[发明专利]对象分类方法、装置、计算机设备、存储介质及程序产品

说明书

本申请公开了一种对象分类方法、装置、计算机设备、存储介质及程序产品，涉及人工智能技术领域。该方法包括：获取目标超图，目标超图由n条目标超边构成，目标超边由与同一目标实体具备关联关系的m个目标对象构成，n和m为正整数；基于目标超图，生成目标对象权重矩阵；基于目标对象权重矩阵对目标超图进行特征提取，得到各个目标对象分别对应的目标对象特征表示；基于目标对象特征表示进行对象类别预测，得到目标对象对应的目标对象类别。提高了对目标超图中对象的特征信息抽取能力，有利于更好的构建出高层次的对象特征表示，从而为后续对象分类预测提供更准确的对象特征表示，有利于后续分类预测任务的准确性。

技术领域

本申请实施例涉及人工智能技术领域，特别涉及一种对象分类方法、装置、计算机设备、存储介质及程序产品。

背景技术

超图(Hypergraph)用于描述存在多元关联的对象之间的关系，通过在计算机视觉和机器学习中引入超图，可以更加准确描述各个对象之间的关联关系。

相关技术中，通过图神经网络对超图进行特征提取，以得到各个对象的对象特征表示，进而基于该对象特征表示进行下游的对象分类任务等。

显然，从超图中提取出的对象特征表示的准确性，会影响后续分类任务的预测准确性。

发明内容

本申请实施例提供了一种对象分类方法、装置、计算机设备、存储介质及程序产品。所述技术方案如下方面。

一方面，提供了一种对象分类方法，所述方法包括：

获取目标超图，所述目标超图由n条目标超边构成，所述目标超边由与同一目标实体具备关联关系的m个目标对象构成，n和m为正整数；

基于所述目标超图，生成目标对象权重矩阵，所述目标对象权重矩阵包含所述目标超图中各个所述目标对象的目标对象权重，所述目标对象权重是指所述目标对象与各个目标超边对应所述目标实体之间的关系权重；

基于所述目标对象权重矩阵对所述目标超图进行特征提取，得到各个所述目标对象分别对应的目标对象特征表示；

基于所述目标对象特征表示进行对象类别预测，得到所述目标对象对应的目标对象类别。

另一方面，提供了一种对象分类方法，所述方法包括：

获取样本超图，所述样本超图由n条样本超边构成，所述样本超边由与同一样本实体具备关联关系的m个样本对象构成，n和m为正整数；

基于所述样本超图，生成样本对象权重矩阵，所述样本对象权重矩阵包含所述样本超图中各个所述样本对象的样本对象权重，所述样本对象权重是指所述样本对象与各个所述样本超边对应所述样本实体之间的关系权重；

将所述样本超图和所述样本对象权重矩阵输入特征提取网络，得到所述特征提取网络输出的样本对象特征表示；

将各个所述样本对象特征表示输入分类网络，得到所述分类网络输出的各个样本对象对应的样本预测类别；

基于所述样本预测类别和所述样本对象对应的样本标注类别，训练所述特征提取网络和所述分类网络。

另一方面，提供了一种对象分类装置，所述装置包括：

第一获取模块，用于获取目标超图，所述目标超图由n条目标超边构成，所述目标超边由与同一目标实体具备关联关系的m个目标对象构成，n和m为正整数；

第一生成模块，用于基于所述目标超图，生成目标对象权重矩阵，所述目标对象权重矩阵包含所述目标超图中各个所述目标对象的目标对象权重，所述目标对象权重是指所述目标对象与各个目标超边对应所述目标实体之间的关系权重；

第一特征提取模块，用于基于所述目标对象权重矩阵对所述目标超图进行特征提取，得到各个所述目标对象分别对应的目标对象特征表示；