[发明专利]目标对象识别方法、装置、计算机设备及存储介质

权利要求书

1.一种目标对象识别方法，其特征在于，包括：

获取针对于目标业务的目标对象，其中，所述目标对象包括目标对象基础属性信息、目标设备基础属性信息以及目标网络连接属性信息中的至少一种；

对所述目标对象进行特征化处理，得到目标对象特征，其中，所述目标对象特征与所述目标对象具有对应关系；

基于所述目标对象特征，进行特征处理后确定第一兴趣度特征以及第二兴趣度特征，其中，所述第一兴趣度特征的特征点得分小于第一阈值，所述第二兴趣度特征的特征点得分大于所述第一阈值，所述特征点得分指示所述特征的重要程度；

对所述第一兴趣度特征进行加噪处理，得到第一加噪特征；

基于所述第二兴趣度特征和所述第一加噪特征，进行特征处理后确定第三兴趣度特征以及第四兴趣度特征，其中，所述第三兴趣度特征与另一特征之间的关联度小于第二阈值，所述第四兴趣度特征与另一特征之间的关联度大于所述第二阈值；

对所述第三兴趣度特征进行加噪处理，得到第二加噪特征；

基于所述第四兴趣度特征和所述第二加噪特征，通过目标分类模型获取所述目标对象对应的兴趣点分类结果；

根据所述目标对象对应的兴趣点分类结果确定所述目标对象的兴趣度标签。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取针对于所述目标业务的业务样本集合；

对所述业务样本集合进行特征化处理，得到业务样本特征集合；

所述基于所述目标对象特征，进行特征处理后确定第一兴趣度特征以及第二兴趣度特征，包括：

基于所述目标对象特征以及所述业务样本特征集合，进行特征处理后确定所述第一兴趣度特征以及所述第二兴趣度特征。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

获取针对于所述目标业务的对象样本集合，其中，所述对象样本集合包括N个对象样本，每个对象样本对应于一个兴趣度标签，所述每个对象样本包括对象基础属性信息、设备基础属性信息以及网络连接属性信息中的至少一种；

对所述对象样本集合进行特征化处理，得到对象样本特征集合，其中，所述对象样本特征集合包括N个对象样本特征，所述对象样本特征与所述对象样本具有对应关系；

基于所述对象样本特征集合，确定第一兴趣度特征集合以及第二兴趣度特征集合，其中，所述第一兴趣度特征集合包括特征点得分小于第一阈值的P个对象样本特征，所述第二兴趣度特征集合包括所述特征点得分大于所述第一阈值的Q个对象样本特征，所述P和Q为大于或等于1的整数；

对所述第一兴趣度特征集合进行加噪处理，得到第一加噪特征集合；

基于所述第二兴趣度特征集合和所述第一加噪特征集合，通过待训练分类模型获取N个对象样本对应的兴趣点分类结果；

根据所述N个对象样本对应的兴趣点分类结果以及N个对象样本对应的兴趣度标签，对待训练分类模型进行训练。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

获取针对于所述目标业务的业务样本集合；

对所述业务样本集合进行特征化处理，得到业务样本特征集合；

所述基于所述对象样本特征集合，确定第一兴趣度特征集合以及第二兴趣度特征集合，包括：

基于所述对象样本特征集合以及所述业务样本特征集合，确定所述第一兴趣度特征集合以及所述第二兴趣度特征集合。

5.根据权利要求3所述的方法，其特征在于，所述基于所述第二兴趣度特征集合和所述第一加噪特征集合，通过待训练分类模型获取N个对象样本对应的兴趣点分类结果，包括：

基于所述第二兴趣度特征集合和所述第一加噪特征集合，确定第三兴趣度特征集合以及第四兴趣度特征集合，其中，所述第三兴趣度特征集合中对象样本特征之间的关联度小于第二阈值，所述第四兴趣度特征集合中对象样本特征之间的关联度大于所述第二阈值；

对所述第三兴趣度特征集合进行加噪处理，得到第二加噪特征集合；

基于所述第四兴趣度特征集合和所述第二加噪特征集合，通过待训练分类模型获取所述N个对象样本对应的兴趣点分类结果。