[发明专利]一种分类网络模型的生成方法及装置

说明书

本公开实施例提供了一种分类网络模型的生成方法及装置，以解决现有分类网络模型性能差问题。具体包括：获取原始样本数据，将原始样本数据分成第一样本数据和第二样本数据；将第一样本数据输入到第一分类网络模型进行分类处理，以确定第一样本数据的类型；确定第一分类准确率，在第一分类准确率小于第一阈值的情况下，获取参考权重值；根据参考权重值，调整第一分类网络模型中网络层的权重值，以确定调整后的第一分类网络模型；根据第一样本数据，重新训练调整后的第一分类网络模型，直到第一分类准确率大于或等于第一阈值为止。

技术领域

本公开涉及本公开涉及数据处理技术领域，具体而言，涉及一种分类网络模型的生成方法及装置。

背景技术

在大多数场景下，对于获取到的原始样本数据，通常需要通过分类模型对原始样本数据进行分类处理，但是对于样本失衡的场景，由于原始样本数据失衡，则采集到的原始样本数据通常较少。由于原始样本数据较少，则原始样本数据的均衡性可能较差。这样，再使用分类模型对均衡性较差的原始样本数据进行分类识别时，识别的准确率较低。

发明内容

本公开提供了一种分类网络模型的生成方法及装置，以解决现有的分类网络模型性能差的问题。

为达到上述目的，本公开采用如下技术方案：

第一方面，本公开提供了一种分类网络模型的生成方法，该方法包括以下步骤：分类网络模型的生成装置获取原始样本数据，将原始样本数据分成第一样本数据和第二样本数据；将第一样本数据输入到第一分类网络模型进行分类处理，以确定第一样本数据的类型；第一样本数据为全分类样本数据；确定第一分类准确率，分类准确率用于表征第一分类网络模型处理第一样本数据的准确率；在第一分类准确率小于第一阈值的情况下，获取参考权重值，参考权重值为根据第二样本数据以及第二分类网络模型确定出的，第二分类网络模型用于确定第二样本数据的类型；第二样本数据为稀疏分类样本数据；根据参考权重值，调整第一分类网络模型中网络层的权重值，以确定调整后的第一分类网络模型。

本公开提供一种分类网络模型的生成方法，针对样本失衡的场景下，对采集到的样本数据进行分类，分成第一样本数据(全分类样本数据)和第二样本数据(稀疏分类样本数据)，通过使用稀疏分类样本数据对第二分类网络模型进行训练，直至第二分类网络模型的分类结果达到预设条件，达到预设条件后，再讲第二分类网络模型对应的权重值作为校正参数来对第一分类网络模型进行校正，以使第一分类网络模型的分类结果满足预设条件，通过将数据量更低的数据(稀疏分类样本数据)训练得到的分类网络模型的权重参数作为校正系数，来提高相对数据量较多的数据(全分类样本数据)训练得到的分类网络模型，从而提高全分类样本数据训练得到第一分类网络模型的分类准确率。进一步提升在样本失衡场景下原始样本数据的分类结果。提高第一分类网络模型的性能。

第二方面，本公开提供了一种不均衡样本的分类网络模型的生成方法，方法包括：获取不均衡样本的原始数据；将原始数据输入分类网络模型，得到与原始数据对应的分类结果。

第三方面，本公开提供了一种分类网络模型生成装置，该装置包括收发模块和处理模块。具体的，收发模块，用于获取原始样本数据，将原始样本数据分成第一样本数据和第二样本数据。处理模块，用于将第一样本数据输入到第一分类网络模型进行分类处理，以确定第一样本数据的类型；第一样本数据为全分类样本数据。处理模块，还用于确定第一分类准确率，分类准确率用于表征第一分类网络模型处理第一样本数据的准确率。处理模块，还用于在第一分类准确率小于第一阈值的情况下，获取参考权重值，参考权重值为根据第二样本数据以及第二分类网络模型确定出的，第二分类网络模型用于确定第二样本数据的类型；第二样本数据为稀疏分类样本数据。处理模块，还用于根据参考权重值，调整第一分类网络模型中网络层的权重值，以确定调整后的第一分类网络模型。处理模块，还用于根据第一样本数据，重新训练调整后的第一分类网络模型，直到第一分类准确率大于或等于第一阈值为止。