[发明专利]数据的特征提取方法、装置及计算机可读存储介质有效
| 申请号： | 201710324243.4 | 申请日： | 2017-05-10 |
| 公开（公告）号： | CN108510071B | 公开（公告）日： | 2020-01-10 |
| 发明（设计）人： | 吴振国 | 申请（专利权）人： | 腾讯科技(深圳)有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06Q20/02;G06Q20/42 |
| 代理公司： | 11270 北京派特恩知识产权代理有限公司 | 代理人： | 蒋雅洁;张颖玲 |
| 地址： | 518000 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： | 本发明实施例公开了一种数据的特征提取方法、装置及计算机可读存储介质，应用于计算机领域，该方法包括：通过预置的第一神经网络提取各样本中的行为数据的特征，并将提取的特征输入至预置的第二神经网络中，将该预置的第一神经网络和该预置的第二神经网络进行对抗性训练，当训练后的第二神经网络输出属于预置数值范围的结果值时，停止训练，通过训练后的第一神经网络提取目标行为数据的特征，该目标行为数据与该行为数据属于同一数据类别，这样不但可以确保特征不受数据分布的变化的干扰，并且相较于现有排序的方法，简化了提取具有样本分布不变性的特征的过程，缩短了运算时间，减少对运算资源的长时间的占用。 | ||
| 搜索关键词： | 神经网络 预置 计算机可读存储介质 目标行为 特征提取 神经网络输出 对抗性训练 计算机领域 数据分布 特征输入 同一数据 行为数据 样本分布 运算资源 不变性 排序 运算 样本 占用 应用 | ||
【主权项】：
1.一种数据的特征提取方法，其特征在于，包括：/n通过预置的第一神经网络提取各样本中的行为数据的特征，并将提取的特征输入至预置的第二神经网络中；/n通过预置的第一代价函数，对所述预置的第二神经网络进行训练，得到所述训练后的第二神经网络，以使所述训练后的第二神经网络正确判别所述提取的特征所属样本的来源，所述样本的来源中包括训练样本或测试样本；/n将所述训练样本中的行为数据对应的特征输入至所述预置的第一神经网络中；/n通过预置的第二代价函数和预置的总代价函数，对所述预置的第一神经网络进行训练，得到所述训练后的第一神经网络，以使通过所述训练后的第一神经网络提取的特征输入至所述训练后的第二神经网络时，所述训练后的第二神经网络输出的结果值属于预置数值范围；/n当训练后的第二神经网络输出属于所述预置数值范围的结果值时，停止训练，所述结果值为正确判别所述提取的特征的样本来源的概率值；/n通过训练后的第一神经网络提取目标行为数据的特征，所述目标行为数据与所述行为数据属于同一数据类别。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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/patent/201710324243.4/，转载请声明来源钻瓜专利网。
