[发明专利]信息的匹配方法及装置

权利要求书

1.一种信息的匹配方法，其特征在于，所述方法包括：

获取不同模态表征的对象信息；

针对每种模态表征的对象信息，调用相应模态表征下预先训练的特征取模型进行特征提取，得到具有不同模态属性的嵌入式向量，所述特征提取模型使用加性角度间隔损失函数进行训练，用于从模态表征的对象信息中提取具有模态属性的嵌入式向量；

利用邻近向量混合算法，对所述具有不同模态属性的嵌入式向量进行更新，得到融合有相邻向量特征的对象信息向量；

计算所述融合有相邻向量特征的对象信息向量之间的相似度，并根据相似度计算结果确定对象信息之间的匹配程度。

2.根据权利要求1所述的方法，其特征在于，在所述针对每种模态表征的对象信息，调用相应模态表征下预先训练的特征取模型进行特征提取，得到具有不同模态属性的嵌入式向量之前，所述方法还包括：

利用网络模型分别对不同模态表征的对象信息样本集进行处理，得到不同模态表征下对象信息的嵌入式向量，所述对象信息样本集中携带有对象类别标签；

针对不同模态表征的对象信息样本，使用加性角度间隔损失函数对所述嵌入式向量与权重矩阵点乘得到的角度进行扰动，并根据扰动后的角度输出的目标特征向量；

使用分类函数对所述目标特征向量进行对象信息的类别标签预测，构建每种模态表征下的特征提取模型。

3.根据权利要求2所述的方法，其特征在于，所述利用网络模型分别对不同模态表征的对象信息样本集进行处理，得到不同模态表征下对象信息的嵌入式向量，具体包括：

将所述不同模态表征的对象信息样本集进行向量化，得到不同模态表征的对象向量；

利用网络模型的池化层分别对所述不同模态表征的对象向量进行特征聚合，得到不同模态表征的对象特征向量；

基于样本维度的批标准化和基于特征维度的正则化对特征聚类的对象特征向量进行标准化处理，得到不同模态表征下对象信息的嵌入式向量。

4.根据权利要求2所述的方法，其特征在于，所述针对不同模态表征的对象信息样本，使用加性角度间隔损失函数对所述嵌入式向量与权重矩阵点乘得到的角度进行扰动，并根据扰动后的角度输出目标特征向量，具体包括：

针对不同模态表征的对象样本信息，使用加性角度间隔损失函数将所述嵌入式向量与所述嵌入式向量正则化后的权重矩阵进行点乘，得到余弦值；

通过对所述余弦值进行反操作得到的角度加上角度间隔进行扰动，并计算扰动后角度的余弦值作为目标特征向量。

5.根据权利要求2所述的方法，其特征在于，在所述使用分类函数对所述目标特征向量进行对象信息的类别标签预测，构建每种模态表征下的特征提取模型之后，所述方法还包括：

利用预先设置的损失函数，结合对象信息预测的类别标签与对象信息样本集的类别标签对每种模态表征下的特征提取模型进行参数调整，更新所述特征提取模型。

6.根据权利要求1所述的方法，其特征在于，所述利用邻近向量混合算法，对所述具有不同模态属性的嵌入式向量进行更新，得到融合有相邻向量特征的对象信息向量，具体包括：

分别计算所述具有不同模态属性的嵌入式向量之间的距离值，若所述距离值大于预设阈值，则确定所述嵌入式向量之间具有相邻关系；

利用所述距离值映射的更新力度，对所述具有相邻关系的嵌入式向量进行至少一次更新。

7.根据权利要求1-6中任一项所述的方法，其特征在于，在所述计算所述融合有相邻向量特征的对象信息向量之间的相似度，并根据相似度计算结果确定对象信息之间的匹配程度之后，所述方法还包括：

响应于对目标对象信息进行相似推送或屏蔽的指令，选取与所述目标对象信息之间的匹配程度排名在预设数值之前的对象信息作为相似对象信息，向用户推送或屏蔽所述相似对象信息。