[發明專利]多標簽物料的相似度度量方法、系統、存儲介質以及計算機設備

在審

• 申請號: 202011107303.5
• 申請日: 2020-10-16
• 公開（公告）號: CN114385602A
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 王斌鋒;喬建行
• 申請（專利權）人: 北京鴻享技術服務有限公司
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06F16/335;G06F40/289;G06F40/284;G06K9/62
• 代理公司: 北京律誠同業知識產權代理有限公司 11006
• 代理人: 王玉雙;朱穎嫻

本發明適用于計算機技術領域，提供了一種多標簽物料的相似度度量方法、系統、存儲介質以及計算機設備，所述方法包括：分別獲取各個所述物料的多個標簽；分別獲取各個所述物料的中文描述；計算所述物料的所述標簽與所述物料的中文描述的注意力，獲得各個所述標簽相對應的注意力結果；將所述物料的所述標簽形成所述物料的標簽集；根據各個所述標簽集中的所述標簽相對應的注意力結果計算各個所述物料的標簽集之間的相似度。借此，本發明實現了物料之間的相似度計算效果。

技術領域

本發明涉及計算機技術領域，尤其涉及一種多標簽物料的相似度度量方法、系統、存儲介質以及計算機設備。

背景技術

在推薦系統或用戶畫像等相關領域，需要通過標簽刻畫物料(比如軟件市場中的軟件)的特性或計算物料間的相似程度。用標簽刻畫相關特征具有天然的優勢，如果用長文本刻畫特征，不能很好的突出特征且包含無效信息，且可視化效果不友好，標簽是一些特征的抽象，能夠較直接明了的表達特性。

但是目前很多場景中，物料包含多個標簽，且多個標簽沒有重要程度的區分，這樣會導致物料標簽較多且特性不突出的問題。特別是基于標簽計算物料相關程度的場景中，不同標簽給與相同的權重，會嚴重影響效果。

綜上所述，現有技術在實際使用上顯然存在不便與缺陷，所以有必要加以改進。

發明內容

針對上述的缺陷，本發明的目的在于提供一種多標簽物料的相似度度量方法、系統、存儲介質以及計算機設備，提高物料之間的相似度計算效果。

為了實現上述目的，本發明提供了一種多標簽物料的相似度度量方法，包括：

分別獲取各個所述物料的多個標簽；

分別獲取各個所述物料的中文描述；

計算所述物料的所述標簽與所述物料的中文描述的注意力，獲得各個所述標簽相對應的注意力結果；

將所述物料的所述標簽形成所述物料的標簽集；

根據各個所述標簽集中的所述標簽相對應的注意力結果計算各個所述物料的標簽集之間的相似度。

根據所述的多標簽物料的相似度度量方法，所述計算所述物料的所述標簽與所述物料的中文描述的注意力的步驟之前還包括：

對所述標簽進行第一數據清洗。

根據所述的多標簽物料的相似度度量方法，所述計算所述物料的所述標簽與所述物料的中文描述的注意力的步驟之前還包括：

對所述中文描述進行第二數據清洗。

根據所述的多標簽物料的相似度度量方法，所述計算所述物料的所述標簽與所述物料的中文描述的注意力的步驟之前還包括：

獲取所述物料的名稱，將所述名稱作為所述物料的標簽。

根據所述的多標簽物料的相似度度量方法，所述計算所述物料的所述標簽與所述物料的中文描述的注意力，獲得各個所述標簽相對應的注意力結果的步驟包括：

獲取所述標簽的向量；

獲取所述中文描述的向量；

計算所述標簽的向量與所述中文描述的向量的余弦距離，獲得所述標簽相對應的注意力結果。

根據所述的多標簽物料的相似度度量方法，所述獲取所述中文描述的向量的步驟包括：

將所述中文描述進行分詞；

將多個所述分詞的向量相加取平均獲得所述中文描述的向量。

根據所述的多標簽物料的相似度度量方法，所述根據各個所述標簽集中的所述標簽相對應的注意力結果計算各個所述物料的標簽集之間的相似度的步驟包括：