任务分类方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本申请实施例提供了一种任务分类方法、装置、电子设备及计算机可读存储介质，涉及计算机技术领域。该方法包括：通过获取待测任务的任务特征数据，根据至少两种分类算法以及所述任务特征数据，对所述待测任务进行分类预测，得到每种所述分类算法的第一分类结果，基于至少两种所述分类算法分别对应的第一分类结果，确定所述待测任务的第二分类结果，其中，每种所述分类算法的预测准确率大于预设阈值。这样，基于多种分类算法对待测任务进行分类预测，并根据各分类算法分别对应的分类结果确定最终的分类结果，可以避免单一分类算法的局限性的影响，从而提升分类预测的准确率。从而提升分类预测的准确率。从而提升分类预测的准确率。

【技术实现步骤摘要】
任务分类方法、装置、电子设备及计算机可读存储介质


[0001]本申请涉及计算机
，具体而言，本申请涉及一种任务分类方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]在机器学习领域，任务分类是通过学习得到一个目标函数f把每个属性集x映射到一个预先定义的类标号y。结合实际场景，任务分类可以是判断一封电子邮件是否是垃圾邮件、判断手写文本中每个字符对应的字母(如拉丁字母)、根据用户行为判断该用户是否会流失等等。
[0003]在实际实施过程中，通常通过分类算法实现对待测任务的分类，然而，由于一些分类算法具有局限性，导致最终得到的分类结果准确率较低。例如，一些分类算法仅适用于针对离散型数据进行分类、或者仅适用于针对连续型数据进行分类，从而导致针对适用的数据以外的其他数据进行分类时，准确率较低。

技术实现思路

[0004]本申请的目的旨在至少能解决上述的技术缺陷之一，特别是分类算法的分类结果准确率较低的技术缺陷。
[0005]根据本申请的一个方面，提供了一种任务分类方法，该方法包括：获取待测任务的任务特征数据；
[0006]根据至少两种分类算法以及所述任务特征数据，对所述待测任务进行分类预测，得到每种所述分类算法的第一分类结果；其中，所述第一分类结果包括所述待测任务的任务类型；每种所述分类算法的预测准确率大于预设阈值；
[0007]基于至少两种所述分类算法分别对应的第一分类结果，确定所述待测任务的第二分类结果，并将所述第二分类结果对应的类型作为所述待测任务的最终的任务类型。
[0008]可选的，所述基于每种分类算法对应的第一分类结果，确定所述待测任务的第二分类结果，包括：
[0009]在所述至少两种分类算法分别对应的第一分类结果相同的情况下，将所述第一分类结果确定为所述第二分类结果。
[0010]可选的，所述基于每种分类算法对应的第一分类结果，确定所述待测任务的第二分类结果，包括：
[0011]在所述至少两种分类算法分别对应的第一分类结果不相同的情况下，确定每种所述第一分类结果的占比；
[0012]根据所述占比确定所述第二分类结果。
[0013]可选的，所述根据所述占比确定所述第二分类结果，包括：
[0014]在各所述第一分类结果的占比不相同的情况下，确定所述占比最大的第一分类结果为所述第二分类结果。
[0015]可选的，所述根据所述占比确定所述第二分类结果，包括：
[0016]在各所述第一分类结果的占比相同的情况下，
[0017]确定预测准确率最高的所述第一分类结果为所述第二分类结果；
[0018]或
[0019]确定权重值最大的分类算法对应的第一分类结果为所述第二分类结果；
[0020]或
[0021]确定与所述任务特征数据的数据类型相匹配的分类算法，确定相匹配的分类算法对应的第一分类结果为所述第二分类结果。
[0022]可选的，所述分类算法至少包括如下项中的两项：支持向量机分类算法、多层感知机分类算法、逻辑回归分类算法、随机决策森林分类算法、高斯贝叶斯分类算法、伯努利贝叶斯分类算法。
[0023]根据本申请的另一个方面，提供了一种任务分类装置，该装置包括：
[0024]数据获取模块，用于获取待测任务的任务特征数据；
[0025]第一分类模块，用于根据至少两种分类算法以及所述任务特征数据，对所述待测任务进行分类预测，得到每种所述分类算法的第一分类结果；其中，所述第一分类结果包括所述待测任务的任务类型；每种所述分类算法的预测准确率大于预设阈值；
[0026]第二分类模块，用于基于至少两种所述分类算法分别对应的第一分类结果，确定所述待测任务的第二分类结果，并将所述第二分类结果对应的类型作为所述待测任务的最终的任务类型。
[0027]可选的，所述第二分类模块具体用于在所述至少两种分类算法分别对应的第一分类结果不相同的情况下，确定每种所述第一分类结果的占比；
[0028]根据所述占比确定所述第二分类结果。
[0029]根据本申请的另一个方面，提供了一种电子设备，该电子设备包括：
[0030]一个或多个处理器；
[0031]存储器；
[0032]一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行根据本申请的第一方面任一项所述的任务分类方法。
[0033]例如，本申请的第三方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；
[0034]存储器用于存放至少一可执行指令，可执行指令使处理器执行如本申请的第一方面所示的任务分类方法对应的操作。
[0035]根据本申请的再一个方面，提供了一种计算机可读存储介质，所述计算机程序被处理器执行时实现本申请的第一方面任一项所述的任务分类方法。
[0036]例如，本申请实施例的第四方面，提供了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，该程序被处理器执行时实现本申请第一方面所示的任务分类方法。
[0037]根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算
机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述第一方面的各种可选实现方式中提供的方法。
[0038]本申请提供的技术方案带来的有益效果是：
[0039]本申请实施例中，通过获取待测任务的任务特征数据，根据至少两种分类算法以及所述任务特征数据，对所述待测任务进行分类预测，得到每种所述分类算法的第一分类结果，基于至少两种所述分类算法分别对应的第一分类结果，确定所述待测任务的第二分类结果，其中，每种所述分类算法的预测准确率大于预设阈值。这样，基于多种分类算法对待测任务进行分类预测，并根据各分类算法分别对应的分类结果确定最终的分类结果，可以避免单一分类算法的局限性的影响，从而提升分类预测的准确率。
附图说明
[0040]为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
[0041]图1为本申请实施例提供的一种任务分类方法的系统架构示意图；
[0042]图2为本申请实施例提供的一种任务分类方法的流程示意图；
[0043]图3为本申请实施例提供的一种任务分类方法的应用场景示意图之一；
[0044]图4为本申请实施例提供的一种任务分类方法的应用场景示意图之二；
[0045]图5为本申请实施例提供的一种任务分类方法的应用场景示意图之三；
[0046]图6为本申请实施例提供的一种任务分类装置的结构示意图；
[0047]图7为本申请实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种任务分类方法，其特征在于，包括：获取待测任务的任务特征数据；根据至少两种分类算法以及所述任务特征数据，对所述待测任务进行分类预测，得到每种所述分类算法的第一分类结果；其中，所述第一分类结果包括所述待测任务的任务类型；每种所述分类算法的预测准确率大于预设阈值；基于至少两种所述分类算法分别对应的第一分类结果，确定所述待测任务的第二分类结果，并将所述第二分类结果对应的类型作为所述待测任务的最终的任务类型。2.根据权利要求1所述的任务分类方法，其特征在于，所述基于每种分类算法对应的第一分类结果，确定所述待测任务的第二分类结果，包括：在所述至少两种分类算法分别对应的第一分类结果相同的情况下，将所述第一分类结果确定为所述第二分类结果。3.根据权利要求1所述的任务分类方法，其特征在于，所述基于每种分类算法对应的第一分类结果，确定所述待测任务的第二分类结果，包括：在所述至少两种分类算法分别对应的第一分类结果不相同的情况下，确定每种所述第一分类结果的占比；根据所述占比确定所述第二分类结果。4.根据权利要求3所述的任务分类方法，其特征在于，所述根据所述占比确定所述第二分类结果，包括：在各所述第一分类结果的占比不相同的情况下，确定所述占比最大的第一分类结果为所述第二分类结果。5.根据权利要求3所述的任务分类方法，其特征在于，所述根据所述占比确定所述第二分类结果，包括：在各所述第一分类结果的占比相同的情况下，确定预测准确率最高的所述第一分类结果为所述第二分类结果；或确定权重值最大的分类算法对应的第一分类结果为所述第二分类结果；或确定与所述任务特征数据的数据类型相匹配的分类算法，...

【专利技术属性】
技术研发人员：廖智辉，
申请(专利权)人：北京奕斯伟计算技术股份有限公司，
类型：发明
国别省市：