[发明专利]一种权重确定方法、装置、设备及存储介质

权利要求书

1.一种权重确定方法，包括：

获取目标参考因素和各邻近参考因素之间的结构化表示的因素关联数据；其中，所述目标参考因素和所述邻近参考因素对目标对象的属性数据具有影响；

确定所述目标参考因素和目标场景之间的需求紧密度数据；其中，所述目标场景具有对所述目标参考因素的使用需求；

根据所述因素关联数据和所述需求紧密度数据，确定在所述目标场景下，所述目标参考因素在所述目标对象的各参考因素中的属性支配权重。

2.根据权利要求1所述的方法，其中，根据所述因素关联数据和所述需求紧密度数据，确定在所述目标场景下，所述目标参考因素在所述目标对象的各参考因素中的属性支配权重，包括：

采用训练好的因素支配网络，根据所述因素关联数据和所述需求紧密度数据，确定在所述目标场景下，所述目标参考因素在所述目标对象的各参考因素中的属性支配权重。

3.根据权利要求2所述的方法，其中，所述因素支配网络包括自身影响力提取层、相互影响力提取层和支配权重激活层；

所述自身影响力提取层，用于提取所述需求紧密度数据中与所述目标参考因素相关的自身影响力特征；

所述相互影响力提取层，用于根据所述因素关联数据，提取所述需求紧密度数据中各参考因素之间的相互影响力特征；

所述支配权重激活层，用于根据所述自身影响力特征和所述相互影响力特征，确定所述目标参考因素的属性支配权重。

4.根据权利要求3所述的方法，其中，根据所述因素关联数据，提取所述需求紧密度数据中各参考因素之间的相互影响力特征，包括：

提取所述需求紧密度数据中与所述目标参考因素相关的涉外影响力特征；

根据所述涉外影响力特征和所述因素关联数据，提取所述需求紧密度数据中所述目标参考因素与各所述邻近参考因素之间的局部影响力特征；

将所述局部影响力特征和/或所述涉外影响力特征，作为所述相互影响力特征。

5.根据权利要求4所述的方法，其特征在于，根据所述自身影响力特征和所述相互影响力特征，确定所述目标参考因素的属性支配权重，包括：

将所述局部影响力特征和所述自身影响力特征进行特征融合；

采用注意力机制，对融合后的特征和所述涉外影响力特征的均值特征进行处理，得到所述目标参考因素的属性支配权重。

6.根据权利要求1所述的方法，其中，确定所述目标参考因素和目标场景之间的需求紧密度数据，包括：

采用训练好的场景感知网络，对所述目标参考因素的属性数据和所述目标场景的属性数据进行特征抽取，得到所述需求紧密度数据。

7.根据权利要求6所述的方法，其中，所述场景感知网络包括嵌入层和特征抽取层；

所述嵌入层，用于分别对所述目标参考因素的属性数据和所述目标场景的属性数据进行降维处理，得到因素嵌入向量和场景嵌入向量；

所述特征抽取层，用于对所述目标场景的属性数据、所述因素嵌入向量和所述场景嵌入向量中的至少一种进行特征抽取，得到所述需求紧密度数据。

8.根据权利要求7所述的方法，其中，所述需求紧密度数据包括一阶需求紧密度数据、二阶需求紧密度数据和高阶需求紧密度数据中的至少一种；

相应的，对所述目标场景的属性数据、所述因素嵌入向量和所述场景嵌入向量中的至少一种进行特征抽取，得到所述需求紧密度数据，包括下述至少一种：

根据所述因素嵌入向量和所述目标场景的属性数据，确定所述一阶需求紧密度数据；

根据所述因素嵌入向量和所述场景嵌入向量，确定所述二阶需求紧密度数据；

根据所述目标场景的属性数据、所述场景嵌入向量和所述因素嵌入向量，确定所述高阶需求紧密度数据。

9.根据权利要求7所述的方法，其中，在所述场景感知网络的模型训练阶段，在对样本参考因素的数据属性进行降维处理，得到样本因素嵌入向量时，包括：

分别对各所述样本参考因素的属性数据分时段进行降维处理，得到所述样本因素嵌入向量。