[发明专利]模型训练方法、相似度计算方法、装置、设备及介质

说明书

本发明实施例公开了一种模型训练方法、相似度计算方法、装置、设备及介质，模型训练方法包括：获取历史行为数据，根据历史行为数据中样本物品之间的关联关系确定各样本物品的样本语义特征；根据各样本物品的样本语义特征确定样本物品之间的样本相似度；获取各样本物品的样本属性特征，基于各样本物品的样本属性特征和样本物品之间的样本相似度生成训练样本，使用训练样本对预先构建的相似度模型进行训练，得到训练后的相似度模型。本发明实施例提供的方法通过根据历史行为数据得到的样本语义特征，结合样本属性特征训练相似度模型，使得训练出的相似度模型仅根据属性特征即可实现物品之间相似度的准确分析。

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种模型训练方法、相似度计算方法、装置、设备及介质。

背景技术

互联网购物平台中，平台中同一类物品的相似度分析能够辅助了解相关业态的发展情况。目前主流的方法是通过以往用户购买行为与产品业务形态相结合，利用专家的经验，人为选择可能与零售商品牌存在竞争关系的产品。

在实现本发明的过程中，发明人发现现有技术中至少存在以下技术问题：通过以往用户购买行为与产品业务形态相结合进行物品相似度之间的分析依赖于用户的历史行为，当新品发布时，无法准确的对新品进行相似度分析。

发明内容

本发明实施例提供了一种模型训练方法、相似度计算方法、装置、设备及介质，以实现新品与其他物品之间的相似度分析。

第一方面，本发明实施例提供了一种相似度模型训练方法，包括：

获取历史行为数据，根据历史行为数据中样本物品之间的关联关系确定各样本物品的样本语义特征；

根据各样本物品的样本语义特征确定样本物品之间的样本相似度；

获取各样本物品的样本属性特征，基于各样本物品的样本属性特征和样本物品之间的样本相似度生成训练样本，使用训练样本对预先构建的相似度模型进行训练，得到训练后的相似度模型。

第二方面，本发明实施例还提供了一种相似度计算方法，包括：

获取基准物品的基准属性特征和候选物品的候选属性特征；

将基准属性特征和候选属性特征输入至预先训练的相似度模型中，获得相似度模型输出的相似度预测结果，其中，相似度模型是使用本发明任意实施例所提供的相似度模型训练方法训练得到的；

根据相似度预测结果确定基准物品和候选物品之间的整体相似度。

第三方面，本发明实施例还提供了一种相似度模型训练装置，包括：

语义特征获取模块，用于获取历史行为数据，根据历史行为数据中样本物品之间的关联关系确定各样本物品的样本语义特征；

相似度计算模块，用于根据各样本物品的样本语义特征确定样本物品之间的样本相似度；

模型训练模块，用于获取各样本物品的样本属性特征，基于各样本物品的样本属性特征和样本物品之间的样本相似度生成训练样本，使用训练样本对预先构建的相似度模型进行训练，得到训练后的相似度模型。

第四方面，本发明实施例还提供了一种相似度计算装置，包括：

属性特征获取模块，用于获取基准物品的基准属性特征和候选物品的候选属性特征；

模型预测模块，用于将基准属性特征和候选属性特征输入至预先训练的相似度模型中，获得相似度模型输出的相似度预测结果，其中，相似度模型是使用本发明任意实施例所提供的相似度模型训练方法训练得到的；

相似度确定模块，用于根据相似度预测结果确定基准物品和候选物品之间的整体相似度。

第五方面，本发明实施例还提供了一种计算机设备，设备包括：