[发明专利]对象特征矩阵确定方法、装置、设备和存储介质

说明书

本公开涉及一种对象特征矩阵确定方法、装置、设备和存储介质。前述方法包括：获取对象数据集中各种类型对象的异质特征关联矩阵和对应的关联关系指示矩阵，以及各种类型对象的多层属性异质网络矩阵；基于异质特征关联矩阵和对应的关联关系指示矩阵构建异质特征关联函数；基于多层属性异质网络矩阵构建属性异质网络函数；基于异质特征关联函数和属性异质网络函数，构建最小化目标函数；基于最小化目标函数计算各种类型对象的低秩特征矩阵；采用低秩特征矩阵重构对象数据集中各种类型对象的对象特征矩阵。采用本公开实施例提供的方案，可以降低属性异质网络因同质转换而造成信息损失。

技术领域

本公开涉及数据处理技术领域，尤其涉及一种对象特征矩阵确定方法、装置、设备和存储介质。

背景技术

对图像、生物分子、社交网站用户等对象进行有效分类依赖于建立有效的图像分类器。在采用判别模型进行对象分类的方法中，构建有效的对象分类器的前提是提取有效地表征样本对象特征的对象特征矩阵。

相关技术中提出基于矩阵分解确定对象的低秩特征矩阵，基于低秩特征矩阵构建样本对象的对象特征矩阵的方案。基于矩阵分解构建对象特征矩阵的方案可以保证异质数据源的内部结构。但是由于对象数据的不完整性以及模型假设和实验设计的局限性，现有方法仍然存在同质数据转换造成的信息损失及已知异质关联数据不完整的问题。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开实施例提供了一种对象特征矩阵确定方法、装置、设备和存储介质。

第一方面，本公开实施例提供一种对象特征矩阵确定方法，包括：

获取对象数据集中各种类型对象的异质特征关联矩阵和对应的关联关系指示矩阵，以及各种类型对象的多层属性异质网络矩阵；

基于所述异质特征关联矩阵和对应的所述关联关系指示矩阵构建异质特征关联函数；

基于所述多层属性异质网络矩阵构建属性异质网络函数；

基于所述异质特征关联函数和所述属性异质网络函数，构建最小化目标函数；

基于所述最小化目标函数计算各种类型对象的低秩特征矩阵；

采用所述低秩特征矩阵重构所述对象数据集中各种类型对象的对象特征矩阵。

可选地，所述方法还包括：

基于所述异质特征关联函数中的第一权重矩阵构建第一约束函数；

基于所述属性异质网络函数中的第二权重矩阵构建第二约束函数；

基于所述异质特征关联函数和所述属性异质网络函数，构建最小化目标函数，包括：

基于所述异质特征关联函数、所述属性异质网络函数、所述第一约束函数和所述第二约束函数，构建所述最小化目标函数。

可选地，所述方法还包括：

还包括：构建未知噪声关联约束函数；

基于所述异质特征关联函数、所述属性异质网络函数、所述第一约束函数和所述第二约束函数，构建所述最小化目标函数，包括：

基于所述异质特征关联函数、所述属性异质网络函数、所述第一约束函数、所述第二约束函数和所述未知噪声关联约束函数，构建所述最小化目标函数。

可选地，所述基于所述最小化目标函数确定各种类型对象的低秩特征矩阵，包括：

采用交替方向乘子法对所述最小化目标函数进行求解，确定各种类型对象的低秩特征矩阵。

所述采用交替方向乘子法对所述最小化目标函数进行求解，包括：