基于多视图学习的数据识别方法

1.一种基于多视图学习的数据识别方法，其特征在于，所述识别方法包括步骤如下：

2.如权利要求1所述的基于多视图学习的数据识别方法，其特征在于，所述s1中，对于分类列，采用one-hot编码，将流失客户编码为1，未流失客户编码为0；

3.如权利要求1所述的基于多视图学习的数据识别方法，其特征在于，所述s2中，通过数值嵌入模块将usce四个视图的数值特征转换为向量嵌入，再利用transformer模块处理向量嵌入，最终得到高维的向量表示；单个视图的具体实现过程如公式(1)-(6)所示：

4.如权利要求1所述的基于多视图学习的数据识别方法，其特征在于，所述s2中，为了去除视图内的特征之间的冗余信息，采用多头注意力机制自适应的对各视图内特征编码；注意力函数将查询和一组键值对映射到输出，其中查询、键、值和输出都是向量，输出是值的加权和，每个权重都是由查询和键计算得出；对于每个特征，多头注意力会为其分配一个可训练的查询向量q，旨在提取各特征之间的相关性；查询向量q初始是随机的，随后在训练过程中得到最优；

5.如权利要求1所述的基于多视图学习的数据识别方法，其特征在于，所述s3中，为了提取不同视图间的一致性信息，使用基于相关性的对齐策略，即交互计算；基于编码层的多视图向量表示，将输入向量m∈rk×d降维表示为y∈rd，其中d＝kd；各视图交互计算如下:

6.如权利要求1所述的基于多视图学习的数据识别方法，其特征在于，所述s4中，决策信息集合中包含视图一致性信息yb以及v个视图的互补性信息表示如下：