亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法及系統(tǒng)與流程

文檔序號(hào):11950525閱讀:579來源:國知局
一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法及系統(tǒng)與流程

本發(fā)明涉及信息技術(shù)領(lǐng)域,尤其涉及一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法及系統(tǒng)。



背景技術(shù):

隨著互聯(lián)網(wǎng)的快速普及,社交媒體網(wǎng)站也在不斷的興起,人們能夠更方便的在社交媒體網(wǎng)站上產(chǎn)生或分享多媒體內(nèi)容,因此社交媒體平臺(tái)上存儲(chǔ)著大量多樣的由多模態(tài)數(shù)據(jù)構(gòu)成的事件。在實(shí)際應(yīng)用中,就單個(gè)事件而言,社交媒體平臺(tái)中關(guān)于該事件的內(nèi)容可能被多個(gè)用戶發(fā)布或分享,由于用戶在地理分布、分享時(shí)間、模態(tài)形式或描述角度不同會(huì)造成信息分布散亂。因此多模態(tài)數(shù)據(jù)存在異構(gòu)性、數(shù)據(jù)量大、數(shù)據(jù)缺失和計(jì)算代價(jià)大的特點(diǎn),這給多模態(tài)數(shù)據(jù)的處理及蘊(yùn)含的事件挖掘帶來了挑戰(zhàn)。

目前,單一模態(tài)數(shù)據(jù)挖掘方法由于多模態(tài)數(shù)據(jù)的異構(gòu)性和數(shù)據(jù)量大的特點(diǎn),不能處理場景中的數(shù)據(jù);多模態(tài)融合技術(shù)雖然可針對(duì)多模態(tài)數(shù)據(jù)進(jìn)行有效處理,但較高的計(jì)算復(fù)雜度使得進(jìn)行多模態(tài)數(shù)據(jù)處理時(shí)占用大量內(nèi)存,不適用于社交媒體平臺(tái)。另外,單一模態(tài)數(shù)據(jù)挖掘方法和多模態(tài)融合技術(shù)都是處理原始數(shù)據(jù),而對(duì)多模態(tài)數(shù)據(jù)存在的數(shù)據(jù)缺失問題未涉及。

有鑒于此,現(xiàn)有技術(shù)方案在對(duì)多模態(tài)數(shù)據(jù)進(jìn)行處理時(shí)無法同時(shí)解決存在的異構(gòu)性、數(shù)據(jù)量大、數(shù)據(jù)缺失和計(jì)算代價(jià)大的問題。



技術(shù)實(shí)現(xiàn)要素:

有鑒于此,本發(fā)明提供一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法及系統(tǒng),以解決現(xiàn)有的技術(shù)方案在對(duì)多模態(tài)數(shù)據(jù)進(jìn)行處理時(shí)無法同時(shí)解決存在的異構(gòu)性、數(shù)據(jù)量大、數(shù)據(jù)缺失和計(jì)算代價(jià)大的問題。技術(shù)方案如下:

一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法,應(yīng)用于一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng),包括:

接收目標(biāo)多模態(tài)數(shù)據(jù),并獲取所述目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài)以及所述各個(gè)模態(tài)的特征表示;

根據(jù)所述目標(biāo)多模態(tài)數(shù)據(jù)、所述特征表示和預(yù)設(shè)圖隨機(jī)走模型獲取融合多模態(tài)特征的數(shù)據(jù)表示和詞典表示;

根據(jù)預(yù)設(shè)數(shù)據(jù)重構(gòu)模型、所述數(shù)據(jù)表示和所述詞典表示,獲取低維判別表示最優(yōu)解和詞典最優(yōu)表示并存儲(chǔ)于數(shù)據(jù)庫。

優(yōu)選的,所述接收目標(biāo)多模態(tài)數(shù)據(jù),并獲取所述目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài)以及所述各個(gè)模態(tài)的特征表示,包括:

接收所述目標(biāo)多模態(tài)數(shù)據(jù),獲取所述目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的所述各個(gè)模態(tài),并提取所述各個(gè)模態(tài)的原始特征;

基于預(yù)設(shè)數(shù)據(jù)先驗(yàn)分布和各個(gè)所述原始特征獲取所述各個(gè)模態(tài)的缺失特征,得到所述各個(gè)模態(tài)的特征表示。

優(yōu)選的,所述根據(jù)所述目標(biāo)多模態(tài)數(shù)據(jù)、所述特征表示、預(yù)設(shè)相似度算法和預(yù)設(shè)圖隨機(jī)走模型獲取融合多模態(tài)特征的數(shù)據(jù)表示和詞典表示,包括:

根據(jù)所述目標(biāo)多模態(tài)數(shù)據(jù)選取詞典原子,并根據(jù)所述特征表示提取所述詞典原子相應(yīng)的特征表示,得到所述各個(gè)模態(tài)的模式詞典;

基于所述模式詞典編碼所述目標(biāo)多模態(tài)數(shù)據(jù),并根據(jù)所述預(yù)設(shè)相似度算法計(jì)算所述目標(biāo)多模態(tài)數(shù)據(jù)和所述模式詞典在所述各個(gè)模態(tài)下的相似度,得到所述各個(gè)模態(tài)的近鄰圖

其中,為所述目標(biāo)多模態(tài)數(shù)據(jù)中第i個(gè)數(shù)據(jù)與所述模式詞典中第j個(gè)原子的相似度值,為第m個(gè)模態(tài)下所述模式詞典中的第j個(gè)原子,為第m個(gè)模態(tài)下所述模式詞典中第j個(gè)原子在所述目標(biāo)多模態(tài)數(shù)據(jù)中第i個(gè)數(shù)據(jù)的第一預(yù)設(shè)范圍內(nèi)的近鄰集合;

依據(jù)所述預(yù)設(shè)圖隨機(jī)走模型迭代計(jì)算所述近鄰圖,獲取所述各個(gè)模態(tài)的迭代穩(wěn)態(tài)并確定為融合多模態(tài)特征的所述數(shù)據(jù)表示XM,并根據(jù)所述數(shù)據(jù)表示更新所述模式詞典,得到融合多模態(tài)特征的所述詞典表示;

其中,pm為第m個(gè)第一預(yù)設(shè)參數(shù),取值范圍為0~1,n為迭代次數(shù)。

優(yōu)選的,所述根據(jù)預(yù)設(shè)數(shù)據(jù)重構(gòu)模型、所述數(shù)據(jù)表示和所述詞典表示,獲取低維判別表示最優(yōu)解和詞典最優(yōu)表示并存儲(chǔ)于數(shù)據(jù)庫,包括:

基于預(yù)設(shè)數(shù)據(jù)重構(gòu)模型并根據(jù)增量式拉格朗日乘子和梯度下降法求解所述數(shù)據(jù)表示和所述詞典表示,得到數(shù)據(jù)表示有效解和詞典表示有效解

其中,Subject to Z=J,Z為所述數(shù)據(jù)表示,DM為所述詞典表示,PM為所述詞典表示上的距離矩陣,Wij為所述目標(biāo)多模態(tài)數(shù)據(jù)中第i個(gè)數(shù)據(jù)與所述模式詞典中第j個(gè)原子在第v個(gè)預(yù)設(shè)模態(tài)上的相似度值,為所述目標(biāo)多模態(tài)數(shù)據(jù)中第f個(gè)數(shù)據(jù)與所述模式詞典中第i個(gè)原子在第v個(gè)所述預(yù)設(shè)模態(tài)上相似度值,所述目標(biāo)多模態(tài)數(shù)據(jù)中第j個(gè)數(shù)據(jù)與所述模式詞典中的第i個(gè)原子在第v個(gè)所述預(yù)設(shè)模態(tài)上的相似度值,d為所述詞典表示中原子數(shù)目;

判斷所述數(shù)據(jù)表示有效解和所述詞典表示有效解是否收斂;

若是,將所述數(shù)據(jù)表示有效解確定為低維判別表示最優(yōu)解,將所述詞典表示有效解確定為所述詞典最優(yōu)表示,并將所述低維判別表示最優(yōu)解和所述詞典最優(yōu)表示存儲(chǔ)于數(shù)據(jù)庫;

若否,返回執(zhí)行所述根據(jù)增量式拉格朗日乘子和梯度下降法求解所述數(shù)據(jù)表示和所述詞典表示,得到數(shù)據(jù)表示有效解和詞典表示有效解這一步驟。

優(yōu)選的,所述根據(jù)所述目標(biāo)多模態(tài)數(shù)據(jù)選取詞典原子,并根據(jù)所述特征表示提取所述詞典原子相應(yīng)的特征表示,得到所述各個(gè)模態(tài)的模式詞典,包括:

判斷所述目標(biāo)多模態(tài)數(shù)據(jù)是否帶有標(biāo)簽;

若否,選取所述特征表示中的任意一個(gè)作為單一模態(tài),基于預(yù)設(shè)中心聚類算法對(duì)所述單一模態(tài)對(duì)應(yīng)的目標(biāo)多模態(tài)數(shù)據(jù)進(jìn)行聚類處理,并選取聚類中心點(diǎn)第二預(yù)設(shè)范圍內(nèi)的目標(biāo)多模態(tài)數(shù)據(jù)作為所述詞典原子;

若是,選取預(yù)設(shè)數(shù)量的所述帶標(biāo)簽數(shù)據(jù)作為所述詞典原子;

獲取所述詞典原子相應(yīng)的特征表示,構(gòu)成所述模式詞典。

一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng),包括:

數(shù)據(jù)處理裝置,用于接收目標(biāo)多模態(tài)數(shù)據(jù),并獲取所述目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài)以及所述各個(gè)模態(tài)的特征表示;

多模態(tài)融合裝置,用于根據(jù)所述目標(biāo)多模態(tài)數(shù)據(jù)、所述特征表示和預(yù)設(shè)圖隨機(jī)走模型獲取融合多模態(tài)特征的數(shù)據(jù)表示和詞典表示;

判別特征學(xué)習(xí)裝置,用于根據(jù)預(yù)設(shè)數(shù)據(jù)重構(gòu)模型、所述數(shù)據(jù)表示和所述詞典表示,獲取低維判別表示最優(yōu)解和詞典最優(yōu)表示并存儲(chǔ)于數(shù)據(jù)庫。

優(yōu)選的,所述數(shù)據(jù)處理裝置包括:

原始特征提取模塊,用于接收所述目標(biāo)多模態(tài)數(shù)據(jù),獲取所述目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的所述各個(gè)模態(tài),并提取所述各個(gè)模態(tài)的原始特征;

缺失特征補(bǔ)充模塊,用于基于預(yù)設(shè)數(shù)據(jù)先驗(yàn)分布和各個(gè)所述原始特征獲取所述各個(gè)模態(tài)的缺失特征,得到所述各個(gè)模態(tài)的特征表示。

優(yōu)選的,所述多模態(tài)融合裝置包括:

構(gòu)造模式詞典模塊,用于根據(jù)所述目標(biāo)多模態(tài)數(shù)據(jù)選取詞典原子,并根據(jù)所述特征表示提取所述詞典原子相應(yīng)的特征表示,得到所述各個(gè)模態(tài)的模式詞典;

近鄰圖構(gòu)造模塊,用于基于所述模式詞典編碼所述目標(biāo)多模態(tài)數(shù)據(jù),并根據(jù)所述預(yù)設(shè)相似度算法計(jì)算所述目標(biāo)多模態(tài)數(shù)據(jù)和所述模式詞典在所述各個(gè)模態(tài)下的相似度,得到所述各個(gè)模態(tài)的近鄰圖其中,為所述目標(biāo)多模態(tài)數(shù)據(jù)中第i個(gè)數(shù)據(jù)與所述模式詞典中第j個(gè)原子的相似度值,為第m個(gè)模態(tài)下所述模式詞典中的第j個(gè)原子,為第m個(gè)模態(tài)下所述模式詞典中第j個(gè)原子在所述目標(biāo)多模態(tài)數(shù)據(jù)中第i個(gè)數(shù)據(jù)的第一預(yù)設(shè)范圍內(nèi)的近鄰集合;

圖融合模塊,用于依據(jù)所述預(yù)設(shè)圖隨機(jī)走模型迭代計(jì)算所述近鄰圖,獲取所述各個(gè)模態(tài)的迭代穩(wěn)態(tài)并確定為融合多模態(tài)特征的所述數(shù)據(jù)表示XM,并根據(jù)所述數(shù)據(jù)表示更新所述模式詞典,得到融合多模態(tài)特征的所述詞典表示,其中,pm為第m個(gè)第一預(yù)設(shè)參數(shù),取值范圍為0~1,n為迭代次數(shù)。

優(yōu)選的,所述判別特征學(xué)習(xí)裝置包括:

數(shù)據(jù)重構(gòu)模塊,用于基于預(yù)設(shè)數(shù)據(jù)重構(gòu)模型并根據(jù)增量式拉格朗日乘子和梯度下降法求解所述數(shù)據(jù)表示和所述詞典表示,得到數(shù)據(jù)表示有效解和詞典表示有效解其中,Subject to Z=J,Z為所述數(shù)據(jù)表示,DM為所述詞典表示,PM為所述詞典表示上的距離矩陣,Wij為所述目標(biāo)多模態(tài)數(shù)據(jù)中第i個(gè)數(shù)據(jù)與所述模式詞典中第j個(gè)原子在第v個(gè)預(yù)設(shè)模態(tài)上的相似度值,為所述目標(biāo)多模態(tài)數(shù)據(jù)中第f個(gè)數(shù)據(jù)與所述模式詞典中第i個(gè)原子在第v個(gè)所述預(yù)設(shè)模態(tài)上相似度值,所述目標(biāo)多模態(tài)數(shù)據(jù)中第j個(gè)數(shù)據(jù)與所述模式詞典中的第i個(gè)原子在第v個(gè)所述預(yù)設(shè)模態(tài)上的相似度值,d為所述詞典表示中原子數(shù)目;

優(yōu)化處理模塊,用于判斷所述數(shù)據(jù)表示有效解和所述詞典表示有效解是否收斂;若是,將所述數(shù)據(jù)表示有效解確定為低維判別表示最優(yōu)解,將所述詞典表示有效解確定為所述詞典最優(yōu)表示,并將所述低維判別表示最優(yōu)解和所述詞典最優(yōu)表示存儲(chǔ)于數(shù)據(jù)庫;若否,返回執(zhí)行數(shù)據(jù)重構(gòu)模塊。

優(yōu)選的,所述構(gòu)造模式詞典模塊包括:

判斷單元,用于判斷所述目標(biāo)多模態(tài)數(shù)據(jù)是否帶有標(biāo)簽;若否,向第一控制單元發(fā)送第一執(zhí)行指令;若是,向第二控制單元發(fā)送第二執(zhí)行指令;

所述第一控制單元,用于選取所述特征表示中的任意一個(gè)作為單一模態(tài),基于預(yù)設(shè)中心聚類算法對(duì)所述單一模態(tài)對(duì)應(yīng)的目標(biāo)多模態(tài)數(shù)據(jù)進(jìn)行聚類處理,并選取聚類中心點(diǎn)第二預(yù)設(shè)范圍內(nèi)的目標(biāo)多模態(tài)數(shù)據(jù)作為所述詞典原子;

所述第二控制單元,用于選取預(yù)設(shè)數(shù)量的所述帶標(biāo)簽數(shù)據(jù)作為所述詞典原子;

模式詞典構(gòu)造單元,用于獲取所述詞典原子相應(yīng)的特征表示,構(gòu)成所述模式詞典。

相較與現(xiàn)有技術(shù),本發(fā)明實(shí)現(xiàn)的有益效果為:

以上本發(fā)明所提供的一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法及系統(tǒng),通過接收目標(biāo)多模態(tài)數(shù)據(jù),并獲取目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài)以及各個(gè)模態(tài)的特征表示;根據(jù)目標(biāo)多模態(tài)數(shù)據(jù)、特征表示和預(yù)設(shè)圖隨機(jī)走模型獲取融合多模態(tài)特征的數(shù)據(jù)表示和詞典表示;根據(jù)預(yù)設(shè)數(shù)據(jù)重構(gòu)模型、數(shù)據(jù)表示和詞典表示,獲取低維判別表示最優(yōu)解和詞典最優(yōu)表示并存儲(chǔ)于數(shù)據(jù)庫?;谏鲜龉_的方法,同時(shí)解決了處理多模態(tài)數(shù)據(jù)時(shí)存在的異構(gòu)性、數(shù)據(jù)量大、數(shù)據(jù)缺失和計(jì)算代價(jià)大的問題。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案,下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖僅僅是本發(fā)明的實(shí)施例,對(duì)于本領(lǐng)域普通技術(shù)人員來講,在不付出創(chuàng)造性勞動(dòng)的前提下,還可以根據(jù)提供的附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例一公開的一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法流程圖;

圖2為本發(fā)明實(shí)施例二公開的一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法部分流程圖;

圖3為本發(fā)明實(shí)施例二公開的另一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法部分流程圖;

圖4為本發(fā)明實(shí)施例二公開的另一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法部分流程圖;

圖5為本發(fā)明實(shí)施例三公開的一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法部分流程圖;

圖6為本發(fā)明實(shí)施例四公開的一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng)結(jié)構(gòu)示意圖;

圖7為本發(fā)明實(shí)施例五公開的一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng)結(jié)構(gòu)示意圖;

圖8為本發(fā)明實(shí)施例五公開的另一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng)結(jié)構(gòu)示意圖;

圖9為本發(fā)明實(shí)施例五公開的另一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng)結(jié)構(gòu)示意圖;

圖10為本發(fā)明實(shí)施例六公開的一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng)中構(gòu)造模式詞典模塊結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖,對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述,顯然,所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例,而不是全部的實(shí)施例?;诒景l(fā)明中的實(shí)施例,本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例,都屬于本發(fā)明保護(hù)的范圍。

實(shí)施例一

本發(fā)明實(shí)施例一公開的一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法,應(yīng)用于一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng),流程圖如圖1所示,多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法包括:

S101,接收目標(biāo)多模態(tài)數(shù)據(jù),并獲取目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài)以及各個(gè)模態(tài)的特征表示;

在執(zhí)行步驟S101的過程中,根據(jù)社交媒體數(shù)據(jù)收集裝置發(fā)送的目標(biāo)多模態(tài)數(shù)據(jù),獲取目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài),并根據(jù)獲取的各個(gè)模態(tài)得到各個(gè)模態(tài)相應(yīng)的特征表示。

S102,根據(jù)目標(biāo)多模態(tài)數(shù)據(jù)、特征表示和預(yù)設(shè)圖隨機(jī)走模型獲取融合多模態(tài)特征的數(shù)據(jù)表示和詞典表示;

S103,根據(jù)預(yù)設(shè)數(shù)據(jù)重構(gòu)模型、所述數(shù)據(jù)表示和所述詞典表示,獲取低維判別表示最優(yōu)解和詞典最優(yōu)表示并存儲(chǔ)于數(shù)據(jù)庫。

本發(fā)明實(shí)施例公開的多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法,通過接收目標(biāo)多模態(tài)數(shù)據(jù),并獲取目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài)以及各個(gè)模態(tài)的特征表示;根據(jù)目標(biāo)多模態(tài)數(shù)據(jù)、特征表示和預(yù)設(shè)圖隨機(jī)走模型獲取融合多模態(tài)特征的數(shù)據(jù)表示和詞典表示;根據(jù)預(yù)設(shè)數(shù)據(jù)重構(gòu)模型、數(shù)據(jù)表示和詞典表示,獲取低維判別表示最優(yōu)解和詞典最優(yōu)表示并存儲(chǔ)于數(shù)據(jù)庫?;谏鲜龉_的方法,同時(shí)解決了處理多模態(tài)數(shù)據(jù)時(shí)存在的異構(gòu)性、數(shù)據(jù)量大、數(shù)據(jù)缺失和計(jì)算代價(jià)大的問題。

實(shí)施例二

基于上述本發(fā)明實(shí)施例一公開的一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法,如圖1所示出的步驟S101中,接收目標(biāo)多模態(tài)數(shù)據(jù),并獲取目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài)以及各個(gè)模態(tài)的特征表示的具體執(zhí)行過程,如圖2所示,包括:

S201,接收目標(biāo)多模態(tài)數(shù)據(jù),獲取目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài),并提取各個(gè)模態(tài)的原始特征;

在執(zhí)行步驟S201的過程中,接收目標(biāo)多模態(tài)數(shù)據(jù),獲取目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài),并對(duì)各個(gè)模態(tài)的原始特征進(jìn)行提取,其中,原始特征包括:視覺特征、文本特征和深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)各層特征。

S202,基于預(yù)設(shè)數(shù)據(jù)先驗(yàn)分布和各個(gè)原始特征獲取各個(gè)模態(tài)的缺失特征,得到各個(gè)模態(tài)的特征表示。

在執(zhí)行步驟S202的過程中,基于預(yù)設(shè)數(shù)據(jù)先驗(yàn)分布和各個(gè)模態(tài)的原始特征,補(bǔ)充各個(gè)模態(tài)缺失的特征,例如,目標(biāo)多模態(tài)數(shù)據(jù)中沒有位置信息,根據(jù)用戶和時(shí)間信息可檢索出該用戶在該時(shí)間范圍內(nèi)的其他資源,根據(jù)這些資源的位置信息能夠補(bǔ)充目標(biāo)多模態(tài)數(shù)據(jù)缺失的位置信息。

本發(fā)明實(shí)施例公開的多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法,通過接收目標(biāo)多模態(tài)數(shù)據(jù),獲取目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài)并提取各個(gè)模態(tài)的原始特征;基于預(yù)設(shè)數(shù)據(jù)先驗(yàn)分布和各個(gè)原始特征獲取各個(gè)模態(tài)的缺失特征,得到各個(gè)模態(tài)的特征表示;根據(jù)目標(biāo)多模態(tài)數(shù)據(jù)、特征表示和預(yù)設(shè)圖隨機(jī)走模型獲取融合多模態(tài)特征的數(shù)據(jù)表示和詞典表示;根據(jù)預(yù)設(shè)數(shù)據(jù)重構(gòu)模型、數(shù)據(jù)表示和詞典表示,獲取低維判別表示最優(yōu)解和詞典最優(yōu)表示并存儲(chǔ)于數(shù)據(jù)庫?;谏鲜龉_的方法,同時(shí)解決了處理多模態(tài)數(shù)據(jù)時(shí)存在的異構(gòu)性、數(shù)據(jù)量大、數(shù)據(jù)缺失和計(jì)算代價(jià)大的問題。

基于上述本發(fā)明實(shí)施例一公開的一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法,如圖1所示出的步驟S102中,根據(jù)目標(biāo)多模態(tài)數(shù)據(jù)、特征表示和預(yù)設(shè)圖隨機(jī)走模型獲取融合多模態(tài)特征的數(shù)據(jù)表示和詞典表示的具體執(zhí)行過程,如圖3所示,包括:

S301,根據(jù)目標(biāo)多模態(tài)數(shù)據(jù)選取詞典原子,并根據(jù)特征表示提取詞典原子相應(yīng)的特征表示,得到各個(gè)模態(tài)的模式詞典;

S302,基于模式詞典編碼目標(biāo)多模態(tài)數(shù)據(jù),并根據(jù)預(yù)設(shè)相似度算法計(jì)算目標(biāo)多模態(tài)數(shù)據(jù)和模式詞典在各個(gè)模態(tài)下的相似度,得到各個(gè)模態(tài)的近鄰圖

在S302中,各個(gè)模態(tài)的近鄰圖采用公式(1):

其中,為目標(biāo)多模態(tài)數(shù)據(jù)中第i個(gè)數(shù)據(jù)與模式詞典中第j個(gè)原子的相似度值,為第m個(gè)模態(tài)下模式詞典中的第j個(gè)原子,為第m個(gè)模態(tài)下模式詞典中第j個(gè)原子在目標(biāo)多模態(tài)數(shù)據(jù)中第i個(gè)數(shù)據(jù)的第一預(yù)設(shè)范圍內(nèi)的近鄰集合;

S303,依據(jù)預(yù)設(shè)圖隨機(jī)走模型迭代計(jì)算近鄰圖,獲取各個(gè)模態(tài)的迭代穩(wěn)態(tài)并確定為融合多模態(tài)特征的數(shù)據(jù)表示XM,并根據(jù)數(shù)據(jù)表示更新模式詞典,得到融合多模態(tài)特征的詞典表示;

在S303中,融合多模態(tài)特征的數(shù)據(jù)表示XM采用公式(2):

其中,pm為第m個(gè)第一預(yù)設(shè)參數(shù),取值范圍為0~1,n為迭代次數(shù)。

本發(fā)明實(shí)施例公開的多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法,通過接收目標(biāo)多模態(tài)數(shù)據(jù),并獲取目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài)以及各個(gè)模態(tài)的特征表示;根據(jù)目標(biāo)多模態(tài)數(shù)據(jù)選取詞典原子,并根據(jù)特征表示提取詞典原子相應(yīng)的特征表示,得到各個(gè)模態(tài)的模式詞典;基于模式詞典編碼目標(biāo)多模態(tài)數(shù)據(jù),并根據(jù)預(yù)設(shè)相似度算法計(jì)算目標(biāo)多模態(tài)數(shù)據(jù)和模式詞典在各個(gè)模態(tài)下的相似度,得到各個(gè)模態(tài)的近鄰圖;依據(jù)預(yù)設(shè)圖隨機(jī)走模型迭代計(jì)算近鄰圖,獲取各個(gè)模態(tài)的迭代穩(wěn)態(tài)并確定為融合多模態(tài)特征的數(shù)據(jù)表示,并根據(jù)數(shù)據(jù)表示更新模式詞典,得到融合多模態(tài)特征的詞典表示;根據(jù)預(yù)設(shè)數(shù)據(jù)重構(gòu)模型、數(shù)據(jù)表示和詞典表示,獲取低維判別表示最優(yōu)解和詞典最優(yōu)表示并存儲(chǔ)于數(shù)據(jù)庫。基于上述公開的方法,同時(shí)解決了處理多模態(tài)數(shù)據(jù)時(shí)存在的異構(gòu)性、數(shù)據(jù)量大、數(shù)據(jù)缺失和計(jì)算代價(jià)大的問題。

基于上述本發(fā)明實(shí)施例一公開的一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法,如圖1所示出的步驟S103中,根據(jù)預(yù)設(shè)數(shù)據(jù)重構(gòu)模型、所述數(shù)據(jù)表示和所述詞典表示,獲取低維判別表示最優(yōu)解和詞典最優(yōu)表示并存儲(chǔ)于數(shù)據(jù)庫的具體執(zhí)行過程,如圖4所示,包括:

S401,基于預(yù)設(shè)數(shù)據(jù)重構(gòu)模型,并根據(jù)增量式拉格朗日乘子和梯度下降法求解數(shù)據(jù)表示和詞典表示,得到數(shù)據(jù)表示有效解和詞典表示有效解;

在S401中,預(yù)設(shè)數(shù)據(jù)重構(gòu)模型采用公式(3):

采用公式(4)得到數(shù)據(jù)表示有效解和詞典表示有效解:

其中,Subject to Z=J,Z為數(shù)據(jù)表示,DM為詞典表示,PM為詞典表示上的距離矩陣,Wij為目標(biāo)多模態(tài)數(shù)據(jù)中第i個(gè)數(shù)據(jù)與模式詞典中第j個(gè)原子在第v個(gè)預(yù)設(shè)模態(tài)上的相似度值,為目標(biāo)多模態(tài)數(shù)據(jù)中第f個(gè)數(shù)據(jù)與模式詞典中第i個(gè)原子在第v個(gè)預(yù)設(shè)模態(tài)上相似度值,目標(biāo)多模態(tài)數(shù)據(jù)中第j個(gè)數(shù)據(jù)與模式詞典中的第i個(gè)原子在第v個(gè)預(yù)設(shè)模態(tài)上的相似度值,d為詞典表示中原子數(shù)目;

S402,判斷數(shù)據(jù)表示有效解和詞典表示有效解是否收斂;

S403,若是,將數(shù)據(jù)表示有效解確定為低維判別表示最優(yōu)解,將詞典表示有效解確定為所述詞典最優(yōu)表示,并將低維判別表示最優(yōu)解和詞典最優(yōu)表示存儲(chǔ)于數(shù)據(jù)庫;

S404,若否,返回執(zhí)行所述根據(jù)增量式拉格朗日乘子和梯度下降法求解所述數(shù)據(jù)表示和所述詞典表示,得到數(shù)據(jù)表示有效解和詞典表示有效解這一步驟。

本發(fā)明實(shí)施例公開的多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法,通過接收目標(biāo)多模態(tài)數(shù)據(jù),并獲取目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài)以及各個(gè)模態(tài)的特征表示;根據(jù)目標(biāo)多模態(tài)數(shù)據(jù)、特征表示和預(yù)設(shè)圖隨機(jī)走模型獲取融合多模態(tài)特征的數(shù)據(jù)表示和詞典表示;基于預(yù)設(shè)數(shù)據(jù)重構(gòu)模型,并根據(jù)增量式拉格朗日乘子和梯度下降法求解數(shù)據(jù)表示和詞典表示,得到數(shù)據(jù)表示有效解和詞典表示有效解;判斷數(shù)據(jù)表示有效解和詞典表示有效解是否收斂;若是,將數(shù)據(jù)表示有效解確定為低維判別表示最優(yōu)解,將詞典表示有效解確定為所述詞典最優(yōu)表示,并將低維判別表示最優(yōu)解和詞典最優(yōu)表示存儲(chǔ)于數(shù)據(jù)庫;若否,返回執(zhí)行所述根據(jù)增量式拉格朗日乘子和梯度下降法求解所述數(shù)據(jù)表示和所述詞典表示,得到數(shù)據(jù)表示有效解和詞典表示有效解這一步驟?;谏鲜龉_的方法,同時(shí)解決了處理多模態(tài)數(shù)據(jù)時(shí)存在的異構(gòu)性、數(shù)據(jù)量大、數(shù)據(jù)缺失和計(jì)算代價(jià)大的問題。

實(shí)施例三

基于上述本發(fā)明實(shí)施例二公開的一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法,如圖3所示出的步驟S301中,根據(jù)目標(biāo)多模態(tài)數(shù)據(jù)選取詞典原子,并根據(jù)特征表示提取詞典原子相應(yīng)的特征表示,得到各個(gè)模態(tài)的模式詞典的具體執(zhí)行過程,如圖5所示,包括:

S501,判斷目標(biāo)多模態(tài)數(shù)據(jù)是否帶有標(biāo)簽;

S502,若否,選取特征表示中的任意一個(gè)作為單一模態(tài),基于預(yù)設(shè)中心聚類算法對(duì)單一模態(tài)對(duì)應(yīng)的目標(biāo)多模態(tài)數(shù)據(jù)進(jìn)行聚類處理,并選取聚類中心點(diǎn)第二預(yù)設(shè)范圍內(nèi)的目標(biāo)多模態(tài)數(shù)據(jù)作為詞典原子;

可選的,預(yù)設(shè)中心聚類算法包括:K-Means聚類算法。

S503,若是,選取預(yù)設(shè)數(shù)量的所帶標(biāo)簽數(shù)據(jù)作為詞典原子;

S504,獲取詞典原子相應(yīng)的特征表示,構(gòu)成模式詞典。

本發(fā)明實(shí)施例公開的多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法,通過接收目標(biāo)多模態(tài)數(shù)據(jù),并獲取目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài)以及各個(gè)模態(tài)的特征表示;判斷目標(biāo)多模態(tài)數(shù)據(jù)是否帶有標(biāo)簽;若否,選取特征表示中的任意一個(gè)作為單一模態(tài),基于預(yù)設(shè)中心聚類算法對(duì)單一模態(tài)對(duì)應(yīng)的目標(biāo)多模態(tài)數(shù)據(jù)進(jìn)行聚類處理,并選取聚類中心點(diǎn)第二預(yù)設(shè)范圍內(nèi)的目標(biāo)多模態(tài)數(shù)據(jù)作為詞典原子;若是,選取預(yù)設(shè)數(shù)量的所帶標(biāo)簽數(shù)據(jù)作為詞典原子;獲取詞典原子相應(yīng)的特征表示,構(gòu)成模式詞典;基于模式詞典編碼目標(biāo)多模態(tài)數(shù)據(jù),并根據(jù)預(yù)設(shè)相似度算法計(jì)算目標(biāo)多模態(tài)數(shù)據(jù)和模式詞典在各個(gè)模態(tài)下的相似度,得到各個(gè)模態(tài)的近鄰圖;依據(jù)預(yù)設(shè)圖隨機(jī)走模型迭代計(jì)算近鄰圖,獲取各個(gè)模態(tài)的迭代穩(wěn)態(tài)并確定為融合多模態(tài)特征的數(shù)據(jù)表示,并根據(jù)數(shù)據(jù)表示更新模式詞典,得到融合多模態(tài)特征的詞典表示;根據(jù)預(yù)設(shè)數(shù)據(jù)重構(gòu)模型、數(shù)據(jù)表示和詞典表示,獲取低維判別表示最優(yōu)解和詞典最優(yōu)表示并存儲(chǔ)于數(shù)據(jù)庫?;谏鲜龉_的方法,同時(shí)解決了處理多模態(tài)數(shù)據(jù)時(shí)存在的異構(gòu)性、數(shù)據(jù)量大、數(shù)據(jù)缺失和計(jì)算代價(jià)大的問題。

實(shí)施例四

基于上述本發(fā)明各實(shí)施例提供的多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法,本實(shí)施例四則對(duì)應(yīng)公開了執(zhí)行上述多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法的多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng),其結(jié)構(gòu)示意圖如圖6所示,多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng)600包括:

數(shù)據(jù)處理裝置601,用于接收目標(biāo)多模態(tài)數(shù)據(jù),并獲取目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài)以及所述各個(gè)模態(tài)的特征表示;

多模態(tài)融合裝置602,用于根據(jù)目標(biāo)多模態(tài)數(shù)據(jù)、特征表示和預(yù)設(shè)圖隨機(jī)走模型獲取融合多模態(tài)特征的數(shù)據(jù)表示和詞典表示;

判別特征學(xué)習(xí)裝置603,用于根據(jù)預(yù)設(shè)數(shù)據(jù)重構(gòu)模型、數(shù)據(jù)表示和詞典表示,獲取低維判別表示最優(yōu)解和詞典最優(yōu)表示并存儲(chǔ)于數(shù)據(jù)庫。

本發(fā)明實(shí)施例公開的多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng),通過數(shù)據(jù)處理裝置接收目標(biāo)多模態(tài)數(shù)據(jù),并獲取目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài)以及各個(gè)模態(tài)的特征表示;多模態(tài)融合裝置根據(jù)目標(biāo)多模態(tài)數(shù)據(jù)、特征表示和預(yù)設(shè)圖隨機(jī)走模型獲取融合多模態(tài)特征的數(shù)據(jù)表示和詞典表示;判別特征學(xué)習(xí)裝置根據(jù)預(yù)設(shè)數(shù)據(jù)重構(gòu)模型、數(shù)據(jù)表示和詞典表示,獲取低維判別表示最優(yōu)解和詞典最優(yōu)表示并存儲(chǔ)于數(shù)據(jù)庫。基于上述公開的系統(tǒng),同時(shí)解決了處理多模態(tài)數(shù)據(jù)時(shí)存在的異構(gòu)性、數(shù)據(jù)量大、數(shù)據(jù)缺失和計(jì)算代價(jià)大的問題。

實(shí)施例五

結(jié)合上述實(shí)施例四公開的多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng)和附圖6,本實(shí)施例五還公開了一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng),其結(jié)構(gòu)示意圖如圖7所示,

其中,數(shù)據(jù)處理裝置601包括:

原始特征提取模塊701,用于接收目標(biāo)多模態(tài)數(shù)據(jù),獲取目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài)并提取各個(gè)模態(tài)的原始特征;

缺失特征補(bǔ)充模塊702,用于基于預(yù)設(shè)數(shù)據(jù)先驗(yàn)分布和各個(gè)原始特征獲取各個(gè)模態(tài)的缺失特征,得到各個(gè)模態(tài)的特征表示。

本發(fā)明實(shí)施例公開的多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng),通過原始特征提取模塊接收目標(biāo)多模態(tài)數(shù)據(jù),獲取目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài)并提取各個(gè)模態(tài)的原始特征;缺失特征補(bǔ)充模塊基于預(yù)設(shè)數(shù)據(jù)先驗(yàn)分布和各個(gè)原始特征獲取各個(gè)模態(tài)的缺失特征,得到各個(gè)模態(tài)的特征表示;多模態(tài)融合裝置根據(jù)目標(biāo)多模態(tài)數(shù)據(jù)、特征表示和預(yù)設(shè)圖隨機(jī)走模型獲取融合多模態(tài)特征的數(shù)據(jù)表示和詞典表示;判別特征學(xué)習(xí)裝置根據(jù)預(yù)設(shè)數(shù)據(jù)重構(gòu)模型、數(shù)據(jù)表示和詞典表示,獲取低維判別表示最優(yōu)解和詞典最優(yōu)表示并存儲(chǔ)于數(shù)據(jù)庫?;谏鲜龉_的系統(tǒng),同時(shí)解決了處理多模態(tài)數(shù)據(jù)時(shí)存在的異構(gòu)性、數(shù)據(jù)量大、數(shù)據(jù)缺失和計(jì)算代價(jià)大的問題。

結(jié)合上述實(shí)施例四公開的多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng)和附圖6,本實(shí)施例五還公開了另一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng),其結(jié)構(gòu)示意圖如圖8所示,

其中,多模態(tài)融合裝置602包括:

構(gòu)造模式詞典模塊801,用于根據(jù)目標(biāo)多模態(tài)數(shù)據(jù)選取詞典原子,并根據(jù)特征表示提取詞典原子相應(yīng)的特征表示,得到各個(gè)模態(tài)的模式詞典;

近鄰圖構(gòu)造模塊802,用于基于模式詞典編碼所述目標(biāo)多模態(tài)數(shù)據(jù),并根據(jù)預(yù)設(shè)相似度算法計(jì)算目標(biāo)多模態(tài)數(shù)據(jù)和模式詞典在各個(gè)模態(tài)下的相似度,得到各個(gè)模態(tài)的近鄰圖其中,為目標(biāo)多模態(tài)數(shù)據(jù)中第i個(gè)數(shù)據(jù)與模式詞典中第j個(gè)原子的相似度值,為第m個(gè)模態(tài)下模式詞典中的第j個(gè)原子,為第m個(gè)模態(tài)下模式詞典中第j個(gè)原子在目標(biāo)多模態(tài)數(shù)據(jù)中第i個(gè)數(shù)據(jù)的第一預(yù)設(shè)范圍內(nèi)的近鄰集合;

圖融合模塊803,用于依據(jù)預(yù)設(shè)圖隨機(jī)走模型迭代計(jì)算近鄰圖,獲取各個(gè)模態(tài)的迭代穩(wěn)態(tài)并確定為融合多模態(tài)特征的數(shù)據(jù)表示XM,并根據(jù)數(shù)據(jù)表示更新模式詞典,得到融合多模態(tài)特征的詞典表示,其中,pm為第m個(gè)第一預(yù)設(shè)參數(shù),取值范圍為0~1,n為迭代次數(shù)。

本發(fā)明實(shí)施例公開的多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng),通過數(shù)據(jù)處理裝置接收目標(biāo)多模態(tài)數(shù)據(jù),并獲取目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài)以及各個(gè)模態(tài)的特征表示;構(gòu)造模式詞典模塊根據(jù)目標(biāo)多模態(tài)數(shù)據(jù)選取詞典原子,并根據(jù)特征表示提取詞典原子相應(yīng)的特征表示,得到各個(gè)模態(tài)的模式詞典;近鄰圖構(gòu)造模塊基于模式詞典編碼所述目標(biāo)多模態(tài)數(shù)據(jù),并根據(jù)預(yù)設(shè)相似度算法計(jì)算目標(biāo)多模態(tài)數(shù)據(jù)和模式詞典在各個(gè)模態(tài)下的相似度,得到各個(gè)模態(tài)的近鄰圖;圖融合模塊依據(jù)預(yù)設(shè)圖隨機(jī)走模型迭代計(jì)算近鄰圖,獲取各個(gè)模態(tài)的迭代穩(wěn)態(tài)并確定為融合多模態(tài)特征的數(shù)據(jù)表示,并根據(jù)數(shù)據(jù)表示更新模式詞典,得到融合多模態(tài)特征的詞典表示;判別特征學(xué)習(xí)裝置根據(jù)預(yù)設(shè)數(shù)據(jù)重構(gòu)模型、數(shù)據(jù)表示和詞典表示,獲取低維判別表示最優(yōu)解和詞典最優(yōu)表示并存儲(chǔ)于數(shù)據(jù)庫?;谏鲜龉_的系統(tǒng),同時(shí)解決了處理多模態(tài)數(shù)據(jù)時(shí)存在的異構(gòu)性、數(shù)據(jù)量大、數(shù)據(jù)缺失和計(jì)算代價(jià)大的問題。

結(jié)合上述實(shí)施例四公開的多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng)和附圖6,本實(shí)施例五還公開了另一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng),其結(jié)構(gòu)示意圖如圖9所示,

其中,判別特征學(xué)習(xí)裝置603包括:

數(shù)據(jù)重構(gòu)模塊901,用于基于預(yù)設(shè)數(shù)據(jù)重構(gòu)模型并根據(jù)增量式拉格朗日乘子和梯度下降法求解數(shù)據(jù)表示和詞典表示,得到數(shù)據(jù)表示有效解和詞典表示有效解其中,Subject to Z=J,Z為數(shù)據(jù)表示,DM為詞典表示,PM為詞典表示上的距離矩陣,Wij為目標(biāo)多模態(tài)數(shù)據(jù)中第i個(gè)數(shù)據(jù)與模式詞典中第j個(gè)原子在第v個(gè)預(yù)設(shè)模態(tài)上的相似度值,為目標(biāo)多模態(tài)數(shù)據(jù)中第f個(gè)數(shù)據(jù)與模式詞典中第i個(gè)原子在第v個(gè)預(yù)設(shè)模態(tài)上相似度值,目標(biāo)多模態(tài)數(shù)據(jù)中第j個(gè)數(shù)據(jù)與模式詞典中的第i個(gè)原子在第v個(gè)預(yù)設(shè)模態(tài)上的相似度值,d為詞典表示中原子數(shù)目;

優(yōu)化處理模塊902,用于判斷數(shù)據(jù)表示有效解和詞典表示有效解是否收斂;若是,將數(shù)據(jù)表示有效解確定為低維判別表示最優(yōu)解,將詞典表示有效解確定為詞典最優(yōu)表示,并將低維判別表示最優(yōu)解和詞典最優(yōu)表示存儲(chǔ)于數(shù)據(jù)庫;若否,返回執(zhí)行數(shù)據(jù)重構(gòu)模塊。

本發(fā)明實(shí)施例公開的多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng),通過數(shù)據(jù)處理裝置接收目標(biāo)多模態(tài)數(shù)據(jù),并獲取目標(biāo)多模態(tài)數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài)以及各個(gè)模態(tài)的特征表示;多模態(tài)融合裝置根據(jù)目標(biāo)多模態(tài)數(shù)據(jù)、特征表示和預(yù)設(shè)圖隨機(jī)走模型獲取融合多模態(tài)特征的數(shù)據(jù)表示和詞典表示;數(shù)據(jù)重構(gòu)模塊基于預(yù)設(shè)數(shù)據(jù)重構(gòu)模型,并根據(jù)增量式拉格朗日乘子和梯度下降法求解數(shù)據(jù)表示和詞典表示,得到數(shù)據(jù)表示有效解和詞典表示有效解;優(yōu)化處理模塊判斷數(shù)據(jù)表示有效解和詞典表示有效解是否收斂;若是,將數(shù)據(jù)表示有效解確定為低維判別表示最優(yōu)解,將詞典表示有效解確定為詞典最優(yōu)表示,并將低維判別表示最優(yōu)解和詞典最優(yōu)表示存儲(chǔ)于數(shù)據(jù)庫;若否,返回執(zhí)行數(shù)據(jù)重構(gòu)模塊。基于上述公開的系統(tǒng),同時(shí)解決了處理多模態(tài)數(shù)據(jù)時(shí)存在的異構(gòu)性、數(shù)據(jù)量大、數(shù)據(jù)缺失和計(jì)算代價(jià)大的問題。

實(shí)施例六

結(jié)合上述實(shí)施例五公開的多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng)和附圖8,本實(shí)施例六還公開了一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng),其中,構(gòu)造模式詞典模塊801的結(jié)構(gòu)示意圖如圖10所示,

構(gòu)造模式詞典模塊801包括:

判斷單元1001,用于判斷目標(biāo)多模態(tài)數(shù)據(jù)是否帶有標(biāo)簽;若否,向第一控制單元發(fā)送第一執(zhí)行指令;若是,向第二控制單元發(fā)送第二執(zhí)行指令;

第一控制單元1002,用于選取特征表示中的任意一個(gè)作為單一模態(tài),基于預(yù)設(shè)中心聚類算法對(duì)單一模態(tài)對(duì)應(yīng)的目標(biāo)多模態(tài)數(shù)據(jù)進(jìn)行聚類處理,并選取聚類中心點(diǎn)第二預(yù)設(shè)范圍內(nèi)的目標(biāo)多模態(tài)數(shù)據(jù)作為詞典原子;

第二控制單元1003,用于選取預(yù)設(shè)數(shù)量的帶標(biāo)簽數(shù)據(jù)作為所述詞典原子;

模式詞典構(gòu)造單元1004,用于獲取詞典原子相應(yīng)的特征表示,構(gòu)成模式詞典。

本發(fā)明實(shí)施例公開的多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng),通過判斷單元判斷目標(biāo)多模態(tài)數(shù)據(jù)是否帶有標(biāo)簽;若否,向第一控制單元發(fā)送第一執(zhí)行指令;若是,向第二控制單元發(fā)送第二執(zhí)行指令;第一控制單元選取特征表示中的任意一個(gè)作為單一模態(tài),基于預(yù)設(shè)中心聚類算法對(duì)單一模態(tài)對(duì)應(yīng)的目標(biāo)多模態(tài)數(shù)據(jù)進(jìn)行聚類處理,并選取聚類中心點(diǎn)第二預(yù)設(shè)范圍內(nèi)的目標(biāo)多模態(tài)數(shù)據(jù)作為詞典原子;第二控制單元選取預(yù)設(shè)數(shù)量的帶標(biāo)簽數(shù)據(jù)作為所述詞典原子;模式詞典構(gòu)造單元獲取詞典原子相應(yīng)的特征表示,構(gòu)成模式詞典。基于上述公開的系統(tǒng),同時(shí)解決了處理多模態(tài)數(shù)據(jù)時(shí)存在的異構(gòu)性、數(shù)據(jù)量大、數(shù)據(jù)缺失和計(jì)算代價(jià)大的問題。

舉例來說,當(dāng)多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng)應(yīng)用于事件檢測系統(tǒng)中時(shí),多模態(tài)數(shù)據(jù)表示學(xué)習(xí)系統(tǒng)針對(duì)收集的多模態(tài)社交媒體數(shù)據(jù),獲取多模態(tài)社交媒體數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài),并對(duì)各個(gè)模態(tài)進(jìn)行原始特征提取,得到各個(gè)模態(tài)的原始特征;基于預(yù)設(shè)數(shù)據(jù)先驗(yàn)分布和各個(gè)模態(tài)的原始特征,對(duì)多模態(tài)社交媒體數(shù)據(jù)對(duì)應(yīng)的各個(gè)模態(tài)進(jìn)行缺失特征補(bǔ)充,得到各個(gè)模態(tài)的特征表示。

根據(jù)多模態(tài)社交媒體數(shù)據(jù)選取詞典原子,并根據(jù)特征表示提取詞典原子相應(yīng)的特征表示,得到模態(tài)的模式詞典;基于模式詞典編碼多模態(tài)社交媒體數(shù)據(jù),并根據(jù)預(yù)設(shè)相似度算法計(jì)算多模態(tài)社交媒體數(shù)據(jù)和模式詞典在模態(tài)下的相似度,得到模態(tài)的近鄰圖;依據(jù)預(yù)設(shè)圖隨機(jī)走模型迭代計(jì)算近鄰圖,獲取模態(tài)的迭代穩(wěn)態(tài)并確定為融合多模態(tài)特征的數(shù)據(jù)表示,并根據(jù)數(shù)據(jù)表示更新模式詞典,得到融合多模態(tài)特征的詞典表示。

基于預(yù)設(shè)數(shù)據(jù)重構(gòu)模型,并根據(jù)增量式拉格朗日乘子和梯度下降法求解數(shù)據(jù)表示和詞典表示,得到數(shù)據(jù)表示有效解和詞典表示有效解;判斷數(shù)據(jù)表示有效解和詞典表示有效解是否收斂;若是,將數(shù)據(jù)表示有效解確定為低維判別表示最優(yōu)解,將詞典表示有效解確定為所述詞典最優(yōu)表示,并將低維判別表示最優(yōu)解和詞典最優(yōu)表示存儲(chǔ)于數(shù)據(jù)庫;若否,返回執(zhí)行所述根據(jù)增量式拉格朗日乘子和梯度下降法求解所述數(shù)據(jù)表示和所述詞典表示,得到數(shù)據(jù)表示有效解和詞典表示有效解這一步驟。

根據(jù)多模態(tài)社交媒體數(shù)據(jù)中是否存在帶標(biāo)簽數(shù)據(jù)選擇相應(yīng)的算法進(jìn)行多模態(tài)社交媒體數(shù)據(jù)中的事件概念挖掘,其中,若不存在,基于設(shè)定的聚類算法挖掘多模態(tài)社交媒體數(shù)據(jù)中的事件概念,其中,設(shè)定的聚類算法包括:基于數(shù)據(jù)密度的混合聚類算法、基于類別信息的混合聚類算法;若存在,基于少量標(biāo)簽信息分類算法挖掘目標(biāo)數(shù)據(jù)中的事件概念;提取事件的時(shí)間或地理分布;呈現(xiàn)事件的時(shí)間分布或地理分布。

以上對(duì)本發(fā)明所提供的一種多模態(tài)數(shù)據(jù)表示學(xué)習(xí)方法及系統(tǒng)進(jìn)行了詳細(xì)介紹,本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述,以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想;同時(shí),對(duì)于本領(lǐng)域的一般技術(shù)人員,依據(jù)本發(fā)明的思想,在具體實(shí)施方式及應(yīng)用范圍上均會(huì)有改變之處,綜上所述,本說明書內(nèi)容不應(yīng)理解為對(duì)本發(fā)明的限制。

需要說明的是,本說明書中的各個(gè)實(shí)施例均采用遞進(jìn)的方式描述,每個(gè)實(shí)施例重點(diǎn)說明的都是與其他實(shí)施例的不同之處,各個(gè)實(shí)施例之間相同相似的部分互相參見即可。對(duì)于實(shí)施例公開的裝置而言,由于其與實(shí)施例公開的方法相對(duì)應(yīng),所以描述的比較簡單,相關(guān)之處參見方法部分說明即可。

還需要說明的是,在本文中,諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開來,而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。而且,術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含,從而使得包括一系列要素的過程、方法、物品或者設(shè)備所固有的要素,或者是還包括為這些過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下,由語句“包括一個(gè)……”限定的要素,并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。

對(duì)所公開的實(shí)施例的上述說明,使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對(duì)這些實(shí)施例的多種修改對(duì)本領(lǐng)域的專業(yè)技術(shù)人員來說將是顯而易見的,本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下,在其它實(shí)施例中實(shí)現(xiàn)。因此,本發(fā)明將不會(huì)被限制于本文所示的這些實(shí)施例,而是要符合與本文所公開的原理和新穎特點(diǎn)相一致的最寬的范圍。

當(dāng)前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1