[发明专利]分类器的生成方法、装置、设备及存储介质在审
申请号: | 201911046719.8 | 申请日: | 2019-10-30 |
公开(公告)号: | CN110781970A | 公开(公告)日: | 2020-02-11 |
发明(设计)人: | 刘紫薇;宋辉;吕培立;董井然;陈守志 | 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;G06F17/16 |
代理公司: | 11270 北京派特恩知识产权代理有限公司 | 代理人: | 刘晖铭;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: | |||
搜索关键词: | 目标域 样本 源域 均值差异 变换矩阵 标签 分类器 迁移 大规模计算 计算复杂度 存储介质 电子设备 优化目标 构建 分解 学习 预测 | ||
本发明提供了一种分类器的生成方法、装置、电子设备及存储介质;方法包括:基于源域的样本以及目标域的样本,构建源域与目标域的最大均值差异;将所述源域与目标域的最大均值差异进行分离,得到分离后的均值差异;根据分离后的均值差异对优化目标进行分解,得到针对源域的变换矩阵;基于源域的样本以及样本对应的标签、目标域的样本、以及针对所述源域的变换矩阵,对目标域的样本进行预测,得到目标域的样本所对应的标签;基于源域的样本、以及目标域的样本所对应的标签,生成对应目标域的分类器。通过本发明,能够将迁移学习中涉及大规模计算量的最大均值差异进行分离,从而降低迁移学习的计算复杂度。
技术领域
本发明涉及人工智能技术,尤其涉及一种分类器的生成方法、待分类数据的分类方法、装置、电子设备及存储介质。
背景技术
人工智能(Artificial Intelligence,AI)是计算机科学的一个综合技术,通过研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科,涉及领域广泛,例如自然语言处理技术以及机器学习/深度学习等几大方向,随着技术的发展,人工智能技术将在更多的领域得到应用,并发挥越来越重要的价值。
迁移学习是人工智能领域的重要应用之一,在对话系统、人脸识别系统、智能硬件等中都有广泛的应用,即迁移学习是这些复杂系统的基础组件。
但是,迁移学习中的大规模的计算数据,使得在进行数据迁移的过程中,极大地增加了计算复杂度,导致无法进行正常的迁移学习以及后续基于迁移学习的其他操作。
发明内容
本发明实施例提供一种方法、装置及存储介质,能够将迁移学习中涉及大规模计算量的最大均值差异进行分离,从而降低迁移学习的计算复杂度。
本发明实施例的技术方案是这样实现的:
本发明实施例提供一种分类器的生成方法,所述方法包括:
基于源域的样本以及目标域的样本,构建所述源域与所述目标域的最大均值差异;
将所述源域与所述目标域的最大均值差异进行分离,得到分离后的均值差异;
根据所述分离后的均值差异对优化目标进行分解,得到针对所述源域的变换矩阵;
基于所述源域的样本以及样本对应的标签、所述目标域的样本、以及所述针对所述源域的变换矩阵,对所述目标域的样本进行预测,得到所述目标域的样本所对应的标签;
基于所述源域的样本、以及所述目标域的样本所对应的标签,生成对应所述目标域的分类器。
本发明实施例提供一种待分类数据的分类方法,应用于本发明实施例所述的对应目标域的分类器;
所述方法包括:
确定所述目标域中的待分类数据;
通过所述对应目标域的分类器对所述待分类数据进行分类,得到对应所述待分类数据的标签。
本发明实施例提供一种分类器的生成装置,所述装置包括:
构建模块,用于基于源域的样本以及目标域的样本,构建所述源域与所述目标域的最大均值差异;
分离模块,用于对所述源域与所述目标域的最大均值差异进行分离;
处理模块,用于根据分离得到的均值差异对优化目标进行分解,得到针对所述源域的变换矩阵;
预测模块,用于基于所述源域的样本以及样本对应的标签、所述目标域的样本、以及所述针对所述源域的变换矩阵,对所述目标域的样本进行预测,得到所述目标域的样本所对应的标签;
生成模块,用于基于所述源域的样本、以及所述目标域的样本所对应的标签,生成对应所述目标域的分类器。
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/201911046719.8/2.html,转载请声明来源钻瓜专利网。