信息获取方法、存储介质和电子设备技术

本申请公开了一种信息获取方法、装置和存储介质及电子设备。其中，该方法包括：获取多级结构对象的目标组成结构对应的第一级特征，其中，多级结构对象是多个目标组成结构连接构成，第一级特征为目标组成结构在第一维度下的特征；对多个目标组成结构中各个目标组成结构对应的第一级特征进行聚合处理，得到目标组成结构对应的第二级特征；基于第二级特征，获取多级结构对象对应的交互属性信息，可应用人工智能场景中，具体还涉及计算机视觉技术、机器学习等。在本申请解决了信息获取的准确性较低的技术问题。的技术问题。的技术问题。

【技术实现步骤摘要】
信息获取方法、存储介质和电子设备


[0001]本申请涉及计算机领域，具体而言，涉及一种信息获取方法、装置和存储介质及电子设备。

技术介绍

[0002]在单级结构对象的信息获取场景中，可以采用单一维度下的结构以获取信息；但对于由多级结构构成的多级结构对象来说，其复杂度远大于单级结构对象，如此若还采用单一维度下的结构进行相关信息的获取，通常会缺失对另一或多维度下的结构分析，进而影响获取到的信息的准确性。因此，存在信息获取的准确性较低的问题。
[0003]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本申请实施例提供了一种信息获取方法、装置和存储介质及电子设备，以至少解决信息获取的准确性较低的技术问题。
[0005]根据本申请实施例的一个方面，提供了一种信息获取方法，包括：获取多级结构对象的目标组成结构对应的第一级特征，其中，上述多级结构对象是多个目标组成结构连接构成，上述第一级特征为上述目标组成结构在第一维度下的特征；对上述多个目标组成结构中各个目标组成结构对应的第一级特征进行聚合处理，得到上述目标组成结构对应的第二级特征，其中，上述第二级特征为上述目标组成结构在第二维度下的特征，上述目标组成结构由多个上述第二维度下的目标组成结构构成，上述第二维度下的目标组成结构由多个上述第一维度下的目标组成结构构成；基于上述第二级特征，获取上述多级结构对象对应的交互属性信息，其中，上述交互属性信息用于预测上述多级结构对象在与其他结构对象进行交互时的表现。
[0006]根据本申请实施例的另一方面，还提供了一种信息获取装置，包括：第一获取单元，用于获取多级结构对象的目标组成结构对应的第一级特征，其中，上述多级结构对象是多个目标组成结构连接构成，上述第一级特征为上述目标组成结构在第一维度下的特征；聚合单元，用于对上述多个目标组成结构中各个目标组成结构对应的第一级特征进行聚合处理，得到上述目标组成结构对应的第二级特征，其中，上述第二级特征为上述目标组成结构在第二维度下的特征，上述目标组成结构由多个上述第二维度下的目标组成结构构成，上述第二维度下的目标组成结构由多个上述第一维度下的目标组成结构构成；第二获取单元，用于基于上述第二级特征，获取上述多级结构对象对应的交互属性信息，其中，上述交互属性信息用于预测上述多级结构对象在与其他结构对象进行交互时的表现。
[0007]作为一种可选的方案，上述第一获取单元，包括：提取模块，用于提取上述多级结构对象对应的目标图像中的图像特征；第一获取模块，用于基于上述图像特征得到多个上述第一维度下的目标组成结构中各个第一组成结构对应的初始第一级特征；第二获取模块，用于基于上述初始第一级特征，获取上述各个第一组成结构对应的第一级特征。
[0008]作为一种可选的方案，上述第二获取模块，包括：第一获取子模块，用于获取由上述各个第一组成结构构成的多个第一组成结构对；计算子模块，用于计算上述多个第一组成结构对中各个第一组成结构对的第一结构对特征，其中，上述第一结构对特征包括上述第一组成结构对中每个第一组成结构对应的结构特征、以及上述每个第一组成结构之间的相对距离特征；第二获取子模块，用于基于上述第一结构对特征，获取上述各个第一组成结构对应的第一级特征。
[0009]作为一种可选的方案，上述第二获取子模块，包括：执行子单元，用于执行以下步骤，直至达到收敛条件：对上述各个第一组成结构对的第一结构对特征进行聚合处理，得到目标结构对特征；合并上述目标结构对特征与上述各个第一组成结构对应的结构特征，得到上述各个第一组成结构对应的新的结构特征；在达到上述收敛条件的情况下，将上述各个第一组成结构对应的新的结构特征确定为上述各个第一组成结构对应的第一级特征；在未达到上述收敛条件的情况下，利用上述各个第一组成结构对应的新的结构特征重新计算上述第一结构对特征，得到上述各个第一组成结构对的新的第一结构对特征，并将上述各个第一组成结构对的新的第一结构对特征确定为上述各个第一组成结构对的第一结构对特征，以及将上述各个第一组成结构对应的新的原子特征确定为上述各个第一组成结构对应的结构特征。
[0010]作为一种可选的方案，上述第一获取模块，包括：第三获取子模块，用于基于上述图像特征得到上述各个第一组成结构对应的第一结构特征、以及上述各个第一组成结构所在的上述第二维度下的目标组成结构对应的目标结构特征；拼接子模块，用于对上述第一结构特征以及上述目标结构特征进行拼接处理，得到上述各个第一组成结构对应的第二结构特征，其中，上述初始第一级特征包括上述第二结构特征。
[0011]作为一种可选的方案，上述第二获取单元，包括以下至少之一：第三获取模块，用于获取由上述多个上述第二维度下的目标组成结构中各个第二组成结构构成的多个第二组成结构对；基于上述第二级特征，计算上述多个第二组成结构对中各个第二组成结构对的第一目标结构特征，其中，上述第一目标结构特征用于表示上述第二组成结构对中每个第二组成结构之间的特征内积相似性；基于上述第一目标结构特征获取上述交互属性信息；第四获取模块，用于获取上述多个第二组成结构对；基于上述第二级特征，计算上述各个第二组成结构对的第二目标结构特征，其中，上述第二目标结构特征用于表示上述每个第二组成结构之间通过线性映射在序列上时呈现的相对距离；基于上述第二目标结构特征获取上述交互属性信息；第五获取模块，用于获取上述多个第二组成结构对；基于上述第二级特征，计算上述各个第二组成结构对的第三目标结构特征，其中，上述第三目标结构特征用于表示上述每个第二组成结构之间的碳原子距离；基于上述第三目标结构特征获取上述交互属性信息。
[0012]作为一种可选的方案，上述第二获取单元，包括：第一聚合模块，用于在获取到上述第一目标结构特征、上述第二目标结构特征、以及上述第三目标结构特征的情况下，对上述第一目标结构特征、上述第二目标结构特征、以及上述第三目标结构特征进行聚合处理，得到聚合结构特征；合并模块，用于通过向量拼接，对上述聚合结构特征与上述第二级特征进行合并处理，得到输出结构特征；第六获取模块，用于基于上述输出结构特征获取上述交互属性信息。
[0013]作为一种可选的方案，上述第二获取模块，包括：第一输入子模块，用于将上述初始第一级特征输入第一目标模型，通过上述第一目标模型中的第一子结构进行信息传递，得到上述各个第一组成结构对应的第一级特征，其中，上述第一目标模型为利用第一样本训练得到的、用于特征处理的神经网络模型；上述聚合单元，包括：第二聚合模块，用于通过上述第一目标模型中的第二子结构，对上述各个第一组成结构对应的第一级特征进行聚合处理，得到上述目标组成结构对应的第二级特征。
[0014]作为一种可选的方案，上述第二获取单元，包括：输入模块，用于将上述第二级特征输入第二目标模型，通过上述第二目标模型的第三子结构进行信息传递，得到上述各个第二组成结构对应的输入结构特征，其中，上述第二目标模型为利用第二样本训练得到的、用于特征处理的神经网络模型；输出模块，用于通过上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息获取方法，其特征在于，包括：获取多级结构对象的目标组成结构对应的第一级特征，其中，所述多级结构对象是多个目标组成结构连接构成，所述第一级特征为所述目标组成结构在第一维度下的特征；对所述多个目标组成结构中各个目标组成结构对应的第一级特征进行聚合处理，得到所述目标组成结构对应的第二级特征，其中，所述第二级特征为所述目标组成结构在第二维度下的特征，所述目标组成结构由多个所述第二维度下的目标组成结构构成，所述第二维度下的目标组成结构由多个所述第一维度下的目标组成结构构成；基于所述第二级特征，获取所述多级结构对象对应的交互属性信息，其中，所述交互属性信息用于预测所述多级结构对象在与其他结构对象进行交互时的表现。2.根据权利要求1所述的方法，其特征在于，所述获取多级结构对象的目标组成结构对应的第一级特征，包括：提取所述多级结构对象对应的目标图像中的图像特征；基于所述图像特征得到多个所述第一维度下的目标组成结构中各个第一组成结构对应的初始第一级特征；基于所述初始第一级特征，获取所述各个第一组成结构对应的第一级特征。3.根据权利要求2所述的方法，其特征在于，所述基于所述初始第一级特征，获取所述各个第一组成结构对应的第一级特征，包括：获取由所述各个第一组成结构构成的多个第一组成结构对；计算所述多个第一组成结构对中各个第一组成结构对的第一结构对特征，其中，所述第一结构对特征包括所述第一组成结构对中每个第一组成结构对应的结构特征、以及所述每个第一组成结构之间的相对距离特征；基于所述第一结构对特征，获取所述各个第一组成结构对应的第一级特征。4.根据权利要求3所述的方法，其特征在于，所述基于所述第一结构对特征，获取所述各个第一组成结构对应的第一级特征，包括：执行以下步骤，直至达到收敛条件：对所述各个第一组成结构对的第一结构对特征进行聚合处理，得到目标结构对特征；合并所述目标结构对特征与所述各个第一组成结构对应的结构特征，得到所述各个第一组成结构对应的新的结构特征；在达到所述收敛条件的情况下，将所述各个第一组成结构对应的新的结构特征确定为所述各个第一组成结构对应的第一级特征；在未达到所述收敛条件的情况下，利用所述各个第一组成结构对应的新的结构特征重新计算所述第一结构对特征，得到所述各个第一组成结构对的新的第一结构对特征，并将所述各个第一组成结构对的新的第一结构对特征确定为所述各个第一组成结构对的第一结构对特征，以及将所述各个第一组成结构对应的新的原子特征确定为所述各个第一组成结构对应的结构特征。5.根据权利要求2所述的方法，其特征在于，所述基于所述图像特征得到多个所述第一维度下的目标组成结构中各个第一组成结构对应的初始第一级特征，包括：基于所述图像特征得到所述各个第一组成结构对应的第一结构特征、以及所述各个第一组成结构所在的所述第二维度下的目标组成结构对应的目标结构特征；
对所述第一结构特征以及所述目标结构特征进行拼接处理，得到所述各个第一组成结构对应的第二结构特征，其中，所述初始第一级特征包括所述第二结构特征。6.根据权利要求1所述的方法，其特征在于，所述基于所述第二级特征，获取所述多级结构对象对应的交互属性信息，包括以下至少之一：获取由所述多个所述第二维度下的目标组成结构中各个第二组成结构构成的多个第二组成结构对；基于所述第二级特征，计算所述多个第二组成结构对中各个第二组成结构对的第一目标结构特征，其中，所述第一目标结构特征用于表示所述第二组成结构对中每个第二组成结构之间的特征内积相似性；基于所述第一目标结构特征获取所述交互属性信息；获取所述多个第二组成结构对；基于所述第二级特征，计算所述各个第二组成结构对的第二目标结构特征，其中，所述第二目标结构特征用于表示所述每个第二组成结构之间通过线性映射在序列上时呈现的相对距离；基于所述第二目标结构特征获取所述交互属性信息；获取所述多个第二组成结构对；基于所述第二级特征，计算所述各个第二组成结构对的第三目标结构特征，其中，所述第三目标结构特征用于表示所述每个第二组成结构之间的碳...

【专利技术属性】
技术研发人员：赵康菲，蒋彪彬，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：