【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及产品匹配模型的训练方法、产品匹配方法及相关装置。
技术介绍
1、根据产品图像和文本描述进行产品匹配和推荐是电商平台提供的重要服务之一。目前主要通过结合深度学习和传统机器学习的匹配模型对待匹配的产品的图像信息和文本信息比较相似性以实现产品匹配。但是，产品信息(包括图像、标题和产品说明等)的差异以及注意力计算量过大等原因限制了匹配模型的输入长度。另外，主要匹配模型的cross-encoder匹配结构推理效率低，比如数据库有100万条存储产品数据，用户输入一条匹配产品信息，匹配模型整体线上推理时间为：存储产品数据的总数量*1*t(匹配模型计算)+t(相似性计算),由于匹配模型计算效率较低，导致产品匹配效率低。
技术实现思路
1、本申请实施例的主要目的在于提出产品匹配模型的训练方法、产品匹配方法及相关装置，旨在提高产品匹配的效率和准确性。
2、为实现上述目的，本申请实施例的第一方面提出了一种产品匹配模型的训练方法，包括：
3、获取训练数据，将所述...
【技术保护点】
1.一种产品匹配模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的产品匹配模型的训练方法，其特征在于，所述对所述训练数据进行卷积操作得到细粒度特征，包括：
3.根据权利要求1所述的产品匹配模型的训练方法，其特征在于，所述对所述训练数据进行注意力计算操作，得到所述第一训练数据的第一注意力特征和所述第二训练数据的第二注意力特征，包括：
4.根据权利要求3所述的产品匹配模型的训练方法，其特征在于，当所述训练数据的数据类型为图像数据；所述对所述训练数据进行降维操作，得到所述第一训练数据的第一降维特征和所述第二训练数据的第二降维特征
【技术特征摘要】
1.一种产品匹配模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的产品匹配模型的训练方法，其特征在于，所述对所述训练数据进行卷积操作得到细粒度特征，包括：
3.根据权利要求1所述的产品匹配模型的训练方法，其特征在于，所述对所述训练数据进行注意力计算操作，得到所述第一训练数据的第一注意力特征和所述第二训练数据的第二注意力特征，包括：
4.根据权利要求3所述的产品匹配模型的训练方法，其特征在于，当所述训练数据的数据类型为图像数据；所述对所述训练数据进行降维操作，得到所述第一训练数据的第一降维特征和所述第二训练数据的第二降维特征，包括：
5.根据权利要求3所述的产品匹配模型的训练方法，其特征在于，当所述训练数据的数据类型为文本数据；所述对所述训练数据进行降维操作，得到所述第一训练数据的第一降维特征和所述第二训练数据的第...
【专利技术属性】
技术研发人员：李志韬，王健宗，程宁，
申请(专利权)人：平安科技深圳有限公司，
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。