[发明专利]用于确定序列数据之间的数据相似度的方法和装置

权利要求书

1.一种用于确定序列数据之间的数据相似度的方法，包括：

获取待查询序列数据中的各个数据元素的数据特征向量；

基于所述待查询序列数据的各个数据元素的数据特征向量以及参考序列数据库中的各个参考序列数据的数据元素的数据特征向量，从各个参考序列数据中选择第一数目个目标参考序列数据；

对所述待查询序列数据的各个数据元素的数据特征向量和各个目标参考序列数据的各个数据元素的数据特征向量进行特征增强，其中，特征增强后的各个数据元素的数据特征向量融合有第一局部邻域信息和第二局部邻域信息，所述第一局部邻域信息与同一序列数据的数据元素对应，所述第二局部邻域信息与待查询序列数据的数据元素和目标参考序列数据的数据元素之间的交互对应；以及

根据所述待查询序列数据的各个数据元素的经过特征增强后的数据特征向量以及各个目标参考序列数据的各个数据元素的经过特征增强后的数据特征向量，确定所述待查询序列数据和各个目标参考序列数据之间的相似度。

2.如权利要求1所述的方法，其中，所述对所述待查询序列数据的各个数据元素的数据特征向量和各个目标参考序列数据的各个数据元素的数据特征向量进行特征增强包括：

将所述待查询序列数据的各个数据元素的数据特征向量和各个目标参考序列数据的各个数据元素的数据特征向量提供给图神经网络，对所述待查询序列数据的各个数据元素的数据特征向量和各个目标参考序列数据的各个数据元素的数据特征向量进行特征增强。

3.如权利要求2所述的方法，其中，所述图神经网络包括用于融合所述第一局部邻域信息的图自注意力层和用于融合所述第二局部邻域信息的图交叉注意力层。

4.如权利要求3所述的方法，其中，所述图神经网络包括基于Transformer模型的图神经网络，以及各个数据元素分别对应有用于表征数据元素在序列数据中的位置的序列位置特征向量，所述方法还包括：

将所述待查询序列数据以及各个目标参考序列数据中的各个数据元素的数据特征向量与对应的经过编码后的序列位置特征向量进行融合，

将所述待查询序列数据的各个数据元素的数据特征向量和各个目标参考序列数据的各个数据元素的数据特征向量提供给图神经网络，对所述待查询序列数据的各个数据元素的数据特征向量和各个目标参考序列数据的各个数据元素的数据特征向量进行特征增强包括：

将所述待查询序列数据的各个数据元素的融合有序列位置特征向量的数据特征向量和各个目标参考序列数据的各个数据元素的融合有序列位置特征向量的数据特征向量提供给图神经网络，对所述待查询序列数据的各个数据元素的数据特征向量和各个目标参考序列数据的各个数据元素的数据特征向量进行特征增强。

5.如权利要求4所述的方法，其中，根据所述待查询序列数据的各个数据元素的经过特征增强后的数据特征向量以及各个目标参考序列数据的各个数据元素的经过特征增强后的数据特征向量，确定所述待查询序列数据和各个目标参考序列数据之间的相似度包括：

基于所述待查询序列数据的各个数据元素的融合有序列位置特征向量的数据特征向量和各个目标参考序列数据的各个数据元素的融合有序列位置特征向量的数据特征向量，确定所述待查询序列数据与各个目标参考序列数据之间的第一相似度矩阵；

基于所述待查询序列数据的各个数据元素的经过特征增强后的数据特征向量和各个目标参考序列数据的各个数据元素的经过特征增强后的数据特征向量，确定所述待查询序列数据与各个目标参考序列数据之间的第二相似度矩阵；以及

基于所述第一相似度矩阵和所述第二相似度矩阵，确定所述待查询序列数据和各个目标参考序列数据之间的相似度。

6.如权利要求5所述的方法，其中，所述基于所述第一相似度矩阵和所述第二相似度矩阵，确定所述待查询序列数据和各个目标参考序列数据之间的相似度包括：

将所述第一相似度矩阵和所述第二相似度矩阵叠加融合，得到第三相似度矩阵；以及

基于所述第三相似度矩阵，确定所述待查询序列数据和各个目标参考序列数据之间的相似度。