[发明专利]分类模型的训练方法、分类方法、装置及设备

权利要求书

1.一种分类模型的训练方法，包括：

获取多个用户的行为信息，以及所述多个用户的个人基本信息；其中，所述多个用户中的至少部分用户的类别已知；

将所述多个用户的个人基本信息输入待训练的分类模型中，得到所述多个用户的特征信息，以及已知类别的用户的预测类别；

根据所述多个用户的行为信息、所述多个用户的特征信息、所述已知类别的用户的预测类别、以及所述已知类别的用户的真实类别，对所述待训练的分类模型进行训练，得到训练后的分类模型。

2.根据权利要求1所述的方法，其中，所述待训练的分类模型包括：特征提取网络和分类网络；

所述特征提取网络被配置为接收所述多个用户的个人基本信息，对所述多个用户的个人基本信息进行特征提取，并输出所述多个用户的特征信息；

所述分类网络被配置为接收所述已知类别的用户的特征信息，对所述已知类别的用户的特征信息进行分类处理，并输出所述已知类别的用户的预测类别。

3.根据权利要求2所述的方法，其中，所述特征提取网络包括：相似关系生成网络和特征生成网络；

所述相似关系生成网络被配置为接收所述多个用户的个人基本信息，并根据所述多个用户的个人基本信息生成所述多个用户之间的相似关系，并输出所述多个用户之间的相似关系；

所述特征生成网络被配置为接收所述多个用户之间的相似关系，根据所述多个用户之间的相似关系对所述多个用户的特征信息进行更新，并输出所述多个用户更新后的特征信息。

4.根据权利要求3所述的方法，其中，所述相似关系生成网络包括：多个第一神经网络和多个第二神经网络，所述第一神经网络和所述第二神经网络间隔设置；

所述第一神经网络被配置为接收所述多个用户的个人基本信息，并根据所述多个用户的个人基本信息生成所述多个用户之间的相似关系，并将所述多个用户之间的相似关系输出至与其连接的所述第二神经网络，或者输出至所述特征生成网络；

所述第二神经网络被配置为接收所述多个用户之间的相似关系，根据所述多个用户之间的相似关系对所述多个用户的个人基本信息进行更新，并将所述多个用户更新后的个人基本信息输出至与其连接的所述第一神经网络。

5.根据权利要求4所述的方法，所述第一神经网络为多层感知器，所述第二神经网络为图卷积网络。

6.根据权利要求3至5任一项所述的方法，所述特征生成网络为图卷积网络。

7.根据权利要求2至6任一项所述的方法，所述分类网络为多层感知器。

8.根据权利要求1至7任一项所述的方法，其中，根据所述多个用户的行为信息、所述多个用户的特征信息、所述已知类别的用户的预测类别、以及所述已知类别的用户的真实类别，对所述待训练的分类模型进行训练，得到训练后的分类模型，包括：

根据所述多个用户的行为信息、所述多个用户的特征信息、所述已知类别的用户的预测类别、以及所述已知类别的用户的真实类别，确定所述待训练的分类模型的损失；

以最小化所述损失为目标，对所述待训练的分类模型进行训练，得到训练后的分类模型。

9.根据权利要求8所述的方法，其中，根据所述多个用户的行为信息、所述多个用户的特征信息、所述已知类别的用户的预测类别、以及所述已知类别的用户的真实类别，确定所述待训练的分类模型的损失函数，包括：

根据所述多个用户的行为信息和所述多个用户的特征信息，确定第一损失；

根据所述已知类别的用户的预测类别和所述已知类别的用户的真实类别，确定第二损失；

根据所述第一损失和所述第二损失，确定所述待训练的分类模型的损失。

10.根据权利要求2至7任一项所述的方法，所述多个用户中包括未知类别的用户；得到训练后的分类模型之后，所述方法还包括：

将所述未知类别的用户的特征信息输入所述训练后的分类模型的分类网络，得到所述未知类别的用户的预测类别。