基于多项式谱滤波器的自监督商品分类方法技术

本公开提供一种基于多项式谱滤波器的自监督商品分类方法。包括步骤S1‑S9。S1，构建商品购买网络；S2，构建用于表示每个商品节点自身属性的特征向量；S3，初始化多项式滤波器和特征降维层的参数，构造初始化的低通/高通滤波器；S4，生成用于对比学习的负样本；S5，利用所述初始化的低通/高通滤波器构造低通/高通滤波器；S6，生成商品节点以及被腐蚀后的低通/高通表征；S7，构造自监督损失函数并通过梯度下降更新低通/高通滤波器中的参数；S8，重复步骤S4至S7进行模型优化和参数更新；S9，基于打分函数输出每个商品所属的类别。通过上述手段保证了无需商品标签信息的高质量商品表征学习，在实际应用中大大降低下游商品分类任务的成本。

【技术实现步骤摘要】

本公开涉及人工智能领域，更具体地讲，涉及一种基于多项式谱滤波器的自监督商品分类方法。

技术介绍

1、随着数字化商业和线上商品交易规模的快速增长趋势，商品分类成为了电子商务平台、零售业者和消费者必不可少的服务之一。同时，互联网和移动技术的普及使得用户的在线购物行为更加频繁和便捷，从而导致了海量的商品数据的产生和积累，这些海量数据不仅仅包括了商品的基本信息，还包括了用户的浏览、购买行为等丰富信息，为商品分类提供了丰富的数据基础。

2、海量的商品交易数据天然适合用图这一复杂的非欧结构来建模。商品之间的关联关系可以被表示为一个图，其中节点代表商品，边代表商品之间的关系，如购买行为、共现关系等。通过引入图神经网络来对商品进行图表示学习，可以更好地利用商品之间的关联信息，从而提高商品分类的准确性和鲁棒性。图神经网络能够学习到商品之间的复杂关系，并且能够适应不同商品之间的异构性和动态性，从而为商品分类提供更强大的建模能力。然而，现实中的图倾向于具有同配性或异配性。同配性指的是图中相连的节点拥有较为相似的特征与标签，例如论文引用网络同类论文更容易被引用，而异配本文档来自技高网...

【技术保护点】

1.一种基于多项式谱滤波器的自监督商品分类方法，其特征在于，包括步骤S1-S9：

2.如权利要求1所述的一种基于多项式谱滤波器的自监督商品分类方法，其特征在于，所述S3的初始化组合系数的策略具体为，设置组合系数初值α,β>0且α+β＝1。

3.如权利要求2所述的一种基于多项式谱滤波器的自监督商品分类方法，其特征在于，所述S3中构造初始化的低通/高通滤波器的具体过程为：构造切比雪夫多项式滤波器，对于K阶传播，其有K+1个切比雪夫插值点定义为γi,i＝0,…,K，相应地分别对应于高通/低通两组滤波器插值点为对于i＝0，考虑初始化对于i＝1,…,K，则初始化并通过...

【技术特征摘要】

1.一种基于多项式谱滤波器的自监督商品分类方法，其特征在于，包括步骤s1-s9：

2.如权利要求1所述的一种基于多项式谱滤波器的自监督商品分类方法，其特征在于，所述s3的初始化组合系数的策略具体为，设置组合系数初值α,β>0且α+β＝1。

3.如权利要求2所述的一种基于多项式谱滤波器的自监督商品分类方法，其特征在于，所述s3中构造初始化的低通/高通滤波器的具体过程为：构造切比雪夫多项式滤波器，对于k阶传播，其有k+1个切比雪夫插值点定义为γi,i＝0,…,k，相应地分别对应于高通/低通两组滤波器插值点为对于i＝0，考虑初始化对于i＝1,…,k，则初始化并通过递推计算高通滤波器插值点和低通滤波器插值点

4.如权利要求3所述的一种基于多项式谱滤波器的自监督商品分类方法，其特征在于，所述s4所述商品被腐蚀的表征的生成策略，为考虑对商品属性矩阵x行打乱，列维度保持不变。

5.如权利要求4所述的一种基于多项式谱滤波器的自监督商品分类方法，其特征在于，所述s5中分别构造出低通滤波器和高通滤波器的具体过程为：s51转换切比雪夫插值系...

【专利技术属性】
技术研发人员：魏哲巍，陈靖宇，雷润林，
申请(专利权)人：中国人民大学，
类型：发明
国别省市：