[发明专利]一种数据对象的分类系统、方法以及设备

权利要求书

1.一种多分类模型的训练方法，其特征在于，所述方法包括：

获取多个数据对象样本，每个所述数据对象样本具有不同的认知属性信息；

构建所述数据对象样本的多模态特征；

基于机器学习模型对所述多模态特征进行训练，得到多分类模型；

所述构建所述数据对象样本的多模态特征包括根据所述数据对象样本的多模态信息构建多模态特征，所述多模态信息包括数据对象样本的图片信息以及文本信息；

根据所述数据对象样本的多模态信息构建多模态特征包括：

将所述数据对象样本的图片信息通过机器学习方式映射到特征空间，得到图片信息表征向量；

将所述数据对象样本的文本信息通过词嵌入模型进行训练，得到文本信息表征向量；

根据所述图片信息表征向量确定图片相似关系表征向量，包括：根据所述图片信息表征向量确定数据对象样本之间的图片相似度，进而得到图片关系图，并对其进行采样后输入至词嵌入模型，得到图片相似关系表征向量；

根据所述文本信息表征向量确定文本相似关系表征向量，包括：根据所述文本信息表征向量确定数据对象样本之间的文本相似度，进而得到文本关系图，并对其进行采样后输入至词嵌入模型，得到文本相似关系表征向量。

2.根据权利要求1所述的方法，其特征在于，将所述数据对象样本的图片信息通过机器学习方式映射到特征空间，得到图片信息表征向量包括：

训练一卷积神经网络；

将所述数据对象样本的图片信息作为训练样本对所述卷积神经网络进行参数调整；

将所述数据对象样本的图片信息输入至参数调整后的卷积神经网络，得到图片信息表征向量。

3.根据权利要求1所述的方法，其特征在于，将所述数据对象样本的文本信息通过词嵌入模型进行训练，得到文本信息表征向量包括：

对所述数据对象样本的文本信息进行文本处理；

将文本处理后的文本信息输入至词嵌入模型，得到文本信息表征向量。

4.根据权利要求1所述的方法，其特征在于，根据所述图片信息表征向量确定图片相似关系表征向量包括：

根据所述图片信息表征向量确定数据对象样本之间的图片相似度；

根据所述图片相似度建立关系连接，得到图片关系图；

对所述图片关系图进行采样，得到采样结果；

将所述采样结果通过词嵌入模型进行训练，得到图片相似关系表征向量。

5.根据权利要求1所述的方法，其特征在于，根据所述文本信息表征向量确定文本相似关系表征向量包括：

根据所述文本信息表征向量确定数据对象样本之间的文本相似度；

根据所述文本相似度建立关系连接，得到文本关系图；

对所述文本关系图进行采样，得到采样结果；

将所述采样结果通过词嵌入模型进行训练，得到文本相似关系表征向量。

6.根据权利要求1所述的方法，其特征在于，根据所述数据对象样本的多模态信息构建多模态特征，还包括：

将所述图片相似关系表征向量替换为图片操作表征向量，其中图片操作表征向量是根据所述数据对象样本的图片信息确定的，所述图片操作表征向量包括图片浏览表征向量和/或图片点击表征向量和/或图片收藏表征向量和/或图片加购表征向量和/或图片购买表征向量；

将所述文本信息表征向量替换为文本操作表征向量，其中文本操作表征向量是根据所述数据对象样本的文本息确定的，所述文本操作表征向量包括文本浏览表征向量和/或文本点击表征向量和/或文本收藏表征向量和/或文本加购表征向量和/或文本购买表征向量。