【技术实现步骤摘要】
本专利技术涉及计算机，具体而言，涉及一种相似度确定方法、装置、存储介质及电子设备。
技术介绍
1、相关技术中的相似度确定方法通常会使用一些规则如类目信息、品牌信息等来粗略计算对象(如商品)之间的相似度；或者通过多维度的大型深度网络结构来计算对象的向量表征，基于此再计算相关的对象相似度。但上述方法由于过于单薄，考虑因素不全面，容易忽略很多潜在的信息，导致了相似度确定结果的准确性较低。
2、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本专利技术实施例提供了一种相似度确定方法、装置、存储介质及电子设备，以至少解决相关技术中的相似度确定方法由于考虑因素不全面，导致相似度确定结果准确性低的技术问题。
2、根据本专利技术实施例的一个方面，提供了一种相似度确定方法，包括：获取n个对象分别对应的对象信息，其中，所述对象信息至少包括：对应对象的对象名称、图像数据、在预设时间周期内的用户点击数据、交易数据，n为大于1的整数；基于所述n个对象分别对应的所述对象信息，确定所述n个对象中任意两个对象之间的相似度，得到相似度集合，其中，所述相似度集合包括所述任意两个对象之间的点击相似度、交易相似度、文本相似度、图像相似度；确定所述相似度集合中包括的相似度分别对应的相似度权重，得到权重集合；基于所述任意两个对象之间的相似度集合，所述权重集合，确定所述任意两个对象之间的综合相似度。
3、可选的，所述确定所述相似度集合中包括的相似度分别对应的相似度权重，得到权
4、可选的，所述对所述优化目标模型进行求解处理，确定所述相似度集合中包括的相似度分别对应的相似度权重，包括：随机生成初始种群，其中，所述初始种群包括的个体均为所述优化目标模型的初始可行解；基于所述优化目标模型，确定所述初始种群包括的个体分别对应的函数值；基于所述初始种群包括的个体分别对应的函数值，确定第一代种群；对所述第一代种群包括的个体分别进行第一处理，确定第二代种群，其中，所述第一处理至少包括：选择处理、交叉处理、变异处理；基于所述优化目标模型，确定所述第二代种群包括的个体分别对应的函数值；基于所述第一代种群包括的个体分别对应的函数值、所述第二代种群包括的个体分别对应的函数值，确定第三代种群；将所述第三代种群作为新的初始种群，并重复执行上述操作，直至达到预设条件；基于满足所述预设条件的情况下输出的第三代种群，确定所述相似度集合中包括的相似度分别对应的相似度权重。
5、可选的，所述基于所述相似度集合，确定优化目标模型，包括：基于所述相似度集合，确定目标函数，其中，所述目标函数用于指示所述任意两个对象之间的实际相似度与对应的理论相似度之间的距离最短；确定目标约束条件，其中，所述目标约束条件用于指示所述相似度集合中包括的相似度分别对应的相似度权重之和为1；基于所述目标函数、所述目标约束条件，确定所述优化目标模型。
6、可选的，所述基于所述相似度集合，确定目标函数，包括：基于所述相似度集合，通过如下方式确定所述目标函数：其中，为所述任意两个对象之间的理论相似度；所述任意两个对象之间的实际相似度；w1+w2+w3+w4＝1并且wi≥0(i＝1,2,3,4)，为所述任意两个对象之间的点击相似度，为所述任意两个对象之间的交易相似度，为所述任意两个对象之间的文本相似度，为所述任意两个对象之间的图像相似度，w1为所述任意两个对象之间的点击相似度权重，w2为所述任意两个对象之间的交易相似度权重，w3为所述任意两个对象之间的文本相似度权重，w4为所述任意两个对象之间的图像相似度权重，i表示所述任意两个对象中的其中一个对象，j表示所述任意两个对象中的另一个对象，i≠j；n表示所述相似度集合中包括的相似度的个数。
7、可选的，在所述基于所述任意两个对象之间的相似度集合，所述权重集合，确定所述任意两个对象之间的综合相似度之后，所述方法还包括：从所述n个对象中确定目标对象；根据所述任意两个对象之间的综合相似度，确定n-1个对象分别与所述目标对象之间的综合相似度，其中，所述n-1个对象为所述n个对象中除所述目标对象之外的对象；基于所述n-1个对象分别与所述目标对象之间的综合相似度，从所述n-1个对象中确定召回对象，其中，所述召回对象为与所述目标对象之间的综合相似度大于预设阈值的对象。
8、可选的，所述基于所述n-1个对象分别与所述目标对象与所述n-1个对象分别对应之间的综合相似度，从所述n-1个对象中确定召回对象，包括：在所述n-1个对象中，确定与所述目标对象之间的综合相似度大于或等于所述预设阈值的第一对象；从所述相似度集合中，确定所述第一对象与所述目标对象之间的点击相似度、交易相似度、文本相似度、图像相似度；确定所述第一对象与所述目标对象之间的点击相似度、交易相似度、文本相似度、图像相似度中，任意两个相似度之间的相似度差值；在所述相似度差值小于预设差值阈值的情况下，将所述第一对象确定为所述召回对象。
9、根据本专利技术实施例的另一方面，还提供了一种相似度确定装置，包括：第一获取模块，用于获取n个对象分别对应的对象信息，其中，所述对象信息至少包括：对应对象的对象名称、图像数据、在预设时间周期内的用户点击数据、交易数据，n为大于1的整数；第一确定模块，用于基于所述n个对象分别对应的所述对象信息，确定所述n个对象中任意两个对象之间的相似度，得到相似度集合，其中，所述相似度集合包括所述任意两个对象之间的点击相似度、交易相似度、文本相似度、图像相似度；第二确定模块，用于确定所述相似度集合中包括的相似度分别对应的相似度权重，得到权重集合；第三确定模块，用于基于所述任意两个对象之间的相似度集合，所述权重集合，确定所述任意两个对象之间的综合相似度。
10、根据本专利技术实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质存储有多条指令，所述指令适于由处理器加载并执行任意一项所述的相似度确定方法。
11、根据本专利技术实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现任意一项所述的相似度确定方法。
12、在本专利技术实施例中，通过获取n个对象分别对应的对象信息，其中，所述对象信息至少包括：对应对象的对象名称、图像数据、在预设时间周期内的用户点击数据、交易数据，n为大于1的整数；基于所述n个对象分别对应的所述对象信息，确定所述n个对象中任意两个对象之间的相似度，得到相似度集合，其中，所述相似度集合包括所述任意两个对象之间的点击相似度、交易相似度、文本相似度、图像相似度；确定所述相似度集合中包括的相似度分别对应的相似度权重，得到权重集合；基于本文档来自技高网...
【技术保护点】
1.一种相似度确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述确定所述相似度集合中包括的相似度分别对应的相似度权重，得到权重集合，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述优化目标模型进行求解处理，确定所述相似度集合中包括的相似度分别对应的相似度权重，包括：
4.根据权利要求2所述的方法，其特征在于，所述基于所述相似度集合，确定优化目标模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述相似度集合，确定目标函数，包括：
6.根据权利要求1至5中任意一项所述的方法，其特征在于，在所述基于所述任意两个对象之间的相似度集合，所述权重集合，确定所述任意两个对象之间的综合相似度之后，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述基于所述N-1个对象分别与所述目标对象与所述N-1个对象分别对应之间的综合相似度，从所述N-1个对象中确定召回对象，包括：
8.一种相似度确定装置，其特征在于，包括：
9.一种非易失性存储介质
10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任意一项所述的相似度确定方法。
...【技术特征摘要】
1.一种相似度确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述确定所述相似度集合中包括的相似度分别对应的相似度权重，得到权重集合，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述优化目标模型进行求解处理，确定所述相似度集合中包括的相似度分别对应的相似度权重，包括：
4.根据权利要求2所述的方法，其特征在于，所述基于所述相似度集合，确定优化目标模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述相似度集合，确定目标函数，包括：
6.根据权利要求1至5中任意一项所述的方法，其特征在于，在所述基于所述任意两个对象之间的相似度集合，所述权重集合，确定所述任意两个对象...
【专利技术属性】
技术研发人员：刘新波，
申请(专利权)人：天翼电子商务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。