[发明专利]用户匹配方法、计算设备和计算机可读存储介质

权利要求书

1.一种用户匹配方法，包括：

基于社交平台的流式日志确定训练样本，所述训练样本指示在预定时间段内所述社交平台的第一用户和第二用户之间的交互情况；

基于所述训练样本对深度神经网络模型进行训练以确定所述第一用户和所述第二用户之间的第一匹配得分；

基于所述第一用户的第一用户稀疏向量和所述第二用户的第二用户稀疏向量确定所述第一用户和所述第二用户之间的第二匹配得分，并且基于所述第一匹配得分和所述第二匹配得分确定所述第一用户和所述第二用户之间的匹配得分；

基于所述匹配得分对所述深度神经网络模型的权重函数进行更新；以及

基于训练后的深度神经网络模型为所述社交平台的一个用户确定匹配用户。

2.如权利要求1所述的方法，其中基于社交平台的流式日志确定训练样本包括：

获取所述社交平台的流式日志；

基于所述流式日志和用户画像确定所述第一用户的第一用户特征集合和所述第二用户的第二用户特征集合；

基于所述第一用户特征集合确定所述第一用户的第一用户稠密向量；

基于所述第二用户特征集合确定所述第二用户的第二用户稠密向量；

随机设置所述第一用户稀疏向量和所述第二用户稀疏向量；以及

将所述第一用户稠密向量、所述第一用户稀疏向量、所述第二用户稠密向量和所述第二用户稀疏向量拼接为所述训练样本。

3.如权利要求1所述的方法，其中基于所述训练样本对深度神经网络模型进行训练以确定所述第一用户和所述第二用户之间的第一匹配得分包括：

将所述训练样本输入所述深度神经网络模型的第一稠密化层，以得到第一稠密输出；

将所述第一稠密输出通过第一激活层进行非线性映射，以得到第一激活输出，其中所述第一激活输出与所述第一稠密输出的维度相同；

将所述第一激活输出输入所述深度神经网络模型的第二稠密化层，以得到第二稠密输出，其中所述第二稠密输出的维度小于所述第一稠密输出；

将所述第二稠密输出通过第二激活层进行非线性映射，以得到第二激活输出，其中所述第二激活输出与所述第二稠密输出的维度相同；以及

将所述第二激活输出输入第三稠密化层以得到所述第一匹配得分。

4.如权利要求1所述的方法，其中确定所述第一用户和所述第二用户之间的匹配得分包括：

对所述第一用户稀疏向量和所述第二用户稀疏向量执行点乘运算以确定所述第一用户和所述第二用户之间的第二匹配得分，并且

对所述第一匹配得分和所述第二匹配得分求和以确定所述第一用户和所述第二用户之间的匹配得分。

5.如权利要求1所述的方法，其中基于所述匹配得分对所述深度神经网络模型的权重函数进行更新包括：

利用所述深度神经网络模型的激活函数和所述匹配得分确定所述第一用户和所述第二用户之间的匹配度；

基于所述第一用户和所述第二用户之间的匹配度、所述训练样本的样本标签和所述深度神经网络模型的损失函数确定所述匹配度在所述深度神经网络模型的最后一层的梯度值；以及

基于所述匹配度在所述深度神经网络模型的最后一层的梯度值对所述深度神经网络模型的每一层的权重函数进行更新。

6.如权利要求1所述的方法，其中基于训练后的深度神经网络模型为所述社交平台的一个用户确定匹配用户包括：

利用训练好的深度神经网络模型确定所述用户与所述社交平台的多个候选用户之间的匹配度；

基于所述用户与所述多个候选用户之间的匹配度对所述多个候选用户进行排序；以及

选择所述多个候选用户中与所述用户的匹配度最高的候选用户作为所述用户的匹配用户。