CN116204648A - 样本确定方法、装置、计算机设备及计算机可读存储介质 - Google Patents

样本确定方法、装置、计算机设备及计算机可读存储介质 Download PDF

Info

Publication number
CN116204648A
CN116204648A CN202310341243.0A CN202310341243A CN116204648A CN 116204648 A CN116204648 A CN 116204648A CN 202310341243 A CN202310341243 A CN 202310341243A CN 116204648 A CN116204648 A CN 116204648A
Authority
CN
China
Prior art keywords
characteristic
text
sample
feature
vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310341243.0A
Other languages
English (en)
Inventor
何静
顾秀颖
袁章凯
吴越
刘大全
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Changan Automobile Co Ltd
Original Assignee
Chongqing Changan Automobile Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing Changan Automobile Co Ltd filed Critical Chongqing Changan Automobile Co Ltd
Priority to CN202310341243.0A priority Critical patent/CN116204648A/zh
Publication of CN116204648A publication Critical patent/CN116204648A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/353—Clustering; Classification into predefined classes
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

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。

Description

样本确定方法、装置、计算机设备及计算机可读存储介质
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。
本申请的实施例中，每个特征信息还包括依赖特征和数值区间权重，其中，依赖特征包括依赖特征名称和依赖条件，数值区间权重包括至少两个区间权重；
特征数据类型包括分类数据、整形数据及浮点型数据，其中，在特征数据类型为整形数据或浮点型数据的情况下，特征信息还包括特征变化步长。
本申请的实施例中，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，包括：
基于每个标签触发条件，确定当前特征文本样本符合的目标标签；
对当前特征文本样本添加目标标签，得到车辆的文本样本集。
本申请的实施例中，获取车辆的至少一个特征信息和至少一个分类信息，包括：
基于目标算法模型的应用场景，确定车辆的至少一个特征信息和至少一个分类信息。
第二方面，本申请提供一种样本确定装置，包括：
信息获取模块，用于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；
样本生成模块，用于根据每个特征信息，生成预设数量的特征文本样本；
标签添加模块，用于基于分类信息，对每个特征文本样本添加标签，得到车辆的文本样本集；
样本集确定模块，用于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。
第三方面，本申请提供一种计算机设备，计算机设备包括存储器及处理器，存储器存储有计算机程序，计算机程序在处理器执行时，实现如权利要求1至7中任一项的样本确定方法。
第四方面，本申请提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，实现如权利要求1至7中任一项的样本确定方法。
本发明的有益效果：
(1)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；
(2)生成的样本分布均衡、标签准确且可靠性强。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1示出了本申请实施例提供的样本确定方法的第一种流程图；
图2示出了本申请实施例提供的样本确定方法的第二种流程图；
图3示出了本申请实施例提供的样本确定方法的第三种流程图；
图4示出了本申请实施例提供的样本确定装置的结构示意图。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
在下文中，可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。
实施例1
请参阅图1，图1示出了本申请实施例提供的样本确定方法的第一种流程图。图1中的样本确定方法包括：
S110，获取车辆的至少一个特征信息和至少一个分类信息。
特征是信息的集合，用于作为事物特点的标识。在需要生成算法模型的样本的情况下，获取车辆的至少一个特征信息和至少一个分类信息。具体地，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。
请参阅图2，图2示出了本申请实施例提供的样本确定方法的第二种流程图。
本申请的实施例中，获取车辆的至少一个特征信息和至少一个分类信息，包括：
S111，基于目标算法模型的应用场景，确定车辆的至少一个特征信息和至少一个分类信息。
算法模型可用于车辆类型识别及车辆故障识别等车辆识别场景，基于不同的应用场景，需输入不同的特征，以迭代训练算法模型。具体地，在算法模型用于车辆类型识别的情况下，输入至算法模型的特征通常为车辆的型号、类别等车辆标识数据。在算法模型用于车辆故障识别的情况，输入至算法模型的特征通常为车辆的速度、温度等车辆运行状态数据。基于目标算法模型的应用场景，确定车辆的至少一个特征信息和至少一个分类信息，以确定应用场景所需的样本。
S120，根据每个特征信息，生成预设数量的特征文本样本。
样本是包括多个特征的集合。获取车辆的特征信息和分类信息之后，根据每个特征信息，生成多个特征。将生成的多个特征进行组合，生成预设数量的特征文本样本，其中，预设数量是根据实际需求设置的，在此不做限定。举例而言，根据每个特征信息，生成的特征A可以为车辆的速度为30km/h，生成的特征B可以为车辆的引擎温度为85摄氏度。将特征A与特征B进行组合，得到特征文本样本，即特征文本样本为包括车辆的引擎温度和速度两个特征的集合。需要理解的是，样本的数量不足将影响算法模型的可靠性，预设数量应尽可能为大数据量。
本申请的实施例中，每个特征信息还包括依赖特征和数值区间权重，其中，依赖特征包括依赖特征名称和依赖条件，数值区间权重包括至少两个区间权重；
特征数据类型包括分类数据、整形数据及浮点型数据，其中，在特征数据类型为整形数据或浮点型数据的情况下，特征信息还包括特征变化步长。
需要理解的是，依赖特征是根据实际需求设置的，每个特征信息可包括依赖特征，也可不包括依赖特征，在此不做限定。本申请的实施例中，每个特征信息还包括依赖特征，能够提高生成特征文本样本的可靠性。具体地，依赖特征包括依赖特征名称和依赖条件，依赖名称可以为特征名称列表，依赖条件可以为包括特征的表达式，在此不做赘述。生成预设数量的特征文本样本的过程中，检测生成的特征是否符合依赖条件。在生成的特征符合依赖条件的情况下，创建生成的特征的数值。在生成的特征不符合依赖条件的情况下，将生成的特征的数值置为无效数值，其中，无效数值可根据实际需求保留，也可根据实际需求丢弃，在此不做限定。
数值区间权重也根据需求设置的，每个特征信息可包括数值区间权重，也可不包括数值区间权重，在此不做限定。本申请的实施例中，每个特征信息还包括数值区间权重，能够提高生成特征文本样本的可靠性。具体地，数值区间权重包括至少两个区间权重。为便于理解，以数值区间权重包括[0，7，0.8]和[8，10，0.2]为例，生成预设数量的特征文本样本的过程中，生成的特征为数字0至7中任意一个数字的概率为0.8，生成的特征为数字8至10中任意一个数字的概率为0.2。
为了保证生成的样本能够满足所有的文本的数据类型，特征数据类型包括分类数据、整形数据及浮点型数据。具体地，分类数据是基于事物的属性对事物进行分类或分组，得到的反映事物属性的数据。通常分类数据为有限字符串或数值数据，在特征数据类型为分类数据的情况下，特征信息不还包括特征变化步长。整形数据为不包括小数的数值数据。浮点型数据包括浮点型常量和浮点型变量。在特征数据类型为整形数据或浮点型数据的情况下，特征信息还包括特征变化步长。
S130，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。
本申请的实施例中，标签为样本标注的算法模型的预测结果。样本可以包括标签，也可以不包括标签。在样本包括的标签的情况下，样本用于算法模型的训练和预测。在样本不包括标签的情况下，样本仅用于算法模型的预测。
根据特征信息生成的特征文本样本为包括特征且不包括标签的样本。根据每个特征信息，生成预设数量的特征文本样本之后，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。文本样本集包括了预设数量的文本样本，且每个文本样本包括完整的标签和特征，能够用于算法模型的训练。
本申请的实施例中，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，包括：
基于每个标签触发条件，确定当前特征文本样本符合的目标标签；
对当前特征文本样本添加目标标签，得到车辆的文本样本集。
每个分类信息包括标签和标签对应的标签触发条件。基于每个标签触发条件，确定当前特征文本样本符合的目标标签。对当前特征文本样本添加目标标签，得到车辆的文本样本集。以存在标签1和标签2为例，标签1和标签2的标签触发条件均为表达式，具体地，标签1的标签触发条件为特征A>X，标签2的标签触发条件为特征B＝Y。生成预设数量的特征文本样本之后，遍历每个特征文本样本。在基于每个标签触发条件，确定当前特征文本样本中的特征满足特征A>X的表达式的情况下，则确定当前特征文本样本符合的目标标签为标签1，对当前特征文本样本添加标签1。在基于每个标签触发条件，确定当前特征文本样本中的特征满足特征B＝Y的表达式的情况下，则确定当前特征文本样本符合的目标标签为标签2，对当前特征文本样本添加标签2。通过对每个特征文本样本添加标签，得到车辆的文本样本集。
S140，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。
根据特征信息生成特征文本样本具有随机性，保证了得到的文本样本集的可靠性，但导致了每个标签对应的特征文本样本的数量不固定。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，使得每个对应的特征文本样本的数量接近或相等，进而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。
需要理解的是，本申请的实施例中目标样本集为包括预设数量文本样本的集合，目标样本集中的数据通常为字符串或数值。在算法模型基于文本样本进行迭代训练的情况下，则直接将目标样本集中的文本样本输入至算法模型。在算法模型基于图像样本进行迭代训练的情况下，则将目标样本集中文本样本转换为图像样本，并转换后的图像样本输入至算法模型，其中，文本样本与图像样本的转换步骤是根据实际需求设置的，在此不做赘述。还需要理解的是，本申请实施例中确定车辆的目标样本集，可以作为算法模型的训练样本，也可以作为算法模型的测试样本，在此不做限定。
请参阅图3，图3示出了本申请实施例提供的样本确定方法的第三种流程图。
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：
S141，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。
为便于理解，本申请的实施例中每个标签对应的特征文本样本的目标数量相等。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。以存在标签1和标签2，且预设数量为1000为例，将预设数量与标签的数量相除，得到每个标签对应的特征文本样本的目标数量为500。
S142，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。
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。具体地，基于目标数量调整每个标签对应的特征文本样本的数量，使得每个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。
在当前标签对应的特征文本样本的数量等于目标数量的情况下，则不调整当前标签对应的特征文本样本的数量。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，包括当前对应的特征文本样本，并重复执行步骤120，即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，以增加当前标签对应的特征文本样本的数量，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。
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，以降低当前标签对应的特征文本样本的数量，直到当前标签对应的特征文本样本的数量等于目标数量。通过对文本样本集中的样本进行数量均衡，使得每个标签对应的特征文本样本的数量等于目标数量，使得目标样本集的样本分布均衡。基于样本分布均衡的目标样本集迭代训练算法模型，能够提高模型的可靠性。同时，目标样本集的样本也可用于对算法模型的验证和测试。
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。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。
实施例2
请参阅图4，图4示出了本申请实施例提供的样本确定装置的结构示意图。图4中的样本确定装置200包括：
信息获取模块210，用于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；
样本生成模块220，用于根据每个特征信息，生成预设数量的特征文本样本；
标签添加模块230，用于基于分类信息，对每个特征文本样本添加标签，得到车辆的文本样本集；
样本集确定模块240，用于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，样本集确定模块240，包括：
目标数量确定子模块，用于根据标签的数量，计算每个标签对应的特征文本样本的目标数量；
数量均衡子模块，用于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，数量均衡子模块，还用于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，数量均衡子模块，还用于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。
本申请的实施例中，每个特征信息还包括依赖特征和数值区间权重，其中，依赖特征包括依赖特征名称和依赖条件，数值区间权重包括至少两个区间权重；
特征数据类型包括分类数据、整形数据及浮点型数据，其中，在特征数据类型为整形数据或浮点型数据的情况下，特征信息还包括特征变化步长。
本申请的实施例中，标签添加模块230，包括：
目标标签确定子模块，用于基于每个标签触发条件，确定当前特征文本样本符合的目标标签；
文本样本集得到子模块，用于对当前特征文本样本添加目标标签，得到车辆的文本样本集。
本申请的实施例中，信息获取模块210，还用于基于目标算法模型的应用场景，确定车辆的至少一个特征信息和至少一个分类信息。
样本确定装置200用于执行上述的样本确定方法中的对应步骤，各个功能的具体实施，在此不再一一描述。此外，实施例1中可选示例也同样适用于实施例2的样本确定装置200。
本申请实施例还提供一种计算机设备，计算机设备包括存储器及处理器，存储器存储有计算机程序，计算机程序在处理器执行时，实现如实施例1的样本确定方法。
本实施例中的信息获取模块210、样本生成模块220、标签添加模块230及样本集确定模块240等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来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。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，实现如实施例1的实现如实施例1的样本确定方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种样本确定方法，其特征在于，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，每个所述特征信息包括特征名称、特征有效区间及特征数据类型，每个所述分类信息包括标签及标签触发条件；
根据每个所述特征信息，生成预设数量的特征文本样本；
基于所述分类信息，对每个所述特征文本样本添加所述标签，得到所述车辆的文本样本集；
根据每个所述标签对应的所述特征文本样本的数量，对所述文本样本集中的样本进行数量均衡，确定所述车辆的目标样本集。
2.根据权利要求1所述的样本确定方法，其特征在于，所述根据每个所述标签对应的所述特征文本样本的数量，对所述文本样本集中的样本进行数量均衡，确定所述车辆的目标样本集，包括：
根据所述标签的数量，计算每个所述标签对应的所述特征文本样本的目标数量；
基于所述目标数量和每个所述标签对应的所述特征文本样本的数量，对所述文本样本集中的样本进行数量均衡，确定所述车辆的目标样本集。
3.根据权利要求2所述的样本确定方法，其特征在于，所述基于所述目标数量和每个所述标签对应的所述特征文本样本的数量，对所述文本样本集中的样本进行数量均衡，确定所述车辆的目标样本集，包括：
在当前标签对应的所述特征文本样本的数量小于所述目标数量的情况下，重复执行所述根据每个所述特征信息，生成预设数量的特征文本样本的步骤，直到所述当前标签对应的所述特征文本样本的数量等于所述目标数量。
4.根据权利要求2所述的样本确定方法，其特征在于，所述基于所述目标数量和每个所述标签对应的所述特征文本样本的数量，对所述文本样本集中的样本进行数量均衡，确定所述车辆的目标样本集，包括：
在当前标签对应的所述特征文本样本的数量大于所述目标数量的情况下，滤除当前标签对应的所述特征文本样本，直到所述当前标签对应的所述特征文本样本的数量等于所述目标数量。
5.根据权利要求1所述的样本确定方法，其特征在于，每个所述特征信息还包括依赖特征和数值区间权重，其中，所述依赖特征包括依赖特征名称和依赖条件，所述数值区间权重包括至少两个区间权重；
所述特征数据类型包括分类数据、整形数据及浮点型数据，其中，在所述特征数据类型为整形数据或浮点型数据的情况下，所述特征信息还包括特征变化步长。
6.根据权利要求1所述的样本确定方法，其特征在于，所述基于所述分类信息，对每个所述特征文本样本添加所述标签，得到所述车辆的文本样本集，包括：
基于每个所述标签触发条件，确定当前特征文本样本符合的目标标签；
对所述当前特征文本样本添加所述目标标签，得到所述车辆的文本样本集。
7.根据权利要求1所述的样本确定方法，其特征在于，所述获取车辆的至少一个特征信息和至少一个分类信息，包括：
基于目标算法模型的应用场景，确定所述车辆的至少一个特征信息和至少一个分类信息。
8.一种样本确定装置，其特征在于，包括：
信息获取模块，用于获取车辆的至少一个特征信息和至少一个分类信息，其中，每个所述特征信息包括特征名称、特征有效区间及特征数据类型，每个所述分类信息包括标签及标签触发条件；
样本生成模块，用于根据每个所述特征信息，生成预设数量的特征文本样本；
标签添加模块，用于基于所述分类信息，对每个所述特征文本样本添加所述标签，得到所述车辆的文本样本集；
样本集确定模块，用于根据每个所述标签对应的所述特征文本样本的数量，对所述文本样本集中的样本进行数量均衡，确定所述车辆的目标样本集。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器存储有计算机程序，所述计算机程序在所述处理器执行时，实现如权利要求1至7中任一项所述的样本确定方法。
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上存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述的样本确定方法。
CN202310341243.0A 2023-03-31 2023-03-31 样本确定方法、装置、计算机设备及计算机可读存储介质 Pending CN116204648A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310341243.0A CN116204648A (zh) 2023-03-31 2023-03-31 样本确定方法、装置、计算机设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310341243.0A CN116204648A (zh) 2023-03-31 2023-03-31 样本确定方法、装置、计算机设备及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN116204648A true CN116204648A (zh) 2023-06-02

Family

ID=86515878

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310341243.0A Pending CN116204648A (zh) 2023-03-31 2023-03-31 样本确定方法、装置、计算机设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN116204648A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116821647A (zh) * 2023-08-25 2023-09-29 中国电子科技集团公司第十五研究所 基于样本偏离评估的数据标注的优化方法、装置及设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116821647A (zh) * 2023-08-25 2023-09-29 中国电子科技集团公司第十五研究所 基于样本偏离评估的数据标注的优化方法、装置及设备
CN116821647B (zh) * 2023-08-25 2023-12-05 中国电子科技集团公司第十五研究所 基于样本偏离评估的数据标注的优化方法、装置及设备

Similar Documents

Publication Publication Date Title
CN108418825B (zh) 风险模型训练、垃圾账号检测方法、装置以及设备
CN109816032B (zh) 基于生成式对抗网络的无偏映射零样本分类方法和装置
CN110348580B (zh) 构建gbdt模型的方法、装置及预测方法、装置
CN111767957B (zh) 一种日志异常的检测方法、装置、存储介质及电子设备
CN110502677B (zh) 一种设备识别方法、装置及设备、存储介质
CN111199157B (zh) 一种文本数据处理方法及其装置
CN110968689A (zh) 罪名及法条预测模型的训练方法以及罪名及法条预测方法
CN116204648A (zh) 样本确定方法、装置、计算机设备及计算机可读存储介质
CN112560971A (zh) 一种主动学习自迭代的图像分类方法和系统
CN112818162A (zh) 图像检索方法、装置、存储介质和电子设备
CN115035347A (zh) 图片识别方法、装置及电子设备
CN115423040A (zh) 互动营销平台的用户画像识别方法及ai系统
CN113919418A (zh) 基于小样本的分类模型训练方法、装置及电子设备
CN114254588B (zh) 数据标签处理方法和装置
CN116504230A (zh) 数据闭环方法、装置、计算机设备及计算机可读存储介质
CN116823793A (zh) 设备缺陷检测方法、装置、电子设备和可读存储介质
CN117523218A (zh) 标签生成、图像分类模型的训练、图像分类方法及装置
CN112256841B (zh) 文本匹配和对抗文本识别方法、装置及设备
CN117609393B (zh) 一种元数据一致性测试方法
CN111475641A (zh) 一种数据抽取方法、装置、存储介质及设备
CN111159397A (zh) 文本分类方法和装置、服务器
CN111612021A (zh) 一种错误样本识别方法、装置及终端
CN115908998B (zh) 水深数据识别模型的训练方法、水深数据识别方法及装置
CN117557157B (zh) 一种基于卷积神经网络的质量考核评价方法
CN113192093B (zh) 基于双流网络结构的快速显著性目标检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination