[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

权利要求书

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。