[發明專利]異動信息的確定方法、裝置、電子設備和計算機可讀介質

有效

• 申請號: 202010814489.1
• 申請日: 2020-08-13
• 公開（公告）號: CN111949938B
• 公開（公告）日: 2023-06-20
• 發明（設計）人: 陳維識;李想;戴逸俊
• 申請（專利權）人: 抖音視界有限公司
• 主分類號: G06F17/16
• 分類號: G06F17/16;G06N3/045;G06N3/0475
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 郭曼

1.一種異動信息的確定方法，其特征在于，包括：

基于至少一個周期性影響因素矩陣和待檢測信息矩陣，生成在至少一個周期性影響因素的影響下所述待檢測信息矩陣對應的變化矩陣；

對所述變化矩陣進行重建，生成所述變化矩陣對應的重建矩陣；其中，所述重建矩陣和所述待檢測信息矩陣的大小相同；

基于所述重建矩陣和所述待檢測信息矩陣的差異，確定所述待檢測信息矩陣中的至少一個第二維度，基于預設的損失函數計算所述重建矩陣和所述待檢測信息矩陣在所述至少一個第二維度中各維度的損失值；響應于所述至少一個第二維度中目標第二維度的損失值大于第一預設閾值，根據所述目標第二維度確定所述待檢測信息矩陣中的異動信息；其中，所述目標第二維度至少包括一個。

2.根據權利要求1所述的方法，其特征在于，在所述基于至少一個周期性影響因素矩陣和待檢測信息矩陣，生成在至少一個周期性影響因素的影響下所述待檢測信息矩陣對應的變化矩陣之前，所述方法還包括：

基于所述待檢測信息矩陣中的至少一個第一維度，確定至少一個周期性影響因素矩陣。

3.根據權利要求1所述的方法，其特征在于，所述周期性影響因素矩陣的初始矩陣通過以下步驟得到：

確定訓練數據集中的訓練數據矩陣中的第一維度和第二維度的第一數目；

確定目標周期性影響因素的候選值的數目作為第二數目；

基于所述第一數目和所述第二數目，確定所述目標周期性影響因素矩陣的初始矩陣。

4.根據權利要求3所述的方法，其特征在于，所述根據所述目標第二維度確定所述待檢測信息矩陣中的異動信息包括：

基于所述目標第二維度下各子目標第二維度對應的待檢測信息的損失值，確定所述各子目標第二維度對應的待檢測信息的權重；其中，所述各子目標第二維度對應的待檢測信息的數量與所述第一維度相關；

根據所述各子目標第二維度對應的待檢測信息的權重，確定所述待檢測信息矩陣中的異動信息。

5.根據權利要求1-4任一項所述的方法，其特征在于，在所述基于所述重建矩陣和所述待檢測信息矩陣的差異，確定所述待檢測信息矩陣中的異動信息之后，所述方法還包括：

基于預設的損失函數確定各個維度當前所對應的梯度；

從所述異動信息中所述各個維度當前所對應的梯度中選取符合預設條件的梯度；

基于所選取的梯度，確定引起所述異動信息的至少一個異動子信息。

6.根據權利要求1所述的方法，其特征在于，所述對所述變化矩陣進行重建，得到所述變化矩陣對應的重建矩陣，包括：

將所述變化矩陣輸入變分自編碼器，得到所述重建矩陣；其中，所述變分自編碼器通過對所述變化矩陣進行編碼，得到編碼矩陣，以及對所述編碼矩陣進行解碼，得到所述重建矩陣。

7.根據權利要求1所述的方法，其特征在于，所述方法還包括：

對于任一第二維度下的子第二維度，確定所述子第二維度下每個第一維度對應的待檢測信息的損失值；

基于所述子第二維度下每個第一維度對應的待檢測信息的損失值，生成所述待檢測信息的變化趨勢。

8.根據權利要求3所述的方法，其特征在于，所述重建矩陣是基于預先訓練的神經網絡實現的，所述基于至少一個周期性影響因素矩陣和待檢測信息矩陣，生成在至少一個周期性影響因素的影響下待檢測信息矩陣對應的變化矩陣，包括：

確定所述待檢測信息矩陣與所述基于至少一個周期性影響因素矩陣的乘積，得到所述變化矩陣。

9.根據權利要求8所述的方法，其特征在于，所述至少一個周期性影響因素矩陣通過以下步驟得到：

將至少一個中的各個周期性影響因素分別輸入所述神經網絡的嵌入層，得到所述至少一個周期性影響因素矩陣。