[發明專利]用于確定數據相似度的方法、設備和計算機可讀存儲介質

有效

• 申請號: 201810957255.5
• 申請日: 2018-08-21
• 公開（公告）號: CN109145162B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 黃鈴
• 申請（專利權）人: 慧安金科（北京）科技有限公司
• 主分類號: G06F16/901
• 分類號: G06F16/901;G06K9/62
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 黃亮

1.一種用于確定用戶行為相似度的方法，包括：

確定多個第一數據各自的特征向量，其中，所述多個第一數據是涉及用戶行為的用戶行為數據以及所述特征向量是比特向量，所述比特向量的每一個比特指示在相應的第一數據中是否存在相應特征；以及

基于所述特征向量來確定所述多個第一數據之間的相似度，以獲得所述多個第一數據的第一相似度矩陣，

其中，確定多個第一數據各自的特征向量的步驟包括：

針對所述多個第一數據中的每個第一數據，使用k-gram算法來計算每個第一數據的k-gram；

對計算出的k-gram執行djb2散列函數，以得到散列值；以及

根據所得到的散列值來設置相應特征向量的相應比特，以形成每個第一數據的相應特征向量，

其中，在基于所述特征向量來確定所述多個第一數據之間的相似度之后，所述方法還包括：

確定多個第二數據各自的特征向量；以及

基于所述多個第二數據的特征向量來確定所述多個第一數據和所述多個第二數據之間的相似度以及所述多個第二數據內的相似度，從而在不處理所述第一相似度矩陣的情況下獲得所述多個第一數據和所述多個第二數據的第二相似度矩陣。

2.根據權利要求1所述的方法，其中，所述用戶行為數據包括以下至少一項：用戶的注冊信息、用戶的操作信息以及用戶的社交信息。

3.根據權利要求1所述的方法，其中，所述k-gram算法中使用的系數k為5。

4.根據權利要求1所述的方法，其中，所述方法還包括：

針對所述多個第一數據之間的相似度，采用聚類方法對所述多個第一數據進行分類。

5.根據權利要求4所述的方法，其中，所述聚類方法是分層聚類方法。

6.一種用于確定用戶行為相似度的設備，包括：

處理器；

存儲器，被配置為存儲指令，所述指令在由所述處理器執行時使得所述處理器：

確定多個第一數據各自的特征向量，其中，所述多個第一數據是涉及用戶行為的用戶行為數據以及所述特征向量是比特向量，所述比特向量的每一個比特指示在相應的第一數據中是否存在相應特征；以及

基于所述特征向量來確定所述多個第一數據之間的相似度，以獲得所述多個第一數據的第一相似度矩陣，

其中，所述指令在由所述處理器執行時還使得所述處理器：

針對所述多個第一數據中的每個第一數據，使用k-gram算法來計算每個第一數據的k-gram；

對計算出的k-gram執行djb2散列函數，以得到散列值；以及

根據所得到的散列值來設置相應特征向量的相應比特，以形成每個第一數據的相應特征向量，

其中，所述指令在由所述處理器執行時還使得所述處理器：

確定多個第二數據各自的特征向量；以及

基于所述多個第二數據的特征向量來確定所述多個第一數據和所述多個第二數據之間的相似度以及所述多個第二數據內的相似度，從而在不處理所述第一相似度矩陣的情況下獲得所述多個第一數據和所述多個第二數據的第二相似度矩陣。

7.根據權利要求6所述的設備，其中，所述用戶行為數據包括以下至少一項：用戶的注冊信息、用戶的操作信息以及用戶的社交信息。

8.根據權利要求6所述的設備，其中，所述k-gram算法中使用的系數k為5。

9.根據權利要求6所述的設備，其中，所述指令在由所述處理器執行時還使得所述處理器：

針對所述多個第一數據之間的相似度，采用聚類方法對所述多個第一數據進行分類。

10.根據權利要求9所述的設備，其中，所述聚類方法是分層聚類方法。

11.一種包括指令在內的計算機可讀存儲介質，所述指令在由處理器執行時還使得所述處理器執行根據權利要求1～5中任一項所述的方法。