[发明专利]对象特征处理方法及装置有效
申请号: | 201811082250.9 | 申请日: | 2018-09-17 |
公开(公告)号: | CN110909755B | 公开(公告)日: | 2023-05-30 |
发明(设计)人: | 樊珈珮;熊涛;杜用 | 申请(专利权)人: | 阿里巴巴集团控股有限公司 |
主分类号: | G06V10/80 | 分类号: | G06V10/80 |
代理公司: | 北京博浩百睿知识产权代理有限责任公司 11134 | 代理人: | 褚敏;宋子良 |
地址: | 英属开曼群岛大开*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 对象 特征 处理 方法 装置 | ||
本发明公开了一种对象特征处理方法及装置。其中,该方法包括:获取对象在至少两个模态的特征向量;在至少两个模态中的每个模态的特征向量中加入预定格式的数据;以及将加入了预定格式的数据的特征向量进行矩阵叉乘运算,得到融合矩阵,其中,融合矩阵中包括:至少两个模态中各个模态的单模特征,至少两个模态中任意模态融合的融合特征。本发明解决了相关技术中,不能简单地获取模态随意组合后特征的技术问题。
技术领域
本发明涉及数据处理领域,具体而言,涉及一种对象特征处理方法及装置。
背景技术
在相关技术中,针对电商平台上的商品,卖家们都会编辑和发布商品,而为了保障卖家在平台上销售的商品都是符合国家及电商平台的规定,都会对卖家发布的商品的内容进行审核,判断其是否违规。然而由于每天发布的商品量数以亿计,每天人工需要审核的商品量十分庞大。且随着多媒体的发展,商品的信息越来越丰富,包括文本,图片和视频等信息,审核成本不断增长。
为提高审核效率,在相关技术中可以对具有一定相似度的商品集中处理。判断商品是否相似时,可以依据商品的模态特征进行判断,例如,在模态特征的相似度较高时,可以将这些商品放在一起集中处理。而商品在模态可以为多种数据类型,在对商品的多种模态特征进行判断时,为实现对相似度的准确判断,可以将该多种数据类型对应的模态特征进行融合。但在相关技术中,对多种模态的特征进行融合时,均是将多种模态下的特征进行简单的叠加,融合后也仅仅能够获得全部模态融合后的特征。而在多种模态下,多种模态是可以随意组合的,并且随意组合后的特征在一定程度上也可以用于进行相似性的判断。因此,对于一定的对象(例如,商品)而言,在相关技术中,不能简单地获取模态随意组合后特征。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种对象特征处理方法及装置,以至少解决相关技术中,不能简单地获取模态随意组合后特征的技术问题。
根据本发明实施例的一个方面,提供了一种对象特征处理方法,包括:获取对象在至少两个模态的特征向量;在所述至少两个模态中的每个模态的特征向量中加入预定格式的数据;将加入了所述预定格式的数据的特征向量进行矩阵叉乘运算,得到融合矩阵,其中,所述融合矩阵中包括:所述至少两个模态中各个模态的单模特征,所述至少两个模态中任意模态融合的融合特征。
根据本发明实施例的另一方面,还提供了一种对象特征处理方法,包括:接收展示请求,其中,所述展示请求中携带有请求展示的对象的模态;响应于所述展示请求,从融合矩阵中调用请求的模态对应的特征,其中,所述融合矩阵中包括:所述至少两个模态中各个模态的单模特征,所述至少两个模态中任意模态融合的融合特征;展示所述对象在请求的模态下对应的特征。
根据本发明实施例的另一方面,还提供了一种对象特征处理装置,包括:获取模块,用于获取对象在至少两个模态的特征向量;处理模块,用于在所述至少两个模态中的每个模态的特征向量中加入预定格式的数据;所述处理模块,还用于将加入了所述预定格式的数据的特征向量进行矩阵叉乘运算,得到融合矩阵,其中,所述融合矩阵中包括:所述至少两个模态中各个模态的单模特征,所述至少两个模态中任意模态融合的融合特征。
根据本发明实施例的另一方面,还提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述任意一项所述的对象特征处理方法。
根据本发明实施例的另一方面,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述任意一项所述的对象特征处理方法。
在本发明实施例中,采用在多模态融合的时候加入预定格式的数据的方式,通过在实现多模态融合的同时,保留了单一模态和双模态,甚至更多模态融合的信息,达到了同时查看随意模态组合的特征的目的,进而解决了相关技术中,不能简单地获取模态随意组合后特征的技术问题。
附图说明
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司,未经阿里巴巴集团控股有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811082250.9/2.html,转载请声明来源钻瓜专利网。