本申请涉及终端,尤其涉及一种匹配度计算方法及电子设备。
背景技术:
1、搜索或推荐等场景中通常会使用筛选系统,用于从海量的候选资源中筛选出少量与用户的匹配度较高的候选资源。筛选系统实现上述过程时通常包括召回阶段和排序阶段。召回阶段的目标主要是从海量的候选资源中召回用户可能感兴趣的所有候选资源,排序阶段的目标主要是从召回结果中筛选出例如几个用户最感兴趣的候选资源。在具体实现时,召回阶段需要先将用户和各个候选资源映射到同一个低维度的语义空间中,得到用户特征向量和候选资源特征向量,再采用向量交互算法将用户特征向量与各个候选资源特征向量进行交互运算,得到用户与各个候选资源的匹配度,最后基于用户与各个候选资源的匹配度进行召回。
2、常用的向量交互算法包括内积求和算法和余弦相似度算法,这两种算法均会导致用户特征向量与候选资源特征向量交互不充分,从而降低用户与候选资源的匹配准确度。
技术实现思路
1、本申请实施例提供一种匹配度计算方法及电子设备,能够提高第一向量对应的待匹配对象与第二向量对应的待匹配对象的匹配准确度。
2、第一方面,本申请实施例提供一种匹配度计算方法,包括:
3、将第一向量中每个维度的元素分别与第二向量中每个维度的元素进行相乘,得到m×n个元素乘积;m为所述第一向量的维度,n为所述第二向量的维度;
4、将所述m×n个元素乘积进行相加,得到m×n个元素乘积之和;
5、基于所述m×n个元素乘积之和,确定所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度。
6、根据本申请实施例提供的匹配度计算方法,在计算第一向量对应的待匹配对象与第二向量对应的待匹配对象的匹配度时,将第一向量中每个不同维度的元素分别与第二向量中每个不同维度的元素均进行了交互,使得第一向量与第二向量的交互更加充分,从而增强了第一向量与第二向量的交互表达能力,提高了第一向量对应的待匹配对象与第二向量对应的待匹配对象的匹配准确度。
7、在第一方面的一种可选的实现方式中,所述基于所述m×n个元素乘积之和,确定所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度,包括:
8、采用预设激活函数对所述m×n个元素乘积之和进行归一化处理,得到所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度。
9、根据本申请实施例提供的匹配度计算方法,通过将m×n个元素乘积之和进行归一化处理,从而将第一向量对应的待匹配对象与第二向量对应的待匹配对象的匹配度限制在0~1之间,使得到的各个匹配度均具有相同的度量尺度,便于对得到的各个匹配度进行比较。
10、在第一方面的一种可选的实现方式中,所述预设激活函数为:
11、
12、其中,所述pmb为所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度,所述s(qm,dn)为所述m×n个元素乘积之和。
13、在第一方面的一种可选的实现方式中,m等于n。
14、在第一方面的一种可选的实现方式中,m不等于n。
15、根据本申请实施例提供的匹配度计算方法,不仅可以应用在第一向量的维度与第二向量的维度相等的场景中,也可以应用在第一向量的维度与第二向量的维度不相等的场景中,从而扩大了匹配度计算方法的适用范围。
16、在第一方面的一种可选的实现方式中,所述匹配度计算方法应用在搜索场景中;对应地,所述第一向量为搜索词对应的特征向量,所述第二向量为被搜索内容对应的特征向量。
17、根据本申请实施例提供的匹配度计算方法,可以提高搜索词与被搜索内容的匹配准确度。
18、在第一方面的一种可选的实现方式中,所述匹配度计算方法应用在推荐场景中;对应地,所述第一向量为用户对应的特征向量,所述第二向量为待推荐内容对应的特征向量。
19、根据本申请实施例提供的匹配度计算方法,可以提高用户与待推荐内容的匹配准确度。
20、第二方面,本申请实施例提供一种深度结构化语义模型,包括:
21、乘法单元,用于将第一向量中每个维度的元素分别与第二向量中每个维度的元素进行相乘,得到m×n个元素乘积;m为所述第一向量的维度,n为所述第二向量的维度;
22、加法单元,用于将所述m×n个元素乘积进行相加,得到m×n个元素乘积之和;
23、确定单元,用于基于所述m×n个元素乘积之和,确定所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度。
24、在第二方面的一种可选的实现方式中,确定单元具体用于:
25、采用预设激活函数对所述m×n个元素乘积之和进行归一化处理,得到所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度。
26、在第二方面的一种可选的实现方式中,所述预设激活函数为:
27、
28、其中,所述pmb为所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度,所述s(qm,dn)为所述m×n个元素乘积之和。
29、在第二方面的一种可选的实现方式中,m等于n。
30、在第二方面的一种可选的实现方式中,m不等于n。
31、在第二方面的一种可选的实现方式中,所述匹配度计算方法应用在搜索场景中;对应地,所述第一向量为搜索词对应的特征向量,所述第二向量为被搜索内容对应的特征向量。
32、在第二方面的一种可选的实现方式中,所述匹配度计算方法应用在推荐场景中;对应地,所述第一向量为用户对应的特征向量,所述第二向量为待推荐内容对应的特征向量。
33、第三方面,本申请实施例提供一种电子设备,包括:一个或多个处理器;一个或多个存储器;所述一个或多个存储器存储有一个或多个计算机可执行程序,所述一个或多个计算机可执行程序包括指令,当所述指令被所述一个或多个处理器执行时,使得所述电子设备执行如上述第一方面的任一实现方式所述的匹配度计算方法中的各步骤。
34、第四方面,本申请实施例提供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可执行程序,所述计算机可执行程序在被计算机调用时使所述计算机执行如上述第一方面的任一实现方式所述的匹配度计算方法中的各步骤。
35、第五方面,本申请实施例提供一种计算机可执行程序产品,当计算机可执行程序产品在电子设备上运行时,使得电子设备执行上述第一方面的任一实现方式所述的匹配度计算方法中的各步骤。
36、第六方面,本申请实施例提供一种芯片系统,包括处理器,处理器与存储器耦合,处理器执行存储器中存储的计算机可执行程序,以实现如上述第一方面的任一实现方式所述的匹配度计算方法中的各步骤。该芯片系统可以为单个芯片,或者多个芯片组成的芯片模组。
37、可以理解的是,上述第二方面至第六方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
1.一种匹配度计算方法,其特征在于,包括:
2.根据权利要求1所述的匹配度计算方法,其特征在于,所述基于所述m×n个元素乘积之和,确定所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度,包括:
3.根据权利要求2所述的匹配度计算方法,其特征在于,所述预设激活函数为:
4.根据权利要求1-3任一项所述的匹配度计算方法,其特征在于,m等于n。
5.根据权利要求1-3任一项所述的匹配度计算方法,其特征在于,m不等于n。
6.根据权利要求1-3任一项所述的匹配度计算方法,其特征在于,所述匹配度计算方法应用在搜索场景中;对应地,所述第一向量为搜索词对应的特征向量,所述第二向量为被搜索内容对应的特征向量。
7.根据权利要求6所述的匹配度计算方法,其特征在于,所述匹配度计算方法应用在推荐场景中;对应地,所述第一向量为用户对应的特征向量,所述第二向量为待推荐内容对应的特征向量。
8.一种深度结构化语义模型,其特征在于,包括:
9.一种电子设备,其特征在于,包括:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行程序,所述计算机可执行程序在被计算机调用时,使所述计算机执行如权利要求1-7任一项所述的匹配度计算方法中的各步骤。
11.一种芯片系统,其特征在于,包括处理器,所述处理器与存储器耦合,所述存储器用于存储计算机程序指令,当所述处理器执行所述计算机程序指令时,使得所述芯片系统实现如权利要求1-7任一项所述的匹配度计算方法中的各步骤。