[发明专利]分类及分类模型训练方法、装置及存储介质

权利要求书

1.一种分类方法，其特征在于，包括：

获取目标短视频，并从所述目标短视频中获取N张第一图像，所述N为正整数；

针对所述N张第一图像中的每一张第一图像，通过分类模型预测所述第一图像所包括的商品类别，其中所述分类模型在训练过程中对权值向量进行归一化处理；

根据所述N张第一图像所包括的商品类别，确定推荐信息。

2.根据权利要求1所述的方法，其特征在于，所述N张第一图像为所述目标短视频在当前时间段内正在播放的图像。

3.根据权利要求1所述的方法，其特征在于，所述根据所述N张第一图像所包括的商品的类别，确定推荐信息，包括：

从商品库中，获取与所述N张第一图像所包括的商品类别匹配的至少一个商品；

将所述至少一个商品，确定为所述推荐信息进行显示。

4.一种分类模型训练方法，其特征在于，包括：

获取训练图像，并通过分类模型对所述训练图像中的商品进行分类，得到所述商品的分类预测值，所述训练图像包括短视频中的商品图像帧；

根据所述商品的分类预测值，确定所述分类模型的损失；

对所述分类预测值对应的权值向量进行归一化处理，得到归一化后的权值向量；

根据所述损失对所述归一化后的权值向量进行更新，得到训练后的所述分类模型。

5.根据权利要求4所述的方法，其特征在于，所述对所述分类预测值对应的权值向量进行归一化处理，得到归一化后的权值向量，包括：

对所述权值向量进行分解，得到参数向量和参数标量；

根据所述参数向量和所述参数标量，对所述权值向量进行归一化处理，得到所述归一化后的权值向量。

6.根据权利要求4或5所述的方法，其特征在于，所述根据所述商品的分类预测值，确定所述分类模型的损失，包括：

确定所述训练图像所属的样本类别；

确定所述样本类别所包括的训练数据，在所述训练数据集中的占比；

根据所述占比，确定第一权重，所述占比与所述第一权重成负相关；

根据所述第一权重和所述商品的分类预测值，确定所述分类模型的损失。

7.根据权利要求6所述的方法，其特征在于，所述根据所述第一权重和所述商品的分类预测值，确定所述分类模型的损失，包括：

从所述商品的分类预测值中，确定出所述商品属于第一分类的预测值，所述第一分类为所述商品的真实分类；

根据所述第一权重，以及所述商品属于第一分类的预测值，确定所述分类模型的损失。

8.根据权利要求7所述的方法，其特征在于，所述根据所述第一权重，以及所述商品属于第一分类的预测值，确定所述分类模型的损失，包括：

根据所述商品属于第一分类的预测值，确定第二权重，所述第二权重与所述商品属于第一分类的预测值负相关；

根据所述第一权重、所述第二权重和所述商品属于第一分类的预测值，确定所述分类模型的损失。

9.根据权利要求8所述的方法，其特征在于，所述根据所述商品属于第一分类的预测值，确定第二权重，包括：

将第一数值与所述商品属于第一分类的预测值的差值，确定为所述第二权重，所述第一数值为正数；或者

确定第一数值与所述商品属于第一分类的预测值之间的差值，将所述差值的r次方，确定为所述第二权重，所述r为非负数。

10.根据权利要求8所述的方法，其特征在于，所述根据所述第一权重、所述第二权重和所述商品属于第一分类的预测值，确定所述分类模型的损失，包括：

将所述第一权重和所述第二权重相乘，得到第一乘积；

对所述商品属于第一分类的预测值进行对数运算，得到第二数值；

将所述第一乘积的负数与所述第二数值的乘积，确定为所述分类模型关于所述训练图像的损失。