[发明专利]物品关系判别方法和装置

说明书

本发明公开了一种物品关系判别方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取待判别的两个目标物品的属性数据、图像数据和标题数据；依据属性数据确定多种相似度，将多种相似度组合为属性匹配特征；将图像数据输入预先训练的图像编码模型，得到初始图像特征；对初始图像特征进行多种运算并将运算结果组合为图像匹配特征；将标题数据组合之后输入预先训练的文本编码模型，得到标题匹配特征；使用属性匹配特征、图像匹配特征以及标题匹配特征确定所述两个目标物品的多模态聚合向量，将确定的多模态聚合向量输入预先训练的物品关系分类模型，得到所述两个目标物品之间的关系。该实施方式能够提高物品关系判别的准确率和召回率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种物品关系判别方法和装置。

背景技术

物品关系判别，特别是相同或相似物品判别应用在计算机技术领域的众多场景中，比如物品推荐、竞品发现、物品比价、价格预测和异常物品挖掘等，是非常重要的基础技术之一。示例性地，物品关系可以有三种，即“相同”、“相似”和“不同”：相同物品具有完全相同的主要属性和次要属性；相似物品具有相同的主要属性，存在不同的次要属性；不同物品存在不同的主要属性。

现有技术中，一般通过以下方式判别物品关系：首先，单独基于物品属性计算两个物品的相似度，单独基于物品图像计算两个物品的相似度，单独基于物品标题计算两个物品的相似度；此后，为以上三种相似度配置阈值，并结合三种相似度与阈值的比较结果来得出最终结果，这种判别方式将物品属性、图像和标题割裂，准确率和召回率都较差。

发明内容

有鉴于此，本发明实施例提供一种物品关系判别方法和装置，能够提高物品关系判别的准确率和召回率。

为实现上述目的，根据本发明的一个方面，提供了一种物品关系判别方法。

本发明实施例的物品关系判别方法包括：获取待判别的两个目标物品的属性数据、图像数据和标题数据；依据所述两个目标物品的属性数据以及预先确定的多种相似度算法确定所述两个目标物品的多种相似度，将所述多种相似度组合为所述两个目标物品的属性匹配特征；将所述两个目标物品的图像数据输入预先训练的图像编码模型，得到所述两个目标物品的初始图像特征；对所述初始图像特征进行多种运算并将运算结果组合为所述两个目标物品的图像匹配特征；将所述两个目标物品的标题数据组合之后输入预先训练的文本编码模型，得到所述两个目标物品的标题匹配特征；使用所述属性匹配特征、所述图像匹配特征以及所述标题匹配特征确定所述两个目标物品的多模态聚合向量，将确定的多模态聚合向量输入预先训练的物品关系分类模型，得到所述两个目标物品之间的关系。

可选地，所述使用所述属性匹配特征、所述图像匹配特征以及所述标题匹配特征确定所述两个目标物品的多模态聚合向量，包括：对所述属性匹配特征进行归一化和非线性映射，得到属性特征向量；对所述图像匹配特征进行降维处理、归一化和非线性映射，得到具有预设维度数量的图像特征向量；对所述标题匹配特征进行卷积处理和非线性映射，得到具有所述预设维度数量的标题特征向量；将所述属性特征向量、所述图像特征向量和所述标题特征向量组合为所述多模态聚合向量。

可选地，所述对所述初始图像特征进行多种运算并将运算结果组合为所述两个目标物品的图像匹配特征，包括：将所述两个目标物品的初始图像特征相减并取绝对值，得到差值特征；将所述两个目标物品的初始图像特征中的相同位置元素相乘，得到乘积特征；将所述差值特征与所述乘积特征组合为所述图像匹配特征。

可选地，所述对所述属性匹配特征进行归一化和非线性映射，得到属性特征向量，包括：对所述属性匹配特征执行L2范数归一化，将完成归一化的所述属性匹配特征依次送入第一全连接层和激活函数，得到所述属性特征向量。

可选地，所述对所述图像匹配特征进行降维处理、归一化和非线性映射，得到具有预设维度数量的图像特征向量，包括：对所述图像匹配特征执行广义平均池化和批标准化；将完成广义平均池化和批标准化的所述图像匹配特征送入第二全连接层和激活函数，得到所述图像特征向量。