申请/专利权人:中国电子科技集团有限公司电子科学研究院
申请日:2024-01-17
公开(公告)日:2024-04-19
公开(公告)号:CN117909500A
主分类号:G06F16/35
分类号:G06F16/35;G06F40/289;G06F18/2415;G06F18/2431;G06N3/0455;G06N3/08;G06Q50/26
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.07#实质审查的生效;2024.04.19#公开
摘要:本申请公开了一种智能化警情分类方法、装置及可读存储介质,包括:获取原始警情数据集,并基于原始警情数据集进行预处理,以通过预处理对数据集进行数据增强;从多个预训练Bert模型中选择一个基础Bert模型作为警情分类预训练模型;将预处理之后的始警情数据集,作为训练集,训练所述警情分类预训练模型;将待分类的警情数据,按照指定的格式封装;将封装后的警情数据,输入训练后的警情分类预训练模型,以完成对警情数据的分类。本申请实施例的警情分类方法基于深度学习的BERT模型,结合改进的Focalloss损失函数以特别关注分层不平衡数据,来解决警情分类的问题。
主权项:1.一种智能化警情分类方法,其特征在于,包括如下步骤:预先执行如下步骤执行模型训练:获取原始警情数据集,并基于原始警情数据集进行预处理,以通过预处理对数据集进行数据增强,其中所述原始警情数据集包括采用文字描述的警情相关信息,数据增强用以增强警情相关信息的警情描述;从多个预训练Bert模型中选择一个基础Bert模型作为警情分类预训练模型;将预处理之后的始警情数据集,作为训练集,训练所述警情分类预训练模型,其中训练过程采用改进的FocalLoss作为的损失函数,且所述损失函数中引入有层次距离权重,所述层次距离权重用于描述真实类别和模型预测的类别之间的层次结构关系;警情分类步骤:将待分类的警情数据,按照指定的格式封装;将封装后的警情数据,输入训练后的警情分类预训练模型,以完成对警情数据的分类。
全文数据:
权利要求:
百度查询: 中国电子科技集团有限公司电子科学研究院 一种智能化警情分类方法、装置及可读存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。