[发明专利]基于人工智能的目标对象匹配方法及相关设备

权利要求书

1.一种基于人工智能的目标对象匹配方法，其特征在于，所述方法包括：

获取多个正样本对及多个负样本对，其中，所述正样本对中的两个样本为相似样本，所述负样本对中的两个样本为不相似样本；

获取原始孪生神经网络并对所述原始孪生神经网络进行改进，基于所述多个正样本对及所述多个负样本对对改进后的孪生神经网络进行训练，得到相似度计算模型；

获取多个待匹配对象的目标数据，并根据所述目标数据为对应的所述待匹配对象标识目标标签；

将标识有不同目标标签的待匹配对象进行两两配对，得到多个待匹配对象对；

使用所述相似度计算模型计算每个所述待匹配对象对的相似度，计算标识有第一目标标签对应的待匹配对象的第一数量；计算标识有第二目标标签对应的待匹配对象的第二数量；根据所述第一数量及所述第二数量创建初始矩阵；将所述相似度写入所述初始矩阵中，得到相似度矩阵；搜索所述相似度矩阵的每列中的最大相似度；根据所述最大相似度确定目标待匹配对象对。

2.如权利要求1所述的基于人工智能的目标对象匹配方法，其特征在于，所述对所述原始孪生神经网络进行改进包括：

获取所述原始孪生神经网络中的N个全连接层；

使用卷积层替换前N-1个全连接层；

在前N-2个卷积层中的每一个卷积层加入一层最大池化层，并在每个卷积层中加入一层批归一化层，得到改进后的孪生神经网络。

3.如权利要求2所述的基于人工智能的目标对象匹配方法，其特征在于，所述基于所述多个正样本对及所述多个负样本对对改进后的孪生神经网络进行训练，得到相似度计算模型包括：

随机选取至少一个目标正样本对及至少一个目标负样本对；

对所述目标正样本对中的至少一个特征数据进行擦除处理，及对目标负样本对中的至少一个特征数据进行擦除处理；

根据擦除处理后的目标正样本对和擦除处理后的目标负样本对得到训练样本对集；

将所述训练样本对集中的每个训练样本对通过一个卷积层进行特征降维，得到降维特征；

将所述降维特征通过ReLU函数进行激活，得到激活特征；

将所述激活特征通过下一个卷积层进行升维，得到升维特征；

将所述升维特征通过sigmoid函数进行归一化，得到归一化特征；

将所述归一化特征通过最大池化操作，得到池化特征；

根据所述池化特征对改进后的孪生神经网络进行训练，得到相似度计算模型。

4.如权利要求1所述的基于人工智能的目标对象匹配方法，其特征在于，所述根据所述目标数据为对应的所述待匹配对象标识目标标签包括：

将所述目标数据与预设多个数据范围进行匹配；

确定与所述目标数据匹配的目标数据范围；

将所述目标数据范围对应的标签标识为所述目标数据对应的待匹配对象的目标标签。

5.如权利要求1至4中任意一项所述的基于人工智能的目标对象匹配方法，其特征在于，所述获取多个正样本对及多个负样本对包括：

获取每个样本的特征数据并将每个样本的特征数据进行标准化处理得到标准数据；

将每两个样本进行配对得到多个样本对；

根据所述标准数据计算每个所述样本对中两个样本之间的欧氏距离；

将欧式距离进行排序，并根据排序后的欧式距离从所述多个样本对中获取所述多个正样本对及所述多个负样本对。

6.如权利要求1至4中任意一项所述的基于人工智能的目标对象匹配方法，其特征在于，所述方法还包括：

获取所述目标待匹配对象对中标识有所述第二目标标签的目标对象的课程列表；

将所述课程列表推荐给所述目标待匹配对象对中标识有所述第一目标标签的目标对象。