[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

本公開提供一種用于獲取基于屬性值的對象之間的相似度的方法與裝置。方法包括：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。本公開提供的方法可以用于計算不同來源的異構數據所描述的對象之間的相似度。

技術領域

本公開涉及機器學習技術領域，具體而言，涉及一種用于獲取基于屬性值分布的異構數據對象之間的相似度的方法與裝置。

背景技術

在機器學習領域，對象相似度作為一個重要課題，被廣泛應用在鏈接預測、欺詐檢測、協同過濾、近鄰查詢等眾多實際問題中。

現有的判斷對象之間相似度的方法往往受到對象的屬性結構的限制，只能判斷屬性類型相同或者相近的對象之間的相似度。

因此，需要一種能判斷屬性類型不完全相同的用于獲取異構對象間相似度的方法。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本公開的目的在于提供一種用于獲取基于屬性值的異構對象之間的相似度的方法與裝置，用于至少在一定程度上克服由于相關技術的限制和缺陷而導致的一個或多個問題。

根據本公開實施例的第一方面，提供一種用于獲取基于屬性值的對象之間的相似度的方法，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。

在本公開的一種示例性實施例中，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。

在本公開的一種示例性實施例中，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。

在本公開的一種示例性實施例中，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。