CN110895590A - 候选对象的获取方法和装置、电子设备和存储介质 - Google Patents
候选对象的获取方法和装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN110895590A CN110895590A CN201911200323.4A CN201911200323A CN110895590A CN 110895590 A CN110895590 A CN 110895590A CN 201911200323 A CN201911200323 A CN 201911200323A CN 110895590 A CN110895590 A CN 110895590A
- Authority
- CN
- China
- Prior art keywords
- indexes
- level
- candidate object
- candidate
- object set
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开实施例公开了一种候选对象的获取方法和装置、电子设备和存储介质，其中，方法包括：针对第一级别的指标，基于所述第一级别的指标中各指标的参考值和权重值，从数据库中获取第一候选对象集；依次针对N个级别中第i级别的指标，基于所述第i级别的指标中各指标的参考值和权重值，从第i‑1候选对象集中获取排序靠前的第i预设数量的候选对象，得到第i候选对象集；其中，用于获取候选对象的所有指标被预先划分为N个级别的指标，各级别的指标分别包括至少一个指标，第i‑1级别的指标的权重值大于第i级别的指标的权重值；输出第N候选对象集。本公开实施例能够筛选出更符合用户需求的候选对象。
Description
技术领域
本公开涉及数据处理技术，尤其是一种候选对象的获取方法和装置、电子设备和存储介质。
背景技术
在搜索、推荐等各种应用场景中，经常需要获取比较符合用户需求的目标对象发送给用户，这就需要按照一定维度的指标对候选对象进行降序排列，然后选取排序靠前的候选对象作为符合用户需求的目标对象。
在实现本公开的过程中，本公开发明人通过研究发现，现有技术选取的排序靠前的候选对象往往与用户需求存在一定偏差，从而无法获得符合用户需求的目标对象，导致用户体验较差。例如，在房源搜索场景中，数据库中的房源往往具有单价、面积、位置、年代、学区、人车分流、集体供暖等40多个维度的指标，在对数据库中的房源进行降序排列时，如果单价指标的权重值过高、其他指标的权重值较小，则排序靠前的候选房源的单价几乎都符合预期、而其他指标很可能都不符合预期；反之，如果单价、面积、位置等指标的权重值占总比不高，即使人车分流、集体供暖等每个指标的权重值不高，但是人车分流、集体供暖等指标权重值的总和反而超过了单价、面积、位置等指标，则由此得到的排序靠前的候选房源中几乎没有符合预期的房源，因此，无法向用户推荐符合用户需求的房源。
发明内容
本公开实施例提供一种用于获取候选对象的技术方案。
本公开实施例的一个方面，提供一种候选对象的获取方法，包括。
针对第一级别的指标，基于所述第一级别的指标中各指标的参考值和权重值，从数据库中获取第一候选对象集；
依次针对N个级别中第i级别的指标，基于所述第i级别的指标中各指标的参考值和权重值，从第i-1候选对象集中获取排序靠前的第i预设数量的候选对象，得到第i候选对象集；其中，用于获取候选对象的所有指标被预先划分为N个级别的指标，各级别的指标分别包括至少一个指标，第i-1级别的指标的权重值大于第i级别的指标的权重值，第i候选对象集中候选对象的数量小于第i-1候选对象集中候选对象的数量；N的取值为大于1的整数，i的取值依次为大于1且不小于N的整数；
输出第N候选对象集。
可选地，在本公开上述任一方法实施例中，还包括：
基于所述所有指标中各指标的权重值，将所述所有指标划分为N个级别的指标。
可选地，在本公开上述任一方法实施例中，所述基于所述所有指标中各指标的权重值，将所述所有指标划分为N个级别的指标，包括：
将所述所有指标按照权重值从大到小的顺序对所述所有指标进行排序，按照指定的拆分位置对排序后的所有指标进行分级，得到所述N个级别的指标；或者，
将所述所有指标按照权重值从大到小的顺序对所述所有指标进行排序，按照指定的N个级别中各级别的指标数量对排序后的所有指标进行分级，得到所述N个级别的指标；或者，
按照N个级别中各级别的指标数量，按照级别由小到大、以及权重值由大到小的顺序，依次从所述所有指标中选取各级别的指标数量的指标，得到所述N个级别的指标；或者，
按照N个级别中各级别的指标数量，按照级别由大到小、以及权重值由小到大的顺序，依次从所述所有指标中选取各级别的指标数量的指标，得到所述N个级别的指标。
可选地，在本公开上述任一方法实施例中，还包括：
基于第i候选对象集中候选对象的数量、以及第i级别相对于第i-1级别候选对象的扩充比例，获取第i-1候选对象集中候选对象的数量。
可选地，在本公开上述任一方法实施例中，所述基于所述第一级别的指标中各指标的参考值和权重值，从数据库中获取第一候选对象集，包括：
分别基于所述第一级别的指标中各指标的参考值和权重值，获取所述数据库中各候选对象在所述第一级别的指标中各指标的相似度；
获取所述数据库中各候选对象在所述第一级别中所有指标的相似度；
按照在所述第一级别中所有指标的相似度由高到低的顺序对所述数据库中的候选对象进行排序，并选取前第一数量的候选对象，作为所述第一候选对象集。
可选地，在本公开上述任一方法实施例中，所述基于所述第i级别的指标中各指标的参考值和权重值，从第i-1候选对象集中获取排序靠前的第i预设数量的候选对象，得到第i候选对象集，包括：
分别基于所述第i级别的指标中各指标的参考值和权重值，获取所述第i-1候选对象集中各候选对象在所述第i级别的指标中各指标的相似度；
获取所述第i-1候选对象集中各候选对象在所述第i级别中所有指标的总相似度；
按照在所述第i级别中所有指标的总相似度由高到低的顺序对所述第i-1候选对象集中各候选对象进行排序，并选取前第i数量的候选对象，作为所述第i候选对象集。
可选地，在本公开上述任一方法实施例中，所述获取所述第i-1候选对象集中各候选对象在所述第i级别中所有指标的相似度之后，还包括：
根据级别累积标识的取值确定是否累积；
若根据级别累积标识的取值确定累积，分别针对所述第i-1候选对象集中各候选对象，将在所述第i级别中所有指标的总相似度与在所述第i-1级别中所有指标的总相似度进行累加，得到汇总相似度；按照在所述第i级别中所有指标的汇总相似度由高到低的顺序对所述第i-1候选对象集中各候选对象进行排序，并选取前第i数量的候选对象，作为所述第i候选对象集；
若根据级别累积标识的取值确定不累积，执行所述按照在所述第i级别中所有指标的总相似度由高到低的顺序对所述第i-1候选对象集中各候选对象进行排序，并选取前第i数量的候选对象，作为所述第i候选对象集的操作。
可选地，在本公开上述任一方法实施例中，所述针对第一级别的指标，基于所述第一级别的指标中各指标的参考值和权重值，从数据库中获取第一候选对象集之前，还包括：接收搜索请求，所述搜索请求中包括参考对象各指标的参考值；
所述输出第N候选对象集，包括：返回搜索结果，所述搜索结果中包括所述第N候选对象集。
可选地，在本公开上述任一方法实施例中，所述针对第一级别的指标，基于所述第一级别的指标中各指标的参考值和权重值，从数据库中获取第一候选对象集之前，还包括：基于用户画像确定参考对象各指标的参考值；
所述输出第N候选对象集，包括：返回推荐结果，所述推荐结果中包括所述第N候选对象集。
可选地，在本公开上述任一方法实施例中，所述候选对象包括：房源；
所述各指标包括以下任意一项或多项：单价、总价、面积、户型、楼龄、楼层、装修、电梯、用途、权属、区域、位置、年代、学区、人车分流、集体供暖、交通。
本公开实施例的另一个方面，提供一种候选对象的获取装置，包括：
第一获取模块，用于针对第一级别的指标，基于所述第一级别的指标中各指标的参考值和权重值，从数据库中获取第一候选对象集；
第二获取模块，用于依次针对N个级别中第i级别的指标，基于所述第i级别的指标中各指标的参考值和权重值，从第i-1候选对象集中获取排序靠前的第i预设数量的候选对象，得到第i候选对象集；其中，用于获取候选对象的所有指标被预先划分为N个级别的指标，各级别的指标分别包括至少一个指标，第i-1级别的指标的权重值大于第i级别的指标的权重值，第i候选对象集中候选对象的数量小于第i-1候选对象集中候选对象的数量；N的取值为大于1的整数，i的取值依次为大于1且不小于N的整数；
输出模块，用于输出第N候选对象集。
可选地，在本公开上述任一装置实施例中，还包括：
划分模块，用于基于所述所有指标中各指标的权重值，将所述所有指标划分为N个级别的指标。
可选地，在本公开上述任一装置实施例中，所述划分模块，具体用于：
将所述所有指标按照权重值从大到小的顺序对所述所有指标进行排序，按照指定的拆分位置对排序后的所有指标进行分级，得到所述N个级别的指标；或者，
将所述所有指标按照权重值从大到小的顺序对所述所有指标进行排序，按照指定的N个级别中各级别的指标数量对排序后的所有指标进行分级，得到所述N个级别的指标；或者，
按照N个级别中各级别的指标数量，按照级别由小到大、以及权重值由大到小的顺序，依次从所述所有指标中选取各级别的指标数量的指标，得到所述N个级别的指标；或者，
按照N个级别中各级别的指标数量，按照级别由大到小、以及权重值由小到大的顺序，依次从所述所有指标中选取各级别的指标数量的指标，得到所述N个级别的指标。
可选地，在本公开上述任一装置实施例中，还包括：
第三获取模块，用于基于第i候选对象集中候选对象的数量、以及第i级别相对于第i-1级别候选对象的扩充比例，获取第i-1候选对象集中候选对象的数量。
可选地，在本公开上述任一装置实施例中，所述第一获取模块包括：
第一获取单元，用于分别基于所述第一级别的指标中各指标的参考值和权重值，获取所述数据库中各候选对象在所述第一级别的指标中各指标的相似度；
第二获取单元，用于获取所述数据库中各候选对象在所述第一级别中所有指标的相似度；
第一选取单元，用于按照在所述第一级别中所有指标的相似度由高到低的顺序对所述数据库中的候选对象进行排序，并选取前第一数量的候选对象，作为所述第一候选对象集。
可选地，在本公开上述任一装置实施例中，所述第二获取模块包括：
第三获取单元，用于分别基于所述第i级别的指标中各指标的参考值和权重值，获取所述第i-1候选对象集中各候选对象在所述第i级别的指标中各指标的相似度；
第四获取单元，用于获取所述第i-1候选对象集中各候选对象在所述第i级别中所有指标的总相似度；
第二选取单元，用于按照在所述第i级别中所有指标的总相似度由高到低的顺序对所述第i-1候选对象集中各候选对象进行排序，并选取前第i数量的候选对象，作为所述第i候选对象集。
可选地，在本公开上述任一装置实施例中，所述第二获取模块还包括：
确定单元，用于根据级别累积标识的取值确定是否累积；
累积单元，用于若根据级别累积标识的取值确定累积，分别针对所述第i-1候选对象集中各候选对象，将在所述第i级别中所有指标的总相似度与在所述第i-1级别中所有指标的总相似度进行累加，得到汇总相似度；
所述第二选取单元，具体用于：若根据级别累积标识的取值确定累积，按照在所述第i级别中所有指标的汇总相似度由高到低的顺序对所述第i-1候选对象集中各候选对象进行排序，并选取前第i数量的候选对象，作为所述第i候选对象集；若根据级别累积标识的取值确定不累积，按照在所述第i级别中所有指标的总相似度由高到低的顺序对所述第i-1候选对象集中各候选对象进行排序，并选取前第i数量的候选对象，作为所述第i候选对象集。
可选地，在本公开上述任一装置实施例中，还包括：
接收模块，用于接收搜索请求，所述搜索请求中包括参考对象各指标的参考值；
所述输出模块，具体用于返回搜索结果，所述搜索结果中包括所述第N候选对象集。
可选地，在本公开上述任一装置实施例中，还包括：
确定模块，用于基于用户画像确定参考对象各指标的参考值；
所述输出模块，具体用于返回推荐结果，所述推荐结果中包括所述第N候选对象集。
可选地，在本公开上述任一装置实施例中，所述候选对象包括：房源；
所述各指标包括以下任意一项或多项：单价、总价、面积、户型、楼龄、楼层、装修、电梯、用途、权属、区域、位置、年代、学区、人车分流、集体供暖、交通。
本公开实施例的又一个方面，提供的一种电子设备，包括：
存储器，用于存储可执行指令；
处理器，用于与所述存储器通信以执行所述可执行指令从而完成本公开上述任一方法实施例的操作。
本公开实施例的再一个方面，提供的一种计算机存储介质，用于存储计算机可读取的指令，所述指令被执行时执行本公开上述任一方法实施例的操作。
基于本公开上述实施例提供的候选对象的获取方法和装置、电子设备和存储介质，预先指标的权重值将用于获取候选对象的所有指标预先划分为N个级别的指标，第i-1级别的指标的权重值大于第i级别的指标的权重值；获取候选对象时，针对第一级别的指标，基于第一级别的指标中各指标的参考值和权重值，从数据库中获取第一候选对象集；依次针对之后的N个级别中第i级别的指标，基于第i级别的指标中各指标的参考值和权重值，从第i-1候选对象集中获取排序靠前的第i预设数量的候选对象，得到第i候选对象集，从而基于指标的权重值由大到小的顺序实现对候选对象的逐级筛选，最终得到第N候选对象集并输出。本公开实施例能够筛选出更符合用户需求的候选对象，提高搜索、推荐等应用效率，改善用户体验。
下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本公开的实施例，并且连同描述一起用于解释本公开的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
图1为本公开候选对象的获取方法一个实施例的流程图。
图2为本公开候选对象的获取方法另一个实施例的流程图。
图3为本公开候选对象的获取方法又一个实施例的流程图。
图4为本公开候选对象的获取装置一个实施例的结构示意图。
图5为本公开候选对象的获取装置另一个实施例的结构示意图。
图6为本公开电子设备一个应用实施例的框图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。
还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。
还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
图1为本公开候选对象的获取方法一个实施例的流程图。如图1所示，该实施例候选对象的获取方法包括：
102，针对第一级别的指标，基于所述第一级别的指标中各指标的参考值和权重值，从数据库中获取第一候选对象集。
其中，针对不同应用(APP)、不同对象，指标可以不同。例如，在对象为房源时，其指标可以是位置、户型、面积、价格、朝向、楼层等等。再如，在对象为餐厅时，其指标可以是距离、位置、人均消费单价、菜系等等。本公开实施例对应用对象及指标的范围不做限制。
权重值用于表示该指标的重要程度。针对不同应用，各指标的权重值也可以不同，各指标的权重值可以由应用开发者基于经验统一设置，也可以根据需求实时调整；或者，也可以由使用用户(例如发起搜索请求的用户)设置或者修改，本公开实施例对此不做限制。
例如，针对房源这一候选对象，其价格、面积这两个指标最重要，可以设置其权重值最高，位置、年代这两个指标虽然也很重要，但没有价格、面积指标重要，学区、人车分流、集体供暖这些指标也会有人参考，但比起前面的因素显的更不重要，则可以设置价格、面积的权重值最高，位置、年代的权重值次之，学区、人车分流、集体供暖的权重值最小。则在一个应用示例中，可以设置价格、面积、位置、年代、学区、人车分流、集体供暖的权重值分别为：10、8、6、7、3、1、2。
其中，各指标的参考值即各指标在取值上的参考值，例如对于房源，其指标单价的参考值为8000/m2，指标面积的参考值为80-90m2。本公开实施例中各指标的参考值可以是使用用户(例如搜索场景中发起搜索请求的用户)设置的参考值，也可以是推荐场景中针对使用用户的用户画像确定的参考值。本公开实施例对此不做限制。
104，依次针对N个级别中第i级别的指标，基于第i级别的指标中各指标的参考值和权重值，从第i-1候选对象集中获取排序靠前的第i预设数量的候选对象，得到第i候选对象集。
其中，用于获取候选对象的所有指标被预先划分为N个级别的指标，各级别的指标分别包括至少一个指标，第i-1级别的指标的权重值大于第i级别的指标的权重值，第i候选对象集中候选对象的数量小于第i-1候选对象集中候选对象的数量。N的取值为大于1的整数，i的取值依次为大于1且不小于N的整数。
例如，在一个应用示例中，N的取值为3，即用于获取候选对象的所有指标被预先划分为3个级别的指标，该104中i的取值依次为2、3，则对应获取得到第二候选对象集和第三候选对象集。
106，输出第N候选对象集。
基于本公开上述实施例提供的候选对象的获取方法，预先指标的权重值将用于获取候选对象的所有指标预先划分为N个级别的指标，第i-1级别的指标的权重值大于第i级别的指标的权重值；获取候选对象时，针对第一级别的指标，基于第一级别的指标中各指标的参考值和权重值，从数据库中获取第一候选对象集；依次针对之后的N个级别中第i级别的指标，基于第i级别的指标中各指标的参考值和权重值，从第i-1候选对象集中获取排序靠前的第i预设数量的候选对象，得到第i候选对象集，从而基于指标的权重值由大到小的顺序实现对候选对象的逐级筛选，最终得到第N候选对象集并输出。本公开实施例能够筛选出更符合用户需求的候选对象，提高搜索、推荐等应用效率，改善用户体验。
可选地，在本公开候选对象的获取方法的另一个实施例中，还可以包括：
基于用于获取候选对象的所有指标中各指标的权重值，将所述所有指标划分为N个级别的指标。其中N的数量可以根据需要实时调整。
例如，在其中一些可选示例中，可以将所述所有指标按照权重值从大到小的顺序对所有指标进行排序，按照指定的拆分位置(level_similarity_split)对排序后的所有指标进行分级，得到N个级别的指标。
其中，拆分位置，是将用于获取候选对象的所有指标划分为N个级别的位置。例如，假设用于获取候选对象的所有指标共有十个，可以表示为一个数组，该数组共有10个列，每个列的元素为一个指标，则拆分位置0.3、0.6分别表示在该数组的3/10处、6/10处进行拆分，即第1列-第3列为第一级别，第4列-第6列为第二级别，第7列-第10列为第三级别。另外，拆分位置也可以采用其他表示方式，本公开实施例对此不做限制。拆分位置，可以是预先设置的拆分位置，也可以是由用户临时指定的拆分位置，本公开实施例对此不做限制。
将所述所有指标按照权重值从大到小的顺序对所有指标进行排序，得到的即为所有指标从重要到相对不重要的排序。以下结合一个具体示例为例进行说明，假设所有指标共有10个，表示为一个数组，该数组共有10个列，每个列的元素为一个指标，该数组中各列(col)及其权重值表示为：{col1:2，col2:1.8，col3:20，col4:10，col5:8，…，col10:0.8}，其中，col1:2表示列1的权重值为2，col2:1.8表示列2的权重值为1.8，依次类推；将该数组的所有列按照权重值从大到小的顺序进行排序，得到的数组及各列的权重值为：{col3:20，col4:10，col5:8，col1:2，col2:1.8，col10:0.8，…}；之后，按照指定的拆分位置0.3、0.6对排序后的数组进行分级，得到3个级别的指标(level_similarity_group)，此时的3个级别的指标对应的结构可以表示为一个嵌套数组，例如：[[col3,col4,col5],[col1,col2,col10],[col6,col7,col8,col9]]，代表第一级别中col3的权重最高，col4次之，col5最小，同理，第二级别的col1权重比第一级别的col5低，后面的同理。或者，3个级别的指标也可以表示为：[col3,col4,col5],[col1,col2,col10],[col6,col7,col8,col9]。本公开实施例对分级得到N个级别的指标的表示形式不做限制。
或者，在另一些可选示例中，也可以将所述所有指标按照权重值从大到小的顺序对所有指标进行排序，按照指定的N个级别中各级别的指标数量对排序后的所有指标进行分级，得到N个级别的指标。
其中，指定的N个级别中各级别的指标数量，可以是预先设置的各级别的指标数量，也可以是由用户临时指定的各级别的指标数量，本公开实施例对此不做限制。
或者，在另一些可选示例中，也可以按照N个级别中各级别的指标数量，按照级别由小到大、以及权重值由大到小的顺序，依次从所有指标中选取各级别的指标数量的指标，得到N个级别的指标。
或者，在另一些可选示例中，还可以按照N个级别中各级别的指标数量，按照级别由大到小、以及权重值由小到大的顺序，依次从所有指标中选取各级别的指标数量的指标，得到N个级别的指标。
基于上述实施例，可以基于用于获取候选对象的所有指标中各指标的权重值，将所述所有指标合理划分为N个级别的指标，以用于筛选符合用户需求的候选对象。
可选地，在本公开候选对象的获取方法的另一个实施例中，还可以包括：
基于第i候选对象集中候选对象的数量、以及第i级别相对于第i-1级别候选对象的扩充比例(level_similarity_expand_ratio)，获取第i-1候选对象集中候选对象的数量。
其中，第i级别相对于第i-1级别候选对象的扩充比例，即，第i候选对象集中候选对象的数量相对于第i-1候选对象集中候选对象的数量的比例。
可以设置所有级别相对于前一级别的扩充比例相同，也可以根据权重值的大小等实际需求的不同，设置不同级别相对于前一级别的扩充比例不同，或者部分级别相对于前一级别的扩充比例相同、部分级别相对于前一级别的扩充比例不同，本公开实施例对此不做限制。
在实际应用中，可以分别根据最后一个级别需要筛选出的候选对象的数量(即：第i候选对象集中候选对象的数量)和各级别相对于前一级别的扩充比例、来确定前一级别候选对象的数量(即：候选对象集中候选对象的数量)。
例如，在一个具体应用示例中，所有级别相对于前一级别的扩充比例相同，扩充比例均为1.2，代表120％。假设用于获取候选对象的所有指标被预先划分为3个级别的指标，最后需要得到100个候选对象，即：第三级别对应的第三候选对象集中候选对象的数量为100，扩充比例均为1.2，第二级别对应的第二候选对象集中候选对象的数量为：100*1.2＝120；第一级别对应的第一候选对象集中候选对象的数量为：120*1.2＝144。由此，先基于第一级别的指标中各指标的参考值和权重值，从数据库中获取前144个候选对象作为第一候选对象集；然后再基于第二级别的指标中各指标的参考值和权重值对第一候选对象集中的后续对象进行重新排序，之后获取排序靠前的120个候选对象作为第二候选对象集；再基于第三级别的指标中各指标的参考值和权重值对第二候选对象集中的后续对象进行重新排序，之后获取排序靠前的100个候选对象作为第三候选对象集并输出。
如果数据库中候选对象的数量少于第一候选对象集中应该包括的候选对象的数量，则以数据库中的全部候选对象作为第一候选对象集中的候选对象；同理，如果第i-1候选对象集中候选对象的数量少于第i候选对象集中应该包括的候选对象的数量，则以第i-1候选对象集中的全部候选对象作为第i候选对象集中的候选对象，只需按照本公开实施例的方式对候选对象进行排序即可。
本公开实施例通过对指标按照权重值进行分级别的方式，基于每一级别的指标排序选取一个较大数量的候选对象，然后基于下一级别的指标对上一级别的候选对象重新排序并从中筛选较小数量的候选对象，依次类推，经过逐层排序并筛选，最终生成体现所有指标及其权重值的结果，从而能够筛选出更符合用户需求的候选对象，提高搜索、推荐等应用效率，改善用户体验。
图2为本公开候选对象的获取方法另一个实施例的流程图。如图2所示，在图1所示实施例的基础上，操作102可以包括：
1022，分别基于参考对象各指标的参考值、第一级别的指标中各指标的参考值和权重值，获取数据库中各候选对象在第一级别的指标中各指标的相似度。
1024，获取数据库中各候选对象在第一级别中所有指标的相似度。
1026，按照在第一级别中所有指标的相似度由高到低的顺序对数据库中的候选对象进行排序，并选取前第一数量的候选对象，作为第一候选对象集。
基于该实施例，可以获取数据库中各候选对象在第一级别的指标中各指标的相似度，基于相似度由高到低的顺序选取前第一数量的候选对象，来得到第一候选对象集。
图3为本公开候选对象的获取方法又一个实施例的流程图。如图3所示，在图1或图2所示实施例的基础上，操作104可以包括：
1042，分别基于参考对象各指标的参考值、第i级别的指标中各指标的参考值和权重值，获取第i-1候选对象集中各候选对象在第i级别的指标中各指标的相似度。
1044，获取第i-1候选对象集中各候选对象在第i级别中所有指标的总相似度。
1046，按照在第i级别中所有指标的总相似度由高到低的顺序对第i-1候选对象集中各候选对象进行排序，并选取前第i数量的候选对象，作为第i候选对象集。
基于该实施例，可以获取第i-1候选对象集中各候选对象在第i级别的指标中各指标的相似度，基于相似度由高到低的顺序前第i数量的候选对象，作为第i数量的候选对象，从而得到第i候选对象集。
另外，可选地，在上述图3所示实施例中，通过操作1044获取到第i-1候选对象集中各候选对象在第i级别中所有指标的总相似度之后，还可以包括：
1045，根据级别累积标识的取值确定是否累积。
其中，累积标识的取值用于表示筛选当前级别候选对象集中的候选对象时，是否累积上一级别候选对象集中各候选对象的相似度。可以设置累积标识的取值为1时表示累积，累积标识的取值为0时表示不累积。在实际应用中，可以根据具体场景、应用需求等因素确定是否需要累积上一级别候选对象集中各候选对象的相似度、然后相应设置级别累积标识的取值。例如，如果在一些应用场景中，当前级别中指标的权重值非常小，如果累积上一级别候选对象集中各候选对象的相似度，则当前级别中的指标几乎不会影响上一级别候选对象集中各候选对象的排序，则会导致当前级别中的指标没有发挥应用的价值，此时就不需要进行累积上一级别候选对象集中各候选对象的相似度。当然，本公开实施例对是否累积上一级别候选对象集中各候选对象的相似度的考虑因素不做限制。
若根据级别累积标识的取值确定累积，执行1048。否则，若根据级别累积标识的取值确定不累积，直接执行1046。
1048，分别针对第i-1候选对象集中各候选对象，将在第i级别中所有指标的总相似度与在第i-1级别中所有指标的总相似度进行累加，得到汇总相似度。
其中，相似度用于表示两个对象之间的相似程度，可以通过表示两个对象在同一指标的取值之间差异按照某种预设计算方式进行计算得到，例如，房源A的单价为8000m3，参考房源C的单价为8500m3，房源A与参考房源C在单价指标上的相似度可以通过如下方式计算：(8500-8000)/8500。本公开实施例对相似度的具体计算方式不做限制。
在其中一些可能的实现方式中，可以通过如下方式，计算一个候选对象A在第i级别中所有指标的总相似度：分别获取候选对象A在第i级别中各指标的取值与参考对象C在对应指标上的参考值之间的相似度，得到候选对象A与参考对象C在第i级别中各指标上的相似度，假设第i级别中有3个指标，候选对象A与参考对象C在第i级别中这3个指标上的相似度分别表示为：A1、A2、A3；假设候选对象A在第i级别中这3个指标上的权重值分别表示为：a1、a2、a3，将候选对象A与参考对象C在第i级别中这3个指标上的相似度分别与对应权重值(假设表示为)相乘、然后在求和，即得到候选对象A在第i级别中所有指标的总相似度：A0＝A1*a1+A2*a2+A3*a3。
假设用于获取候选对象的所有指标共有10个，第一级别的指标[col3,col4,col5]的权重值最高，第二级别的指标[col1,col2,col10]的权重值次之，第三级别的指标[col6,col7,col8,col9]的权重值最低，某两个候选对象，在第1级别中所有指标的总相似度分别为20、18，在第2级别中所有指标的总相似度分别为12、15，在第3级别中所有指标的总相似度分别为10、11。如果根据级别累积标识的取值确定不累积，则这两个候选对象在每一级别的总共相似度分别为[20,12,10]、[18,15,11]；如果根据级别累积标识的取值确定累积，则这两个候选对象在每一级别的总共相似度分别为[20,32,42]、[18,33,44]。
1050，按照在第i级别中所有指标的汇总相似度由高到低的顺序对第i-1候选对象集中各候选对象进行排序，并选取前第i数量的候选对象，作为第i候选对象集。
基于该实施例，可以基于实际需求确定是否对之前级别的相似度进行累积，从而选取更符合实际需求的候选对象。
本公开实施例可应用于搜索场景，此时，在上述各实施例的流程之前，还可以包括：接收用户客户端发送的搜索请求，该搜索请求中包括参考对象各指标的参考值，其中的参考对象即用户需要搜索的对象，各指标的参考值即参考对象在各指标上的取值，例如，在二手房源搜索场景中，用户可以输入二手房源的单价12000-15000元、面积80-99m3后发起搜索请求，则该搜索请求中参考对象各指标的参考值即为：单价12000-15000元；面积80-99m3。相应地，在上述实施例的106中，可以向用户客户端返回搜索结果，该搜索结果中包括上述第N候选对象集。
另外，本公开实施例可应用于推荐场景，此时，在上述各实施例的流程之前，还可以包括：基于用户画像确定参考对象各指标的参考值。相应地，在上述实施例的106中，可以向用户客户端返回推荐结果，该推荐结果中包括上述第N候选对象集。
其中的用户画像为当前用户(例如发起搜索请求是用户或者浏览相关信息的用户)的一些个性化的用户信息，例如可以包括但不限于：用户的年龄、性别、兴趣爱好、社会属性、生活习惯、消费行为等信息，用户信息可以从用户在向实现本公开实施例方法的装置注册时提供的信息获得，或者从用户在其他应用或者网站中注册时提供的信息获得。然而，本公开实施例对用户信息的获取不限于此。用户画像可以抽象为一个标签化的用户模型，作为影响因子之一，用于从数据库中查找该用户感兴趣的候选对象。
可选地，在本公开实施例的一些可能的实现方式中，上述候选对象可以是：房源。相应的，上述各指标例如可以包括但不限于以下任意一项或多项：单价、总价、面积、户型、楼龄、楼层、装修、电梯、用途、权属、区域、位置、年代、学区、人车分流、集体供暖、交通等等。
这样，基于上述实施例，可以实现对符合用户需求的房源的精准搜索或者推荐等。
另外，本公开实施例中的候选对象也可以是其他对象，例如电影、学校、商场、餐厅、酒店、美容院、理发店、图书、网站等等任意可以搜索或者推荐的对象。相应的，上述各指标为用于体现各其他对象各方面属性的指标。本公开实施例对候选对应及其对应的指标不作限制。
这样，基于上述实施例，可以实现对符合用户需求的各种对象的精准搜索或者推荐等。
本公开实施例提供的任一种候选对象的获取方法可以由任意适当的具有数据处理能力的设备执行，包括但不限于：终端设备和服务器等。或者，本公开实施例提供的任一种候选对象的获取方法可以由处理器执行，如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种候选对象的获取方法。下文不再赘述。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图4为本公开候选对象的获取装置一个实施例的结构示意图。本公开实施例候选对象的获取装置可用于实现本公开上述各候选对象的获取方法实施例，相应内容可以相互对应参考。如图4所示，该实施例的装置包括：第一获取模块，第二获取模块和输出模块。其中：
第一获取模块，用于针对第一级别的指标，基于所述第一级别的指标中各指标的参考值和权重值，从数据库中获取第一候选对象集。
第二获取模块，用于依次针对N个级别中第i级别的指标，基于所述第i级别的指标中各指标的参考值和权重值，从第i-1候选对象集中获取排序靠前的第i预设数量的候选对象，得到第i候选对象集；其中，用于获取候选对象的所有指标被预先划分为N个级别的指标，各级别的指标分别包括至少一个指标，第i-1级别的指标的权重值大于第i级别的指标的权重值，第i候选对象集中候选对象的数量小于第i-1候选对象集中候选对象的数量；N的取值为大于1的整数，i的取值依次为大于1且不小于N的整数。
输出模块，用于输出第N候选对象集。
基于本公开上述实施例提供的候选对象的获取装置，预先指标的权重值将用于获取候选对象的所有指标预先划分为N个级别的指标，第i-1级别的指标的权重值大于第i级别的指标的权重值；获取候选对象时，针对第一级别的指标，基于第一级别的指标中各指标的参考值和权重值，从数据库中获取第一候选对象集；依次针对之后的N个级别中第i级别的指标，基于第i级别的指标中各指标的参考值和权重值，从第i-1候选对象集中获取排序靠前的第i预设数量的候选对象，得到第i候选对象集，从而基于指标的权重值由大到小的顺序实现对候选对象的逐级筛选，最终得到第N候选对象集并输出。本公开实施例能够筛选出更符合用户需求的候选对象，提高搜索、推荐等应用效率，改善用户体验。
图5为本公开候选对象的获取装置另一个实施例的结构示意图。如图5所示，与图4所示的实施例相比，该实施例候选对象的获取装置还可以包括：划分模块，用于基于所述所有指标中各指标的权重值，将所述所有指标划分为N个级别的指标。
可选地，在本公开实施例的一些可能的实现方式中，所述划分模块，具体用于：
将所述所有指标按照权重值从大到小的顺序对所述所有指标进行排序，按照指定的拆分位置对排序后的所有指标进行分级，得到所述N个级别的指标；或者，
将所述所有指标按照权重值从大到小的顺序对所述所有指标进行排序，按照指定的N个级别中各级别的指标数量对排序后的所有指标进行分级，得到所述N个级别的指标；或者，
按照N个级别中各级别的指标数量，按照级别由小到大、以及权重值由大到小的顺序，依次从所述所有指标中选取各级别的指标数量的指标，得到所述N个级别的指标；或者，
按照N个级别中各级别的指标数量，按照级别由大到小、以及权重值由小到大的顺序，依次从所述所有指标中选取各级别的指标数量的指标，得到所述N个级别的指标。
可选地，再参见图5，本公开候选对象的获取装置还可以包括：第三获取模块，用于基于第i候选对象集中候选对象的数量、以及第i级别相对于第i-1级别候选对象的扩充比例，获取第i-1候选对象集中候选对象的数量。
可选地，在本公开实施例的一些可能的实现方式中，所述第一获取模块包括：第一获取单元，用于分别基于参考对象各指标的参考值、所述第一级别的指标中各指标的参考值和权重值，获取所述数据库中各候选对象在所述第一级别的指标中各指标的相似度；第二获取单元，用于获取所述数据库中各候选对象在所述第一级别中所有指标的相似度；第一选取单元，用于按照在所述第一级别中所有指标的相似度由高到低的顺序对所述数据库中的候选对象进行排序，并选取前第一数量的候选对象，作为所述第一候选对象集。
可选地，在本公开实施例的一些可能的实现方式中，所述第二获取模块包括：第三获取单元，用于分别基于参考对象各指标的参考值、所述第i级别的指标中各指标的参考值和权重值，获取所述第i-1候选对象集中各候选对象在所述第i级别的指标中各指标的相似度；第四获取单元，用于获取所述第i-1候选对象集中各候选对象在所述第i级别中所有指标的总相似度；第二选取单元，用于按照在所述第i级别中所有指标的总相似度由高到低的顺序对所述第i-1候选对象集中各候选对象进行排序，并选取前第i数量的候选对象，作为所述第i候选对象集。
可选地，在另一些可能的实现方式中，所述第二获取模块还可以包括：确定单元，用于根据级别累积标识的取值确定是否累积；累积单元，用于若根据级别累积标识的取值确定累积，分别针对所述第i-1候选对象集中各候选对象，将在所述第i级别中所有指标的总相似度与在所述第i-1级别中所有指标的总相似度进行累加，得到汇总相似度；所述第二选取单元，具体用于：若根据级别累积标识的取值确定累积，按照在所述第i级别中所有指标的汇总相似度由高到低的顺序对所述第i-1候选对象集中各候选对象进行排序，并选取前第i数量的候选对象，作为所述第i候选对象集；若根据级别累积标识的取值确定不累积，按照在所述第i级别中所有指标的总相似度由高到低的顺序对所述第i-1候选对象集中各候选对象进行排序，并选取前第i数量的候选对象，作为所述第i候选对象集。
可选地，再参见图5，在本公开候选对象的获取装置的又一实施例中，还可以包括：接收模块，用于接收搜索请求，所述搜索请求中包括参考对象各指标的参考值。相应地，该实施例中，所述输出模块，具体用于返回搜索结果，所述搜索结果中包括所述第N候选对象集。
或者，再参见图5，在本公开候选对象的获取装置的又一实施例中，还可以包括：确定模块，用于基于用户画像确定参考对象各指标的参考值。相应地，该实施例中，所述输出模块，具体用于返回推荐结果，所述推荐结果中包括所述第N候选对象集。
可选地，在本公开实施例的一些可能的实现方式中，所述候选对象包括：房源。相应地，所述各指标包括以下任意一项或多项：单价、总价、面积、户型、楼龄、楼层、装修、电梯、用途、权属、区域、位置、年代、学区、人车分流、集体供暖、交通。
另外，本公开实施例还提供了一种电子设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现本公开上述任一实施例候选对象的获取方法。
下面，参考图6来描述根据本公开实施例的电子设备。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备，该单机设备可以与第一设备和第二设备进行通信，以从它们接收所采集到的输入信号。
图6图示了根据本公开实施例的电子设备的框图。
如图6所示，电子设备包括一个或多个处理器和存储器。
处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备中的其他组件以执行期望的功能。
存储器可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器可以运行所述程序指令，以实现上文所述的本公开的各个实施例的候选对象的获取方法以及/或者其他期望的功能。
在一个示例中，电子设备还可以包括：输入装置和输出装置，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
例如，在该电子设备是第一设备或第二设备时，该输入装置可以是上述的麦克风或麦克风阵列，用于捕捉声源的输入信号。在该电子设备是单机设备时，该输入装置可以是通信网络连接器，用于从第一设备和第二设备接收所采集的输入信号。
此外，该输入设备还可以包括例如键盘、鼠标等等。
该输出装置可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出设备可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图6中仅示出了该电子设备中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备还可以包括任何其他适当的组件。
另外，本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现本公开上述任一实施例候选对象的获取方法。
除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述部分中描述的根据本公开各种实施例的候选对象的获取方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述部分中描述的根据本公开各种实施例的候选对象的获取方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是，在本公开的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种候选对象的获取方法，其特征在于，包括：
针对第一级别的指标，基于所述第一级别的指标中各指标的参考值和权重值，从数据库中获取第一候选对象集；
依次针对N个级别中第i级别的指标，基于所述第i级别的指标中各指标的参考值和权重值，从第i-1候选对象集中获取排序靠前的第i预设数量的候选对象，得到第i候选对象集；其中，用于获取候选对象的所有指标被预先划分为N个级别的指标，各级别的指标分别包括至少一个指标，第i-1级别的指标的权重值大于第i级别的指标的权重值，第i候选对象集中候选对象的数量小于第i-1候选对象集中候选对象的数量；N的取值为大于1的整数，i的取值依次为大于1且不小于N的整数；
输出第N候选对象集。
2.根据权利要求1所述的方法，其特征在于，还包括：
基于所述所有指标中各指标的权重值，将所述所有指标划分为N个级别的指标。
3.根据权利要求2所述的方法，其特征在于，所述基于所述所有指标中各指标的权重值，将所述所有指标划分为N个级别的指标，包括：
将所述所有指标按照权重值从大到小的顺序对所述所有指标进行排序，按照指定的拆分位置对排序后的所有指标进行分级，得到所述N个级别的指标；或者，
将所述所有指标按照权重值从大到小的顺序对所述所有指标进行排序，按照指定的N个级别中各级别的指标数量对排序后的所有指标进行分级，得到所述N个级别的指标；或者，
按照N个级别中各级别的指标数量，按照级别由小到大、以及权重值由大到小的顺序，依次从所述所有指标中选取各级别的指标数量的指标，得到所述N个级别的指标；或者，
按照N个级别中各级别的指标数量，按照级别由大到小、以及权重值由小到大的顺序，依次从所述所有指标中选取各级别的指标数量的指标，得到所述N个级别的指标。
4.根据权利要求1-3任一所述的方法，其特征在于，还包括：
基于第i候选对象集中候选对象的数量、以及第i级别相对于第i-1级别候选对象的扩充比例，获取第i-1候选对象集中候选对象的数量。
5.根据权利要求1-4任一所述的方法，其特征在于，所述基于所述第一级别的指标中各指标的参考值和权重值，从数据库中获取第一候选对象集，包括：
分别基于所述第一级别的指标中各指标的参考值和权重值，获取所述数据库中各候选对象在所述第一级别的指标中各指标的相似度；
获取所述数据库中各候选对象在所述第一级别中所有指标的相似度；
按照在所述第一级别中所有指标的相似度由高到低的顺序对所述数据库中的候选对象进行排序，并选取前第一数量的候选对象，作为所述第一候选对象集。
6.根据权利要求1-5任一所述的方法，其特征在于，所述基于所述第i级别的指标中各指标的参考值和权重值，从第i-1候选对象集中获取排序靠前的第i预设数量的候选对象，得到第i候选对象集，包括：
分别基于所述第i级别的指标中各指标的参考值和权重值，获取所述第i-1候选对象集中各候选对象在所述第i级别的指标中各指标的相似度；
获取所述第i-1候选对象集中各候选对象在所述第i级别中所有指标的总相似度；
按照在所述第i级别中所有指标的总相似度由高到低的顺序对所述第i-1候选对象集中各候选对象进行排序，并选取前第i数量的候选对象，作为所述第i候选对象集。
7.根据权利要求6所述的方法，其特征在于，所述获取所述第i-1候选对象集中各候选对象在所述第i级别中所有指标的相似度之后，还包括：
根据级别累积标识的取值确定是否累积；
若根据级别累积标识的取值确定累积，分别针对所述第i-1候选对象集中各候选对象，将在所述第i级别中所有指标的总相似度与在所述第i-1级别中所有指标的总相似度进行累加，得到汇总相似度；按照在所述第i级别中所有指标的汇总相似度由高到低的顺序对所述第i-1候选对象集中各候选对象进行排序，并选取前第i数量的候选对象，作为所述第i候选对象集；
若根据级别累积标识的取值确定不累积，执行所述按照在所述第i级别中所有指标的总相似度由高到低的顺序对所述第i-1候选对象集中各候选对象进行排序，并选取前第i数量的候选对象，作为所述第i候选对象集的操作。
8.一种候选对象的获取装置，其特征在于，包括：
第一获取模块，用于针对第一级别的指标，基于所述第一级别的指标中各指标的参考值和权重值，从数据库中获取第一候选对象集；
第二获取模块，用于依次针对N个级别中第i级别的指标，基于所述第i级别的指标中各指标的参考值和权重值，从第i-1候选对象集中获取排序靠前的第i预设数量的候选对象，得到第i候选对象集；其中，用于获取候选对象的所有指标被预先划分为N个级别的指标，各级别的指标分别包括至少一个指标，第i-1级别的指标的权重值大于第i级别的指标的权重值，第i候选对象集中候选对象的数量小于第i-1候选对象集中候选对象的数量；N的取值为大于1的整数，i的取值依次为大于1且不小于N的整数；
输出模块，用于输出第N候选对象集。
9.一种电子设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现上述权利要求1-7任一所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时，实现上述权利要求1-7任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911200323.4A CN110895590A (zh) | 2019-11-29 | 2019-11-29 | 候选对象的获取方法和装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911200323.4A CN110895590A (zh) | 2019-11-29 | 2019-11-29 | 候选对象的获取方法和装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110895590A true CN110895590A (zh) | 2020-03-20 |
Family
ID=69788070
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911200323.4A Pending CN110895590A (zh) | 2019-11-29 | 2019-11-29 | 候选对象的获取方法和装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110895590A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111798957A (zh) * | 2020-07-14 | 2020-10-20 | 成都桂枝堂健康科技有限公司 | 一种中药药方的分析方法 |
| CN113010760A (zh) * | 2021-03-26 | 2021-06-22 | 青岛九石智能科技股份有限公司 | 用于选酒的方法、装置和智能酒柜 |
| CN111798957B (zh) * | 2020-07-14 | 2024-06-04 | 成都万维图新信息技术有限公司 | 一种中药药方的分析方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103389996A (zh) * | 2012-05-10 | 2013-11-13 | 上海爱相随信息科技有限公司 | 网络婚恋智能递进推荐系统 |
| CN103679386A (zh) * | 2013-12-25 | 2014-03-26 | 深圳市盈富在线信息科技有限公司 | 一种资讯数据处理方法及资讯数据处理的客户端 |
| CN104834731A (zh) * | 2015-05-15 | 2015-08-12 | 百度在线网络技术（北京）有限公司 | 一种自媒体信息的推荐方法及装置 |
| CN105824855A (zh) * | 2015-01-09 | 2016-08-03 | 阿里巴巴集团控股有限公司 | 一种对数据对象筛选分类的方法、装置以及电子设备 |
| US10224035B1 (en) * | 2018-09-03 | 2019-03-05 | Primo Llc | Voice search assistant |
-
2019
- 2019-11-29 CN CN201911200323.4A patent/CN110895590A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103389996A (zh) * | 2012-05-10 | 2013-11-13 | 上海爱相随信息科技有限公司 | 网络婚恋智能递进推荐系统 |
| CN103679386A (zh) * | 2013-12-25 | 2014-03-26 | 深圳市盈富在线信息科技有限公司 | 一种资讯数据处理方法及资讯数据处理的客户端 |
| CN105824855A (zh) * | 2015-01-09 | 2016-08-03 | 阿里巴巴集团控股有限公司 | 一种对数据对象筛选分类的方法、装置以及电子设备 |
| CN104834731A (zh) * | 2015-05-15 | 2015-08-12 | 百度在线网络技术（北京）有限公司 | 一种自媒体信息的推荐方法及装置 |
| US10224035B1 (en) * | 2018-09-03 | 2019-03-05 | Primo Llc | Voice search assistant |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111798957A (zh) * | 2020-07-14 | 2020-10-20 | 成都桂枝堂健康科技有限公司 | 一种中药药方的分析方法 |
| CN111798957B (zh) * | 2020-07-14 | 2024-06-04 | 成都万维图新信息技术有限公司 | 一种中药药方的分析方法 |
| CN113010760A (zh) * | 2021-03-26 | 2021-06-22 | 青岛九石智能科技股份有限公司 | 用于选酒的方法、装置和智能酒柜 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108304444B (zh) | 信息查询方法及装置 | |
| US10755332B2 (en) | Multi-perceptual similarity detection and resolution | |
| CN106951527B (zh) | 一种歌曲推荐方法及装置 | |
| CN111353862B (zh) | 商品的推荐方法和装置、电子设备和存储介质 | |
| WO2013192093A1 (en) | Search method and apparatus | |
| CN113852858A (zh) | 视频处理方法及电子设备 | |
| US20140310263A1 (en) | Method and Apparatus of Recommending an Internet Transaction | |
| CN108536786A (zh) | 一种信息推荐方法、装置、服务器及存储介质 | |
| CN111159563A (zh) | 用户兴趣点信息的确定方法、装置、设备及存储介质 | |
| CN110546633A (zh) | 文档的基于命名实体的类别标签添加 | |
| US20130325861A1 (en) | Data Clustering for Multi-Layer Social Link Analysis | |
| CN106777201B (zh) | 搜索结果页上的推荐数据的排序方法及装置 | |
| CN106953937B (zh) | 一种统一资源定位符url转换方法及装置 | |
| JP2017146926A (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
| US9792527B2 (en) | Automated slide comparator | |
| CN111198961B (zh) | 商品搜索方法、装置及服务器 | |
| CN110895590A (zh) | 候选对象的获取方法和装置、电子设备和存储介质 | |
| US11372846B2 (en) | Generating and utilizing pre-allocated storage space | |
| CN104598585A (zh) | 信息搜索方法及装置 | |
| US20140244633A1 (en) | Relevance-weighted attribute sorting apparatus and method | |
| KR102372432B1 (ko) | 클릭 및 노출 정보를 활용한 추천 콘텐츠 제공 방법, 장치 및 시스템 | |
| CN112395517B (zh) | 房源搜索展示方法、装置及计算机可读存储介质 | |
| CN112783468A (zh) | 目标对象的排序方法和排序装置 | |
| CN110852078A (zh) | 生成标题的方法和装置 | |
| CN115423555A (zh) | 一种商品推荐方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200507 Address after: 100085 Floor 102-1, Building No. 35, West Second Banner Road, Haidian District, Beijing Applicant after: Seashell Housing (Beijing) Technology Co.,Ltd. Address before: 300 457 days Unit 5, Room 1, 112, Room 1, Office Building C, Nangang Industrial Zone, Binhai New Area Economic and Technological Development Zone, Tianjin Applicant before: BEIKE TECHNOLOGY Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200320 |