[發明專利]近鄰向量的召回方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202010003861.0
• 申請日: 2020-01-03
• 公開（公告）號: CN111209953A
• 公開（公告）日: 2020-05-29
• 發明（設計）人: 洪立濤
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/9535
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 祝亞男

本申請公開了一種近鄰向量的召回方法、裝置、計算機設備及存儲介質，涉及云會議領域。所述方法包括：獲取源向量和目標向量集的聚類結果，所述聚類結果包括至少兩個類別的聚類向量集，以及所述聚類向量集的質心向量；根據所述源向量和所述聚類向量集的所述質心向量之間的第一相似度，從所述聚類向量集中確定出所述源向量的至少一個近鄰向量集；根據所述源向量和所述近鄰向量集中的各個候選近鄰向量之間的第二相似度，從所述候選近鄰向量中召回目標近鄰向量。

技術領域

本申請實施例涉及信息推送領域，特別涉及一種近鄰向量的召回方法、裝置、計算機設備及存儲介質。

背景技術

近鄰向量的召回是根據用戶的用戶畫像和物品維度之間的相似性，向用戶推薦可能感興趣的信息的技術。

相關技術中，在針對某個用戶A進行推薦時，服務器計算用戶的第一向量和物品的第二向量，計算第一向量和第二向量之間的相似度。將第二向量按照與第一向量的相似度由高到低的順序進行排序，根據排序在前k位的第二向量對應的物品生成該用戶A的推薦信息。

上述技術在數據量位于百萬量級仍然具有較好的性能，但是在用戶和物品維度到了億級，即便有大規模計算集群，計算成本也很高，導致計算性能比較差。

發明內容

本申請實施例提供了一種近鄰向量的召回方法、裝置、計算機設備及存儲介質，可以在客戶端處于弱網環境時，自動將信息推薦從視頻模式切換為語音模式，從而保證信息推薦能夠流暢進行。所述技術方案如下：

根據本申請的一個方面，提供了一種近鄰向量的召回方法，所述方法包括：

獲取源向量和目標向量集的聚類結果，所述聚類結果包括至少兩個類別的聚類向量集，以及所述聚類向量集的質心向量；

根據所述源向量和所述聚類向量集的所述質心向量之間的第一相似度，從所述聚類向量集中確定出所述源向量的至少一個近鄰向量集；

根據所述源向量和所述近鄰向量集中的各個候選近鄰向量之間的第二相似度，從所述候選近鄰向量中召回目標近鄰向量。

根據本申請的另一方面，提供了一種計算機可讀存儲介質，所述存儲介質中存儲有至少一條指令、至少一段程序、代碼集或指令集，所述至少一條指令、所述至少一段程序、所述代碼集或指令集由所述處理器加載并執行以實現如上述本申請實施例中任一所述的近鄰向量的召回方法。

根據本申請的另一方面，提供了一種計算機程序產品，當所述計算機程序產品在計算機上運行時，使得計算機執行如上述本申請實施例中任一所述的近鄰向量的召回方法。

本申請實施例提供的技術方案帶來的有益效果至少包括:

通過獲取目標向量集的聚類結果，該聚類結果包括至少兩個類別的聚類向量集；根據源向量和聚類向量集的質心向量之間的第一相似度，從聚類向量集中確定出源向量的至少一個近鄰向量集。采用質心向量作為聚類向量集的代表向量來進行相似度計算，僅需要按照聚類向量集的個數進行少數次的計算，就能夠為源向量召回大數據量的候選近鄰向量，實現了億級的近鄰向量召回。

附圖說明

為了更清楚地說明本申請實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1是本申請一個示例性實施例提供的計算機系統的框圖；

圖2是本申請一個示例性實施例提供的近鄰向量的召回方法的流程圖；

圖3是本申請一個示例性實施例提供的近鄰向量的召回方法的原理示意圖；

圖4是本申請另一個示例性實施例提供的近鄰向量的召回方法的流程圖；