(19)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 202210735910.9 (22)申请日 2022.06.27 (71)申请人 中国平安人寿保险股份有限公司 地址 518000 广东省深圳市福田区益田路 5033号平安金融中心14、 15、 16、 37、 41、 44、 45、 46层 (72)发明人 周忠梅　 (74)专利代理 机构 深圳众鼎专利商标代理事务 所(普通合伙) 44325 专利代理师 谭果林 (51)Int.Cl. G06F 21/31(2013.01) G06Q 50/00(2012.01) G06V 40/16(2022.01) G06V 10/80(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于人工智能的数据查重方法、 装置、 计算 机设备及 介质 (57)摘要 本发明涉及人工智能技术领域， 尤其涉及一 种基于人工智能的数据查重方法、 装置、 计算机 设备及介质。 该方法将获取的人脸图像输入编码 器中进行特征提取， 得到人脸特征向量， 并与包 含身份信息和登记机构的嵌入向量拼接为待登 记用户向量， 根据待登记用户向量， 确定与待登 记用户向量的匹配程度最大的向量聚类集合为 目标聚类集合， 计算待登记用户向量与目标聚类 集合中各已登记用户向量的相似度， 根据计算结 果确定待登记用户信息为重复登记， 将待登记用 户向量与各个向量聚类集合进行预匹配得到目 标聚类集合， 排除了大部分不相关的已登记用户 向量， 极大降低了后续需要比对的已登记用户向 量数量， 从而提高了 重复登记 识别的效率。 权利要求书2页 说明书13页 附图3页 CN 115062284 A 2022.09.16 CN 115062284 A 1.一种基于人工智能的数据查重方法， 其特 征在于， 所述方法包括： 获取待登记用户信息， 将所述人脸图像输入训练好的编码器中进行特征提取， 得到人 脸特征向量， 所述待登记用户信息包括人脸图像、 身份信息和登记机构； 将所述身份信 息和所述登记机构映射为嵌入向量， 并将所述嵌入向量和所述人脸特征 向量拼接为待登记用户向量； 根据所述待登记用户向量， 在N个预设的向量聚类集合中， 确定与所述待登记用户向量 的匹配程度最大的向量聚类集 合为目标聚类集 合， N为大于零的整数； 将所述目标聚类集合中的每个已登记用户向量与所述待登记用户向量进行相似度计 算， 若相似度计算结果满足预设条件， 则确定所述待登记用户信息为重复登记。 2.根据权利要求1所述的数据查重方法， 其特征在于， 所述编码器在训练时添加临时解 码器， 以样本图像作为所述编码器训练时的训练样本， 以重构损失作为所述编码器训练时 的损失函数； 所述编码器的训练过程包括： 将所述样本图像输入所述编码器中进行 特征提取， 得到样本特 征向量； 将所述样本特 征向量输入所述临时解码器中进行 特征重构， 得到 重构图像； 根据所述样本图像和所述重构图像， 计算所述重构损失， 并以所述重构损失为依据， 采 用梯度下降法反向调整所述编码器和所述临时解码器的参数， 直至所述重构损失收敛， 得 到训练好的编码器。 3.根据权利要求1所述的数据查重方法， 其特征在于， 所述向量 聚类集合包括 聚类中心 向量； 所述根据所述待登记用户向量， 在N个预设的向量聚类集合中， 确定与所述待登记用户 向量的匹配程度最大的向量聚类集 合为目标聚类集 合包括： 计算每个聚类 中心向量与 所述待登记用户向量的余弦相似度， 确定所述余弦相似度为 第一相似度， 所述第一相似度用于表征所述聚类中心向量与所述待登记用户向量的匹配程 度； 确定第一相似度最大的聚类中心向量对应的向量聚类集 合为目标聚类集 合。 4.根据权利要求1所述的数据查重方法， 其特征在于， 所述向量 聚类集合由所述已登记 用户向量通过聚类得到， 所述聚类的初始化包括为每个已登记用户向量赋予初始类别， 并 初始化更新次数为 零； 所述聚类过程包括： 针对任两个已登记用户向量， 计算所述已登记用户向量之间的余弦相似度， 并将所述 余弦相似度与预设阈值进行比较， 根据比较结果确定所述已登记用户向量之间连接的边； 随机确定一已登记用户向量为目标向量， 根据连接所述目标向量的边， 确定所述目标 向量的更新类别， 若所述更新类别与所述 目标向量的类别不一致， 将所述 目标向量的类别 更新为所述更新类别， 并将所述更新次数增 加一； 返回随机确定一已登记用户向量为目标向量的步骤， 直至所述更新 次数收敛， 得到N个 向量聚类集 合。 5.根据权利要求4所述的数据查重方法， 其特征在于， 所述将所述余弦相似度与预设阈 值进行比较， 根据比较结果确定所述已登记用户向量之间连接的边包括：权　利　要　求　书 1/2 页 2 CN 115062284 A 2若所述余弦相似度大于或者等于所述预设阈值， 则确定所述余弦相似度为所述边的权 重； 若所述余弦相似度小于所述预设阈值， 则确定零 为所述边的权重。 6.根据权利要求5所述的数据查重方法， 其特征在于， 所述根据连接所述目标向量的 边， 确定所述目标向量的更新类别包括： 确定每一条边连接的已登记用户向量的类别为预选类别； 针对任一预选类别， 确定类别为所述预选类别的已登记用户向量与 所述目标向量之间 的边为预选边， 并计算所有预选边的权 重之和作为所述预选类别的权 重； 确定权重最大的预选类别为所述更新类别。 7.根据权利要求1至6任一项所述的数据查重方法， 其特征在于， 所述将所述目标聚类 集合中的每 个已登记用户向量与所述待登记用户向量进行相似度计算包括： 将所述目标聚类集合中的每个已登记用户向量与 预设的权重向量逐点相乘， 得到对应 已登记用户向量的第一注意力向量； 将所述待登记用户向量与所述权 重向量逐点相乘， 得到第二注意力向量； 将每个第一注意力向量与所述第二注意力向量进行相似度计算。 8.一种基于人工智能的数据查重装置， 其特 征在于， 所述装置包括： 特征提取模块， 用于获取待登记用户信息， 将所述人脸图像输入训练好的编码器中进 行特征提取， 得到人脸特征向量， 所述待登记用户信息包括人脸图像、 身份信息和登记机 构； 向量拼接模块， 用于将所述身份信息和所述登记机构映射为嵌入向量， 并将所述嵌入 向量和所述人脸特 征向量拼接为待登记用户向量； 向量聚类模块， 用于根据所述待登记用户向量， 在N个预设的向量聚类集合中， 确定与 所述待登记用户向量的匹配程度最大的向量聚类集 合为目标聚类集 合， N为大于零的整数； 登记识别模块， 用于将所述目标聚类集合中的每个已登记用户向量与 所述待登记用户 向量进行相似度计算， 若相似度计算结果满足预设条件， 则确定所述待登记用户信息为重 复登记。 9.一种计算机设备， 其特征在于， 所述计算机设备包括处理器、 存储器以及存储在所述 存储器中并可在所述处理器上运行的计算机程序， 所述处理器执行所述计算机程序时实现 如权利要求1至7任一项所述的数据查重方法。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处 理器执行时实现如权利要求1至7任一项所述的数据查重方法。权　利　要　求　书 2/2 页 3 CN 115062284 A 3