[发明专利]基于层次化耦合关系的离散数据表征学习方法及系统

权利要求书

1.一种基于层次化耦合关系的离散数据表征学习方法，其特征在于，包括：

1)对输入的离散数据集合X，分别通过预设的频率影响力耦合关系函数计算基于出现频率的特征值影响力矩阵M_o，通过预设的共现影响力耦合关系函数计算基于共现概率的特征值影响力矩阵M_c；

2)针对基于出现频率的特征值影响力矩阵M_o、基于共现概率的特征值影响力矩阵M_c进行聚类特征类学习得到特征值类的类别隶属关系矩阵C；

3)将特征值类的类别隶属关系矩阵C输入预先完成训练的自动编码器进行降维，得到降维后的大小为|V|×r的特征值表征矩阵V，其中|V|表示特征值表征矩阵V的大小，r表示特征值表征矩阵V的行数，×表示矩阵乘法；

4)将特征值表征矩阵V中取出每个特征值的连续表征拼接得到离散数据集合X对应的大小为N×(r_*D)的连续化数据表征R，其中N表示离散数据集合X包含的数据对象数量，_*表示乘法，D表示离散数据集合X包含的离散特征数量。

2.根据权利要求1所述的基于层次化耦合关系的离散数据表征学习方法，其特征在于，步骤1)中频率影响力耦合关系函数的函数表达式为：

上式中，表示特征值v_j来自于特征值v_i的频率影响力，ω(f_i,f_j)表示特征值v_j和特征值v_i之间的互信息，f_i表示特征值v_i对应的特征，f_j表示特征值v_j对应的特征，p(v_i)表示特征值v_i的出现概率，p(v_j)表示特征值v_j的出现概率。

3.根据权利要求2所述的基于层次化耦合关系的离散数据表征学习方法，其特征在于，步骤1)中计算基于出现频率的特征值影响力矩阵M_o的函数表达式为：

上式中，表示特征值v₁来自于特征值v₁的频率影响力，表示特征值v_L来自于特征值v₁的频率影响力，表示特征值v₁来自于特征值v_L的频率影响力，分别表示表示特征值v_L来自于特征值v_L的频率影响力，L为离散数据集合X中包含的特征值数量。

4.根据权利要求1所述的基于层次化耦合关系的离散数据表征学习方法，其特征在于，步骤1)中共现影响力耦合关系函数的函数表达式为：

上式中，表示特征值v_j来自于特征值v_i的共现影响力，p(v_i,v_j)表示特征值v_j和特征值v_i的共现概率，p(v_i)表示特征值v_i的出现概率。

5.根据权利要求4所述的基于层次化耦合关系的离散数据表征学习方法，其特征在于，步骤1)中计算基于共现概率的特征值影响力矩阵M_c的函数表达式为：

上式中，表示特征值v₁来自于特征值v₁的共现影响力，表示特征值v_L来自于特征值v₁的共现影响力，表示特征值v₁来自于特征值v_L的共现影响力，分别表示表示特征值v_L来自于特征值v_L的共现影响力，L为离散数据集合X中包含的特征值数量。