CN115964637A - 数据处理方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明公开了一种数据处理方法、装置、电子设备及存储介质，该方法包括：获取训练样本在所关联的逻辑型类别标签下的类属特征；对于各逻辑型类别标签，根据各训练样本在区别于当前逻辑型类别标签的各逻辑型类别标签下的类属特征，确定各训练样本在当前逻辑型类别标签下的目标类属特征；根据至少一个训练样本在各逻辑型类别标签下的目标类属特征，确定与各逻辑型类别标签相对应的数值型类别标签；基于各数值型类别标签以及至少一个训练样本在各逻辑型类别标签下的目标类属特征，对待训练模型进行训练，得到多标签分类模型。本实施例的技术方案，实现了对特征空间和标签空间进行优化，以得到一个性能较好的多标签分类模型的效果。

Description

数据处理方法、装置、电子设备及存储介质

技术领域

本发明涉及机器学习技术领域，尤其涉及一种数据处理方法、装置、电子设备及存储介质。

背景技术

在传统的机器学习框架中，一个对象只与单一类别的标签相关联，然而，在实际应用中，对象往往不是具有唯一语义的。例如，同一篇新闻文章既可能是财经新闻，也可能是社会新闻。此时，传统的机器学习框架难以取得较好的分类效果。为了更好地描述数据对象，需要给每个对象赋予多个合适的类别标签，多标签学习也由此产生。

目前，随着多标签学习研究的不断深入，可以将多标签学习应用于多标签分类场景和多标签特征选择场景。但是，不管是多标签分类，还是多标签特征选择，均没有考虑到不同特征对不同类别标签的鉴别能力，并没有考虑到标签与标签之间的关联性，从而导致标签分类准确率低或特征选择准确率低。

发明内容

本发明提供了一种数据处理方法、装置、电子设备及存储介质，以实现对特征空间和标签空间进行优化，以得到一个性能较好的多标签分类模型的效果，提高了多标签分类模型的分类准确率以及分类效率。

根据本发明的一方面，提供了一种数据处理方法，该方法包括：

获取至少一个训练样本在所关联的至少一个逻辑型类别标签下的类属特征；

对于各所述逻辑型类别标签，根据各所述训练样本在区别于当前逻辑型类别标签的各逻辑型类别标签下的类属特征，确定各所述训练样本在所述当前逻辑型类别标签下的目标类属特征；

根据所述至少一个训练样本在各所述逻辑型类别标签下的目标类属特征，确定与各所述逻辑型类别标签相对应的数值型类别标签；

基于各所述数值型类别标签以及所述至少一个训练样本在各所述逻辑型类别标签下的目标类属特征，对待训练模型进行训练，得到多标签分类模型；

其中，所述特征向量中包括各训练样本所对应的子特征向量，所述子特征向量由训练样本在区别于所述当前逻辑型类别标签的逻辑型类别标签下的类属特征构建得到。

根据本发明的另一方面，提供了一种数据处理装置，该装置包括：

类属特征获取模块，用于获取至少一个训练样本在所关联的至少一个逻辑型类别标签下的类属特征；

目标类属特征确定模块，用于对于各所述逻辑型类别标签，根据各所述训练样本在区别于当前逻辑型类别标签的各逻辑型类别标签下的类属特征，确定各所述训练样本在所述当前逻辑型类别标签下的目标类属特征；

数值型类别标签确定模块，用于根据所述至少一个训练样本在各所述逻辑型类别标签下的目标类属特征，确定与各所述逻辑型类别标签相对应的数值型类别标签；

待训练模型训练模块，用于基于各所述数值型类别标签以及所述至少一个训练样本在各所述逻辑型类别标签下的目标类属特征，对待训练模型进行训练，得到多标签分类模型；其中，所述特征向量中包括各训练样本所对应的子特征向量，所述子特征向量由训练样本在区别于所述当前逻辑型类别标签的逻辑型类别标签下的类属特征构建得到。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的数据处理方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的数据处理方法。

本发明实施例的技术方案，通过获取至少一个训练样本在所关联的至少一个逻辑型类别标签下的类属特征，然后，对于各逻辑型类别标签，根据各训练样本在区别于当前逻辑型类别标签的各逻辑型类别标签下的类属特征，确定各训练样本在当前逻辑型类别标签下的目标类属特征，进一步的，根据至少一个训练样本在各逻辑型类别标签下的目标类属特征，确定与各逻辑型类别标签相对应的数值型类别标签，最后，基于各数值型类别标签以及至少一个训练样本在各逻辑型类别标签下的目标类属特征，对待训练模型进行训练，得到多标签分类模型，解决了现有技术中多标签分类中没有考虑到不同特征对不同类别标签的鉴别能力，并没有考虑到标签与标签之间的关联性，从而导致标签分类准确率低或特征选择准确率低等问题，实现了对特征空间和标签空间进行优化，以得到一个性能较好的多标签分类模型的效果，提高了多标签分类模型的分类准确率以及分类效率。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例一提供的一种数据处理方法的流程图；

图2是根据本发明实施例二提供的一种数据处理装置的结构示意图；

图3是实现本发明实施例的数据处理方法的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1是本发明实施例一提供的一种数据处理方法的流程图，本实施例可适用于基于目标类属特征和相应的数值型类别标签，对待训练模型进行训练，以得到多标签分类模型的情况，该方法可以由数据处理装置来执行，该数据处理装置可以采用硬件和/或软件的形式实现，该数据处理装置可配置于终端和/或服务器中。如图1所示，该方法包括：

S110、获取至少一个训练样本在所关联的至少一个逻辑型类别标签下的类属特征。

在本实施例中，训练样本可以为包括多个特征所对应的特征值以及相应的逻辑型类别标签所对应的标签值的模型训练样本。其中，逻辑型类别标签中仅包括两个值，用于表征任意训练样本是否包括此类标签，即，逻辑型类别标签是通过两个数来表征“是”与“否”的标签。示例性的，若逻辑型类别标签中包括1和-1，则可以用1表征训练样本包括此类标签，用-1表征训练样本不包括此类标签。

示例性的，训练样本1中包括特征1、特征2、特征3以及特征4，还包括标签1、标签2、标签3以及标签4，其中，特征1的特征值可以为0.49503763，特征2的特征值可以为0.869399379，特征3的特征值可以为0.217903594，特征4的特征值可以为0.644399355。相应的，标签1的标签值可以为1，标签2的标签值可以为-1，标签3的标签值可以为1，标签4的标签值可以为-1。

在本实施例中，类属特征可以为相应类别标签所具有的独特的属性特征，同时，该属性特征与该类别标签的关联性最强，且分类能力最强。类属特征所构成的子集是随着类别的不同而变化的。

在实际应用过程中，可以首先确定至少一个训练样本，以及各训练样本所关联的至少一个逻辑型类别标签，进而，可以基于各训练样本以及相应的逻辑型类别标签，确定训练样本在所关联的至少一个逻辑型类别标签下的类属特征。

在上述各技术方案的基础上，还包括：根据至少一个训练样本以及与各训练样本相关联的至少一个逻辑型类别标签，确定与各逻辑型类别标签相对应的正样本集合和负样本集合；对于各逻辑型类别标签，根据与当前逻辑型类别标签相对应的正样本集合和负样本集合，确定至少一个训练样本在当前逻辑型类别标签下的类属特征。

在本实施例中，正样本集合可以为包括相应逻辑型类别标签的样本集合。相反的，负样本集合可以为不包括相应逻辑型类别标签的样本集合。示例性的，假设训练样本1、训练样本2、训练样本3、训练样本4以及训练样本5均关联逻辑型类别标签1、逻辑型类别标签2以及逻辑型类别标签3，其中，训练样本1中逻辑型类别标签1的标签值为1、逻辑型类别标签2的标签值为-1以及逻辑型类别标签3的标签值为1；训练样本2中逻辑型类别标签1的标签值为-1、逻辑型类别标签2的标签值为1以及逻辑型类别标签3的标签值为1；训练样本3中逻辑型类别标签1的标签值为1、逻辑型类别标签2的标签值为-1以及逻辑型类别标签3的标签值为1；训练样本4中逻辑型类别标签1的标签值为-1、逻辑型类别标签2的标签值为1以及逻辑型类别标签3的标签值为1；训练样本5中逻辑型类别标签1的标签值为1、逻辑型类别标签2的标签值为1以及逻辑型类别标签3的标签值为-1。与逻辑型类别标签1相对应的正样本集合包括训练样本1、训练样本3以及训练样本5，负样本集合包括训练样本2和训练样本4；与逻辑型类别标签2相对应的正样本集合包括训练样本2、训练样本4以及训练样本5，负样本集合包括训练样本1和训练样本3；与逻辑型类别标签3相对应的正样本集合包括训练样本1、训练样本2、训练样本3以及训练样本4，负样本集合包括训练样本5。

在实际应用中，可以首先获取至少一个训练样本，并确定与至少一个训练样本相关联的至少一个逻辑型类别标签，然后，根据训练样本在各逻辑型类别标签下的标签值，确定与各逻辑型类别标签相对应的正样本集合和负样本集合，进一步的，对于各逻辑型类别标签，可以通过对当前逻辑型类别标签所对应的正样本集合和负样本集合进行处理，即可得到至少一个训练样本在当前逻辑型类别标签下的类属特征。

可选的，根据与当前逻辑型类别标签相对应的正样本集合和负样本集合，确定至少一个训练样本在当前逻辑型类别标签下的类属特征，包括：根据预设聚类算法，分别对与逻辑型类别标签相对应的正样本集合和负样本集合进行聚类处理，得到至少一个正聚类中心和至少一个负聚类中心；对于各训练样本，根据预先获取的当前训练样本所对应的原始特征以及与逻辑型类别标签相对应的至少一个正聚类中心和至少一个负聚类中心，确定当前训练样本在逻辑型类别标签下的类属特征。

在本实施例中，预设聚类算法可以为预先设置的，用于将同一类数据的相似度尽可能贴近，不同类的数据尽可能分离的算法。预设聚类算法可以为任意聚类算法，可选的，可以为K-Means聚类算法。本领域技术人员应当理解，K-Means聚类算法是一种无监督学习的，基于欧式距离的聚类算法。K代表K类，Means代表的是中心，其算法本质是确定K类的中心点，该中心点即为聚类中心。正聚类中心可以为正样本集合所对应的聚类中心。负聚类中心可以为负样本集合所对应的聚类中心。需要说明的是，正聚类中心的数量与负聚类中心的数量可以是相同的，也可以是不同的。原始特征即为训练样本中所包括的各个特征。

在具体实施中，对于各逻辑型类别标签，在确定与当前逻辑型类别标签相对应的正样本集合和负样本集合之后，可以根据预设聚类算法，分别对正样本集合和负样本集合进行聚类处理，以得到至少一个正聚类中心和负聚类中心，进一步的，对于各训练样本，根据当前训练样本所对应的原始特征以及与逻辑型类别标签相对应的至少一个正聚类中心和至少一个负聚类中心，分别确定原始特征与各正聚类中心之间的欧式距离，以及原始特征与各负聚类中心之间的欧式距离，从而可以根据这些欧式距离，确定当前训练样本在逻辑型类别标签下的类属特征。

示例性的，1、给定训练样本集X＝[x₁,x₂,…,x_N]^T，相应的逻辑型类别标签集Y＝[y₁,y₂,…,y_C]^T,对于任意逻辑型类别标签c，训练样本被分为正样本集合

和负样本集合

2、对正样本集合和负样本集合进行K-Means聚类，确定与标签c相对应的正聚类中心和负聚类中心，聚类中心的数量设为相等，均为

其中，r∈[0,1]用于调整聚类中心的数量，可以为任意值，可选的，可以为0.1；P_c表示正样本集合中的样本数量，N_c表示负样本集合中的样本数量。3、确定训练样本x_n在标签c下的类属特征，即为：

其中，

表示训练样本x_n在标签c下的类属特征，

表示标签c的正聚类中心，

表示标签c的负聚类中心，dist(·)表示训练样本x_n和聚类中心之间的欧式距离。

S120、对于各逻辑型类别标签，根据各训练样本在区别于当前逻辑型类别标签的各逻辑型类别标签下的类属特征，确定各训练样本在当前逻辑型类别标签下的目标类属特征。

在本实施例中，在得到训练样本在各逻辑型类别标签下的类属特征后，对于各逻辑型类别标签，为了可以确定当前逻辑型类别标签与其他逻辑型类别标签之间的相关性，以基于该相关性丰富与当前逻辑型类别标签相对应的类属特征，则可以将除当前逻辑型类别标签之外的其他逻辑型类别标签所对应的类属特征整合在一起，得到一个类属特征向量，进一步的，根据该类属特征向量，丰富该训练样本在当逻辑型类别标签下的类属特征，并将丰富后的类属特征作为目标类属特征。

在实际应用中，在确定训练样本在各逻辑型类别标签下的类属特征后，对于各逻辑型类别标签，可以将区别于当前逻辑型类别标签的各逻辑型类别标签所对应的类属特征整合在一起，得到类属特征向量，进而，根据该类属特征向量，对当前逻辑型类别标签下的类属特征进行丰富，以得到目标类属特征。

可选的，根据各训练样本在区别于当前逻辑型类别标签的各逻辑型类别标签下的类属特征，确定各训练样本在所述当前逻辑型类别标签下的目标类属特征，包括：对于各训练样本：根据当前训练样本在区别于当前逻辑型类别标签的各逻辑型类别标签下的类属特征，确定类属特征向量，基于类属特征向量和与当前逻辑型类别标签相对应的类属特征，确定与当前逻辑型类别标签相对应的特征权重值向量；基于特征权重值向量和预设权重值阈值，确定当前训练样本在所述当前逻辑型类别标签下的目标类属特征。

在本实施例中，类属特征向量可以为包括除当前逻辑型类别标签之外的其他逻辑型类别标签的类属特征的向量，即，将训练样本在区别于当前逻辑型类别标签的各逻辑型类别标签下的类属特征整合之后得到的向量。特征权重值向量可以为用于表征当前逻辑型类别标签与其他逻辑型类别标签之间相关性程度的向量。预设权重值阈值可以为预先设置的，用于对其他逻辑型类别标签所对应的类属特征进行筛选的标准权重值。

在本实施例中，特征权重值向量可以为用于表征当前逻辑型类别标签与其他逻辑型类别标签之间相关性程度的向量。预设权重值阈值可以为预先设置的，用于对其他逻辑型类别标签所对应的类属特征进行筛选的标准权重值。

在实际应用中，在得到与当前逻辑型类别标签相对应的类属特征向量后，可以根据该类属特征向量和与当前逻辑型类别标签相对应的类属特征，构建最小二乘规划问题，通过对该最小二乘规划问题进行求解，得到与当前逻辑型类别标签相对应的特征权重值向量。

示例性的，继续以当前逻辑型类别标签为标签c为例来对特征向量的确定过程进行说明：对于标签c，当前训练样本x_n所对应的类属特征向量可以为

其中，C表示逻辑型类别标签的数量，该类属特征向量的特征维度d_c＝∑_c′≠c 2m_c′，即，每一个

均包括2m_c个向量值。

示例性的，可以基于如下公式表示最小二乘规划问题：

其中，

表示特征权重值向量，l_c表示与当前逻辑型类别标签相对应的类属特征，

表示当前训练样本x_n所对应的类属特征向量，δ₁表示正则化参数，且值大于0。

进一步的，在得到特征权重值向量后，可以将特征权重值向量中的每一个权重值与预设权重值向量进行比对，以基于比对结果，确定训练样本在当前逻辑型类别标签下的目标类属特征。

可选的，基于特征权重值向量和预设权重值阈值，确定当前训练样本在当前逻辑型类别标签下的目标类属特征，包括：对于特征权重值向量中所包括的各权重值，若当前权重值大于等于预设权重值阈值，则确定与当前权重值相对应的类属特征，并基于类属特征，更新训练样本在当前逻辑类别标签下的类属特征，以得到目标类属特征。

在具体实施中，可以将特征权重值向量中的每一个权重值与预设权重值阈值进行比对，对于特征权重值向量中所包括的各权重值，由于特征权重值向量与任意训练样本所对应的子特征向量为相同特征维度的向量，并且，特征权重值向量中的元素与子特征向量中的元素一一对应，若当前权重值大于等于预设权重值阈值，则可以根据当前权重值，从相应子特征向量中确定与当前权重值相对应的类属特征，并将该类属特征添加至与当前逻辑型类别标签相对应的类属特征中，当将各权重值均与预设权重值阈值比对完成后，即可得到目标类属特征。

示例性的，可以基于如下公式确定目标类属特征：

ω_c＝{a||β_ca|≥δ₂,1≤a≤d_c}

其中，δ₂表示预设权重值阈值，β_ca表示特征权重值向量中的任意权重值。因此，与标签c相对应的目标类属特征为

其中，

表示标签c的类属特征，

为根据ω_c中的值所确定的其他类属特征。

S130、根据至少一个训练样本在各逻辑型类别标签下的目标类属特征，确定与各逻辑型类别标签相对应的数值型类别标签。

在本实施例中，数值型类别标签可以指示同一样本不同标签的重要性程度，还能指示同一标签对不同样本的重要性程度。数值型类别标签是通过实数值来表示标签值。

在实际应用中，由于逻辑型类别标签无法反映不同类别标签之间的重要度差异，因此，通过流形学习，将逻辑型类别标签转换为数值型类别标签，以体现不同类别标签的相对重要性。根据平滑性假设，当两个训练样本相距相近时，其类别标签相似，即，相邻的点很可能属于同一类别；相反，当两个训练样本相距较远时，其类别标签不同的可能性很大。也就是说，当两个训练样本相邻时，其所属的类别矢量在标签空间中的距离较近；当两个训练样本相距较远时，其所属的类别矢量在标签空间中的距离也较远，因此，可以利用流形学习思想，将特征空间中的局部拓扑结构映射至类别标签的数值空间中，以得到各逻辑型类别标签相对应的数值型类别标签。

可选的，根据至少一个训练样本在各逻辑型类别标签下的目标类属特征，确定与各逻辑型类别标签相对应的数值型类别标签，包括：根据至少一个训练样本在各所述逻辑型类别标签下的目标类属特征，确定样本关联权重矩阵；基于样本关联权重矩阵，确定与各逻辑型类别标签相对应的数值型类别标签。

在具体实施中，在得到训练样本在各逻辑型类别标签下的目标类属特征后，对于各训练样本，可以首先将当前训练样本在全部逻辑型类别标签下的目标类属特征整合在一起，得到总类属特征，进一步的，根据各训练样本所对应的总类属特征构建标准最小二乘规划问题，通过求解该最小二乘规划问题，得到样本关联权重矩阵。

示例性的，可以基于如下公式确定样本关联权重矩阵：

其中，

表示样本关联权重矩阵，

表示训练样本i在全部逻辑型类别标签下的目标类属特征，

表示训练样本j在全部逻辑型类别标签下的目标类属特征。

进一步的，在得到样本关联权重矩阵后，即可在类别标签空间中建立局部区域内的线性关系，由于样本关联权重矩阵不变，使得目标类属特征空间的样本拓扑关系在类别标签的数值空间中得以保持，进而，可以根据样本关联权重矩阵，确定与各逻辑型类别标签相对应的数值型类别标签。

示例性的，可以基于如下公式确定与各逻辑型类别标签相对应的数值型类别标签：

其中，μ_i为逻辑型类别标签y_i所对应的数值型类别标签。同时，添加如下约束使得数值型类别标签可以通过符号表征其是否与训练样本关联：

1≤l≤q，y_ilμ_il≥α

其中，α>0。通过上述约束对C(μ)进行最小化求解，以得到与各逻辑型类别标签相对应的数值型类别标签。

S140、基于各数值型类别标签以及至少一个训练样本在各逻辑型类别标签下的目标类属特征，对待训练模型进行训练，得到多标签分类模型。

在本实施例中，多标签分类模型可以为用于确定与任意对象相关联的至少一个类别的神经网络模型。

在实际应用过程中，在将各训练样本中所包括的原始特征转换为目标类属特征，并且，将各逻辑型类别标签转换为数值型类别标签后，此时，将转换后的训练样本输入至待训练模型中，得到实际输出结果，基于实际输出结果与相应数值型类别标签，确定模型损失，以基于模型损失对待训练模型进行模型参数调整，从而最终得到多标签分类模型。

需要说明的是，由于多标签分类模型是基于数值型类别标签训练得到的模型，在模型应用过程中，其对应的输出结果也会是相应的实数值，此时，为了确定对象所关联的目标类别，可以通过将实数值与预设标准值进行比对，根据比对结果，确定对象所关联的目标类别。

基于此，在上述各技术方案的基础上，还包括：获取与待处理对象相对应的至少一个目标类属特征；基于多标签分类模型对至少一个目标类属特征进行处理，得到待处理对象在至少一个类别下的类别数据值；基于各类别数据值，确定待处理对象所关联的至少一个目标类别。

在本实施例中，待处理对象可以为需要进行多标签分类的对象。示例性的，待处理对象可以为一幅图像，一篇文章以及一首音乐等。类别数据值可以用于表征待处理对象在相应类别下的重要性程度，或者，也可以理解为待处理对象在相应类别下的权重。

在具体实施中，可以首先确定待处理对象，并确定与待处理对象相对应的至少一个目标类属特征，然后，将至少一个目标类属特征输入至多标签分类模型中，可以得到待处理对象在至少一个类别下的类别数据值，进一步的，对于各类别数据值，若当前类别数据值大于预设分类标准值，则可以将当前类别数据值所对应的类别作为目标类别，在对各类别数据值均遍历完成后，即可得到待处理对象所关联的至少一个目标类别。预设分类标准值可以为任意值，可选的，可以为0.5。

本发明实施例的技术方案，通过获取至少一个训练样本在所关联的至少一个逻辑型类别标签下的类属特征，然后，对于各逻辑型类别标签，根据各训练样本在区别于当前逻辑型类别标签的各逻辑型类别标签下的类属特征，确定各训练样本在当前逻辑型类别标签下的目标类属特征，进一步的，根据至少一个训练样本在各逻辑型类别标签下的目标类属特征，确定与各逻辑型类别标签相对应的数值型类别标签，最后，基于各数值型类别标签以及至少一个训练样本在各逻辑型类别标签下的目标类属特征，对待训练模型进行训练，得到多标签分类模型，解决了现有技术中多标签分类中没有考虑到不同特征对不同类别标签的鉴别能力，并没有考虑到标签与标签之间的关联性，从而导致标签分类准确率低或特征选择准确率低等问题，实现了对特征空间和标签空间进行优化，以得到一个性能较好的多标签分类模型的效果，提高了多标签分类模型的分类准确率以及分类效率。

实施例二

图2是本发明实施例二提供的一种数据处理装置的结构示意图。如图2所示，该装置包括：类属特征获取模块210、目标类属特征确定模块220、数值型类别标签确定模块230以及待训练模型训练模块240。

其中，类属特征获取模块210，用于获取至少一个训练样本在所关联的至少一个逻辑型类别标签下的类属特征；

目标类属特征确定模块220，用于对于各所述逻辑型类别标签，根据各所述训练样本在区别于当前逻辑型类别标签的各逻辑型类别标签下的类属特征，确定各所述训练样本在所述当前逻辑型类别标签下的目标类属特征；

数值型类别标签确定模块230，用于根据所述至少一个训练样本在各所述逻辑型类别标签下的目标类属特征，确定与各所述逻辑型类别标签相对应的数值型类别标签；

待训练模型训练模块240，用于基于各所述数值型类别标签以及所述至少一个训练样本在各所述逻辑型类别标签下的目标类属特征，对待训练模型进行训练，得到多标签分类模型；其中，所述特征向量中包括各训练样本所对应的子特征向量，所述子特征向量由训练样本在区别于所述当前逻辑型类别标签的逻辑型类别标签下的类属特征构建得到。

本发明实施例的技术方案，通过获取至少一个训练样本在所关联的至少一个逻辑型类别标签下的类属特征，然后，对于各逻辑型类别标签，根据各训练样本在区别于当前逻辑型类别标签的各逻辑型类别标签下的类属特征，确定各训练样本在当前逻辑型类别标签下的目标类属特征，进一步的，根据至少一个训练样本在各逻辑型类别标签下的目标类属特征，确定与各逻辑型类别标签相对应的数值型类别标签，最后，基于各数值型类别标签以及至少一个训练样本在各逻辑型类别标签下的目标类属特征，对待训练模型进行训练，得到多标签分类模型，解决了现有技术中多标签分类中没有考虑到不同特征对不同类别标签的鉴别能力，并没有考虑到标签与标签之间的关联性，从而导致标签分类准确率低或特征选择准确率低等问题，实现了对特征空间和标签空间进行优化，以得到一个性能较好的多标签分类模型的效果，提高了多标签分类模型的分类准确率以及分类效率。

可选的，所述装置还包括：样本集合确定模块和类属特征确定模块。

样本集合确定模块，用于根据至少一个训练样本以及与各所述训练样本相关联的至少一个逻辑型类别标签，确定与各所述逻辑型类别标签相对应的正样本集合和负样本集合；

类属特征确定模块，用于对于各所述逻辑型类别标签，根据与当前逻辑型类别标签相对应的正样本集合和负样本集合，确定所述至少一个训练样本在所述当前逻辑型类别标签下的类属特征。

可选的，类属特征确定模块包括：聚类中心确定单元和类属特征确定单元。

聚类中心确定单元，用于根据预设聚类算法，分别对与所述逻辑型类别标签相对应的正样本集合和负样本集合进行聚类处理，得到至少一个正聚类中心和至少一个负聚类中心；

类属特征确定单元，用于对于各所述训练样本，根据预先获取的与当前训练样本相对应的原始特征以及与所述逻辑型类别标签相对应的至少一个正聚类中心和至少一个负聚类中心，确定与当前训练样本在所述逻辑型类别标签下的类属特征。

可选的，目标类属特征确定模块220包括：类属特征向量确定单元、特征权重值向量确定单元和目标类属特征确定单元。

对于各所述训练样本：

类属特征向量确定单元，用于根据当前训练样本在区别于当前逻辑型类别标签的各逻辑型类别标签下的类属特征，确定类属特征向量；

特征权重值向量确定单元，用于基于所述类属特征向量和与所述当前逻辑型类别标签相对应的类属特征，确定与所述当前逻辑型类别标签相对应的特征权重值向量；

目标类属特征确定单元，用于基于所述特征权重值向量和预设权重值阈值，确定所述当前训练样本在所述当前逻辑型类别标签下的目标类属特征。

可选的，目标类属特征确定单元，具体用于对于所述特征权重值向量中所包括的各权重值，若当前权重值大于等于所述预设权重值阈值，则确定与当前权重值相对应的类属特征，并基于所述类属特征，更新所述训练样本在所述当前逻辑类别标签下的类属特征，以得到所述目标类属特征。

可选的，数值型类别标签确定模块230包括：关联矩阵确定单元和数值型类别标签确定单元。

关联矩阵确定单元，用于根据所述至少一个训练样本在各所述逻辑型类别标签下的目标类属特征，确定样本关联权重矩阵；

数值型类别标签确定单元，用于基于所述样本关联权重矩阵，确定与各所述逻辑型类别标签相对应的数值型类别标签。

可选的，所述装置还包括：目标类属特征获取模块、目标类属特征处理模块以及目标类别确定模块。

目标类属特征获取模块，用于获取与待处理对象相对应的至少一个目标类属特征；

目标类属特征处理模块，用于基于所述多标签分类模型对所述至少一个目标类属特征进行处理，得到所述待处理对象在至少一个类别下的数据值；

目标类别确定模块，用于基于各所述数据值，确定所述待处理对象所关联的至少一个目标类别。

本发明实施例所提供的数据处理装置可执行本发明任意实施例所提供的数据处理方法，具备执行方法相应的功能模块和有益效果。

实施例三

图3示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图3所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如数据处理方法。

在一些实施例中，数据处理方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的数据处理方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行数据处理方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种数据处理方法，其特征在于，包括：

获取至少一个训练样本在所关联的至少一个逻辑型类别标签下的类属特征；

对于各所述逻辑型类别标签，根据各所述训练样本在区别于当前逻辑型类别标签的各逻辑型类别标签下的类属特征，确定各所述训练样本在所述当前逻辑型类别标签下的目标类属特征；

根据所述至少一个训练样本在各所述逻辑型类别标签下的目标类属特征，确定与各所述逻辑型类别标签相对应的数值型类别标签；

基于各所述数值型类别标签以及所述至少一个训练样本在各所述逻辑型类别标签下的目标类属特征，对待训练模型进行训练，得到多标签分类模型；

其中，所述特征向量中包括各训练样本所对应的子特征向量，所述子特征向量由训练样本在区别于所述当前逻辑型类别标签的逻辑型类别标签下的类属特征构建得到。

2.根据权利要求1所述的方法，其特征在于，还包括：

根据至少一个训练样本以及与各所述训练样本相关联的至少一个逻辑型类别标签，确定与各所述逻辑型类别标签相对应的正样本集合和负样本集合；

对于各所述逻辑型类别标签，根据与当前逻辑型类别标签相对应的正样本集合和负样本集合，确定所述至少一个训练样本在所述当前逻辑型类别标签下的类属特征。

3.根据权利要求2所述的方法，其特征在于，所述根据与当前逻辑型类别标签相对应的正样本集合和负样本集合，确定所述至少一个训练样本在所述当前逻辑型类别标签下的类属特征，包括：

根据预设聚类算法，分别对与所述逻辑型类别标签相对应的正样本集合和负样本集合进行聚类处理，得到至少一个正聚类中心和至少一个负聚类中心；

对于各所述训练样本，根据预先获取的与当前训练样本相对应的原始特征以及与所述逻辑型类别标签相对应的至少一个正聚类中心和至少一个负聚类中心，确定与当前训练样本在所述逻辑型类别标签下的类属特征。

4.根据权利要求1所述的方法，其特征在于，所述根据各所述训练样本在区别于当前逻辑型类别标签的各逻辑型类别标签下的类属特征，确定各所述训练样本在所述当前逻辑型类别标签下的目标类属特征，包括：

对于各所述训练样本：

根据当前训练样本在区别于当前逻辑型类别标签的各逻辑型类别标签下的类属特征，确定类属特征向量；

基于所述类属特征向量和与所述当前逻辑型类别标签相对应的类属特征，确定与所述当前逻辑型类别标签相对应的特征权重值向量；

基于所述特征权重值向量和预设权重值阈值，确定所述当前训练样本在所述当前逻辑型类别标签下的目标类属特征。

5.根据权利要求4所述的方法，其特征在于，所述基于所述特征权重值向量和预设权重值阈值，确定所述当前训练样本在所述当前逻辑型类别标签下的目标类属特征，包括：

对于所述特征权重值向量中所包括的各权重值，若当前权重值大于等于所述预设权重值阈值，则确定与当前权重值相对应的类属特征，并基于所述类属特征，更新所述训练样本在所述当前逻辑类别标签下的类属特征，以得到所述目标类属特征。

6.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个训练样本在各所述逻辑型类别标签下的目标类属特征，确定与各所述逻辑型类别标签相对应的数值型类别标签，包括：

根据所述至少一个训练样本在各所述逻辑型类别标签下的目标类属特征，确定样本关联权重矩阵；

基于所述样本关联权重矩阵，确定与各所述逻辑型类别标签相对应的数值型类别标签。

7.根据权利要求1所述的方法，其特征在于，还包括：

获取与待处理对象相对应的至少一个目标类属特征；

基于所述多标签分类模型对所述至少一个目标类属特征进行处理，得到所述待处理对象在至少一个类别下的数据值；

基于各所述数据值，确定所述待处理对象所关联的至少一个目标类别。

8.一种数据处理装置，其特征在于，包括：

类属特征获取模块，用于获取至少一个训练样本在所关联的至少一个逻辑型类别标签下的类属特征；

目标类属特征确定模块，用于对于各所述逻辑型类别标签，根据各所述训练样本在区别于当前逻辑型类别标签的各逻辑型类别标签下的类属特征，确定各所述训练样本在所述当前逻辑型类别标签下的目标类属特征；

数值型类别标签确定模块，用于根据所述至少一个训练样本在各所述逻辑型类别标签下的目标类属特征，确定与各所述逻辑型类别标签相对应的数值型类别标签；

待训练模型训练模块，用于基于各所述数值型类别标签以及所述至少一个训练样本在各所述逻辑型类别标签下的目标类属特征，对待训练模型进行训练，得到多标签分类模型；其中，所述特征向量中包括各训练样本所对应的子特征向量，所述子特征向量由训练样本在区别于所述当前逻辑型类别标签的逻辑型类别标签下的类属特征构建得到。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的数据处理方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的数据处理方法。

Images