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！

龙图腾网获悉腾讯科技(深圳)有限公司申请的专利对象分类模型的训练方法和相关装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117194966B 。

龙图腾网通过国家知识产权局官网在2026-04-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210589182.5，技术领域涉及：G06F18/214；该发明授权对象分类模型的训练方法和相关装置是由樊鹏设计研发完成，并于2022-05-27向国家知识产权局提交的专利申请。

本对象分类模型的训练方法和相关装置在说明书摘要公布了：本申请公开对象分类模型的训练方法和相关装置，可用于云技术、人工智能、智慧交通、辅助驾驶等场景，获取包括第一正例样本集和未标注样本集的样本对象数据集。从第一正例样本集中去除中间样本得到第二正例样本集，将中间样本添加至未标注样本集得到原始待标注样本集。根据构建的样本对象数据集中样本对象的对象特征，在第二正例样本集和原始待标注样本集上训练神经网络模型得到对象分类模型。在训练对象分类模型的过程中，利用训练得到的神经网络模型对原始待标注样本集中的样本对象进行分类，直到原始待标注样本集中每个样本对象具有分类标签，从而平衡了正负例样本，确保原始待标注样本集中样本对象的分类准确率，提高了信息推荐的业务效果。

本发明授权对象分类模型的训练方法和相关装置在权利要求书中公布了：1.一种对象分类模型的训练方法，其特征在于，所述方法包括： 获取针对目标产品的样本对象数据集，所述样本对象数据集中包括第一正例样本集和未标注样本集，所述第一正例样本集中的样本对象具有正例标签，所述正例标签是一种分类标签，所述正例标签用于标记样本对象具有针对所述目标产品执行转换操作的意愿，所述未标注样本集中的样本对象不具有分类标签，所述分类标签用于标记样本对象是否具有针对目标产品执行转换操作的意愿； 构建所述样本对象数据集中样本对象的对象特征；所述对象特征包括基础特征和垂直类型特征，所述基础特征包括对象基础属性、设备基础属性和网络连接属性中的至少一项，所述垂直类型特征包括所述样本对象对对应类型广告的点击率或者转化率； 确定所述第一正例样本集的质心向量； 计算所述第一正例样本集中每个样本对象与所述质心向量之间的距离；所述样本对象包含正例样本的真实信息量与所述质心向量之间的距离呈负相关； 根据所述距离选择多个样本对象作为中间样本，并从所述第一正例样本集中去除所述中间样本得到第二正例样本集，以及将所述中间样本添加至所述未标注样本集得到原始待标注样本集； 根据所述对象特征，在所述第二正例样本集和所述原始待标注样本集上对神经网络模型的参数进行更新，得到最优网络参数； 根据所述最优网络参数，确定所述对象分类模型； 在训练所述神经网络模型以得到所述对象分类模型的过程中，利用训练得到的神经网络模型对所述原始待标注样本集中的样本对象进行分类，得到初始正例集和初始负例集，并将所述初始正例集作为新的待标注样本集； 在所述第二正例样本集和所述初始负例集上重新训练所述神经网络模型； 利用训练得到的神经网络模型对所述新的待标注样本集进行分类，并基于分类结果更新所述第二正例样本集、所述新的待标注样本集和所述初始负例集，重新执行在所述第二正例样本集和所述初始负例集上重新训练所述神经网络模型的步骤，直到所述新的待标注样本集中每个样本对象具有分类标签，得到目标正例集、目标负例集和所述对象分类模型； 其中，所述神经网络模型包括多个网络层，所述根据所述对象特征，在所述第二正例样本集和所述原始待标注样本集上对所述神经网络模型的参数进行更新，得到最优网络参数，包括： 对所述多个网络层的参数分别进行编码，得到多维粒子向量； 利用改进的粒子群优化算法，确定所述多维粒子向量对应的种群的全局最优位置； 在利用改进的粒子群优化算法，确定所述多维粒子向量对应的种群的全局最优位置的过程中，若达到所述改进的量子粒子群优化算法的终止条件，将达到所述终止条件时所述种群的全局最优位置解码输出，得到所述最优网络参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人腾讯科技(深圳)有限公司，其通讯地址为：518057 广东省深圳市南山区高新区科技中一路腾讯大厦35层；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。