集中每两个第一对象样本对应的冗余程度分数；

将各所述聚类集中冗余程度分数符合预定冗余条件的第一对象样本，确定为所述冗余的第一对象样本。

5.根据权利要求2所述的方法，其特征在于，所述从所述至少两个候选集中抽取第一对象样本与所述初始集中的第二对象样本进行组合，以生成至少两个样本集，包括：

从各所述候选集中分别抽取第一比例的第一对象样本，得到目标第一对象样本；

从所述初始集内的第二对象样本中，抽取第二比例的第二对象样本，得到目标第二对象样本；

将所述目标第一对象样本与所述目标第二对象样本组合，得到样本集；

重复抽取预定次数次所述目标第一对象样本与所述目标第二对象样本进行组合，得到至少两个所述样本集。

6.根据权利要求2所述的方法，其特征在于，各所述分类模型中包括级联的至少一个分类层；

所述采用各所述样本集分别训练对应的分类模型，包括：

采用各所述样本集分别训练对应的分类模型，其中，各所述分类模型中的分类层在训练时逐层分析对象属性的分类贡献信息，以根据所述分类贡献信息选定各分类层对应的对象属性。

7.根据权利要求6所述的方法，其特征在于，所述分类模型为决策树，所述决策树中的每个分类层中包括至少一个节点；

所述采用各所述样本集分别训练对应的分类模型，其中，各所述分类模型中的分类层在训练时逐层分析对象属性的分类贡献信息，以根据所述分类贡献信息选定各分类层对应的对象属性，包括：

采用各所述样本集分别训练对应的决策树，其中，各所述决策树从第一个分类层中的根节点开始通过完全分裂建立各分类层的节点，且从根节点开始各分类层中的节点逐层分析对象属性的分类贡献信息，以根据分类贡献信息选定各节点中作为分类属性的对象属性。