[发明专利]聚类模型的训练方法、聚类方法、装置、设备及存储介质在审
申请号: | 202210126447.8 | 申请日: | 2022-02-10 |
公开(公告)号: | CN114462540A | 公开(公告)日: | 2022-05-10 |
发明(设计)人: | 王亮;姚建华 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 北京三高永信知识产权代理有限责任公司 11138 | 代理人: | 李文静 |
地址: | 518057 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 模型 训练 方法 装置 设备 存储 介质 | ||
1.一种聚类模型的训练方法,其特征在于,所述方法包括:
获取多个第一对象数据、多个第二对象数据以及各个第一对象数据的标注聚类结果;
根据第一网络模型获取各个第一对象数据的第一预测聚类结果和各个第二对象数据的第一预测聚类结果;
基于所述各个第一对象数据的标注聚类结果、第一预测聚类结果以及所述各个第二对象数据的第一预测聚类结果对所述第一网络模型进行调整,得到聚类模型。
2.根据权利要求1所述的方法,其特征在于,所述获取多个第一对象数据、多个第二对象数据以及各个第一对象数据的标注聚类结果,包括:
获取各个样本对象数据所属的聚类簇;
基于所述各个样本对象数据所属的聚类簇,将所述各个样本对象数据划分为所述多个第一对象数据和所述多个第二对象数据;
将所述各个第一对象数据所属的聚类簇确定为所述各个第一对象数据的标注聚类结果。
3.根据权利要求2所述的方法,其特征在于,所述基于所述各个样本对象数据所属的聚类簇,将所述各个样本对象数据划分为所述多个第一对象数据和所述多个第二对象数据,包括:
对于任一个样本对象数据,从所述各个样本对象数据所属的聚类簇中确定所述任一个样本对象数据的参考聚类簇;
响应于所述任一个样本对象数据所属的聚类簇与所述参考聚类簇一致,则将所述任一个样本对象数据作为所述第一对象数据;
响应于所述任一个样本对象数据所属的聚类簇与所述参考聚类簇不一致,则将所述任一个样本对象数据作为所述第二对象数据。
4.根据权利要求3所述的方法,其特征在于,所述从所述各个样本对象数据所属的聚类簇中确定所述任一个样本对象数据的参考聚类簇,包括:
确定所述任一个样本对象数据与各个其他对象数据之间的距离,所述其他对象数据为所述各个样本对象数据中除所述任一个样本对象数据之外的样本对象数据;
基于所述任一个样本对象数据与所述各个其他对象数据之间的距离,从所述各个其他对象数据中确定不大于参考距离的各个其他对象数据;
从所述不大于参考距离的各个其他对象数据所属的聚类簇中,确定包含所述不大于参考距离的其他对象数据的数量最多的聚类簇为所述任一个样本对象数据的参考聚类簇。
5.根据权利要求2所述的方法,其特征在于,所述基于所述各个样本对象数据所属的聚类簇,将所述各个样本对象数据划分为所述多个第一对象数据和所述多个第二对象数据,包括:
获取所述各个样本对象数据所属聚类簇的概率;
基于所述各个样本对象数据所属聚类簇的概率,将所述各个样本对象数据划分为所述多个第一对象数据和所述多个第二对象数据。
6.根据权利要求5所述的方法,其特征在于,所述获取所述各个样本对象数据所属聚类簇的概率,包括:
对于任一个样本对象数据,基于所述任一个样本对象数据所属的聚类簇中的各个样本对象数据,确定聚类中心数据,所述聚类中心数据用于表征所述任一个样本对象数据所属的聚类簇的中心;
确定所述任一个样本对象数据与所述聚类中心数据之间的距离;
对所述任一个样本对象数据与所述聚类中心数据之间的距离进行归一化处理,得到所述任一个样本对象数据所属聚类簇的概率。
7.根据权利要求5所述的方法,其特征在于,所述基于所述各个样本对象数据所属聚类簇的概率,将所述各个样本对象数据划分为所述多个第一对象数据和所述多个第二对象数据,包括:
对于任一个样本对象数据,响应于所述任一个样本对象数据所属聚类簇的概率不小于概率阈值,则将所述任一个样本对象数据作为所述第一对象数据;
响应于所述任一个样本对象数据所属聚类簇的概率小于所述概率阈值,则将所述任一个样本对象数据作为所述第二对象数据。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210126447.8/1.html,转载请声明来源钻瓜专利网。