【技术实现步骤摘要】
本申请涉及智慧家庭，具体而言，涉及一种用于提升分类模型准确度的方法及装置、存储介质、电子装置。
技术介绍
1、目前，随着物联网、云计算和人工智能等技术的快速发展，智慧家庭成为了一个热门的研究和应用领域。在智慧家庭环境中，各种设备需要通过一种有效的方式来理解用户的需求和意图，并做出相应的响应，这其中最关键的一个步骤是理解用户的真实意图，从而对用户请求的进行分类。
2、为了更好地理解用户的真实意图，对用户的请求进行分类，相关技术中，利用了深度学习技术。通过cnn（convolutional neural networks，卷积神经网络）或rnn（recurrentneural networks，循环神经网络）等深度学习模型，提取输入数据中的特定模式或趋势，以帮助分类模型理解用户的意图，进而对用户请求进行分类。
3、在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：
4、相关技术虽然能够通过深度学习模型帮助分类模型理解用户的意图，但是，深度学习模型只可以处理一些结构化的数据，例如文本或语音。对于非结构化的上下文信息，例如用户、设备、环境和空间的信息，深度学习模型的处理效果不佳。这样可能导致分类模型难以理解用户的意图，进而可能影响分类模型的分类准确度。
5、需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、为了对披露的实施例的一些
2、本公开实施例提供了一种用于提升分类模型准确度的方法及装置、存储介质、电子装置，能够提升分类模型的准确度。
3、在一些实施例中，所述方法包括：接收用户的请求数据；在请求数据中添加背景信息；其中，背景信息包括用户数据、设备数据、环境数据和空间数据；对添加背景信息的请求数据进行领域向量化处理，获得融合后的请求数据；将融合后的请求数据传递给分类器，获得分类结果；其中，分类器用于对用户的请求进行分类。
4、可选地，在请求数据中添加背景信息，包括：收集背景信息；其中，背景信息包括用户数据、设备数据、环境数据和空间数据；将请求数据和背景信息进行合并。
5、可选地，将请求数据和背景信息进行合并，包括：将请求数据和背景信息拼接；或，通过序列生成模型对请求数据和背景信息进行合并。
6、可选地，对添加背景信息的请求数据进行领域向量化处理，包括：根据背景信息，形成转换内容；将转换内容插入用户的请求数据，获得综合数据；将综合数据转换为固定长度的向量。
7、可选地，根据背景信息，形成转换内容，包括：根据自然语言处理算法，获取背景信息中的文本；将文本转换为数值向量。
8、可选地，将转换内容插入用户的请求数据，包括：将用户的请求数据进行向量化处理，获得用户的输入向量；将用户的输入向量与背景信息中的数值向量进行拼接，或，对用户的输入向量与背景信息的数值向量进行加权求和，或，将用户的输入向量与背景信息的数值向量进行混合。
9、可选地，分类器对用户的请求进行分类，包括：获取历史输入数据和历史输出标签的映射关系；根据映射关系，对用户的请求进行预测，获得预测结果。
10、可选地，获取历史输入数据和历史输出标签的映射关系，包括：获取历史输入数据和与历史输入数据相对应的历史输出标签；对历史输入数据和历史输出标签进行学习，获得映射关系。
11、可选地，接收用户的请求数据后，还包括：对请求数据进行转换；对转换后的请求数据进行补全和/或纠正。
12、可选地，将融合后的请求数据传递给分类器后，所述方法还包括：将分类器的分类结果输入第一场景生成模型，获得第一场景方案；其中，第一场景生成模型的训练数据类型包括用户数据、设备数据、环境数据和空间数据；根据第一场景方案控制目标设备。
13、在一些实施例中，所述用于提升分类模型准确度的装置包括：接收模块，被配置为接收用户的请求数据；添加模块，被配置为在请求数据中添加背景信息；其中，背景信息包括用户数据、设备数据、环境数据和空间数据；处理模块，被配置为对添加背景信息的请求数据进行领域向量化处理，获得融合后的请求数据；分类模块，包括分类器，分类器被配置为根据融合后的请求数据对用户的请求进行分类。
14、在一些实施例中，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行上述的用于提升分类模型准确度的方法。
15、在一些实施例中，所述电子装置包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行上述的用于提升分类模型准确度的方法。
16、本公开实施例提供的用于提升分类模型准确度的方法及装置、存储介质、电子装置，可以实现以下技术效果：
17、相较于相关技术，本公开实施例在请求数据中添加了背景信息，使得请求数据的内容更加丰富。背景信息包括结构化数据和非结构化数据。结构化数据为固定格式的数据，例如，以excel格式存在的数据。非结构化数据的格式不固定，例如，产品说明书中的产品介绍。由于背景信息中包含大量的非结构化信息，这些非结构化的信息难以被模型直接理解，因此，将背景信息添加至请求数据后，对数据进行了向量化处理。使得请求数据能够转换为文本形式，便于模型接收，进而使得处理后的数据更容易被分类器所理解，进而使得分类器的分类结果更加准确。最终，实现了分类模型准确度的提升。
18、以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。
本文档来自技高网...【技术保护点】
1.一种用于提升分类模型准确度的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在请求数据中添加背景信息，包括：
3.根据权利要求2所述的方法，其特征在于，将请求数据和背景信息进行合并，包括：
4.根据权利要求1所述的方法，其特征在于，对添加背景信息的请求数据进行领域向量化处理，包括：
5.根据权利要求4所述的方法，其特征在于，根据背景信息，形成转换内容，包括：
6.根据权利要求4所述的方法，其特征在于，将转换内容插入用户的请求数据，包括：
7.根据权利要求1至6任一项所述的方法，其特征在于，分类器对用户的请求进行分类，包括：
8.根据权利要求7所述的方法，其特征在于，获取历史输入数据和历史输出标签的映射关系，包括：
9.根据权利要求1至6任一项所述的方法，其特征在于，接收用户的请求数据后，还包括：
10.一种用于提升分类模型准确度的装置，其特征在于，包括：
11.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，
12.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行权利要求1至9中任一项所述的方法。
...【技术特征摘要】
1.一种用于提升分类模型准确度的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在请求数据中添加背景信息，包括：
3.根据权利要求2所述的方法，其特征在于，将请求数据和背景信息进行合并，包括：
4.根据权利要求1所述的方法，其特征在于，对添加背景信息的请求数据进行领域向量化处理，包括：
5.根据权利要求4所述的方法，其特征在于，根据背景信息，形成转换内容，包括：
6.根据权利要求4所述的方法，其特征在于，将转换内容插入用户的请求数据，包括：
7.根据权利要求1至6任一项所述的方法，其特征在于，分类器对用户的请求进行...
【专利技术属性】
技术研发人员：邓邱伟，田云龙，杜永杰，牛丽，徐静，张旭，王迪，窦方正，
申请(专利权)人：青岛海尔科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。