[發明專利]搜索結果準確性判斷方法、裝置、電子設備及存儲介質

有效

• 申請號: 201911207046.X
• 申請日: 2020-01-17
• 公開（公告）號: CN111061774B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 葉紫陽;魏新明
• 申請（專利權）人: 深圳云天勵飛技術有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F17/16
• 代理公司: 深圳驛航知識產權代理事務所(普通合伙) 44605
• 代理人: 楊倫

1.一種搜索結果準確性判斷方法，其特征在于，包括以下步驟：

獲取待搜索對象的top－k個搜索結果，其中，所述top－k個搜索結果為與所述待搜索對象相似度最高的k個搜索結果，所述k大于1；

基于所述待搜索對象以及所述top－k個搜索結果，構建輸入矩陣；

將所述輸入矩陣輸入到預先訓練好的驗證模型中對m個搜索結果進行預測，并輸出對應的m個預測結果，其中，所述m小于等于k，且所述m大于等于1；所述驗證模型為神經網絡模型，通過所述驗證模型對所述輸入矩陣進行特征提取，所述驗證模型提取所述輸入矩陣中每一個元素值與該元素值上下左右的空間位置聯系作為特征對m個搜索結果進行預測，輸出對應的m個預測結果；

基于所述預測結果對所述待搜索對象的m個搜索結果進行準確性判斷。

2.如權利要求1所述的方法，其特征在于，所述基于所述待搜索對象以及所述top－k個搜索結果，構建輸入矩陣，包括：

將所述待搜索對象以及所述k個搜索結果編碼到向量空間，得到k+1維度的向量；

將所述k+1維度的向量進行轉置，得到轉置向量，并將所述轉置向量與所述k+1維度的向量相乘，得到k+1階的輸入矩陣。

3.如權利要求1所述的方法，其特征在于，所述驗證模型的訓練步驟，包括：

獲取n個訓練對象的搜索結果；

基于所述訓練對象的搜索結果，提取每個訓練對象的top－k個搜索結果，其中，所述top－k個搜索結果為與所述訓練對象相似度最高的k個搜索結果，所述k大于1；

基于所述n個訓練對象以及所述每個訓練對象的top－k個搜索結果，對應構建n個訓練矩陣，并為每個訓練矩陣添加對應的m個標簽，得到訓練集；

將所述訓練集輸入到驗證模型中對所述驗證模型進行訓練，以使所述驗證模型學習到矩陣與標簽的預測關系。

4.如權利要求3所述的方法，其特征在于，所述為每個訓練矩陣添加對應的m個標簽，包括：

獲取所述n個訓練對象對應的訓練對象標識；

獲取所述每個訓練矩陣中m個搜索結果對應的搜索結果標識；

添加每個訓練矩陣中訓練對象標識與搜索結果標識的標簽關系。

5.如權利要求1至4中任一項所述的方法，其特征在于，所述m個預測結果包括所述待搜索對象與m個搜索結果二值預測結果，所述基于所述預測結果對所述待搜索對象的m個搜索結果進行準確性判斷，包括：

根據所述待搜索對象與m個搜索結果二值預測結果，分別判斷所述m個搜索結果的準確性。

6.如權利要求1至4中任一項所述的方法，其特征在于，所述m個搜索結果為所述待搜索對象相似度最高的1個搜索結果，所述m個預測結果為所述待搜索對象與所述相似度最高的1個搜索結果的二值預測結果，所述基于所述預測結果對所述待搜索對象的m個搜索結果進行準確性判斷，包括：

根據所述待搜索對象與所述相似度最高的1個搜索結果的二值預測結果，判斷所述待搜索對象與所述相似度最高的1個搜索結果的準確性。

7.如權利要求1至4中任一項所述的方法，其特征在于，所述待搜索對象以及所述待搜索對象的top－k個搜索結果為維度相同的圖像矩陣，所述獲取待搜索對象的top－k個搜索結果，包括：

通過圖像提取引擎提取待搜索圖像的待搜索圖像矩陣；

將所述待搜索圖像矩陣在圖像數據庫中進行相似度計算，得到top－k個搜索結果，所述圖像數據庫中存儲有的用于搜索的底庫圖像矩陣，所述底庫圖像矩陣與所述待搜索圖像矩陣通過相同的圖像提取引擎進行提取。