[发明专利]信息处理装置和信息处理方法

说明书

本公开涉及信息处理方法和信息处理装置。根据本公开的信息处理装置包括：提取单元，被配置成将多路数据转换为张量数据并且提取所述张量数据的核心张量；聚类单元，被配置成对所述核心张量执行聚类处理；贡献度计算单元，被配置成针对所述核心张量的每个簇，计算所述张量数据的各分量数据的贡献度；以及降采样单元，被配置成基于所述贡献度对所述张量数据执行降采样处理。根据本公开的信息处理装置和信息处理方法在保留张量数据的高阶特征的同时减小张量数据的存储空间和处理成本，提高用于张量数据的分类模型的分类准确性。

技术领域

本文公开的实施方式涉及信息处理的技术领域。特别地，本公开的实施方式涉及用于对张量数据进行降采样的信息处理装置和信息处理方法。

背景技术

在目前的大数据分析领域中，众多数据常常以多路数据(multi-way data)的形式存在。这些多路数据通常可以使用张量(tensor)数据的形式来表示。

随着深度学习的发展，开发了例如Deep Tensor(Deep Tensor:Eliciting NewInsights from Graph Data that Express Relationships between People andThings,Koji Maruhashi,FUJITSU Sci.Tech.J.,Vol.53,No.5,pp-26-31,September2017)、图卷积神经网络等深度学习技术，这些技术可以利用高阶张量数据的数据结构来表示多路数据，随后通过机器学习的方法进行分析，从而能够直接提取重要的特征来进行分类。

然而，以张量数据形式表示多路数据往往会忽略多路数据内在重要的关系特征。此外，大多数的多路数据包含较大信息量，因而所构建的数据结构分布较为复杂，导致表示多路数据的张量数据的分布过于稀疏，使得这些深度学习技术往往无法进行充分的学习。

再者，与传统分类方法相比，深度学习的分类方法一种是“黑盒”方法，即难以准确描述其内部机理，因而难以找出哪些高阶特征对于对分类模型而言是重要的或不重要的。

因此，有必要提供一种信息处理技术，能够分析以张量数据形式表示的多路数据的稀疏结构的逻辑关系，据此进行降采样以保留重要的高阶特征。

发明内容

在下文中将给出关于本公开的简要概述，以便提供关于本公开的某些方面的基本理解。应当理解，这个概述并不是关于本公开的穷举性概述。它并不是意图确定本公开的关键或重要部分，也不是意图限定本公开的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

本公开的目的在于一种对张量数据进行降采样的信息处理装置和信息处理方法，在保留张量数据的高阶特征的同时减小张量数据的存储空间和处理成本，提高用于张量数据的分类模型的分类准确性。

为了实现本公开的目的，根据本公开的一个方面，提供了一种信息处理装置，包括：提取单元，被配置成将多路数据转换为张量数据并且提取张量数据的核心张量；聚类单元，被配置成对核心张量执行聚类处理；贡献度计算单元，被配置成针对核心张量的每个簇，计算张量数据的各分量数据的贡献度；以及降采样单元，被配置成基于贡献度对张量数据执行降采样处理。

根据本公开的另一方面，提供了一种信息处理方法，包括：将多路数据转换为张量并且提取张量的核心张量；核心张量执行聚类处理；针对核心张量的每个簇，计算张量数据的各分量数据的贡献度；以及基于贡献度对张量数据执行降采样处理。

根据本公开的再一方面，还提供了能够实现上述的信息处理方法的计算机程序。此外，还提供了具有至少计算机可读介质形式的计算机程序产品，其上记录有用于实现上述的信息处理方法的计算机程序代码。

根据本公开的信息处理技术，能够分析以张量形式表示的多路数据的稀疏结构的逻辑关系，据此进行降采样以获取重要的高阶特征，降低多路数据的存储空间和处理成本，提高用于张量数据的分类模型的分类准确性。

附图说明