[發(fā)明專利]一種信息檢測方法、裝置及計算機可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010884149.6
• 申請日: 2020-08-28
• 公開（公告）號: CN112044082B
• 公開（公告）日: 2021-11-30
• 發(fā)明（設(shè)計）人: 陳昊
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: A63F13/79
• 分類號: A63F13/79;A63F13/75;A63F13/837
• 代理公司: 深圳翼盛智成知識產(chǎn)權(quán)事務(wù)所(普通合伙) 44300
• 代理人: 李漢亮

1.一種信息檢測方法，其特征在于，包括：

獲取待檢測對象集合的特征矩陣和交互行為形成的目標(biāo)關(guān)聯(lián)矩陣；

將所述目標(biāo)關(guān)聯(lián)矩陣中表征待檢測集合中不同的待檢測對象之間的緊密度信息傳播給所述特征矩陣，得到目標(biāo)對象表征向量矩陣；

生成所述目標(biāo)對象表征向量矩陣對應(yīng)的標(biāo)簽信息；

通過所述目標(biāo)對象表征向量矩陣和對應(yīng)的標(biāo)簽信息對預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型；

基于所述訓(xùn)練后的預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型對目標(biāo)待識別對象進(jìn)行身份檢測；

其中，所述將所述目標(biāo)關(guān)聯(lián)矩陣中表征待檢測集合中不同的待檢測對象之間的緊密度信息傳播給所述特征矩陣，得到目標(biāo)對象表征向量矩陣，包括：

將所述特征矩陣確定為對象表征向量矩陣；

將所述目標(biāo)關(guān)聯(lián)矩陣和對象表征向量矩陣輸入圖神經(jīng)網(wǎng)絡(luò)的傳播函數(shù)，所述圖神經(jīng)網(wǎng)絡(luò)的傳播函數(shù)還包括對象表征回憶系數(shù)以及傳播參數(shù)回憶系數(shù)；

基于所述傳播函數(shù)，對所述目標(biāo)關(guān)聯(lián)矩陣和對象表征向量矩陣進(jìn)行矩陣相乘處理、線性變換處理、根據(jù)對象表征回憶系數(shù)以及傳播參數(shù)回憶系數(shù)補充初始的對象表征向量矩陣的梯度信息處理以及非線性激活處理，得到更新后的對象表征向量矩陣；

重復(fù)執(zhí)行預(yù)設(shè)次數(shù)對所述目標(biāo)關(guān)聯(lián)矩陣和更新后的對象表征向量矩陣進(jìn)行矩陣相乘處理、線性變換處理、根據(jù)對象表征回憶系數(shù)以及傳播參數(shù)回憶系數(shù)補充初始的對象表征向量矩陣的梯度信息處理以及非線性激活處理，得到更新后的對象表征向量矩陣的步驟，得到目標(biāo)對象表征向量矩陣。

2.根據(jù)權(quán)利要求1所述的信息檢測方法，其特征在于，所述獲取待檢測對象集合的特征矩陣和交互行為形成的目標(biāo)關(guān)聯(lián)矩陣的步驟，包括：

獲取待檢測對象集合的特征矩陣；

獲取待檢測對象集合在不同特征維度下的交互行為形成的多個關(guān)聯(lián)矩陣；

對每一關(guān)聯(lián)矩陣進(jìn)行矩陣標(biāo)準(zhǔn)化處理，得到矩陣標(biāo)準(zhǔn)化處理后的多個關(guān)聯(lián)矩陣；

將矩陣標(biāo)準(zhǔn)化處理后的多個關(guān)聯(lián)矩陣進(jìn)行加權(quán)聚合，得到目標(biāo)關(guān)聯(lián)矩陣。

3.根據(jù)權(quán)利要求1至2任一項所述的信息檢測方法，其特征在于，所述生成所述目標(biāo)對象表征向量矩陣對應(yīng)的標(biāo)簽信息的步驟，包括：

依次獲取所述目標(biāo)對象表征向量矩陣中每一行的對象表征向量信息；

生成每一行的對象表征向量信息的標(biāo)簽信息。

4.根據(jù)權(quán)利要求3所述的信息檢測方法，其特征在于，所述通過所述目標(biāo)對象表征向量矩陣和對應(yīng)的標(biāo)簽信息對預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型的步驟，包括：

將每一行的對象表征向量信息輸入所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型中，輸出對應(yīng)的預(yù)測信息；

將所述預(yù)測信息和對應(yīng)的標(biāo)簽信息輸入損失函數(shù)；

根據(jù)所述損失函數(shù)計算的損失值對預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)參數(shù)進(jìn)行迭代處理，直至收斂，得到訓(xùn)練后的預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型。

5.根據(jù)權(quán)利要求1至2任一項所述的信息檢測方法，其特征在于，所述基于所述訓(xùn)練后的預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型對目標(biāo)待識別對象進(jìn)行身份檢測的步驟，包括：

獲取待識別對象集合的待識別特征矩陣和交互行為形成的待識別目標(biāo)關(guān)聯(lián)矩陣；

將所述待識別目標(biāo)關(guān)聯(lián)矩陣中表征待檢測集合中不同的待檢測對象之間的緊密度信息傳播給所述待識別特征矩陣，得到待識別目標(biāo)對象表征向量矩陣；

將所述待識別目標(biāo)對象表征向量矩陣輸入訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型，輸出所述待識別對象集合中的每一目標(biāo)待識別對象的身份檢測結(jié)果。