【技术实现步骤摘要】
本专利技术实施例涉及人工智能，尤其涉及一种基于属性对齐和特征融合的对象匹配方法。
技术介绍
1、随着互联网的发展，各类基于线上平台的业务模式不断涌现，公司网红库作为其中一种重要资源，在营销推广、内容传播等诸多业务场景中发挥着关键作用。为了实现网红资源的高效利用，精准地将网红推荐给合适的合作方(如品牌商、活动主办方等)，推荐算法成为了核心技术支撑。
2、在现有的推荐算法领域，协同过滤推荐算法被广泛应用，其主要分为基于用户的推荐和基于物品的推荐两种常见模式。例如在基于用户的推荐中，当发现用户a喜欢商品p1，且用户b与用户a在某些方面表现出相似性时，便会将商品p1推荐给用户b；而基于物品的推荐则是，若用户a喜欢商品p1，同时商品p2与商品p1具有相似特征，那么商品p2就会被推荐给用户a。
3、然而，无论是哪种协同过滤模式，在计算对象相似度这一关键环节上，传统的相似度算法如点积函数、余弦定理或皮尔逊系数等被普遍采用。这些算法在应用过程中存在显著的局限性，其往往要求参与计算的数据是数值类型的字段。以网红库推荐场景为例，若要判断网红与潜在合作对象(如品牌所对应的商品)是否匹配，对于商品而言，或许可以通过诸如价格(如都是100元左右)、所属分类(如都是分类1)、用户评分(如都在80分左右)等数值参数，按照相应公式(如余弦定理，其取值范围在[-1，1]，越接近1表示越相似)来计算出表示相似度的值。
4、但在实际的网红库场景中，对象的属性信息是丰富多样的，除了上述可量化的数值字段外，还包含大量非数值字段，例如网
5、此外，仅仅依靠有限的数值类型属性来衡量匹配度，难以从多个维度全面刻画网红以及合作对象的特性，导致推荐结果往往只能反映部分表面特征的相似性，无法深入挖掘深层次的适配关系，使得推荐的精准度和有效性大打折扣，难以满足在实际业务中对精准匹配推荐的高要求。
技术实现思路
1、有鉴于此，本专利技术实施例提供一种基于属性对齐和特征融合的对象匹配方法，以至少部分解决上述问题。
2、根据本专利技术实施例的第一方面，提供了一种基于属性对齐和特征融合的对象匹配方法，其包括：
3、获取第一目标对象的属性描述文本数据，并对其进行特征提取，得到若干个第一属性描述特征词组；
4、使用若干个所述第一属性描述特征词组与设定的属性分类表进行匹配，以对所述第一属性描述特征词组聚类，得到对所述第一目标对象进行描述的多个第一维度属性特征序列；
5、针对每个所述第一维度属性特征序列进行向量化，得到对应的第一属性特征向量，以形成所述第一目标对象的特征画像；
6、获取第二目标对象的属性描述文本数据，并对其进行特征提取，得到若干个第二属性描述特征词组；
7、使用若干个所述第二属性描述特征词组与若干个所述第一属性描述特征词组进行对齐，以对所述第二属性描述特征词组聚类，得到对所述第二目标对象进行描述的多个第二维度属性特征序列；
8、针对每个所述第二维度属性特征序列进行向量化，得到对应的第二属性特征向量，以形成所述第二目标对象的特征画像；
9、基于所述第一目标对象的特征画像与所述第二目标对象的特征画像，计算所述第一目标对象和第二目标对象之间的匹配度并与设定的匹配度阈值进行比对，以判断所述第一目标对象与所述第二目标对象是否匹配。
10、在本专利技术实施例的方案中，基于属性对齐和特征融合的对象匹配方法所具有如下技术好处：
11、(1)有效处理非数值字段，降低数据处理复杂度
12、本专利技术实施例提供的方法，从获取对象的属性描述文本数据开始，直接对文本数据进行特征提取，得到属性描述特征词组。例如针对网红的“搞笑风格、擅长美食领域、倾向长期合作”等文本描述信息，能自然地提取出对应的特征词组。接着通过与设定的属性分类表匹配来聚类，形成不同维度的属性特征序列，整个过程无需将非数值字段刻意转化为数值形式，巧妙地避开了传统方法中复杂且易造成信息损失的预处理环节，有效降低了数据处理的复杂性，确保了数据原始语义信息的完整性，为后续精准的匹配计算奠定基础。
13、(2)全面融合多维度特征，提升匹配度衡量的全面性
14、本专利技术的方法则充分考虑了对象丰富的属性信息，无论是数值字段还是非数值字段，都经过特征提取、聚类、向量化等一系列步骤，最终形成完整的特征画像。以网红和品牌商合作匹配为例，网红这边的特征画像融合了其内容创作风格、擅长领域等多维度特征对应的向量，品牌商那边同样整合了自身产品特点、品牌定位等多维度特征向量。基于这样全面融合了多维度特征的特征画像来计算匹配度，能够深入挖掘对象之间深层次的适配关系，从多个角度综合考量两者是否匹配，极大地提升了匹配度衡量的全面性，不再局限于表面的数值属性对比，使推荐结果更贴合实际业务中对精准匹配的高要求。
15、(3)提高相似度计算准确性，优化推荐效果
16、本专利技术所提出的方法，通过属性对齐和特征融合构建特征画像，确保了各个维度特征信息的准确提取与合理整合。在计算第一目标对象和第二目标对象之间的匹配度时，是基于完整且准确反映对象特性的特征画像进行的。比如在网红与潜在合作商品匹配时，双方特征画像中包含的各类关键信息都能在匹配度计算过程中得以充分体现，避免了因信息丢失或片面考量带来的计算误差，使得相似度计算更为准确，从而能够精准地筛选出真正匹配度高的对象进行推荐，显著优化了推荐效果，有助于更好地实现网红资源的高效利用，满足公司网红库在营销推广、内容传播等业务场景下对精准推荐的需求。
17、(4)灵活适应多样化的业务场景与对象属性
18、本专利技术的基于属性对齐和特征融合的对象匹配方法，其核心流程围绕对属性描述文本数据的处理以及特征的灵活提取、融合，不依赖于特定的数据类型必须为数值型等限制条件，只要是能够通过文本描述体现的属性信息，都可以纳入到匹配度计算的考量范畴内。这使得该方法能够很好地适应不同业务场景下，不同类型对象属性的变化，无论是网红的新兴创作风格属性出现，还是合作品牌推出新的产品定位属性，都可以通过相应的文本描述，融入到特征画像构建和匹配计算过程中，展现出很强的灵活性和扩展性，为长期、持续且精准的对象匹配推荐提供了有力的技术保障。
本文档来自技高网...【技术保护点】
1.一种基于属性对齐和特征融合的对象匹配方法，其特征在于，包括：
2.根据权利要求1所述的一种基于属性对齐和特征融合的对象匹配方法，其特征在于，将所述第一目标对象的属性描述文本数据或者所述第二目标对象的属性描述文本数据作为处理对象，并执行如下步骤，以对其进行特征提取，得到特征提取的结果，所述特征提取的结果为若干个所述第一属性描述特征词组，或者，若干个所述第二属性描述特征词组：
3.根据权利要求1所述的一种基于属性对齐和特征融合的对象匹配方法，其特征在于，所述的方法，还包括：
4.根据权利要求3所述的一种基于属性对齐和特征融合的对象匹配方法，其特征在于，所述使用若干个所述第一属性描述特征词组与设定的属性分类表进行匹配，以对所述第一属性描述特征词组聚类，得到对所述第一目标对象进行描述的多个第一维度属性特征序列，包括：
5.根据权利要求4所述的一种基于属性对齐和特征融合的对象匹配方法，其特征在于，将所述第一维度属性特征序列或者所述第二维度属性特征序列作为处理对象，并执行如下步骤，以对其进行向量化，得到向量化结果，以形成特征画像结果，所述特
6.根据权利要求5所述的一种基于属性对齐和特征融合的对象匹配方法，其特征在于，所述根据所述基础信息层、商业分析层、内容特征层的深度，分别构建不同的Embedding层，每个Embedding层具有可学习的权重矩阵，包括：
7.根据权利要求5所述的一种基于属性对齐和特征融合的对象匹配方法，其特征在于，所述查找所述处理对象中各个属性描述特征词组的索引键值，并通过对应Embedding层的权重矩阵进行向量化，得到向量化结果，包括：
8.根据权利要求5所述的一种基于属性对齐和特征融合的对象匹配方法，其特征在于，所述对所述向量化结果进行主成成分分析，以将所述向量化结果投影到空间维度小于所述权重矩阵的维度的主成成分空间中，得到对应来自所述基础信息层、商业分析层、内容特征层的主成分特征向量，包括：
9.根据权利要求5所述的一种基于属性对齐和特征融合的对象匹配方法，其特征在于，所述对来自所述基础信息层、商业分析层、内容特征层的主成分特征向量进行加权融合，得到加权融合向量并对其进行语义标注，生成所述特征画像，包括：
10.根据权利要求5所述的一种基于属性对齐和特征融合的对象匹配方法，其特征在于，所述第一目标对象的特征画像矩阵为该矩阵包含m个特征画像向量，用表示其第i个特征画像向量(i＝1，2，…，m)，每个向量的维度为r1：所述第二目标对象的特征画像矩阵为该矩阵包含n个特征画像向量，用表示其第j个特征画像向量(j＝1，2，…，n)，每个向量的维度为r2；
...【技术特征摘要】
1.一种基于属性对齐和特征融合的对象匹配方法，其特征在于，包括：
2.根据权利要求1所述的一种基于属性对齐和特征融合的对象匹配方法，其特征在于，将所述第一目标对象的属性描述文本数据或者所述第二目标对象的属性描述文本数据作为处理对象，并执行如下步骤，以对其进行特征提取，得到特征提取的结果，所述特征提取的结果为若干个所述第一属性描述特征词组，或者，若干个所述第二属性描述特征词组：
3.根据权利要求1所述的一种基于属性对齐和特征融合的对象匹配方法，其特征在于，所述的方法，还包括：
4.根据权利要求3所述的一种基于属性对齐和特征融合的对象匹配方法，其特征在于，所述使用若干个所述第一属性描述特征词组与设定的属性分类表进行匹配，以对所述第一属性描述特征词组聚类，得到对所述第一目标对象进行描述的多个第一维度属性特征序列，包括：
5.根据权利要求4所述的一种基于属性对齐和特征融合的对象匹配方法，其特征在于，将所述第一维度属性特征序列或者所述第二维度属性特征序列作为处理对象，并执行如下步骤，以对其进行向量化，得到向量化结果，以形成特征画像结果，所述特征画像结果为所述第一目标对象的特征画像或者所述第二目标对象的特征画像，所述向量化结果为第一属性特征向量，或者，第二属性特征向量：
6.根据权利要求5所述的一种基于属性对齐和特征融合的对象匹配方法，其特征在于，所述根...
【专利技术属性】
技术研发人员：黄有才，陈琪钛，
申请(专利权)人：广州钛动科技股份有限公司，
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。