[发明专利]标签识别方法、装置、计算机设备、存储介质及程序产品

权利要求书

1.一种标签识别方法，其特征在于，所述方法包括：

获取待识别信息，并通过特征提取网络对所述待识别信息进行多类型特征提取，得到所述待识别信息的多类型特征，所述待识别信息包括至少两种类型的数据，所述多类型特征用于表征所述至少两种类型的数据的数据特征；

基于所述多类型特征与全局标签特征中的每个标签的全局特征，分别确定所述待识别信息与所述每个标签之间的匹配度，所述全局标签特征包括至少两个标签的全局特征，所述至少两个标签的全局特征是基于每个标签的初始特征、以及所述至少两个标签之间的关联关系确定的；

基于所述待识别信息与所述每个标签之间的匹配度，确定所述待识别信息的标签；

所述方法还包括以下至少一项：

响应于封面图获取请求，基于所确定的待识别图像的标签，从所确定的待识别图像中选择不包括第一目标类别的标签的图像作为封面图像，所述第一目标类别为用户负反馈图像的类别，所述待识别信息为所述待识别图像；

响应于信息推荐请求，如果待推荐信息的标签属于第二目标类别，降低所述待推荐信息的推荐权重，所述推荐权重用于指示向用户推荐所述待推荐信息的可能性，所述第二目标类别为用户负反馈信息的类别，所述待识别信息为待向用户推荐的待推荐信息。

2.根据权利要求1所述的标签识别方法，其特征在于，所述全局标签特征通过目标模型的图卷积网络得到，所述目标模型包括所述特征提取网络和所述图卷积网络；所述目标模型的训练方式，包括：

构建初始模型，将所述至少两个标签的初始特征输入初始图卷积网络，基于所述至少两个标签的初始特征和所述初始图卷积网络的特征相关函数，输出初始全局标签特征；

将样本集合输入初始特征提取网络，基于所述初始特征提取网络输出的样本特征以及所述初始图卷积网络输出的初始全局标签特征，预测所述样本集合的样本标签；

基于所述样本集合的真值标签和所述样本标签之间的相似度，对所述初始图卷积网络的特征相关函数进行调整，以及对所述初始特征提取网络的模型参数进行调整，直至所述初始模型达到第一目标条件时停止调整，得到所述目标模型；

其中，所述至少两个标签属于指定类别；所述特征相关函数用于指示所述至少两个标签之间的相关性，所述初始模型包括初始特征提取网络和初始图卷积网络，所述样本集合包括多个样本以及所述多个样本的真值标签。

3.根据权利要求2所述的标签识别方法，其特征在于，所述初始图卷积网络包括至少两个初始图卷积层；所述将所述至少两个标签的初始特征输入初始图卷积网络，基于所述至少两个标签的初始特征和所述初始图卷积网络的特征相关函数，输出初始全局标签特征，包括：

将所述至少两个标签的初始特征输入第一个初始图卷积层；

对于每个初始图卷积层，通过所述至少两个标签之间的关联关系和所述特征相关函数，对所述至少两个标签的第一特征进行全局相关性处理，得到所述至少两个标签的第二特征，将所述至少两个标签的第二特征输入所述初始图卷积层的下一初始图卷积层，所述第一特征是指输入所述初始图卷积层的至少两个标签的特征，所述第二特征是指所述初始图卷积层输出的至少两个标签的特征；

将最后一个初始图卷积层输出的至少两个标签的第二特征，作为所述初始全局标签特征。

4.根据权利要求3所述的标签识别方法，其特征在于，所述图卷积网络的每个图卷积层包括标签拓扑图，所述标签拓扑图用于表示所述至少两个标签的特征及所述至少两个标签之间的关联关系；

所述通过所述至少两个标签之间的关联关系和所述特征相关函数，对所述至少两个标签的第一特征进行全局相关性处理，得到所述至少两个标签的第二特征，包括：

基于所述至少两个标签之间的关联关系和所述至少两个标签的第一特征，构建初始标签拓扑图；

其中，所述初始标签拓扑图包括至少两个顶点、以及所述至少两个顶点之间的边，所述至少两个顶点对应的第一顶点描述矩阵用于表示所述至少两个标签的第一特征，所述至少两个顶点之间的边对应的相关性矩阵用于表示所述至少两个标签之间的关联关系；

根据所述特征相关函数，计算所述相关性矩阵、所述第一顶点描述矩阵与所述特征相关函数的权重矩阵之间的乘积，得到第二顶点描述矩阵，所述相关性矩阵包括所述至少两个标签之间的共同出现的概率，所述第二顶点描述矩阵用于表示所述至少两个标签的第二特征。