(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111500914.0 (22)申请日 2021.12.09 (71)申请人 京东科技信息技 术有限公司 地址 100176 北京市大兴区北京经济技 术 开发区科创十一街18号院2号楼6层 601 (72)发明人 何凤翔　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 代理人 乔慧 (51)Int.Cl. G06F 40/30(2020.01) G06N 20/00(2019.01) G06F 40/194(2020.01) G06F 16/35(2019.01) (54)发明名称 小样本学习处理方法、 装置、 设备及存储介 质 (57)摘要 本公开涉及机器学习技术领域， 尤其涉及一 种小样本 学习处理方法、 装置、 设备及存储介质。 方法包括： 提取询问样本的询问局部特征； 基于 所述询问局部特征， 获取所述询问样本的询问全 局特征； 所述基于所述询问局部特征和所述询问 全局特征， 获取所述询问样本的询问交互特征， 其中， 所述询问交互特征由所述询问局部特征和 所述询问全局特征交互形成； 通过所述询问交互 特征和支撑样本集， 确定所述询问样本的所属类 别， 其中， 所述支撑样本集包括至少一个样本类 别， 每一个所述样本类别包括至少一个支撑样 本。 本公开用以解决现有技术中小样本学习方法 仅基于局部特征造成学习效率低的缺陷， 实现利 用局部特征和全局特征之间的相互作用指导语 义对齐。 权利要求书2页 说明书11页 附图2页 CN 114154512 A 2022.03.08 CN 114154512 A 1.一种小样本学习处 理方法， 其特 征在于， 包括： 提取询问样本的询问局部特 征； 基于所述询问局部特 征， 获取所述询问样本的询问全局特 征； 所述基于所述询问局部特征和所述询问全局特征， 获取所述询问样本的询问交互特 征， 其中， 所述询问交 互特征由所述询问局部特 征和所述询问全局特 征交互形成； 通过所述询问交互特征和支撑样本集， 确定所述询问样本的所属类别， 其中， 所述支撑 样本集包括至少一个样本类别， 每一个所述样本类别包括至少一个支撑样本 。 2.根据权利要求1所述的小样本学习处理方法， 其特征在于， 所述提取询问样本的询问 局部特征， 包括： 提取所述询问样本的询问局部特 征矩阵； 所述基于所述询问局部特 征， 获取所述询问样本的询问全局特 征， 包括： 获取所述询问局部特 征矩阵包 含的至少一个行向量； 分别将每一个所述行向量与预设的第一可 学习参数相乘， 得到 至少一个加权行向量； 获取所述至少一个所述加权行向量的第一平均值； 将所述第一平均值与 预设的第 二可学习参数相乘， 获得所述询问样本的所述询问全局 特征矩阵。 3.根据权利要求2所述的小样本学习处理方法， 其特征在于， 所述基于所述询问局部特 征和所述询问全局特 征， 获取所述询问样本的询问交 互特征， 包括： 将所述询问局部特征矩阵和所述询问全局特征矩阵叠加， 获得所述询问样本的询问交 互特征矩阵。 4.根据权利要求1所述的小样本学习处理方法， 其特征在于， 所述通过所述询问交互特 征和支撑样本集， 确定所述询问样本的所属类别， 包括： 获取所述支撑样本集中每一个所述样本类别对应的类别交 互特征； 根据所述询问交互特征和所述类别交互特征， 分别计算所述询问样本与每一个所述样 本类别的相似度； 根据至少一个所述相似度， 确定所述询问样本的所述所属类别。 5.根据权利要求4所述的小样本学习处理方法， 其特征在于， 获得每一个所述类别交互 特征的处理过程如下： 提取所述样本类别包 含的每一个所述支撑样本的支撑局部特 征； 计算所述样本类别对应的至少一个所述支撑局部特 征的第二平均值； 基于所述样本类别内每一个所述支撑样本的所述支撑局部特征， 分别获取所述样本类 型包含的每一个所述支撑样本的支撑全局特 征； 计算所述样本类别对应的至少一个所述支撑全局特 征的第三平均值； 叠加所述第二平均值和所述第三平均值， 获得所述样本类别对应的所述类别交互特 征。 6.根据权利要求4所述的小样本学习处理方法， 其特征在于， 所述询问交互特征为询问 交互特征矩阵， 所述类别交 互特征为类别交 互特征矩阵； 所述根据 所述询问交互特征和所述类别交互特征， 分别计算所述询问样本与每一个所 述样本类别的相似度， 包括：权　利　要　求　书 1/2 页 2 CN 114154512 A 2分别计算所述询问交互特征矩阵， 与每一个所述样本类别对应的所述类别交互特征矩 阵的交叉协方差矩阵； 基于每一个所述交叉协方差矩阵， 分别计算所述询问样本与每一个所述样本类别的相 似度。 7.根据权利要求1所述的小样本学习处理方法， 其特征在于， 所述询问样本包括图片样 本或视频样本中的任意 一种。 8.一种小样本学习处 理装置， 其特 征在于， 包括： 提取模块， 用于提取询问样本的询问局部特 征； 第一获取模块， 用于基于所述局部特 征， 获取所述询问样本的询问全局特 征； 第二获取模块， 用于所述基于所述询问局部特征和所述询问全局特征， 获取所述询问 样本的询问交互特征， 其中， 所述询问交互特征 由所述询问局部特征和所述询问全局特征 交互形成； 类别确定模块， 用于通过所述询问交互特征和支撑样本集， 确定所述询问样本的所属 类别， 其中， 所述支撑样本集包括至少一个样 本类别， 每一个所述样本类别包括至少一个支 撑样本。 9.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至7任一项所述小样本 学习处理方法的步骤。 10.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该计算机 程序被处 理器执行时实现如权利要求1至7任一项所述小样本学习处 理方法的步骤。权　利　要　求　书 2/2 页 3 CN 114154512 A 3