对象分类方法、模型训练方法、装置以及设备制造方法及图纸

技术编号:41578436 阅读:22 留言:0更新日期:2024-06-06 23:55
本申请提供一种对象分类方法、模型训练方法、装置以及设备,可用于人工智能领域。该方法包括:获取至少一个对象的初始表示;并对对象的初始表示进行自变换处理,得到对象的特征表示;根据对象的对象类型,对对象的初始表示进行邻居聚合处理,得到对象的链接表示;对对象的特征表示和链接表示进行语义融合处理,得到对象的隐含表示;根据对象的隐含表示,从预设标签库中确定对象的目标标签类型。本申请的方法,可以提高对象分类的准确率。

【技术实现步骤摘要】

本申请涉及人工智能领域,尤其涉及一种对象分类方法、模型训练方法、装置以及设备


技术介绍

1、人工智能技术被广泛用来解决各种问题,如针对网络中用户、设备等每一参与数据交互的实体对象,可以通过人工智能实现对象分类,以用于进行信息推荐。

2、现有技术中,可以根据对象本身进行分类处理,得到对象的类别,以用于信息推荐。

3、但上述方式中,仅通过对对象本身进行处理,以得到对象的类别,这样的方式由于所获取到的信息不足,导致分类结果并不准确。


技术实现思路

1、本申请提供一种对象分类方法、模型训练方法、装置以及设备,用以解决因仅通过对对象本身进行处理以得到对象的类别导致影响信息推荐的准确性的问题。

2、第一方面,本申请提供一种对象分类方法,所述方法包括:

3、获取至少一个对象的初始表示;其中,所述对象为用于参与交互的实体对象;所述对象具有对象类型;所述初始表示为双曲空间中用于表征对象本身的属性特征的向量;并对所述对象的初始表示进行自变换处理,得到所述对象的特征表示;其中,所述本文档来自技高网...

【技术保护点】

1.一种对象分类方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,根据所述对象的对象类型,对所述对象的初始表示进行邻居聚合处理,得到所述对象的链接表示,包括:

3.根据权利要求2所述的方法,其特征在于,第l个图卷积模块中第i个第一表示对应的第一线性表示第l个图卷积模块中第i个第二表示对应的第二线性表示

4.根据权利要求2所述的方法,其特征在于,基于所述图卷积模块,对所述第一线性表示以及所述第一线性表示对应的各个第二线性表示进行自注意力处理,得到所述第一线性表示对应的自注意力表示,包括:

5.根据权利要求4所述的方法...

【技术特征摘要】

1.一种对象分类方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,根据所述对象的对象类型,对所述对象的初始表示进行邻居聚合处理,得到所述对象的链接表示,包括:

3.根据权利要求2所述的方法,其特征在于,第l个图卷积模块中第i个第一表示对应的第一线性表示第l个图卷积模块中第i个第二表示对应的第二线性表示

4.根据权利要求2所述的方法,其特征在于,基于所述图卷积模块,对所述第一线性表示以及所述第一线性表示对应的各个第二线性表示进行自注意力处理,得到所述第一线性表示对应的自注意力表示,包括:

5.根据权利要求4所述的方法,其特征在于,第l个图卷积模块中第i个自注意力表示

6.根据权利要求1所述的方法,其特征在于,对所述对象的特征表示和链接表示进行语义融合处理,得到所述对象的隐含表示,包括:

7.根据权利要求6所述的方法,其特征在于,第l层图卷积模块中第i个对象的融合表示

8.根据权利要求1所述的方法,其特征在于,根据所述对象的隐含表示,从预设标签库中确定所述对象的目标标签类型,包括:

9.根据权利要求1-8中任一项所述的方法,其特征在于,对所述对象的初始表示进行自变换处理,得到所述对象的特征表示,包括:

10.根据权利要求1-8中任一项所述的方法,其特征在于,所述方法还包括:

11.一种应用于对象分类的模型训练方法,其特征在于,所述方法包括:

12.根据权利要求11所述的方法,其特征在于,根据所述待训练对象的隐含表示和预设标签库,对初始模型进行训练,得到双曲图卷积网...

【专利技术属性】
技术研发人员:刘砺志佟志臣蒋海俭闵青
申请(专利权)人:中国银联股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1