【技术实现步骤摘要】
哈希编码优化方法、设备及可读存储介质
本申请涉及金融科技(Fintech)的人工智能领域，尤其涉及一种哈希编码优化方法、设备及可读存储介质。
技术介绍
随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术(如分布式、区块链Blockchain、人工智能等)应用在金融领域，但金融业也对技术提出了更高的要求，如对金融业对应待办事项的分发也有更高的要求。随着计算机软件和人工智能的不断发展，深度学习的应用领域也越来越广泛，例如，用于进行编码等，目前的哈希编码模型通常是基于输入样本本身的单个数据分布特征，对输入样本进行哈希编码，进而输入样本越相似，模型输出的哈希编码值越相似，进而当输入样本不属于同一样本类别且相似程度较高时，哈希编码模型容易输出相同或者相似度极高的哈希编码值，也即，对于属于不同样本类别的输入样本，输出的哈希编码值容易混淆，例如，当输入样本为猫图像时，由于猫图像与狗图像的相似程度较高，猫图像对应的哈希编码值有极大的可能性与狗图像对应的哈希编码值相同，进而导致哈希编码不够准确。
技术实现思路
<...
【技术保护点】
1.一种哈希编码优化方法，其特征在于，所述哈希编码优化方法包括：/n获取待处理数据，并将所述待处理数据输入预设哈希编码模型，以基于所述待处理数据对应的类别特征信息，对所述待处理数据进行极化哈希，获得哈希结果；/n基于所述哈希结果的各比特位特征值和预设特征值取值范围，生成所述待处理数据对应的模糊边界哈希编码值。/n
【技术特征摘要】
1.一种哈希编码优化方法，其特征在于，所述哈希编码优化方法包括：
获取待处理数据，并将所述待处理数据输入预设哈希编码模型，以基于所述待处理数据对应的类别特征信息，对所述待处理数据进行极化哈希，获得哈希结果；
基于所述哈希结果的各比特位特征值和预设特征值取值范围，生成所述待处理数据对应的模糊边界哈希编码值。
2.如权利要求1所述哈希编码优化方法，其特征在于，所述预设哈希编码模型包括隐藏层和哈希层，
所述将所述待处理数据输入预设哈希编码模型，以基于所述待处理数据对应的类别特征信息，对所述待处理数据进行极化哈希，获得哈希结果的步骤包括：
将所述待处理数据输入所述隐藏层，对所述待处理数据进行特征提取，获得所述类别特征信息；
将所述类别特征信息输入所述哈希层，对所述类别特征信息进行特定比特位的极化哈希，获得所述哈希结果。
3.如权利要求2所述哈希编码优化方法，其特征在于，所述类别特征信息包括类别特征表示矩阵，
所述将所述类别特征信息输入所述哈希层，对所述类别特征信息进行特定比特位的极化哈希，获得所述哈希结果的步骤包括：
对所述类别特征表示矩阵进行全连接，获得全连接向量，并分别为所述全连接向量中的各所述特定比特位匹配对应的极化输出通道；
基于各所述极化输出通道，分别对各所述特定比特位进行极化，获得所述哈希结果。
4.如权利要求1所述哈希编码优化方法，其特征在于，所述预设哈希编码模型包括隐藏层和哈希层，
所述将所述待处理数据输入预设哈希编码模型，以基于所述待处理数据对应的类别特征信息，对所述待处理数据进行极化哈希，获得哈希结果的步骤包括：
将所述待处理数据输入所述隐藏层，对所述待处理数据进行特征提取，获得所述类别特征信息；
将所述类别特征信息输入所述哈希层，对所述类别特征信息进行极化哈希，获得所述哈希结果。
5.如权利要求1所述哈希编码优化方法，其特征在于，所述哈希结果包括哈希向量，所述模糊边界哈希编码值包括目标三值哈希编码值，
所述基于所述哈希结果的各比特位特征值和预设特征值取值范围，生成所述待处理数据对应的模糊边界哈希编码值的步骤包括：
基于所述预设特征值取值范围，对各所述比特位特征值进行三值划分，获得特征值类型划分结果；
基于所述特征值类型划分结果和各所述比特位特征值在所述哈希向量中的位置，生成所述目标三值哈希编码值。
6.如权利要求5所述哈希编码优化方法，其特征在于，所述预设特征值取值范围包括上阀值和下阀值，所述特征值类型划分结果包括第一类型特征值、第二类型特征值和第三类型特征值，
所述基于所述预设特征值取值范围，对各所述比特位特征值进行三值划分，获得特征值类型划分结果的步骤包括：
将不大于所述下阀值的比特位特征值作为所述第一类型特征值；
将大于所述下阀值且小于所述上阀值的比特位特征值作为所述第二类型特征值；
将不小于所述上阀值的比特位特征值作为所述第三类型特征值。
7.如权利要求1所述哈希编码优化方法，其特征在于，在所述将所述待处理数据输入预设哈希编码模型，以基于所述待处理数据对应的类别特征信息，对所述待处理数据进行极化哈希，获得哈希结果的步骤之前，所述哈希编码优化方法还包括：
获取训练数据和待训练哈希编码模型，并生成所述训练数据对应的预设三值哈希编码值集合；
基于所述预设三值哈希编码值集合和所述训练数据，对所述待训练哈希编码模型进行迭代训练，以优化所述待训练哈希编码模型对应的极化损失函数，直至所述待训练哈希编码模型达到预设第一迭代训练条件，将所述待训练哈希编码模型作为所述预设哈希编码模型。
8.如权利要求7所述哈希编码优化方法，其特征在于，所述训练数据至少包括一个训练样本，所述预设三值哈希编码值集合至少包括一个所述训练样本对应的预设三值哈希编码值，
所述...
【专利技术属性】
技术研发人员：吴锦和，范力欣，鞠策，张天豫，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：广东;44
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。