一种标签分类方法、装置、存储介质及电子设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114880473A(43)申请公布日2022.08.09(21)申请号202210468316.8(22)申请日2022.04.29(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人檀彦超李龙飞(74)专利代理机构北京恒博知识产权代理有限公司11528专利代理师侯世俭(51)Int.Cl.G06F16/35(2019.01)G06F40/30(2020.01)权利要求书2页说明书13页附图4页(54)发明名称一种标签分类方法、装置、存储介质及电子设备(57)摘要本说明书公开了一种标签分类方法、装置、存储介质及电子设备，其中，方法包括：获取项目标签矩阵，所述项目标签矩阵包括多个项目、多个标签以及各个项目与各个标签之间的对应关系，基于所述项目标签矩阵中的所有标签获取标签嵌入向量集合，基于双曲空间模型，采用所述项目标签矩阵和所述标签嵌入向量集合，对所述所有标签进行层级分类处理，以得到标签分类函数。CN114880473ACN114880473A权利要求书1/2页1.一种标签分类方法，所述方法包括：获取项目标签矩阵，所述项目标签矩阵包括多个项目、多个标签以及各个项目与各个标签之间的对应关系；基于所述项目标签矩阵中的所有标签获取标签嵌入向量集合；基于双曲空间模型，采用所述项目标签矩阵和所述标签嵌入向量集合，对所述所有标签进行层级分类处理，以得到标签分类函数。2.根据权利要求1所述的方法，所述基于双曲空间模型，采用所述项目标签矩阵和所述标签嵌入向量集合，对所述所有标签进行层级分类处理，以得到标签分类函数，包括：基于庞加莱模型，采用所述项目标签矩阵和所述标签嵌入向量集合，对所述所有标签进行层级分类处理，以得到分类构造函数；基于所述项目标签矩阵和所述标签嵌入向量集合，获取标签有关嵌入向量和标签无关嵌入向量；基于洛伦兹模型，将所述标签有关嵌入向量和所述标签无关嵌入向量相结合，以生成标签相似度衡量函数；基于所述分类构造函数和标签相似度衡量函数，生成标签分类函数。3.根据权利要求2所述的方法，所述基于庞加莱模型，采用所述项目标签矩阵和所述标签嵌入向量集合，对所述所有标签进行层级分类处理，以得到分类构造函数，包括：基于庞加莱模型，采用所述项目标签矩阵和所述标签嵌入向量集合，对所述所有标签进行层级分类处理，生成树状层级分类结构；对所述树状层级分类结构进行分类感知正则化处理，生成分类构造函数。4.根据权利要求3所述的方法，所述基于庞加莱模型，采用所述项目标签矩阵和所述标签嵌入向量集合，对所述所有标签进行层级分类处理，生成树状层级分类结构，包括：基于庞加莱模型，采用所述项目标签矩阵和所述标签嵌入向量集合，将所述所有标签分为至少一个标签级别，其中，每个标签级别中包含至少一个标签集合；基于所述至少一个标签级别和所有标签集合生成树状层级分类结构。5.根据权利要求4所述的方法，所述基于庞加莱模型，采用所述项目标签矩阵和所述标签嵌入向量集合，将所述所有标签分为至少一个标签级别，包括：基于庞加莱模型和所述项目标签矩阵、所述标签嵌入向量集合，采用表征感知评分函数，获取第一标签级别的第一标签集合中各标签的表征分数；获取所述第一标签集合中表征分数高于评分阈值的至少一个第一标签；采用自适应聚类算法，将所述至少一个第一标签分为至少一个第二标签集合，所述第二标签集合为所述第一标签集合的子集合且从属于第二标签级别，所述第二标签级别为所述第一标签级别的下一个标签级别。6.根据权利要求2所述的方法，所述基于所述项目标签矩阵和所述标签嵌入向量集合，获取标签有关嵌入向量和标签无关嵌入向量，包括：基于所述项目标签矩阵和所述标签嵌入向量矩阵，获取项目有关嵌入向量、用户有关嵌入向量、项目无关嵌入向量和用户无关嵌入向量；基于所述项目有关嵌入向量和所述用户有关嵌入向量生成标签有关嵌入向量，基于所述项目无关嵌入向量和所述用户无关嵌入向量生成标签无关嵌入向量。2CN114880473A权利要求书2/2页7.根据权利要求2所述的方法，所述基于洛伦兹模型，将所述标签有关嵌入向量和所述标签无关嵌入向量相结合，以生成标签相似度衡量函数，包括：基于洛伦兹模型，将所述标签有关嵌入向量和所述标签无关嵌入向量相结合，生成初始相似度函数；采用大间隔最近邻居分类算法，基于所述初始相似度函数生成标签相似度衡量函数。8.根据权利要求7所述的方法，所述基于洛伦兹模型，将所述标签有关嵌入向量和所述标签无关嵌入向量相结合，生成初始相似度函数，包括：获取所述有关嵌入向量的有关权重，获取所述无关嵌入向量的无关权重；基于洛伦兹模型以及所述有关权重和所述无关权重，将所述标签有关嵌入向量和所述标签无关嵌