对象识别方法技术

本申请实施例提供了一种对象识别方法

【技术实现步骤摘要】
对象识别方法、装置、电子设备及计算机可读存储介质


[0001]本申请涉及大数据
、
人工智能及云
，具体而言，本申请涉及一种对象识别方法
、
装置
、
电子设备
、
计算机可读存储介质及计算机程序产品
。

技术介绍

[0002]随着大数据和网络技术的发展，依赖大数据和网络技术辅助各行业的生产研究愈发成熟
。
[0003]相关技术中，在需要确定预设行业中的商户时，主要通过确定某一商户的名称中是否存在与预设行业关联的关键词，或者通过收集与该商户相关的评价信息，对评价信息进行分析，从而确定该商户是否属于该行业
。
但由于前者依赖于商户自己填写的注册信息，受商户主观因素的影响较大，而后者依赖于评价者的主观因素，可见，两种方式都不够客观，可信度较低，无法准确确定出预设行业中的商户，无法满足业务要求
。

技术实现思路

[0004]本申请实施例提供了一种对象识别的方法
、
装置
、
电子设备
、
计算机可读存储介质及计算机程序产品，用于更精确地确定出目标应用中的目标对象
。
[0005]根据本申请实施例的一个方面，提供了一种对象识别方法，该方法包括：
[0006]获取训练集和基于训练集训练得到的目标分类模型；
[0007]其中，训练集包括多个训练样本，每个训练样本包括一个样本对象的相关数据，相关数据包括对象信息和业务交易数据，样本对象为目标应用中的对象，业务交易数据包括对应于目标应用的业务交易数据，多个训练样本包括多个第一样本，每个第一样本对应的样本对象为目标类型的第一样本对象；
[0008]获取目标应用中的至少一个待处理对象的相关数据；
[0009]对于每个待处理对象，若该待处理对象和任一第一样本对象的关联程度大于设定值，将该待处理对象确定为候选目标对象，其中，任意两个对象的关联程度是根据这任意两个对象的相关数据确定的；
[0010]对于每个候选目标对象，基于该候选目标对象的相关数据，通过目标分类模型，得到候选目标对象的分类结果；
[0011]将各候选目标对象中分类结果为目标类型的对象，确定为最终的目标对象
。
[0012]根据本申请实施例的另一个方面，提供了一种对象识别装置，该装置包括：
[0013]第一获取模块，用于获取训练集和基于训练集训练得到的目标分类模型；
[0014]其中，训练集包括多个训练样本，每个训练样本包括一个样本对象的相关数据，相关数据包括对象信息和业务交易数据，样本对象为目标应用中的对象，业务交易数据包括对应于目标应用的业务交易数据，多个训练样本包括多个第一样本，每个第一样本对应的样本对象为目标类型的第一样本对象；
[0015]第二获取模块，用于获取目标应用中的至少一个待处理对象的相关数据；
[0016]候选目标对象确定模块，用于对于每个待处理对象，若待处理对象和任一第一样本对象的关联程度大于设定值，将待处理对象确定为候选目标对象，其中，任意两个对象的关联程度是根据任意两个对象的相关数据确定的；
[0017]分类模块，用于对于每个候选目标对象，基于候选目标对象的相关数据，通过目标分类模型，得到候选目标对象的分类结果；
[0018]目标对象确定模块，用于将各候选目标对象中分类结果为目标类型的对象，确定为最终的目标对象
。
[0019]根据本申请实施例的又一个方面，提供了一种电子设备，该电子设备包括存储器
、
处理器及存储在存储器上的计算机程序，该处理器执行所述计算机程序以实现上述方法的步骤
。
[0020]根据本申请实施例的又一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤
。
[0021]根据本申请实施例的又一个方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法的步骤
。
[0022]本申请实施例提供的技术方案带来的有益效果是：
[0023]基于本申请实施例提供的对象识别方法，通过基于包括样本对象的对象信息和业务交易数据的相关数据训练得到目标分类模型，可以同时考虑对象信息和业务交易数据，使得所得到的目标分类模型可以充分结合多种数据
(
即多源数据
)
的特性，从而实现更精确地基于某一对象的相关数据确定该对象的分类结果
。
[0024]在确定目标应用中至少一个待处理对象中的目标对象时，可以先通过待处理对象与目标类型的第一样本对象的关联程度初步筛选出待处理对象中的候选目标对象，再基于候选目标对象的相关数据，通过基于样本对象的多源数据训练得到的目标分类模型，对候选目标对象进行分类识别，从而准确识别出候选目标对象中的最终的目标对象，即采用关联程度对比和通过模型筛选的双重筛选机制，提高了筛选效率和准确率，从而更精确地确定出目标应用中的目标对象
。
附图说明
[0025]为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍
。
[0026]图1示出了本申请实施例提供的一种对象识别系统的示意图；
[0027]图2示出了本申请实施例提供的对象识别系统的另一种示意图；
[0028]图3示出了本申请实施例适用的应用场景下的对象识别方法的信令交互图；
[0029]图4示出本申请实施例提供的神经网络模型的结构示意图；
[0030]图5示出本申请实施例提供的对象识别方法的流程图；
[0031]图6示出了本申请实施例提供的一种对象网络的示意图；
[0032]图7示出了本申请实施例所适用的一种对象识别方法的另一流程图；
[0033]图8示出了本申请实施例所适用的一种对象识别装置的示意图；
[0034]图9示出了本申请实施例所适用的一种电子设备的结构示意图
。
具体实施方式
[0035]下面结合本申请中的附图描述本申请的实施例
。
应理解，下面结合附图所阐述的实施方式，是用于解释本申请实施例的技术方案的示例性描述，对本申请实施例的技术方案不构成限制
。
[0036]本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式
。
应该进一步理解的是，本申请实施例所使用的术语“包括”以及“包含”是指相应特征可以实现为所呈现的特征
、
信息
、
数据
、
步骤
、
操作
、
元件和
/
或组件，但不排除实现为本
所支持其他特征
、
信息
、
数据<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种对象识别方法，其特征在于，包括：获取训练集和基于所述训练集训练得到的目标分类模型；其中，所述训练集包括多个训练样本，每个所述训练样本包括一个样本对象的相关数据，所述相关数据包括对象信息和业务交易数据，所述样本对象为目标应用中的对象，所述业务交易数据包括对应于所述目标应用的业务交易数据，所述多个训练样本包括多个第一样本，每个所述第一样本对应的样本对象为目标类型的第一样本对象；获取所述目标应用中的至少一个待处理对象的相关数据；对于每个所述待处理对象，若所述待处理对象和任一所述第一样本对象的关联程度大于设定值，将所述待处理对象确定为候选目标对象，其中，任意两个对象的关联程度是根据所述任意两个对象的相关数据确定的；对于每个所述候选目标对象，基于所述候选目标对象的相关数据，通过所述目标分类模型，得到所述候选目标对象的分类结果；将各所述候选目标对象中分类结果为目标类型的对象，确定为最终的目标对象
。2.
根据权利要求1所述的方法，其特征在于，所述方法还包括：根据各个参考对象的相关数据，确定各个参考对象之间的关联程度，所述各个参考对象包括所述多个训练样本对应的各个样本对象和所述至少一个待处理对象；将每个所述参考对象作为一个节点，在关联程度大于所述设定值的两个所述参考对象对应的节点之间建立连边，得到对象网络；对于每个所述待处理对象，所述若所述待处理对象和任一所述第一样本对象的关联程度大于设定值，将所述待处理对象确定为候选目标对象，包括：确定所述对象网络中与所述待处理对象对应的节点具有连边的至少一个节点；若所述至少一个节点中各节点对应的参考对象中存在第一样本对象，确定所述待处理对象为候选目标对象
。3.
根据权利要求1或2所述的方法，其特征在于，所述多个训练样本还包括多个第二样本，每个所述第二样本对应的样本对象为非目标类型的第二样本对象；所述方法还包括：将确定出的每个最终的目标对象的相关数据分别作为新增的第一样本，将各所述候选目标对象中除所述最终的目标对象之外的每个对象的相关数据分别作为新增的第二样本，对所述训练集进行扩充；基于扩充后的训练集对所述目标分类模型进行更新训练，得到更新后的目标分类模型
。4.
根据权利要求1所述的方法，其特征在于，对于任一对象，所述业务交易数据包括该对象对应的交易对象的相关信息，所述相关信息包括对象标识；所述待处理对象和任一所述第一样本对象的关联程度是通过以下方式确定的：根据所述待处理对象和任一所述第一样本对象分别对应的交易对象的对象标识，确定所述待处理对象和所述第一样本对象对应的共同交易对象的第一数量；基于所述第一数量，确定所述待处理对象和所述第一样本对象的关联程度
。5.
根据权利要求4所述的方法，其特征在于，所述基于所述第一数量，确定所述待处理对象和所述第一样本对象的关联程度，包括：对于所述待处理对象和所述第一样本对象中的每个对象，根据该对象对应的交易对象
的对象标识，确定该对象所对应的交易对象的第二数量；根据所述第一数量
、
以及所述待处理对象和所述第一样本对象各自对应的第二数量，确定所述待处理对象和所述第一样本对象的关联系数；基于所述第一数量和所述关联系数，确定所述待处理对象和所述第一样本对象的关联程度
。6.
根据权利要求5所述的方法，其特征在于，所述待处理对象和所述第一样本对象的关联程度包括所述第一数量和所述关联系数，所述若所述待处理对象和任一所述第一样本对象的关联程度大于设定值，将所述待处理对象确定为候选目标对象，包括：若所述待处理对象和所述第一样本对象对应的第一数量大于第一阈值
、
且所述待处理对象和所述第一样本对象的关联系数大于第二阈值，则将所述待处理对象确定为候选目标对象，其中，所述设定值包括所述第一阈值和所述第二阈值
。7.
根据权利要求1所述的方法，其特征在于，所述获取训练集，包括：获取第一初始数据集和目标类型的对象对应的...

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