[发明专利]图像筛选方法、装置、计算机设备及存储介质

权利要求书

1.一种图像筛选方法，其特征在于，包括：

根据多个第一图像的用户点击数据，获取所述多个第一图像的点击行为特征，其中，所述用户点击数据用于表示与用户对图像的点击行为具有关联关系的数据，所述点击行为特征包括点击率；

根据所述多个第一图像的点击行为特征，从所述多个第一图像中筛选得到多个第二图像，所述多个第二图像的点击行为特征符合第一目标条件；

将所述多个第二图像输入分类模型，通过所述分类模型提取所述多个第二图像的图像特征，基于所述多个第二图像的图像特征，获取所述多个第二图像的类别标签；

按照所述多个第二图像所属的至少一个聚类集合，获取所述至少一个聚类集合对应的至少一个类别标签所占的标签比例，所述标签比例是指任一个聚类集合对应的各个类别标签的个数，与所述任一个聚类集合对应的所有类别标签的个数的比值；

确定所述至少一个聚类集合中每一个聚类集合对应的最大标签比例，当所述最大标签比例大于或等于第三目标阈值时，将所述聚类集合作为目标聚类集合，并将所述目标聚类集合中所包括的第二图像确定为第三图像。

2.根据权利要求1所述的图像筛选方法，其特征在于，所述根据多个第一图像的用户点击数据，获取所述多个第一图像的点击行为特征包括：

根据所述多个第一图像的用户点击数据，对行为分析模型进行迭代训练；

当所述行为分析模型的损失函数值小于第一目标阈值或迭代次数到达目标次数时，得到所述多个第一图像的点击行为特征。

3.根据权利要求2所述的图像筛选方法，其特征在于，所述根据所述多个第一图像的用户点击数据，对行为分析模型进行迭代训练包括：

在每次迭代过程中，将所述多个第一图像的用户点击数据输入所述行为分析模型，通过所述行为分析模型提取所述多个第一图像的点击行为特征，基于所述多个第一图像的点击行为特征获取所述行为分析模型的损失函数值。

4.根据权利要求3所述的图像筛选方法，其特征在于，所述将所述多个第一图像的用户点击数据输入所述行为分析模型，通过所述行为分析模型提取所述多个第一图像的点击行为特征，基于所述多个第一图像的点击行为特征获取所述行为分析模型的损失函数值包括：

将所述多个第一图像的用户点击数据输入所述行为分析模型的宽度部分，通过所述行为分析模型的宽度部分，对所述多个第一图像的用户点击数据进行线性处理，得到所述多个第一图像的宽度特征；

将所述多个第一图像的用户点击数据输入所述行为分析模型的深度部分，通过所述行为分析模型的深度部分，对所述多个第一图像的用户点击数据进行嵌入处理，得到所述多个第一图像的点击行为特征，对所述多个第一图像的点击行为特征进行卷积处理，得到所述多个第一图像的深度特征；

根据所述多个第一图像的宽度特征和所述多个第一图像的深度特征，获取所述行为分析模型的损失函数值。

5.根据权利要求1所述的图像筛选方法，其特征在于，所述根据所述多个第一图像的点击行为特征，从所述多个第一图像中筛选得到多个第二图像包括：

根据所述多个第一图像的点击行为特征，对所述多个第一图像进行聚类处理，得到多个聚类集合，每个聚类集合中包括至少一个第一图像；

对每个聚类集合，获取所述聚类集合中至少一个第一图像到所述聚类集合的聚类中心的平均距离；

将平均距离大于或等于第二目标阈值的至少一个聚类集合确定为所述多个第二图像。

6.根据权利要求1所述的图像筛选方法，其特征在于，所述方法还包括：

对每个第三图像，将所述第三图像所属的聚类集合中最大标签比例对应的类别标签确定为所述第三图像的类别标签。