[发明专利]训练数据的处理方法、装置、设备以及可读介质

说明书

本申请提供一种训练数据的处理方法、装置、设备以及可读介质，通过从分类模型可分类出的多个类别中，选取出多个重点优化类别。然后至少根据第一筛选条件，从候选样本集中筛选得到训练样本数据。其中，第一筛选条件为所要筛选出的候选样本数据的类别与任意一个重点优化类别匹配，候选样本集包括多个候选样本数据。由于多个重点优化类别中任意两个重点优化类别之间的相似程度均小于相似程度阈值，而两个重点优化类别之间的相似程度为两个重点优化类别下的样本数据之间的相似程度，因此根据第一筛选条件所筛选得到的不同类别的训练样本数据之间，使用该训练样本数据去训练待优化的分类模型时，可以提高待优化的分类模型的优化效果。

技术领域

本申请涉及计算机技术领域，尤其涉及一种训练数据的处理方法、装置、设备以及可读介质。

背景技术

分类模型用于对样本数据进行分类。现有技术中，分类模型的优化过程为：直接将大量的样本数据输入到特征分类器中进行模型训练，由该特征分类器得到得到并输出优化后的分类模型。其中，输入到特征分类器中的样本数据中携带有样本数据的类别。

然而，优化过程中使用到的一些不同类别的样本数据之间的相似度较高，例如“我想充值话费”和“我想充值流量”这两个样本数据的相似度较高，但所属的类别不同，进而优化分类模型的过程中容易出现相似样本数据分类混淆的情况，导致分类模型的优化效果差，即分类准确率的提升程度较小。

发明内容

有鉴于此，本发明实施例提供的训练数据的处理方法、装置、设备以及可读介质，以通过获取到使用多个互不相似的类别下的训练样本数据，对待优化的分类模型进行训练，实现提升分类模型的优化效果。

为实现上述目的，本发明实施例提供如下技术方案：

本申请第一方面公开了一种训练数据的处理方法，包括：

从分类模型可分类出的多个类别中，选取出多个重点优化类别；其中，所述多个重点优化类别中任意两个所述重点优化类别之间的相似程度均小于相似程度阈值；两个所述重点优化类别之间的相似程度为两个所述重点优化类别下的样本数据之间的相似程度；

至少根据第一筛选条件，从候选样本集中筛选得到训练样本数据；其中，所述第一筛选条件为所要筛选出的候选样本数据的类别与任意一个所述重点优化类别匹配；所述候选样本集包括多个候选样本数据；

将筛选得到的训练样本数据添加到第一训练集中，得到第二训练集；其中，所述第二训练集用于训练得到优化后的分类模型。

可选地，在上述训练数据的处理方法中，所述从分类模型可分类出的多个类别中，选取出多个重点优化类别之前，还包括：

获取待优化的分类模型对验证集中各类别下的验证样本数据的第一分类准确率；其中，所述待优化的分类模型通过第一训练集中的训练样本数据训练得到；

将所述第一分类准确率小于第一准确率阈值的类别，确定为待优化类别；

其中，所述分类模型可分类出的多个类别为确定出的各待优化类别。

可选地，在上述训练数据的处理方法中，所述至少根据第一筛选条件，从候选样本集中筛选得到训练样本数据之前，还包括：

针对每一个所述重点优化类别，获取所述重点优化类别下的每一个模型样本数据的特征；其中，所述模型样本数据为验证样本数据或训练样本数据；所述模型样本数据的特征用于表征所述模型样本数据的关键信息；

所述至少根据第一筛选条件，从候选样本集中筛选得到训练样本数据，包括：

根据第一筛选条件和第二筛选条件，从候选样本集中筛选得到训练样本数据；其中，所述第二筛选条件为所要筛选出的候选样本数据的特征，与任意一个所述重点优化类别下的模型样本数据的特征匹配。