一种层次分类方法及装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种层次分类方法及装置。

背景技术

在自然科学和社会科学中，存在着大量的分类问题。层次分类(hierarchicalclassification，HC)问题是分类问题的一个分支，在层次分类问题中类别不是相交的，而是以分层结果组织的。

基于聚类的层次分析方法对给定的数据集进行层次似的分解，直到某种条件满足为止。具体又可分为“自底向上”和“自顶向下”两种方案。例如在“自底向上”方案中，初始时每一个数据都组成一个单独的组，在接下来的迭代中，它把那些相互邻近的组合并成一个组，直到所有的数据组成一个分组或者某个条件满足为止。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

1.冗余数据使得聚类边缘模糊，易造成分类错误；

2.由于分类层级数无法确定，导致存在欠分类或者过分类的情况，对分类效果和精度带来影响。

发明内容

有鉴于此，本发明实施例提供一种层次分类方法及装置，能够将冗余数据分别归于其所属的类簇中，从而提高了层次分类的准确率和分类效率。

为实现上述目的，根据本发明实施例的一个方面，提供了一种层次分类方法，包括：对所有分类对象进行聚类，得到包含多个类簇的第一层级；对类簇中的每个分类对象，确定分类对象与第一层级中其他类簇之间的空间距离，当空间距离小于预设的距离阈值时，确定分类对象为冗余对象；将冗余对象置于其他类簇中，并更新第一层级；以更新后第一层级中的每个类簇作为新的分类对象，循环执行上述步骤，直至达到预设层级数，以实现层次分类。

进一步地，上述对所有分类对象进行聚类的步骤包括：将分类对象映射至向量空间中，确定分类对象之间的距离是否小于第一空间距离，若是，则将距离最近的两个分类对象进行聚类得到中间类簇，然后根据其余分类对象与中间类簇之间的距离，将其余分类对象与中间类簇进行聚类，得到包含多个类簇的第一层级。

进一步地，上述进行聚类的步骤包括：确定层级中的类簇个数是否大于预设类簇数；若是，对层级中的类簇进行再次聚类。

进一步地，上述对层级中的类簇进行再次聚类还包括：确定当前层级中任意两个类簇的中心点之间的距离，将距离最近的两个类簇合并为一个类簇。

根据本发明实施例的另一方面，提供了一种层次分类装置，包括：聚类模块，用于对所有分类对象进行聚类，得到包含多个类簇的第一层级；冗余数据确定模块，用于对类簇中的每个分类对象，确定分类对象与第一层级中其他类簇之间的空间距离，当空间距离小于预设的距离阈值时，确定分类对象为冗余对象；更新模块，用于将冗余对象置于其他类簇中，并更新第一层级；循环模块，用于以更新后第一层级中的每个类簇作为新的分类对象，循环执行上述模块的操作步骤，直至达到预设层级数，以实现层次分类。

进一步地，上述聚类模块还用于；将分类对象映射至向量空间中，确定分类对象之间的距离是否小于第一空间距离，若是，则将距离最近的两个分类对象进行聚类得到中间类簇，然后根据其余分类对象与中间类簇之间的距离，将其余分类对象与中间类簇进行聚类，得到包含多个类簇的第一层级。

进一步地，上述层次分类装置还包括类簇个数模块，用于确定层级中的类簇个数是否大于预设类簇数；若是，类簇个数模块用于对层级中的类簇进行再次聚类。

进一步地，上述类簇个数模块还用于；确定当前层级中任意两个类簇的中心点之间的距离；将距离最近的两个类簇合并为一个类簇。

根据本发明实施例的一方面，提供了一种服务器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述任一种层次分类方法。

根据本发明实施例的一方面，提供了一种计算机可读介质，其上存储有计算机程序，程序被处理器执行时实现上述任一种层次分类方法。

上述发明中的一个实施例具有如下优点或有益效果：因为采用对所有分类对象进行聚类，得到包含多个类簇的第一层级；对类簇中的每个分类对象，确定分类对象与第一层级中其他类簇之间的空间距离，当空间距离小于预设的距离阈值时，确定分类对象为冗余对象；将冗余对象置于其他类簇中，并更新第一层级；以更新后第一层级中的每个类簇作为新的分类对象，循环执行上述步骤，直至达到预设层级数，以实现层次分类的技术手段，所以克服了冗余数据使得聚类边缘模糊，易造成分类错误的技术问题，进而提高层次分类的准确率和分类效率；同时通过预设层级数，避免了欠分类或过分类的情况，实现了提升分类精度的技术效果。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1a根据本发明第一实施例提供的层次分类方法的主要流程的示意图；

图1b根据本发明第二实施例提供的层次分类方法的主要流程的示意图；

图2a是根据本发明实施例提供的层级分类方法中聚类方法的示意图；

图2b是根据本发明实施例提供的单层级分类方法中冗余对象归类的示意图；

图2c是根据本发明实施例提供的多层级分类方法中冗余对象归类的示意图；

图3是根据本发明实施例提供的层次分类装置的主要模块的示意图；

图4是本发明实施例可以应用于其中的示例性系统架构图；

图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1a是根据本发明第一实施例提供的层次分类方法的主要流程的示意图，如图1a所示，本发明实施例提供了一种层次分类方法主要包括：

步骤S101，对所有分类对象进行聚类，得到包含多个类簇的第一层级；对类簇中的每个分类对象，确定分类对象与第一层级中其他类簇之间的空间距离，当空间距离小于预设的距离阈值时，确定分类对象为冗余对象；将冗余对象置于其他类簇中，并更新第一层级；

步骤S102，以更新后第一层级中的每个类簇作为新的分类对象，循环执行上述步骤，直至达到预设层级数，以实现层次分类

根据本发明实施例，对所有分类对象进行聚类的步骤包括：将分类对象映射至向量空间中，确定分类对象之间的距离是否小于第一空间距离(即预设的距离阈值)，若是，则将距离最近的两个分类对象进行聚类得到中间类簇，然后根据其余分类对象与中间类簇之间的距离，将其余分类对象与中间类簇进行聚类，得到包含多个类簇的第一层级。

根据本发明实施例，在得到包含多个类簇的第一层级之后；层次分类方法还包括：确定层级中的类簇个数是否大于预设类簇数；若是，对层级中的类簇进行再次聚类。

进一步地，根据本发明实施例，对层级中的类簇进行再次聚类的步骤包括：确定当前层级中任意两个类簇的中心点之间的距离，将距离最近的两个类簇合并为一个类簇。

根据本发明实施例的技术方案，因为采用对所有分类对象进行聚类，得到包含多个类簇的第一层级；对类簇中的每个分类对象，确定分类对象与第一层级中其他类簇之间的空间距离，当空间距离小于预设的距离阈值时，确定分类对象为冗余对象；将冗余对象置于其他类簇中，并更新第一层级；以更新后第一层级中的每个类簇作为新的分类对象，循环执行上述步骤，直至达到预设层级数，以实现层次分类的技术手段，所以克服了冗余数据使得聚类边缘模糊，易造成分类错误的技术问题，进而达到提高层次分类的准确率和分类效率的技术效果。

图1b是根据本发明第二实施例提供的层次分类方法的主要流程的示意图，如图1b所示，本发明实施例提供了一种层次分类方法主要包括：

步骤S201，对所有分类对象进行聚类，得到包含多个类簇的第一层级。

进一步地，根据本发明实施例，对所有分类对象进行聚类的步骤包括：将分类对象映射至向量空间中，确定分类对象之间的距离是否小于第一空间距离(即预设的距离阈值)，若是，则将距离最近的两个分类对象进行聚类得到中间类簇，然后根据其余分类对象与中间类簇之间的距离，将其余分类对象与中间类簇进行聚类，得到包含多个类簇的第一层级。

根据本发明实施例，在得到包含多个类簇的第一层级后，层次分类方法还包括：步骤S202，确定层级中的类簇个数是否大于预设类簇数；若是，则转到步骤S203，对层级中的类簇进行再次聚类；若否，则转到步骤S204。

步骤S203，确定当前层级中任意两个类簇的中心点之间的距离，将距离最近的两个类簇合并为一个类簇。

步骤S204，对类簇中的每个分类对象，确定分类对象与第一层级中其他类簇之间的空间距离，当空间距离小于预设的距离阈值时，确定分类对象为冗余对象；将冗余对象置于其他类簇中，并更新第一层级。

具体地，在得到第一层级的层次分类过程中，上述分类对象指的是预分类数据，冗余对象指的是当前类簇中距离其他类簇的距离也在距离阈值范围内的数据；在得到第二或更多层级的层次分类过程中，分类对象指的是预分类类簇，冗余对象指的是当前类簇中距离其他同层级类簇的距离也在该层级对应的距离阈值范围内的类簇。

具体地，更新第一层级的步骤包括，根据冗余对象距离其他类簇的距离，若该距离小于阈值距离，则该冗余对象同时归属于该一个或多个类簇，将该冗余对象置于其所归属的一个或多个类簇中，以更新第一层级。具体地，若聚类结果中的类簇个数大于预设类簇数，即大于该层级的类簇数限制，则将空间距离较近的两个类簇进行聚类，直至该层级中的类簇个数等于预设类簇数。即，在多维空间中，将大量的数据聚类形成少量的类簇，每一类簇均有一定的覆盖范围，其包容性更强，同时提高了数据在该层级中的分类准确率。

步骤S205，判断层次分类的层级数是否达到预设层级数。若是，则转到步骤S207；若否，则转到步骤S206。

步骤S206，以当前层级中每个类簇为分类对象，返回至步骤S201中循环执行上述步骤，直至达到预设层级数，以实现层次分类。

步骤S207，层次分类完成。

具体地，当预设层级数为多层时，上述层次分类方法还包括：以第一层级类簇为预层次分类对象，根据第一层级类簇中心点之间的距离进行聚类以形成第二层级类簇，得到第二层级；根据第二层级类簇中的第一层级类簇中心点与其他第二层级类簇中心点的距离确定冗余类簇，将冗余类簇分别置于其归属的第二层级类簇中；再以第二层级类簇为预层次分类对象，循环上述步骤，直至达到预设层级数，以实现层次分类。

具体地，处理数据的框架可能是一个层级，也可能是多个层级，对于需要多层级的层次分类场，需要已得到层级类簇的基础上进行再次层次分类，直至达到预设层级数。

通过以聚类为基础的层级分类方式对数据进行分类，形成区别于传统层级分类树状框架的有向无环图图，显著提升了分类的准确率；同时由于每层类别的减少，提高了后续寻找效率，从而提高了整个分类的效率。

根据本发明实施例的技术方案，因为采用对所有分类对象进行聚类，得到包含多个类簇的第一层级；对类簇中的每个分类对象，确定分类对象与第一层级中其他类簇之间的空间距离，当空间距离小于预设的距离阈值时，确定分类对象为冗余对象；将冗余对象置于其他类簇中，并更新第一层级；以更新后第一层级中的每个类簇作为新的分类对象，循环执行上述步骤，直至达到预设层级数，以实现层次分类的技术手段，所以克服了冗余数据使得聚类边缘模糊，易造成分类错误的技术问题，进而达到提高层次分类的准确率和分类效率的技术效果。

图2a是根据本发明实施例提供的层级分类方法中聚类方法的示意图；如图2a所示，多维空间中，将分类对象p0～p6进行聚类，根据分类对象之间的空间距离，将距离最近的数据先聚合为一类，然后根据第一空间距离(即第一层级预设的距离阈值)继续寻找相近类别，最终将一定范围内(即小于第一空间距离)内的分类对象聚合成一大类，即形成类簇。根据本发明实施例的一具体实施方式，300个分类对象聚类成50个不重叠的类簇，每个类簇均具有较大的覆盖范围，提升了分类效果。且聚类的类簇模型建立后，当有新数据传入待分类时，可以显著提高分类的准确率。

图2b是根据本发明实施例提供的单层级分类方法中冗余对象归类的示意图；如图2b所示，分类对象a1、a2、a3、b1、b2、b3进行层次分类，其中，预设层级数为一层。首先，根据分类对象之间空间距离与第一空间距离(即第一层级预设的距离阈值)的比较，将a1、a2、a3聚类为类簇A，将b1、b2、b3聚类为类簇B；然后根据距离阈值，确定a3为冗余数据，其中的m部分归属于类簇A，n部分归属于类簇B，因此，将a3分别归属于类簇A和类簇B，得到第一层级。

图2c是根据本发明实施例提供的多层级分类方法中冗余对象归类的示意图；如图2c所示，分类对象为a11、a12、a13、a14、a21、a22、a31、b11、b21、b31、c21、c22进行层次分类，其中，预设层级数为两层。首先，根据分类对象之间空间距离与第一空间距离(即第一层级预设的距离阈值)的比较，将a11、a12、a13、a14聚类为类簇a1，将a21、a22聚类为类簇a2，将a31聚类为类簇a3，将b11聚类为类簇b1，将b21聚类为类簇b2，将b31聚类为类簇b3，将c21、c22聚类为类簇c2；然后根据距离阈值，确定a11、a12为冗余数据，其中，a11还同时归属于类簇a3，a12还同时归属于类簇a2，故将a11、a12还分别置于其所归属的类簇中，得到第一层级；然后，在第一层级的类簇基础上再次聚类，根据分类对象之间空间距离与第二层级空间距离(即第二层级预设的距离阈值)的比较，将a1、a2、a3聚类为类簇A，将b1、b2、b3聚类为类簇B；确定出a3为冗余类簇，其还归属于上层类簇B，将其放入其所归属的上层类簇B中，得到第二层级。

图3是根据本发明实施例提供的层次分类装置的主要模块的示意图；如图3所示，本发明实施例提供的层次分类装置300包括：

聚类模块301，用于对所有分类对象进行聚类，得到包含多个类簇的第一层级；

根据本发明实施例一具体实施方式，上述聚类模块301还用于：将分类对象映射至向量空间中，确定分类对象之间的距离是否小于第一空间距离(即预设的距离阈值)，若是，则将距离最近的两个分类对象进行聚类得到中间类簇，然后根据其余分类对象与中间类簇之间的距离，将其余分类对象与中间类簇进行聚类，得到包含多个类簇的第一层级。

冗余对象确定模块302，用于对类簇中的每个分类对象，确定分类对象与第一层级中其他类簇之间的空间距离，当空间距离小于预设的距离阈值时，确定分类对象为冗余对象。

更新模块303，用于将冗余对象置于其他类簇中，并更新第一层级；

循环模块304，用于以更新后第一层级中的每个类簇作为新的分类对象，循环执行上述模块的操纵步骤，直至达到预设层级数，以实现层次分类。

根据本发明实施例，上述层次分类装置还包括：类簇个数模块，用于确定层级中的类簇个数是否大于预设类簇数；若是，类簇个数模块用于对层级中的类簇进行再次聚类。

进一步地，根据本发明实施例的一具体实施方式，上述类簇个数模块还用于：确定当前层级中任意两个类簇的中心点之间的距离；将距离最近的两个类簇合并为一个类簇。

根据本发明实施例的技术方案，因为采用对所有分类对象进行聚类，得到包含多个类簇的第一层级；对类簇中的每个分类对象，确定分类对象与第一层级中其他类簇之间的空间距离，当空间距离小于预设的距离阈值时，确定分类对象为冗余对象；将冗余对象置于其他类簇中，并更新第一层级；以更新后第一层级中的每个类簇作为新的分类对象，循环执行上述步骤，直至达到预设层级数，以实现层次分类的技术手段，所以克服了冗余数据使得聚类边缘模糊，易造成分类错误的技术问题，进而达到提高层次分类的准确率和分类效率的技术效果。

图4示出了可以应用本发明实施例的层次分类方法或层次分类装置的示例性系统架构400。

如图4所示，系统架构400可以包括终端设备401、402、403，网络404和服务器405(此架构仅仅是示例，具体架构中包含的组件可以根据申请具体情况调整)。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备401、402、403通过网络404与服务器405交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器405可以是提供各种服务的服务器，例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的层次分类方法一般由服务器405执行，相应地，层次分类装置一般设置于服务器405中。

应该理解，图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图5，其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括聚类模块、冗余对象确认模块等。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，聚类模块还可以被描述为“用于对所有分类对象进行聚类，得到包含多个类簇的第一层级”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：对所有分类对象进行聚类，得到包含多个类簇的第一层级；对类簇中的每个分类对象，确定分类对象与第一层级中其他类簇之间的空间距离，当空间距离小于预设的距离阈值时，确定分类对象为冗余对象；将冗余对象置于其他类簇中，并更新第一层级；以更新后第一层级中的每个类簇作为新的分类对象，循环执行上述步骤，直至达到预设层级数，以实现层次分类。

根据本发明实施例的技术方案，因为采用对所有分类对象进行聚类，得到包含多个类簇的第一层级；对类簇中的每个分类对象，确定分类对象与第一层级中其他类簇之间的空间距离，当空间距离小于预设的距离阈值时，确定分类对象为冗余对象；将冗余对象置于其他类簇中，并更新第一层级；以更新后第一层级中的每个类簇作为新的分类对象，循环执行上述步骤，直至达到预设层级数，以实现层次分类的技术手段，所以克服了冗余数据使得聚类边缘模糊，易造成分类错误的技术问题，进而达到提高层次分类的准确率和分类效率的技术效果。

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，取决于设计要求和其他因素，可以发生各种各样的修改、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。