[发明专利]用于获取基于属性值的对象之间的相似度的方法与装置

说明书

本公开提供一种用于获取基于属性值的对象之间的相似度的方法与装置。方法包括：分别获取第一对象和第二对象的属性值集合的simhash值；根据所述simhash值分别获取所述第一对象的各属性与所述第二对象的各属性之间的相关度；根据所述simhash值分别获取所述第一对象的各属性与所述第二对象的各属性之间关系的权重；根据所述相关度与所述权重获取所述第一对象和所述第二对象之间的相似度。本公开提供的方法可以用于计算不同来源的异构数据所描述的对象之间的相似度。

技术领域

本公开涉及机器学习技术领域，具体而言，涉及一种用于获取基于属性值分布的异构数据对象之间的相似度的方法与装置。

背景技术

在机器学习领域，对象相似度作为一个重要课题，被广泛应用在链接预测、欺诈检测、协同过滤、近邻查询等众多实际问题中。

现有的判断对象之间相似度的方法往往受到对象的属性结构的限制，只能判断属性类型相同或者相近的对象之间的相似度。

因此，需要一种能判断属性类型不完全相同的用于获取异构对象间相似度的方法。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种用于获取基于属性值的异构对象之间的相似度的方法与装置，用于至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或多个问题。

根据本公开实施例的第一方面，提供一种用于获取基于属性值的对象之间的相似度的方法，包括：

分别获取第一对象和第二对象的属性值集合的simhash值；

根据所述simhash值分别获取所述第一对象的各属性与所述第二对象的各属性之间的相关度；

根据所述simhash值分别获取所述第一对象的各属性与所述第二对象的各属性之间关系的权重；

根据所述相关度与所述权重获取所述第一对象和所述第二对象之间的相似度。

在本公开的一种示例性实施例中，根据所述simhash值分别获取所述第一对象的各属性与所述第二对象的各属性之间的相关度包括：

根据所述simhash值分别获取所述第一对象和所述第二对象的各属性值的出现概率；

根据所述出现概率获取第一属性和第二属性的属性值分布散度，所述第一属性和所述第二属性分别属于所述第一对象和所述第二对象；

根据所述属性值分布散度获取所述第一属性和所述第二属性的相关度。

在本公开的一种示例性实施例中，根据所述simhash值分别获取所述第一对象的各属性与所述第二对象的各属性之间关系的权重包括：

获取各属性值在所述第一属性与所述第二属性的合集中的属性值出现概率，所述各属性值包括所述第一属性的属性值与所述第二属性的属性值；

根据所述属性值出现概率获取所述第一属性和所述第二属性的属性值合集的熵。

在本公开的一种示例性实施例中，获取所述属性值出现概率的方程包括：

其中，N_X表示所述第一对象所属的第一对象类型X包括的第一对象数量，N_Y表示所述第二对象所属的第二对象类型Y包括的第二对象数量，n_i表示所述第一属性与所述第二属性的所述属性值合集中第i个属性值在所述第一属性与所述第二属性中的总出现次数，A表示所述第一属性，B表示所述第二属性，表示所述第i个属性值在所述第一属性与所述第二属性的所述属性值合集中的出现概率。