[发明专利]一种向量生成方法及装置

权利要求书

1.一种向量生成方法，其特征在于，包括：

获取身份特征数据；

将所述身份特征数据作为预先建立的稠密向量相关模型的输入值，并获取所述模型的稠密向量输出结果，其中所述稠密向量输出结果的向量维度为预设值；

根据模型的稠密向量输出结果生成向量维度为所述预设值的身份特征稠密向量。

2.如权利要求1所述的方法，其特征在于，获取身份特征数据，具体包括：从用户行为日志中提取用户标识以及对应的至少一个行为对象标识；

根据所述用户标识以及对应的各行为对象标识生成所述身份特征数据。

3.如权利要求2所述的方法，其特征在于，所述身份特征稠密向量包括用户标识稠密向量和行为对象标识稠密向量；则，

根据模型的稠密向量输出结果生成向量维度为所述预设值的身份特征稠密向量，具体包括：

根据所述身份特征数据中用户标识的稠密向量输出结果，生成向量维度为所述预设值的用户标识稠密向量；以及，

根据所述身份特征数据中各行为对象标识的稠密向量输出结果的平均值，生成向量维度为所述预设值的行为对象标识稠密向量。

4.如权利要求1所述的方法，其特征在于，所述方法还包括：对所述稠密向量输出结果的准确性进行评估。

5.如权利要求4所述的方法，其特征在于，对所述稠密向量输出结果的准确性进行评估，具体包括：

确定测试样本集以及所述测试样本集中各标准向量对应的标签；

根据与所述稠密向量输出结果的向量距离由小到大的顺序，从所述测试样本集中确定出多个目标标准向量；

根据各所述目标标准向量分别对应的标签与稠密向量输出结果的标签是否一致，对所述输出结果的准确性进行评估。

6.如权利要求1所述的方法，其特征在于，所述稠密向量相关模型，具体包括：skip-gram结构的word2vec模型。

7.如权利要求6所述的方法，其特征在于，所述word2vec模型具体包括：已取消滑动窗口大小限制的word2vec模型。

8.一种向量生成装置，其特征在于，包括：获取单元、输入单元以及生成单元，其中：

所述获取单元，获取身份特征数据；

所述输入单元，将所述身份特征数据作为预先建立的稠密向量相关模型的输入值，并获取所述模型的稠密向量输出结果，其中所述稠密向量输出结果的向量维度为预设值；

所述生成单元，根据模型的稠密向量输出结果生成向量维度为所述预设值的身份特征稠密向量。

9.如权利要求8所述的装置，其特征在于，所述装置还包括评估单元，对所述稠密向量输出结果的准确性进行评估。

10.如权利要求8所述的装置，其特征在于，所述获取单元，具体用于：从用户行为日志中提取用户标识以及对应的至少一个行为对象标识；

根据所述用户标识以及对应的各行为对象标识生成所述身份特征数据。