[发明专利]分类处理、图卷积神经网络模型的训练方法和装置有效
| 申请号： | 201910900854.8 | 申请日： | 2019-09-23 |
| 公开（公告）号： | CN110674869B | 公开（公告）日： | 2023-04-18 |
| 发明（设计）人： | 荣钰;黄文炳;徐挺洋;黄俊洲 | 申请（专利权）人： | 腾讯科技（深圳）有限公司;深圳市腾讯计算机系统有限公司 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/82;G06N3/045;G06N3/0464;G06N3/08 |
| 代理公司： | 北京派特恩知识产权代理有限公司 11270 | 代理人： | 刘晖铭;徐川 |
| 地址： | 518000 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种分类处理、图卷积神经网络模型的训练方法和装置。其中，该分类处理方法包括：获取目标对象的样本数据的目标特征图，通过将目标对象的样本数据的目标特征图输入到预先训练好的目标图卷积神经网络模型中，得到的目标对象的分类信息，分类信息可以准确地表示目标对象研究领域，根据分类信息对目标对象进行分类，通过输入训练好的目标图卷积神经网络模型即人工智能的方式对用户进行分类，提高了目标对象分类的准确性，进而解决了相关技术中通过复杂图卷积网络模型，基于用户的研究领域对用户进行分类，由于复杂图卷积网络模型的构建中存在过拟合和过平滑的问题，导致分类结果的准确性低的技术问题。 | ||
| 搜索关键词： | 分类 处理 图卷 神经网络 模型 训练 方法 装置 | ||
【主权项】：
1.一种分类处理方法，其特征在于，包括：/n获取目标对象的样本数据的目标特征图；/n将所述目标特征图输入到预先训练好的目标图卷积神经网络模型中，得到所述目标对象的分类信息，其中，所述目标神经网络模型是使用训练样本图的特征图的邻接矩阵对初始图卷积神经网络模型进行训练得到的，所述使用所述训练样本图的特征图的邻接矩阵对初始图卷积神经网络模型进行训练包括：在确定所述初始图卷积神经网络模型中第l+1层图卷积神经网络的输出特征时，对所述边集合中的部分边进行丢弃，得到目标边集合；根据所述目标边集合对所述邻接矩阵进行更新，得到目标邻接矩阵；使用所述目标邻接矩阵和所述初始图卷积神经网络模型中第l层图卷积神经网络的输出特征确定所述第l+1层图卷积神经网络的输出特征，其中，l为自然数；所述分类信息用于指示所述目标对象的研究领域；/n根据所述分类信息对所述目标对象进行分类处理。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于腾讯科技（深圳）有限公司;深圳市腾讯计算机系统有限公司，未经腾讯科技（深圳）有限公司;深圳市腾讯计算机系统有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910900854.8/，转载请声明来源钻瓜专利网。
