Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

聚类方法、聚类模型训练方法及相关装置 

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:北京字跳网络技术有限公司

摘要:本公开提供一种聚类方法、聚类模型训练方法及相关装置。上述聚类方法,应用于聚类模型,上述聚类模型包括N个级联的码本比较模块且每一级码本比较模块对应N层码本空间中的一个码本,包括:将由多模态预训练模型输出的多模态表征信息输入所述聚类模型;在所述聚类模型的各个码本比较模块,分别确定其对应码本中与输入特征距离最近的码字,将其作为所述码本比较模块对应的码字,并将所述输入特征与所述码字之间的差值特征作为下一级码本比较模块的输入特征;以及基于上述N个级联的码本比较模块对应的码字确定上述多模态表征信息对应的隐形分类标签。

主权项:1.一种聚类方法,应用于聚类模型,其中,所述聚类模型包括N个级联的码本比较模块且每一级码本比较模块对应N层码本空间中的一个码本,N为大于或等于1的整数;所述聚类方法包括:将由多模态预训练模型输出的多模态表征信息输入所述聚类模型;在所述聚类模型的各个码本比较模块,分别确定其对应码本中与输入特征距离最近的码字,将其作为所述码本比较模块对应的码字,并将所述输入特征与所述码字之间的差值特征作为下一级码本比较模块的输入特征;以及基于所述N个级联的码本比较模块对应的码字确定所述多模态表征信息对应的隐形分类标签。

全文数据:

权利要求:

百度查询: 北京字跳网络技术有限公司 聚类方法、聚类模型训练方法及相关装置

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。