[發明專利]用于進行信息分類的方法、裝置、終端設備及存儲介質

有效

• 申請號: 202110683833.2
• 申請日: 2021-06-21
• 公開（公告）號: CN113535951B
• 公開（公告）日: 2023-02-17
• 發明（設計）人: 陸玉武;羅幸萍;賴志輝
• 申請（專利權）人: 深圳大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/55;G06F18/24;G06F18/214
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 任敏

1.一種用于進行信息分類的方法，其特征在于，包括：

獲取待分類對象，所述待分類對象包括圖像或者文本；

將所述待分類對象輸入目標分類模型，獲得所述目標分類模型針對所述待分類對象的分類結果，所述目標分類模型為對初始分類模型訓練后得到，所述分類結果根據所述待分類對象所對應的關聯信息確定得到，所述關聯信息包括所述待分類對象與預設數據庫中的每一個預設對象之間的相關性信息，所述預設數據庫包括至少兩個預設對象；

所述初始分類模型能夠通過以下公式進行表示：

s.t.P^T XHX^T P＝I_d,

其中，P∈R^m×d是預設映射矩陣，d為投影維數，也即表示預設子空間的維數，m代表原始數據樣本的維數，分別為源域數據和目標域數據，n_s、n_t分別代表源域、目標域數據的列，即源域、目標域的樣本量；為對齊源域數據和目標域數據而引入的列數，分別為兩個維度為n_s和n_t的單位矩陣，分別為兩個元素全為0的矩陣，為元素值全為1的列向量；其中元素值為含義為源域中第i個樣本的分類標簽為j，則定義為源域中所有分類標簽為j的樣本數的均值；F∈R^d×c為目標域數據中的類別中心矩陣，G_ij＝1當第i個樣本的分類標簽為j時，否則為0；為目標域數據中的鄰接矩陣，X＝[X_s,X_t]∈R^m×n，表示的是源域數據和目標域數據放在一起的集合，其中n＝n_s+n_t，L＝diag(2L_s,2L_t)，其中，L_t＝D_t-S，D_t為對角矩陣，其對角元素L_s＝D_s-W，為源域數據的相似矩陣，其元素值定義為其含義為當第i個樣本和第j個樣本的標簽都為c時其元素值定義為源域中標簽為c的樣本數的均值，D_s為對角矩陣，其對角元素α，β，γ為模型中的三個超參；T為預設的迭代訓練次數；G_t指的是目標域數據的指標矩陣，用于記錄目標域數據的分類結果；I_d 表示的是d維數下的單位矩陣。

2.如權利要求1所述的方法，其特征在于，所述初始分類模型基于目標數據庫和所述預設數據庫進行訓練，所述目標數據庫包括至少兩個目標對象，所述待分類對象為任一目標對象，所述預設數據庫包括每個預設對象的標簽信息。

3.如權利要求2所述的方法，其特征在于，訓練得到所述目標分類模型的過程，包括：

獲取所述預設數據庫和所述目標數據庫；

對所述預設數據庫進行第一預設處理，得到源域數據，所述源域數據用于描述所述預設數據庫中的包括的至少兩個預設對象；

對所述目標數據庫進行第二預設處理，得到目標域數據，所述目標域數據用于描述所述目標數據庫包括的至少兩個目標對象；

確定所述源域數據和所述目標域數據之間的第一關聯信息；

基于所述第一關聯信息、所述目標域數據和所述源域數據，對初始分類模型進行訓練，并將訓練完成的初始分類模型作為所述目標分類模型。

4.如權利要求3所述的方法，其特征在于，所述確定所述源域數據和所述目標域數據之間的第一關聯信息，包括：

確定所述源域數據的類別中心和所述目標域數據的類別中心；

根據所述源域數據的類別中心和所述目標域數據的類別中心，確定所述第一關聯信息，所述第一關聯信息用于描述所述源域數據的類別中心與所述目標域數據的類別中心之間的關聯度情況。