[發明專利]分類及分類模型訓練方法、裝置及存儲介質

在審

• 申請號: 202210813655.5
• 申請日: 2022-07-11
• 公開（公告）號: CN115187809A
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 康戰輝
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V20/40;G06V10/772;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京勵誠知識產權代理有限公司 11647
• 代理人: 熊金鳳

1.一種分類方法，其特征在于，包括：

獲取目標短視頻，并從所述目標短視頻中獲取N張第一圖像，所述N為正整數；

針對所述N張第一圖像中的每一張第一圖像，通過分類模型預測所述第一圖像所包括的商品類別，其中所述分類模型在訓練過程中對權值向量進行歸一化處理；

根據所述N張第一圖像所包括的商品類別，確定推薦信息。

2.根據權利要求1所述的方法，其特征在于，所述N張第一圖像為所述目標短視頻在當前時間段內正在播放的圖像。

3.根據權利要求1所述的方法，其特征在于，所述根據所述N張第一圖像所包括的商品的類別，確定推薦信息，包括：

從商品庫中，獲取與所述N張第一圖像所包括的商品類別匹配的至少一個商品；

將所述至少一個商品，確定為所述推薦信息進行顯示。

4.一種分類模型訓練方法，其特征在于，包括：

獲取訓練圖像，并通過分類模型對所述訓練圖像中的商品進行分類，得到所述商品的分類預測值，所述訓練圖像包括短視頻中的商品圖像幀；

根據所述商品的分類預測值，確定所述分類模型的損失；

對所述分類預測值對應的權值向量進行歸一化處理，得到歸一化后的權值向量；

根據所述損失對所述歸一化后的權值向量進行更新，得到訓練后的所述分類模型。

5.根據權利要求4所述的方法，其特征在于，所述對所述分類預測值對應的權值向量進行歸一化處理，得到歸一化后的權值向量，包括：

對所述權值向量進行分解，得到參數向量和參數標量；

根據所述參數向量和所述參數標量，對所述權值向量進行歸一化處理，得到所述歸一化后的權值向量。

6.根據權利要求4或5所述的方法，其特征在于，所述根據所述商品的分類預測值，確定所述分類模型的損失，包括：

確定所述訓練圖像所屬的樣本類別；

確定所述樣本類別所包括的訓練數據，在所述訓練數據集中的占比；

根據所述占比，確定第一權重，所述占比與所述第一權重成負相關；

根據所述第一權重和所述商品的分類預測值，確定所述分類模型的損失。

7.根據權利要求6所述的方法，其特征在于，所述根據所述第一權重和所述商品的分類預測值，確定所述分類模型的損失，包括：

從所述商品的分類預測值中，確定出所述商品屬于第一分類的預測值，所述第一分類為所述商品的真實分類；

根據所述第一權重，以及所述商品屬于第一分類的預測值，確定所述分類模型的損失。

8.根據權利要求7所述的方法，其特征在于，所述根據所述第一權重，以及所述商品屬于第一分類的預測值，確定所述分類模型的損失，包括：

根據所述商品屬于第一分類的預測值，確定第二權重，所述第二權重與所述商品屬于第一分類的預測值負相關；

根據所述第一權重、所述第二權重和所述商品屬于第一分類的預測值，確定所述分類模型的損失。

9.根據權利要求8所述的方法，其特征在于，所述根據所述商品屬于第一分類的預測值，確定第二權重，包括：

將第一數值與所述商品屬于第一分類的預測值的差值，確定為所述第二權重，所述第一數值為正數；或者

確定第一數值與所述商品屬于第一分類的預測值之間的差值，將所述差值的r次方，確定為所述第二權重，所述r為非負數。

10.根據權利要求8所述的方法，其特征在于，所述根據所述第一權重、所述第二權重和所述商品屬于第一分類的預測值，確定所述分類模型的損失，包括：

將所述第一權重和所述第二權重相乘，得到第一乘積；

對所述商品屬于第一分類的預測值進行對數運算，得到第二數值；

將所述第一乘積的負數與所述第二數值的乘積，確定為所述分類模型關于所述訓練圖像的損失。