龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国人民大学
摘要：本公开提供一种基于自适应可扩展图Transformer的商品分类方法。构建模型输出需要预测类别的商品所属的类别；模型的构建方法为：S1，构建商品购买网络G来建模商品和商品交易数据；S2，构建用于表示每个商品节点自身属性的特征向量；S3，构造用于输入可扩展注意力的商品令牌；S4，初始化可扩展注意力、特征提取层和特征降维层等神经网络的参数；S5，利用可扩展注意力对商品表征进行自适应滤波生成商品的最终表征Z；S6，构造训练商品节点上的损失函数并更新相应神经网络参数；S7，重复步骤S5至S6；S8，输出需要预测的商品所属的类别。从而解决了现有技术在建模同配性和异配性商品交易网络、运行速度、存储开销和商品分类精度方面存在的问题。
主权项：1.一种基于自适应可扩展图Transformer的商品分类方法，其特征在于，利用输入的已有商品信息和交易信息构建包含步骤S1-S8的模型，最终利用模型输出需要预测类别的商品所属的类别；具体而言，所述模型的构建方法为：S1，根据商品信息和交易信息，构建商品购买网络G来建模商品和商品交易数据，其中G中的节点表示不同的商品，边表示两个商品被同时购买或销售，G的结构信息用邻接矩阵A来表示；S2，构建用于表示每个商品节点自身属性的特征向量，生成商品特征矩阵X，并构建用于训练模型的商品类别矩阵S3，基于预定义多项式滤波器构造用于输入可扩展注意力的商品令牌，并进行存储；S4，初始化可扩展注意力、特征提取层和特征降维层神经网络的参数；S5，读取商品令牌，利用可扩展注意力对商品表征进行自适应滤波，利用特征提取和特征降维神经网络生成商品的最终表征Z；S6，构造训练商品节点上的损失函数，并通过梯度下降法更新可扩展注意力、特征提取层和特征降维层神经网络的参数；S7，重复步骤S5至S6进行模型优化和参数更新，直至有监督优化损失收敛或达到预设的最大迭代步数，将学到的模型参数存入磁盘；S8，从磁盘加载商品令牌和模型参数，基于S5生成最终的商品表征Z，最终根据打分函数输出需要预测的商品所属的类别。
全文数据：
权利要求：
百度查询： 中国人民大学 一种基于自适应可扩展图Transformer的商品分类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号