[发明专利]用于进行信息分类的方法、装置、终端设备及存储介质

权利要求书

1.一种用于进行信息分类的方法，其特征在于，包括：

获取待分类对象，所述待分类对象包括图像或者文本；

将所述待分类对象输入目标分类模型，获得所述目标分类模型针对所述待分类对象的分类结果，所述目标分类模型为对初始分类模型训练后得到，所述分类结果根据所述待分类对象所对应的关联信息确定得到，所述关联信息包括所述待分类对象与预设数据库中的每一个预设对象之间的相关性信息，所述预设数据库包括至少两个预设对象；

所述初始分类模型能够通过以下公式进行表示：

s.t.P^T XHX^T P＝I_d,

其中，P∈R^m×d是预设映射矩阵，d为投影维数，也即表示预设子空间的维数，m代表原始数据样本的维数，分别为源域数据和目标域数据，n_s、n_t分别代表源域、目标域数据的列，即源域、目标域的样本量；为对齐源域数据和目标域数据而引入的列数，分别为两个维度为n_s和n_t的单位矩阵，分别为两个元素全为0的矩阵，为元素值全为1的列向量；其中元素值为含义为源域中第i个样本的分类标签为j，则定义为源域中所有分类标签为j的样本数的均值；F∈R^d×c为目标域数据中的类别中心矩阵，G_ij＝1当第i个样本的分类标签为j时，否则为0；为目标域数据中的邻接矩阵，X＝[X_s,X_t]∈R^m×n，表示的是源域数据和目标域数据放在一起的集合，其中n＝n_s+n_t，L＝diag(2L_s,2L_t)，其中，L_t＝D_t-S，D_t为对角矩阵，其对角元素L_s＝D_s-W，为源域数据的相似矩阵，其元素值定义为其含义为当第i个样本和第j个样本的标签都为c时其元素值定义为源域中标签为c的样本数的均值，D_s为对角矩阵，其对角元素α，β，γ为模型中的三个超参；T为预设的迭代训练次数；G_t指的是目标域数据的指标矩阵，用于记录目标域数据的分类结果；I_d 表示的是d维数下的单位矩阵。

2.如权利要求1所述的方法，其特征在于，所述初始分类模型基于目标数据库和所述预设数据库进行训练，所述目标数据库包括至少两个目标对象，所述待分类对象为任一目标对象，所述预设数据库包括每个预设对象的标签信息。

3.如权利要求2所述的方法，其特征在于，训练得到所述目标分类模型的过程，包括：

获取所述预设数据库和所述目标数据库；

对所述预设数据库进行第一预设处理，得到源域数据，所述源域数据用于描述所述预设数据库中的包括的至少两个预设对象；

对所述目标数据库进行第二预设处理，得到目标域数据，所述目标域数据用于描述所述目标数据库包括的至少两个目标对象；

确定所述源域数据和所述目标域数据之间的第一关联信息；

基于所述第一关联信息、所述目标域数据和所述源域数据，对初始分类模型进行训练，并将训练完成的初始分类模型作为所述目标分类模型。

4.如权利要求3所述的方法，其特征在于，所述确定所述源域数据和所述目标域数据之间的第一关联信息，包括：

确定所述源域数据的类别中心和所述目标域数据的类别中心；

根据所述源域数据的类别中心和所述目标域数据的类别中心，确定所述第一关联信息，所述第一关联信息用于描述所述源域数据的类别中心与所述目标域数据的类别中心之间的关联度情况。