[发明专利]多媒体文件处理方法、装置、服务器及存储介质

说明书

本公开关于一种多媒体文件处理方法、装置、服务器及存储介质，属于计算机技术领域。所述方法包括：获取多媒体文件集合的多个多媒体文件子集合，多媒体文件集合包括多个第一多媒体文件；从多个分类模型中，为多个多媒体文件子集合分别确定对应的第一目标分类模型；根据每个多媒体文件子集合和对应的第一目标分类模型，将多个第一目标分类模型的原超参数分别更新为对应的目标超参数；从更新后的多个第一目标分类模型中，确定性能参数满足第二目标条件的第二目标分类模型，基于第二目标分类模型对多媒体文件集合进行分类。基于多媒体文件子集合进行超参数的更新和第二目标分类模型的确定，提高了对多媒体文件集合进行分类的效率。

技术领域

本公开涉及计算机技术领域，特别涉及一种多媒体文件处理方法、装置、服务器及存储介质。

背景技术

聚类是一种无监督学习的方法，在机器学习、数据挖掘、模式识别和图像分析等方面都得到了广泛应用。通过聚类，对大规模的多媒体文件进行分析，确定每个多媒体文件的文件类别。

由于当前主流的聚类算法有很多种，每种聚类算法对应的聚类模型在不同的分类场景中具有不同的优势和劣势，因此，对于每种具体的分类场景，选择适用于该分类场景的聚类模型是最为棘手的问题。

当前，数据科学家需要花费大量的时间和精力去进行聚类模型的选择，再基于选择出的聚类模型去对多媒体文件集合进行分类，导致对多媒体文件集合进行分类的整体效率较低。

发明内容

本公开实施例提供了一种多媒体文件处理方法、装置、服务器及存储介质，能够提高对多媒体文件集合进行分类的效率。本公开的技术方案如下：

根据本公开实施例的第一方面，提供了一种多媒体文件处理方法，所述方法包括：

获取多媒体文件集合的多个多媒体文件子集合，所述多媒体文件集合包括多个第一多媒体文件；

从多个分类模型中，为所述多个多媒体文件子集合分别确定对应的第一目标分类模型；

根据每个所述多媒体文件子集合和对应的第一目标分类模型，将多个第一目标分类模型的原超参数分别更新为对应的目标超参数，所述目标超参数使得所述第一目标分类模型的性能参数满足第一目标条件，所述性能参数用于表示对应的分类模型的分类性能；

从更新后的多个第一目标分类模型中，确定性能参数满足第二目标条件的第二目标分类模型，基于所述第二目标分类模型对所述多媒体文件集合进行分类。

在一种可能的实现方式中，所述从多个分类模型中，为所述多个多媒体文件子集合分别确定对应的第一目标分类模型，包括：

对于每个所述多媒体文件子集合，根据每个所述分类模型的性能参数和所述多媒体文件集合的数据量，确定每个所述分类模型的采样权重，所述采样权重用于表示所述分类模型被确定为所述第一目标分类模型的权重；

根据每个所述分类模型的采样权重，从所述多个分类模型中，确定每个所述多媒体文件子集合分别对应的第一目标分类模型。

在另一种可能的实现方式中，所述性能参数包括分类速度和轮廓系数，所述根据每个所述分类模型的性能参数和所述多媒体文件集合的数据量，确定每个所述分类模型的采样权重，包括：

根据每个所述分类模型的分类速度在所述多个分类模型中的排序，确定每个所述分类模型的速度排名信息；

根据每个所述分类模型的轮廓系数在所述多个分类模型中的排序，确定每个所述分类模型的性能排名信息；

根据每个所述分类模型的速度排名信息、性能排名信息和所述多媒体文件集合的数据量，确定每个所述分类模型的采样权重。