用于高效数据协同聚类的协同信息生成对抗网络的制作方法

技术特征：
1.一种方法，包括，由一个或多个计算系统：访问包括多个行数据和多个列数据的第一数据矩阵；向第一生成对抗网络(gan)提供包括与来自所述第一数据矩阵的所述多个行数据对应的多个行向量的第一数据输入；向第二gan提供包括与来自所述第一数据矩阵的所述多个列数据对应的多个列向量的第二数据输入；以及通过由所述第一gan和所述第二gan同步协同聚类所述多个行向量和所述多个列向量生成至少部分地基于所述多个行向量和所述多个列向量的协同聚类相关性矩阵，其中，所述协同聚类相关性矩阵包括所述第一数据矩阵的所述多个行数据和所述多个列数据之间的协同聚类关联。2.如权利要求1所述的方法，其中，所述第一gan和所述第二gan是协同信息生成对抗网络(ci-gan)组合器模型架构的一部分，其中，所述ci-gan组合器模型架构还包括分布函数，所述分布函数被配置为重构作为第三数据输入被提供给所述第一gan和所述第二gan的一个或多个协同聚类标记。3.如权利要求1所述的方法，其中，所述第一gan和所述第二gan是协同信息生成对抗网络(ci-gan)自动编码器模型架构的一部分，其中，所述ci-gan自动编码器模型架构还包括分布函数，所述分布函数被配置为基于由所述第一gan生成的多个输出行数据和由所述第二gan生成的多个输出列数据来重构所述多个行数据和所述多个列数据。4.如权利要求1所述的方法，其中，通过由所述第一gan和所述第二gan同步协同聚类所述多个行向量和所述多个列向量生成所述协同聚类相关性矩阵包括：至少部分地基于互信息成本函数来确定所述第一数据矩阵的所述多个行数据和所述多个列数据之间的一个或多个潜在的相互关系。5.如权利要求1所述的方法，其中，通过由所述第一gan和所述第二gan同步协同聚类所述多个行向量和所述多个列向量生成所述协同聚类相关性矩阵包括：确定下界，所述下界定义与所述协同聚类关联和所述第一数据矩阵的所述多个行数据和所述多个列数据之间的互信息对应的目标函数。6.如权利要求1所述的方法，其中，通过由所述第一gan和所述第二gan同步协同聚类所述多个行向量和所述多个列向量生成所述协同聚类相关性矩阵包括：最大化所述协同聚类关联和所述第一数据矩阵的所述多个行数据和所述多个列数据之间的互信息。7.如权利要求1所述的方法，其中，通过由所述第一gan和所述第二gan同步协同聚类所述多个行向量和所述多个列向量生成所述协同聚类相关性矩阵包括：单独地确定所述多个行数据和所述多个列数据的一个或多个解纠缠表示。8.如权利要求1所述的方法，其中，通过由所述第一gan和所述第二gan同步协同聚类所述多个行向量和所述多个列向量生成所述协同聚类相关性矩阵包括：同时确定所述多个行数据和所述多个列数据的一个或多个解纠缠表示。9.如权利要求8所述的方法，其中，同时确定所述多个行数据和所述多个列数据的所述一个或多个解纠缠表示包括：确定用于解密所述协同聚类相关性矩阵中的相互作用数据结构的联合解缠结表示。
10.如权利要求1所述的方法，其中，所述第一数据矩阵可以包括以下中的一个或多个：作为所述多个行数据的用户行为数据和作为所述多个列数据的用户内容查看数据；作为所述多个行数据的视频数据和作为所述多个列数据的视频描述数据；作为所述多个行数据的生物遗传数据和作为所述多个列数据的生物条件数据；作为所述多个行数据的电影数据和作为所述多个列数据的音乐数据；或者作为所述多个行数据的图像数据和作为所述多个列数据的可听数据。11.一种系统，包括：一个或多个非暂时性计算机可读存储介质，所述一个或多个非暂时性计算机可读存储介质包括指令；以及耦合到存储介质的一个或多个处理器，所述一个或多个处理器被配置为执行指令以：访问包括多个行数据和多个列数据的第一数据矩阵；向第一生成对抗网络(gan)提供包括与来自所述第一数据矩阵的所述多个行数据对应的多个行向量的第一数据输入；向第二gan提供包括与来自所述第一数据矩阵的所述多个列数据对应的多个列向量的第二数据输入；以及通过由所述第一gan和所述第二gan同步协同聚类所述多个行向量和所述多个列向量生成至少部分地基于所述多个行向量和所述多个列向量的协同聚类相关性矩阵，其中，所述协同聚类相关性矩阵包括所述第一数据矩阵的所述多个行数据和所述多个列数据之间的协同聚类关联。12.如权利要求11所述的系统，其中，所述第一gan和所述第二gan是协同信息生成对抗网络(ci-gan)组合器模型架构的一部分，其中，所述ci-gan组合器模型架构还包括分布函数，所述分布函数被配置为重构作为第三数据输入被提供给所述第一gan和所述第二gan的一个或多个协同聚类标记。13.如权利要求11所述的系统，其中，所述第一gan和所述第二gan是协同信息生成对抗网络(ci-gan)自动编码器模型架构的一部分，其中，所述ci-gan自动编码器模型架构还包括分布函数，所述分布函数被配置为基于由所述第一gan生成的多个输出行数据和由所述第二gan生成的多个输出列数据来重构所述多个行数据和所述多个列数据。14.如权利要求11所述的系统，其中，通过由所述第一gan和所述第二gan同步协同聚类所述多个行向量和所述多个列向量生成所述协同聚类相关性矩阵的指令包括：至少部分地基于互信息成本函数来确定所述第一数据矩阵的所述多个行数据和所述多个列数据之间的一个或多个潜在的相互关系的指令。15.如权利要求11所述的系统，其中，通过由所述第一gan和所述第二gan同步协同聚类所述多个行向量和所述多个列向量生成所述协同聚类相关性矩阵的指令包括：确定下界的指令，所述下界定义与所述协同聚类关联和所述第一数据矩阵的所述多个行数据和所述多个列数据之间的互信息对应的目标函数。

技术总结
由一个或多个计算系统实现的方法包括由一个或多个计算系统：访问包括多个行数据和多个列数据的第一数据矩阵。该方法还包括向第一生成对抗网络(GAN)提供包括与多个行数据对应的多个行向量的第一数据输入，和向第二GAN提供包括与多个列数据对应的多个列向量的第二数据输入。该方法还包括通过由第一GAN和第二GAN同步协同聚类多个行向量和多个列向量生成至少部分地基于多个行向量和多个列向量的协同聚类相关性矩阵。该方法还包括该协同聚类相关性矩阵包括多个行数据和多个列数据之间的协同聚类关联。协同聚类关联。协同聚类关联。


技术研发人员：J.李 H.李 T.J.帕尔切夫斯基
受保护的技术使用者：三星电子株式会社
技术研发日：2020.09.29
技术公布日：2022/5/17