[發明專利]用于獲取基于屬性值的對象之間的相似度的方法與裝置

有效

• 申請號: 201611177626.5
• 申請日: 2016-12-19
• 公開（公告）號: CN106599227B
• 公開（公告）日: 2020-04-17
• 發明（設計）人: 束博;孫小亮
• 申請（專利權）人: 北京天廣匯通科技有限公司
• 主分類號: G06F16/90
• 分類號: G06F16/90
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 邢雪紅;姜怡

1.一種用于獲取基于屬性值的對象之間的相似度的方法，其特征在于，包括：

分別獲取第一對象和第二對象的屬性值集合的simhash值；

根據所述simhash值分別獲取所述第一對象的各屬性與所述第二對象的各屬性之間的相關度；

根據所述simhash值分別獲取所述第一對象的各屬性與所述第二對象的各屬性之間關系的權重；

根據所述相關度與所述權重獲取所述第一對象和所述第二對象之間的相似度。

2.根據權利要求1所述的方法，其特征在于，根據所述simhash值分別獲取所述第一對象的各屬性與所述第二對象的各屬性之間的相關度包括：

根據所述simhash值分別獲取所述第一對象和所述第二對象的各屬性值的出現概率；

根據所述出現概率獲取第一屬性和第二屬性的屬性值分布散度，所述第一屬性和所述第二屬性分別屬于所述第一對象和所述第二對象；

根據所述屬性值分布散度獲取所述第一屬性和所述第二屬性的相關度。

3.根據權利要求2所述的方法，其特征在于，根據所述simhash值分別獲取所述第一對象的各屬性與所述第二對象的各屬性之間關系的權重包括：

獲取各屬性值在所述第一屬性與所述第二屬性的合集中的屬性值出現概率，所述各屬性值包括所述第一屬性的屬性值與所述第二屬性的屬性值；

根據所述屬性值出現概率獲取所述第一屬性和所述第二屬性的屬性值合集的熵。

4.根據權利要求3所述的方法，其特征在于，獲取所述屬性值出現概率的方程包括：

其中，N_X表示所述第一對象所屬的第一對象類型X包括的第一對象數量，N_Y表示所述第二對象所屬的第二對象類型Y包括的第二對象數量，n_i表示所述第一屬性與所述第二屬性的所述屬性值合集中第i個屬性值在所述第一屬性與所述第二屬性中的總出現次數，A表示所述第一屬性，B表示所述第二屬性，表示所述第i個屬性值在所述第一屬性與所述第二屬性的所述屬性值合集中的出現概率。

5.根據權利要求4所述的方法，其特征在于，所述獲取所述第一屬性和所述第二屬性的屬性值合集的熵包括通過以下方程獲?。?/p>

其中，N_AB表示所述第一屬性與所述第二屬性的屬性值合集中的屬性值數量。

6.根據權利要求1所述的方法，其特征在于，根據所述相關度與所述權重獲取所述第一對象和所述第二對象之間的相似度包括：

獲取所述第一對象的第一屬性的屬性值和所述第二對象的第二屬性的屬性值之間的相似度；

判斷所述第一對象與所述第二對象是否完全相同；

當所述第一對象與所述第二對象不完全相同時，獲取所述第一對象與所述第二對象之間的相似度。

7.根據權利要求6所述的方法，其特征在于，所述獲取所述第一對象的第一屬性的屬性值和所述第二對象的第二屬性的屬性值之間的相似度包括通過以下方程獲?。?/p>

其中，表示對所述第一對象的所述第一屬性A的屬性值求simhash值，所述第一對象屬于對象類型X；

表示對所述第二對象的所述第二屬性B的屬性值求simhash值，所述第二對象屬于對象類型Y；

表示對和的simhash值求海明距離，所述海明距離為兩個長整數的二進制表示的對應位置的不同字符的個數。

8.根據權利要求6所述的方法，其特征在于，所述獲取所述第一對象與所述第二對象之間的相似度sim〔x，y〕包括通過以下方程獲?。?/p>

其中，x表示所述第一對象，y表示所述第二對象，n表示所述第一對象的屬性類型數量，m表示所述第二對象的屬性類型數量，cor(X_i，Y_j)表示所述第一對象的第i個屬性與所述第二對象的第j個屬性之間的相似度。