[发明专利]一种相似性检测模型的训练方法及装置、应用方法及装置

权利要求书

1.一种相似性检测模型的训练方法，其特征在于，包括：

对第一应用程序和第二应用程序的属性信息进行特征提取，获得属性特征；

根据所述属性特征，获得所述第一应用程序和所述第二应用程序之间的相似度；

根据所述相似度和相似度标签的差异，训练所述相似性检测模型，其中，所述相似度标签用于标记所述第一应用程序和所述第二应用程序之间的相似性；所述相似度标签是基于所述第一应用程序和所述第二应用程序的粗粒度类别信息和/或细粒度类别信息建立的；

所述对第一应用程序和第二应用程序的属性信息进行特征提取，获得属性特征，包括：

将所述第一应用程序的属性信息和所述第二应用程序的属性信息拼接后输入所述相似性检测模型，通过所述相似性检测模型对属性信息进行特征提取，得到所述属性特征。

2.根据权利要求1所述的方法，其特征在于，所述相似度标签包括第一相似度标签、第二相似度标签和/或第三相似度标签，其中，所述第一相似度标签用于标记所述第一应用程序和所述第二应用程序的粗粒度类别信息不同；所述第二相似度标签用于标记所述第一应用程序和所述第二应用程序的粗粒度类别信息相同且细粒度类别信息不同；所述第三相似度标签用于标记所述第一应用程序和所述第二应用程序的细粒度类别信息相同。

3.根据权利要求1所述的方法，其特征在于，所述相似性检测模型为因子分解机FM模型、深度神经网络DNN模型或深度因子分解机DeepFM模型。

4.根据权利要求1至3中任一项所述的方法，其特征在于，还包括：

对所述第一应用程序和所述第二应用程序的属性信息进行词嵌入处理，其中，所述对第一应用程序和第二应用程序的属性信息进行特征提取，包括：

对所述第一应用程序和所述第二应用程序的经过词嵌入处理后的属性信息进行特征提取。

5.根据权利要求4所述的方法，其特征在于，所述属性信息包括应用程序的标题信息、描述信息和隐私策略信息，所述方法还包括：

通过长短期记忆网络对所述第一应用程序和所述第二应用程序的经过词嵌入处理后的所述描述信息和所述隐私策略信息进行预训练，其中，所述对所述第一应用程序和所述第二应用程序的经过词嵌入处理后的属性信息进行特征提取，包括

对所述第一应用程序和所述第二应用程序的经过词嵌入处理后的标题信息和经过词嵌入处理与预训练后的描述信息和隐私策略信息进行特征提取。

6.根据权利要求5所述的方法，其特征在于，所述长短期记忆网络为单向长短期记忆网络、双向长短期记忆网络、基于注意力机制的单向长短期记忆网络或基于注意力机制的双向长短期记忆网络。

7.一种相似性检测模型的应用方法，其特征在于，包括：将待检测的第一应用程序和第二应用程序的属性信息输入相似性检测模型，其中所述相似性检测模型通过上述权利要求1至6中任一项所述的方法训练得到；

利用所述相似性检测模型对所述第一应用程序和所述第二应用程序进行相似性检测。

8.一种相似性检测模型的训练装置，其特征在于，包括：

特征提取模块，用于对第一应用程序和第二应用程序的属性信息进行特征提取，获得属性特征；

相似度模块，用于根据所述属性特征，获得所述第一应用程序和所述第二应用程序之间的相似度；

训练模块，用于根据所述相似度和相似度标签的差异，训练所述相似性检测模型，其中，所述相似度标签用于标记所述第一应用程序和所述第二应用程序之间的相似性；所述相似度标签是基于所述第一应用程序和所述第二应用程序的粗粒度类别信息和/或细粒度类别信息建立的；

所述对第一应用程序和第二应用程序的属性信息进行特征提取，获得属性特征，包括：

将所述第一应用程序的属性信息和所述第二应用程序的属性信息拼接后输入所述相似性检测模型，通过所述相似性检测模型对属性信息进行特征提取，得到所述属性特征。