[发明专利]量化神经网络中多个输入变量之间相互作用的方法及应用

权利要求书

1.一种量化神经网络中多个输入变量之间相互作用的方法，其特征在于，所述方法包括：

给定预训练的神经网络和一个输入样本，选定所述输入样本中用于计算相互作用的若干输入变量；

通过训练，得到对所述输入变量的两种划分，每种所述划分将所述输入变量划分为多个联盟，根据网络输出计算各个联盟的沙普利值；所述沙普利值能够根据每个成员在一场游戏中的贡献，公平地为每个成员分配一个奖励值；

两种划分得到的沙普利值之和的差反映了所述输入变量之间的相互作用。

2.如权利要求1所述的量化神经网络中多个输入变量之间相互作用的方法，其特征在于，所述根据网络输出计算各个联盟的沙普利值，具体包括：

令集合N＝{1，2，……,n}表示所有成员组成的集合，为获得更高的奖励，成员会组成一个联盟S参与游戏v，联盟S能够得到的奖励值为v(S)，若成员i加入联盟S，则成员i为联盟S带来的边际奖励值为v(S∪{i})-v(S)，成员i的沙普利值的计算公式为：

其中，表示成员i的沙普利值，|S|表示集合S中成员的个数。

3.如权利要求1所述的量化神经网络中多个输入变量之间相互作用的方法，其特征在于，所述输入变量之间的相互作用的大小的计算公式为：

其中，T([A])表示输入变量之间的相互作用大小，Ω表示一个划分，C为由划分Ω所得到的一个联盟，B_max([A])为所有可能的划分中各个联盟沙普利值之和最大值，B_min([A])为所有可能的划分中各个联盟沙普利值之和最小值，表示将联盟C看作一个单独的成员[C]时该成员[C]的沙普利值。

4.如权利要求1所述的量化神经网络中多个输入变量之间相互作用的方法，其特征在于，所述联盟包含大于等于一个输入变量，在计算沙普利值时，将每一个联盟视作一个不可分割的整体。

5.如权利要求1所述的量化神经网络中多个输入变量之间相互作用的方法，其特征在于，根据所述网络输出计算沙普利值，所述沙普利值为标量。

6.如权利要求1所述的量化神经网络中多个输入变量之间相互作用的方法，其特征在于，所述沙普利值之和最大或最小的划分，用于提取网络建模的原型特征。

7.一种量化神经网络中多个输入变量之间相互作用的方法，用于在情感语义分析任务中，分析输入单词间的相互作用，其特征在于，所述方法包括：

给定预训练的用于情感语义分析的神经网络和输入句子，选定所述输入句子中用于分析相互作用的若干单词；输入样本为语句；

通过训练，得到对单词所属联盟的划分，每种划分将所述输入样本划分为多个联盟，根据网络输出计算各个联盟的沙普利值；所述沙普利值能够根据每个成员在一场游戏中的贡献，公平地为每个成员分配一个奖励值；

两种划分得到的沙普利值之和的差反映了所述输入单词之间的相互作用，联盟的划分方式体现了神经网络所建模的原型特征。

8.一种量化神经网络中多个输入变量之间相互作用的方法，用于在图像识别任务中，分析输入像素间的相互作用，其特征在于，所述方法包括：

给定预训练的用于图像识别的神经网络和输入图片，选定所述输入图片中用于分析相互作用的若干像素；输入样本为图片；

通过训练，得到对像素所属联盟的划分，每种划分将所述输入样本划分为多个联盟，根据网络输出计算各个联盟的沙普利值；所述沙普利值能够根据每个成员在一场游戏中的贡献，公平地为每个成员分配一个奖励值；

两种划分得到的沙普利值之和的差反映了所述输入像素之间的相互作用，联盟的划分方式体现了神经网络所建模的原型特征。