[发明专利]信息聚类方法、系统、服务器及计算机可读存储介质

权利要求书

1.一种信息聚类方法，其特征在于，包括以下步骤：

S100：获取一历史时间内目标信息的时间访问数据及地域访问数据，以形成输入数据样本；

S200：对每一目标信息的初始数据特征降维至具有一特征范围的二维数据特征，所述特征范围为(-1,1)；

S300：在二维尺度下分割所述特征范围，以将所述二维数据特征划分至多个聚类；

S400：提取所述聚类中的二维数据特征，并对提取的二维数据特征升维至所述初始数据特征，以形成输出数据样本；

S500：分析所述输出数据样本的地域访问特征及时间访问特征，以获取对所述信息的地域访问偏好及时间访问规律；其中，

所述步骤S300包括：

S310：在每一维度上将所述特征范围(-1,1)划分为u个二级范围；

S320：对每一二级范围等分为v个区间，以形成(u·v)²个聚类。

2.如权利要求1所述的信息聚类方法，其特征在于，

所述步骤S100包括：

S110：获取历史时间为t天内，n个视频信息在m个地区的访问数据，作为时间访问数据及地域访问数据；

S120：形成n*t*m个输入数据样本。

3.如权利要求2所述的信息聚类方法，其特征在于，

步骤S110中，t＝15，m＝34；

步骤S120中计算的输入数据样本为n*15*34个。

4.如权利要求2所述的信息聚类方法，其特征在于，

所述步骤S200包括：

S210：对于每一视频信息的初始数据，基于：

L_n＝tanh(w_n·L_n-1+b_n)

逐层降维至具有一特征范围的二维数据特征，其中n为第n层，w_n为权重，b_n为偏差，tanh()为激活函数，所述特征范围为(-1,1)。

5.如权利要求2所述的信息聚类方法，其特征在于，

所述步骤S400包括：

S410：对于每一提取的视频信息的二维数据，基于：

逐层升维至初始数据，其中n为第n层，w_n为权重，b_n为偏差，tanh()为激活函数。

6.如权利要求1所述的信息聚类方法，其特征在于，

所述步骤S310包括：

S311：在每一维度上将所述特征范围(-1,1)划分为(-0.1,0.1)、(-1，-0.4)∪(0.4,1)、(-0.4，0.1)∪(0.1,0.4)三个二级范围；

所述步骤S320包括：

S321：在每一维度上十等分(-0.1,0.1)、(-1，-0.4)∪(0.4,1)、(-0.4，0.1)∪(0.1,0.4)二级范围，以形成900个聚类。

7.如权利要求4所述的信息聚类方法，其特征在于，还包括以下步骤：

S600：衡量所述输入数据样本与输出数据样本的差别；

S700：基于反向传播及所述差别，计算更新权重w'_n；

S800：迭代计算所述权重w'_n，以形成一权重终值w_n。

8.如权利要求7所述的信息聚类方法，其特征在于，

所述步骤S600包括：

S610：基于损失函数

计算所述差别；

所述步骤S700包括：

S710：基于

w'＝w-α·Loss'(Output,Input)

计算所述更新权重w'_n，其中α为学习率，Loss'()为对所述损失函数求导；

所述步骤S800包括：

S810：根据迭代次数降低所述学习率α，直至所述损失函数的值小于0.0001*T，其中T为聚类的总数。