摘要
本发明公开了基于对比学习的群体识别方法、系统、设备及介质,属于人工智能技术领域,本发明要解决的技术问题为如何在减少标注数据依赖的前提下提高群体识别的准确率,克服传统单视图或共享参数编码器存在的特征表达单一及泛化性弱的缺陷,技术方案为:社交网络抽象为图结构;通过邻接矩阵计算图拉普拉斯平滑滤波器;通过图拉普拉斯平滑滤波器和特征矩阵计算聚合特征,并依次迭代获取最终的聚合特征;通过两个MLP编码器分别对聚合特征进行特征提取,获取两个视图的节点表示,再将两个视图的节点表示进行嵌入组合获取节点嵌入表示;通过两个视图的节点表示计算相似度矩阵,并根据相似度矩阵构建正负样本;通过正负样本设计对比损失函数。
技术关键词
群体识别方法
拉普拉斯
样本
矩阵
滤波器
节点特征
社交
参数编码器
损失函数优化
网络
聚类
可读存储介质
人工智能技术
处理器
模块
代表
识别系统
存储器
系统为您推荐了相关专利信息
交通流量预测方法
多尺度
空间金字塔
监测传感器
神经网络模型