【技术实现步骤摘要】
面向不完整多视图数据的转换模型的训练方法及装置
[0001]本申请实施例涉及计算机技术,尤其涉及一种面向不完整多视图数据的转换模型的训练方法及装置。
技术介绍
[0002]随着数据采集技术的不断发展,人们获得的数据常常具有多个视角,形成多视图数据。
[0003]聚类分析是根据数据对象间的关系将集合分割成多个簇的过程,并将距离近的数据对象划分到同一个簇中,以及将距离远的数据划分到不同的簇。在实际的工程应用中,一般不可能收集到对于所有事物完整的多视图数据。
[0004]因为多视图数据可以全面并准确的描述数据对象,因此根据缺失视图的数据进行聚类分析,会导致聚类分析的准确性较差。
技术实现思路
[0005]本申请实施例提供一种面向不完整多视图数据的转换模型的训练方法及装置、面向不完整多视图数据的信息聚类方法及装置,以克服聚类分析的准确性较差的问题。
[0006]第一方面,本申请实施例提供一种面向不完整多视图数据的转换模型的训练方法,包括:
[0007]获取样本对象的第一描述信息和第二描述信息,所述第一描述信息为第一信息类型,所述第二描述信息为第二信息类型;
[0008]通过第一转换模型对所述第一描述信息进行特征提取和特征转换处理,得到第一特征信息和第一转换信息,所述第一转换模型用于将所述第一信息类型的描述信息转换为所述第二信息类型的描述信息;
[0009]通过第二转换模型对所述第二描述信息进行特征提取和特征转换处理,得到第二特征信息和第二转换信息,所述第二转换模 ...
【技术保护点】
【技术特征摘要】
1.一种面向不完整多视图数据的转换模型的训练方法,其特征在于,包括:获取样本对象的第一描述信息和第二描述信息,所述第一描述信息为第一信息类型,所述第二描述信息为第二信息类型;通过第一转换模型对所述第一描述信息进行特征提取和特征转换处理,得到第一特征信息和第一转换信息,所述第一转换模型用于将所述第一信息类型的描述信息转换为所述第二信息类型的描述信息;通过第二转换模型对所述第二描述信息进行特征提取和特征转换处理,得到第二特征信息和第二转换信息,所述第二转换模型用于将所述第二信息类型的描述信息转换为所述第一信息类型的描述信息;根据所述第一特征信息、所述第一转换信息、所述第二特征信息、所述第二转换信息、所述第一描述信息和所述第二描述信息,更新所述第一转换模型和所述第二转换模型的模型参数。2.根据权利要求1所述的方法,其特征在于,根据所述第一特征信息、所述第一转换信息、所述第二特征信息、所述第二转换信息、所述第一描述信息和所述第二描述信息,更新所述第一转换模型和所述第二转换模型的模型参数,包括:通过第一还原模型对所述第一特征信息进行还原处理得到第一还原信息,以及通过第二还原模型对所述第二特征信息进行还原处理,得到第二还原信息;根据所述第一特征信息、所述第一转换信息、所述第二特征信息、所述第二转换信息、所述第一描述信息、所述第二描述信息、所述第一还原信息和所述第二还原信息,更新所述第一转换模型和所述第二转换模型的模型参数。3.根据权利要求2所述的方法,其特征在于,所述第一转换模型包括第一特征提取模型和第一特征转换模型;所述第二转换模型包括第二特征提取模型和第二特征转换模型;根据所述第一特征信息、所述第一转换信息、所述第二特征信息、所述第二转换信息、所述第一描述信息、所述第二描述信息、所述第一还原信息和所述第二还原信息,更新所述第一转换模型和所述第二转换模型的模型参数,包括:根据所述第一描述信息、所述第一还原信息、所述第二描述信息、所述第二还原信息,更新所述第一特征提取模型、所述第一还原模型、所述第二特征提取模型、所述第二还原模型的模型参数;根据所述第一特征信息和所述第二特征信息更新第一特征提取模型和所述第二特征提取模型的模型参数;根据所述第一特征信息、所述第一转换信息、所述第二特征信息和所述第二转换信息,更新所述第一特征转换模型和所述第二特征转换模型的模型参数。4.根据权利要求3所述的方法,其特征在于,根据所述第一描述信息、所述第一还原信息、所述第二描述信息、所述第二还原信息,更新所述第一特征提取模型、所述第一还原模型、所述第二特征提取模型、所述第二还原模型的模型参数,包括:根据所述第一描述信息、所述第一还原信息、所述第二描述信息、所述第二还原信息,确定第一损失;根据所述第一损失,更新所述第一特征提取模型、所述第一还原模型、所述第二特征提取模型、所述第二还原模型的模型参数。
5.根据权利要求4所述的方法,其特征在于,根据所述第一描述信息、所述第一还原信息、所述第二描述信息、所述第二还原信息,确定第一损失,包括:根据第一预设损失函数,对所述第一描述信息、所述第一还原信息、所述第二描述信息、所述第二还原信息进行处理,确定所述第一损失。6.根据权利要求4或5所述的方法,其特征在于,根据所述第一特征信息和所述第二特征信息更新第一特征提取模型和所述第二特征提取模型的模型参数,包括:获取所述第一特征信息和所述第二特征信息的互信息;根据所述第一特征信息、所述第二特征信息和所述互信息,确定所述第一特征信息和所述第二特征信息之间的第二损失;根据所述第二损失,更新第一特征提取模型和所述第二特征提取模型的模型参数。7.根据权利要求6所述的方法,其特征在于,根据所述第一特征信息、所述第一转换信息、所述第二特征信息和所述第二转换信息,更新所述第一特征转换模型和所述第二特征转换模型的模型参数,包括:根据所述第一转换信息、所述第二特征信息、所述第二转换信息、所述第一特征信息,确定第三损失;根据所述第三损失,更新所述第一特征转换模型和所述第二特征转换模型的模型参数。8.根据权利要求4
‑
7任一项所述的方法,其特征在于,所述方法还包括:在所述第一损失、所述第二损失和所述第三损失之和最小时,确定所述第一转换模型以及所述第二转换模型收敛。9.一种面向不完整多视图数据的信息聚类方法,其特征在于,包括:获取第一对象的第一描述信息,所述第一描述信息为第一信息类型;通过转换模型获取所述第一描述信息的第一特征信息,以及通过所述转换模型获取所述第一特征信息对应的第二特征信息,所述第二特征信息为第二信息类型的描述信息对应的特征信息;根据所述第一特征信息和所述第二特征信息对所述第一对象进行聚类处理。10.根据权利要求9所述的方法,其特征在于,所述转换模型包括特征提取模型和特征转换模型;通过转换模型获取所述第一描述信息的第一特征信息,以及通过所述转换模型获取所述第一特征信息对应的第二特征信息,包括:通过所述特征提取模型对所述第一描述信息进行特征提取处理,得到所述第一特征信息;通过所述特征转换模型对所述第一特征信息进行转换处理,得到所述第二特征信息。11.一种面...
【专利技术属性】
技术研发人员:宋明霞,
申请(专利权)人:中国建设银行股份有限公司,
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。