[发明专利]样本确定方法、装置、计算机设备及计算机可读存储介质

说明书

本申请实施例提供一种样本确定方法、装置、计算机设备及计算机可读存储介质，涉及数据处理技术领域。样本确定方法包括：获取车辆的至少一个特征信息和至少一个分类信息；根据每个特征信息，生成预设数量的特征文本样本；基于分类信息，对每个特征文本样本添加标签，得到车辆的文本样本集；根据每个标签对应的特征文本样本的数量，对文本样本集中的样本进行数量均衡，确定车辆的目标样本集。基于特征信息和分类信息，确定文本样本集，能够得到足够数量的样本，避免了样本数量不足对算法模型的迭代训练的影响。同时，生成的样本分布均衡、标签准确且可靠性强。

技术领域

本发明涉及数据处理技术领域，具体涉及一种样本确定方法、装置、计算机设备及计算机可读存储介质。

背景技术

随着计算机技术的快速发展，机器学习及深度学习等人工智能技术被广泛应用于各个领域。通常机器学习及深度学习都是基于实际的应用场景设计一个算法，并通过大量的样本对算法进行迭代训练，得到一个算法模型。在后续实际的应用场景中，可利用算法模型输出预测结果，进而为实际的应用场景提供准确可靠的数据。

可基于获取到的车辆的样本迭代训练算法模型，将算法模型用于车辆的类型识别及车辆的故障识别等车辆识别场景，其中，车辆的样本可以是车辆的速度、型号等文本形式的数据。训练后的算法模型能够应用于车辆识别场景，输出车辆类型或车辆故障等识别结果。训练算法模型的过程中，若样本的数量不足，将无法训练出一个完整的算法模型。此外，少量的样本只能训练出有限数据区域内的算法模型，在实际的应用场景中算法模型的预测结果不准确。然而，现有技术中通常是基于真实存在的车辆数据获取样本，可以获取到的车辆数据的数量有限，导致获取的车辆的样本数量不足，进而影响了算法模型的准确性。

发明内容

本发明实施例目的之一在于提供一种样本确定方法，以解决现有技术中的获取的车辆的文本样本数量不足的问题；目的之二在于提供一种样本确定装置；目的之三在于提供一种计算机设备；目的之四在于提供一种计算机可读存储介质。

为了实现上述目的，本发明采用的技术方案如下：

第一方面，本申请提供一种样本确定方法，包括：

获取车辆的至少一个特征信息和至少一个分类信息，其中，每个特征信息包括特征名称、特征有效区间及特征数据类型，每个分类信息包括标签及标签触发条件；

根据每个特征信息，生成预设数量的特征文本样本；

基于分类信息，对每个特征文本样本添加标签，得到车辆的文本样本集；

根据每个标签对应的特征文本样本的数量，对文本样本集中的样本进行数量均衡，确定车辆的目标样本集。

本申请的实施例中，根据每个标签对应的特征文本样本的数量，对文本样本集中的样本进行数量均衡，确定车辆的目标样本集，包括：

根据标签的数量，计算每个标签对应的特征文本样本的目标数量；

基于目标数量和每个标签对应的特征文本样本的数量，对文本样本集中的样本进行数量均衡，确定车辆的目标样本集。

本申请的实施例中，基于目标数量和每个标签对应的特征文本样本的数量，对文本样本集中的样本进行数量均衡，确定车辆的目标样本集，包括：

在当前标签对应的特征文本样本的数量小于目标数量的情况下，重复执行根据每个特征信息，生成预设数量的特征文本样本的步骤，直到当前标签对应的特征文本样本的数量等于目标数量。

本申请的实施例中，基于目标数量和每个标签对应的特征文本样本的数量，对文本样本集中的样本进行数量均衡，确定车辆的目标样本集，包括：

在当前标签对应的特征文本样本的数量大于目标数量的情况下，滤除当前标签对应的特征文本样本，直到当前标签对应的特征文本样本的数量等于目标数量。