CN112700296B - 业务对象搜索/属性确定方法、装置、系统及设备 - Google Patents
业务对象搜索/属性确定方法、装置、系统及设备 Download PDFInfo
- Publication number
- CN112700296B CN112700296B CN201911013789.3A CN201911013789A CN112700296B CN 112700296 B CN112700296 B CN 112700296B CN 201911013789 A CN201911013789 A CN 201911013789A CN 112700296 B CN112700296 B CN 112700296B
- Authority
- CN
- China
- Prior art keywords
- attribute
- target
- decoupling
- business
- similar
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06F16/9532—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
Abstract
本申请公开了业务对象搜索系统、方法和装置,以及相关方法、装置、系统及设备。其中,业务对象搜索方法包括:接收针对目标业务对象的相似业务对象搜索请求;获取目标业务对象和候选业务对象的第一属性解耦表征向量;根据第一属性解耦表征向量和属性值差异信息,从候选业务对象中确定与目标业务对象在目标属性上具有属性值差异信息、在非目标属性上相同或相似的业务对象;向请求方回送相似业务对象。采用这种处理方式,一方面,可以有效增加单因子控制搜索的搜索维度,达到基于用户心智的搜索效果,从而提升用户体验;另一方面,可以有效提升搜索结果的召回率和准确率。
Description
技术领域
本申请涉及数据处理技术领域,具体涉及业务对象搜索方法、装置及系统,业务对象推荐方法、装置及系统,以及电子设备。
背景技术
在电商网站购物,用户通常会通过搜索引擎或筛选器,快速定位到目标商品。传统的搜索引擎提供了的以下几种搜索排序方式:
(1)基于关键字查询:根据用户输入或者系统提示的关键字、或者商品属性Q进行匹配搜索,并基于实体中显式的属性进行单属性或多属性的排序。系统先对实体进行索引构建,例如对标题、描述文本、类目属性等建立倒排索引,之后对属性Q进行扩充、改写等操作,再对索引进行查找。
(2)基于目标实体的相似查询:根据给定的实体,搜索与其类似的商品。常见的搜相似的技术有基于协同过滤与基于内容属性的搜索。其中,基于协同过滤的搜索技术为,给定一个实体,利用全体用户与全体实体的行为记录,找出相似的实体;基于内容属性的搜索技术为,利用实体的属性值与(1)中的关键字搜索技术,查找相似实体。
上述传统搜索方式可以回答用户的两个问题:“有没有和这个T恤类似的”,以及“有没有和‘夏季T恤’相关的实体”。为了满足用户日益增长的复杂的搜索需求,以提高电商平台的竞争力,目前电商搜索要提供更进一步的搜索服务,使得能够回答客户这样的问题:“有没有和这个T恤类似,但风格更成熟一点的”。该问题意在找到与目标T恤类似,仅‘风格’这个“隐式属性(隐藏变量)”改变但其他属性尽量保持不变的搜索结果。该类问题实质为单因子控制搜索问题。所谓单因子控制搜索,是指从一个实体开始,只改变其解耦表征中一个因子,控制其他因子不变得到搜索结果的过程。
然而,在实现本发明过程中,发明人发现在面对上述新的搜索需求时,基于目标实体进行相似查询的现有方案至少存在如下问题:1)上述基于协同过滤的搜索方式,无法实现单因子控制搜索;2)要基于内容属性搜索技术实现单因子控制搜索,需要枚举可能的属性,并显式给出这些属性的具体值,但过多的搜索词会急剧降低搜索匹配到的数量和准确度。
综上所述,在面对搜索需求“找到与目标商品类似,仅商品的某个隐示属性(如风格)改变,但商品的其它属性尽量保持不变的商品搜索结果”时,现有技术存在搜索结果召回率和准确率均较低的问题。因此,如何提升单因子控制搜索方式的搜索结果召回率和准确率,成为本领域技术人员迫切需要解决的问题。
发明内容
本申请提供业务对象搜索方法,以解决现有技术存在的搜索结果召回率和准确率均较低的问题。本申请另外提供业务对象搜索装置和系统,业务对象推荐装置和系统,以及电子设备。
本申请提供一种业务对象搜索方法,包括:
接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向请求方回送相似业务对象。
可选的,所述第一属性解耦表征向量包括以下属性的至少一种:业务对象的隐式属性,连续型的显示属性。
可选的,还包括:
从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量。
可选的,所述方法还包括:
将与所述目标业务对象属于相同第一对象类目的业务对象作为候选业务对象;
所述相似业务对象采用如下步骤确定:
根据所述候选业务对象的第一属性解耦表征向量,确定所述目标属性的第一取值范围;
根据所述第一取值范围和所述属性值差异信息,确定所述相似业务对象在目标属性的第二取值范围;
根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、所述第二取值范围,从候选业务对象中确定所述相似业务对象。
可选的,所述根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、所述第二取值范围,从候选业务对象中确定所述相似业务对象,包括:
将所述第二取值范围划分为多个子取值范围;
从各个子取值范围中选取所述相似业务对象。
可选的,还包括:
从所述访问行为数据中学习得到各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述第一对象类目包括与业务对象的预设的第二对象类目不同的类目;
根据所述第一属性解耦表征向量和所述第二属性解耦表征向量,确定各个业务对象与各个第一对象类目的原型业务对象间的相似度;
根据所述相似度,确定各个业务对象所属的第一对象类目;
所述相似业务对象包括与目标业务对象具有不同第二对象类目的业务对象。
可选的,所述根据所述相似度,确定所述目标业务对象所属的第一对象类目,包括:
将相似度最高的第一对象类目作为所述目标业务对象所属的第一对象类目。
可选的,还包括:
从所述访问行为数据中学习得到各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述第一对象类目包括与业务对象的预设的第二对象类目不同的类目;
所述相似业务对象采用如下步骤确定:
根据所述目标业务对象的第一属性解耦表征向量、各个第一对象类目的所述第二属性解耦表征向量,通过二分搜索算法确定相似业务对象在目标属性上的取值范围,使得第一相似度大于第二相似度;所述第一相似度,包括与目标业务对象在非目标属性上相同或相似、目标属性在所述取值范围内的业务对象、与所述目标业务对象所属第一对象类目的原型业务对象间相似度;所述第二相似度包括与目标业务对象在非目标属性上相同或相似、目标属性在所述取值范围内的业务对象、与所述目标业务对象所属第一对象类目以外的第一对象类目的原型业务对象间相似度;
根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、所述取值范围和所述属性值差异信息,从候选业务对象中确定所述相似业务对象。
可选的,所述根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、所述取值范围和所述属性值差异信息,从候选业务对象中确定所述相似业务对象,包括:
将所述取值范围划分为多个子取值范围;
从各个子取值范围中选取所述相似业务对象。
可选的,还包括:
将与所述目标业务对象属于相同第一对象类目的业务对象作为候选业务对象。
可选的,还包括:
所述第一对象类目包括与业务对象的预设的第二对象类目不同的类目;
所述相似业务对象包括与目标业务对象具有不同第二对象类目的业务对象。
可选的,所述目标业务对象包括第二对象类目为服装类目的目标服装;
所述相似业务对象包括第二对象类目为非服装类目的相似服装。
可选的,所述第一对象类目包括服装类目;
所述隐式属性包括服装风格属性;
所述属性值差异信息包括风格更成熟。
可选的,所述第一对象类目包括服装类目;
所述显示属性包括服装尺码属性;
所述属性值差异信息包括尺码更大。
可选的,所述业务对象包括商品对象。
本申请还提供一种业务对象属性确定方法,包括:
确定用户与其历史访问业务对象间的第一对应关系集;
构建业务对象属性解耦表征向量学习网络;
通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量,所述学习网络根据所述第一属性解耦表征向量确定出所述第一对应关系集。
可选的,通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量、和各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述学习网络根据所述第一属性解耦表征向量和第二属性解耦表征向量,确定出所述第一对应关系集。
可选的,所述学习网络采用如下步骤训练:
确定所述第一属性解耦表征向量的初始值、所述第二属性解耦表征向量的初始值;
通过所述学习网络包括的用户行为数据预测子网络,根据所述第一属性解耦表征向量的当前值和所述第二属性解耦表征向量的当前值,确定用户与其历史访问业务对象间的第二对应关系集;
通过所述学习网络包括的判断子网络,判断所述第一对应关系集与第二对应关系集间的差距是否小于差距阈值;若是,则结束网络训练;若否,则调整所述第一属性解耦表征向量的当前值和所述第二属性解耦表征向量的当前值、及所述学习网络的参数,根据调整后的网络参数继续学习。
可选的,所述用户行为数据预测子网络包括:
第一子网络,用于针对各个第一对象类目,根据所述第一对象类目下的第一属性解耦表征向量的当前值和所述第二属性解耦表征向量的当前值,确定第三属性解耦表征向量;所述第三属性解耦表征向量包括用户对第一对象类目下业务对象各属性的偏好得分;
第二子网络,用于针对各个第一对象类目,根据与所述第一对象类目对应的所述第三属性解耦表征向量,确定用户对第一对象类目下业务对象的访问行为数据,作为所述第二对应关系。
可选的,所述第一子网络包括:
第三子网络,用于根据用户历史访问业务对象的第一属性解耦表征向量的当前值和各个第一对象类目的第二属性解耦表征向量的当前值,确定所述业务对象与各个第一对象类目间的第三对应关系;
多个第四子网络,用于根据与所述第四子网络对应的第一对象类目下业务对象的第一属性解耦表征向量的当前值和所述对应的第一对象类目的第二属性解耦表征向量的当前值,确定所述对应的第一对象类目的第一属性解耦表征向量的当前值的加权求和值,作为所述对应的第一对象类目的第四属性解耦表征向量的当前值;
多个第五子网络,用于根据与所述第五子网络对应的第一对象类目的所述第四属性解耦表征向量的当前值,确定所述对应的第一对象类目下业务对象的均值向量的当前值及方差向量的当前值;
多个第六子网络,用于根据与所述第六子网络对应的第一对象类目的所述均值向量及方差向量,确定所述第三属性解耦表征向量的当前值。
可选的,所述第六子网络,具体用于根据所述均值向量及方差向量,确定第一对象类目下业务对象的概率分布;根据所述概率分布,重参化得到所述第三属性解耦表征向量的当前值。
可选的,所述第一子网络的网络结构包括胶囊网络的编码器;
所述第二子网络的网络结构包括胶囊网络的解码器。
本申请还提供一种业务对象搜索请求方法,包括:
确定待处理的目标业务对象;
向服务端发送针对所述目标业务对象的相似对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;
接收所述服务端回送的所述目标业务对象的相似业务对象;
展示所述相似业务对象。
可选的,所述目标属性包括隐式属性和/或连续型的显示属性;
本申请还提供一种业务对象搜索装置,包括:
请求接收单元,用于接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;
属性解耦向量获取单元,用于获取目标业务对象和候选业务对象的第一属性解耦表征向量;
相似业务对象确定单元,用于根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
相似业务对象回送单元,用于向请求方回送相似业务对象。
本申请还提供一种业务对象搜索请求装置,包括:
目标业务对象确定单元,用于确定待处理的目标业务对象;
请求发送单元,用于向服务端发送针对所述目标业务对象的相似对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;
相似业务对象接收单元,用于接收所述服务端回送的所述目标业务对象的相似业务对象;
相似业务对象展示单元,用于展示所述相似业务对象。
本申请还提供一种业务对象搜索系统,包括:上述业务对象搜索装置;以及,上述业务对象搜索请求装置。
本申请还提供一种电子设备,包括:
处理器;以及
存储器,用于存储实现业务对象搜索方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;获取目标业务对象和候选业务对象的第一属性解耦表征向量;根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;向请求方回送相似业务对象。
本申请还提供一种电子设备,包括:
处理器;以及
存储器,用于存储实现业务对象搜索请求方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定待处理的目标业务对象;向服务端发送针对所述目标业务对象的相似对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;接收所述服务端回送的所述目标业务对象的相似业务对象;展示所述相似业务对象。
本申请还提供一种业务对象属性确定装置,包括:
训练数据确定单元,用于确定用户与其历史访问业务对象间的第一对应关系集;
网络构建单元,用于构建业务对象属性解耦表征向量学习网络;
网络训练单元,用于通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量,所述学习网络根据所述第一属性解耦表征向量确定出所述第一对应关系集。
本申请还提供一种电子设备,本申请还提供包括:
处理器;以及
存储器,用于存储实现业务对象属性确定方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定用户与其历史访问业务对象间的第一对应关系集;构建业务对象属性解耦表征向量学习网络;通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量,所述学习网络根据所述第一属性解耦表征向量确定出所述第一对应关系集。
本申请还提供一种业务对象类目确定方法,包括:
确定用户与其历史访问业务对象间的第一对应关系集;
构建业务对象属性解耦表征向量学习网络;
通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量、和各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述学习网络根据所述第一属性解耦表征向量和第二属性解耦表征向量,确定出所述第一对应关系集;
根据所述第一属性解耦表征向量和所述第二属性解耦表征向量,确定所述业务对象所属的第一对象类目。
本申请还提供一种业务对象类目确定装置,包括:
训练数据确定单元,用于确定用户与其历史访问业务对象间的第一对应关系集;
网络构建单元,用于构建业务对象属性解耦表征向量学习网络;
网络训练单元,用于通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量、和各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述学习网络根据所述第一属性解耦表征向量和第二属性解耦表征向量,确定出所述第一对应关系集;
类目确定单元,用于根据所述第一属性解耦表征向量和所述第二属性解耦表征向量,确定所述业务对象所属的第一对象类目。
本申请还提供一种电子设备,包括:
处理器;以及
存储器,用于存储实现业务对象类目确定方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定用户与其历史访问业务对象间的第一对应关系集;构建业务对象属性解耦表征向量学习网络;通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量、和各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述学习网络根据所述第一属性解耦表征向量和第二属性解耦表征向量,确定出所述第一对应关系集;根据所述第一属性解耦表征向量和所述第二属性解耦表征向量,确定所述业务对象所属的第一对象类目。
本申请还提供一种业务对象发布方法,包括:
从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;
确定所述第一属性解耦表征向量中各维度属性名信息;
根据所述各维度属性名信息和属性值,发布所述业务对象。
可选的,还包括:
从用户对业务对象的访问行为数据中学习得到各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述学习网络根据所述第一属性解耦表征向量和第二属性解耦表征向量,确定出所述第一对应关系集;
根据所述第一属性解耦表征向量和所述第二属性解耦表征向量,确定所述业务对象所属的第一对象类目;
将所述业务对象发布在所述第一对象类目下。
本申请还提供一种业务对象发布装置,包括:
属性解耦单元,用于从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;
属性名确定单元,用于确定所述第一属性解耦表征向量中各维度属性名信息;
业务对象发布单元,用于根据所述各维度属性名信息和属性值,发布所述业务对象。
本申请还提供一种电子设备,包括:
处理器;以及
存储器,用于存储实现业务对象发布方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;确定所述第一属性解耦表征向量中各维度属性名信息;根据所述各维度属性名信息和属性值,发布所述业务对象。
本申请还提供一种相似服装对象确定方法,包括:
从用户对商品对象的访问行为数据中学习得到商品对象的第一属性解耦表征向量;
确定目标服装对象、及相似服装对象相对目标服装对象在目标属性上的属性值差异信息;
获取目标服装对象和候选服装对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选服装对象中确定与所述目标服装对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的服装对象。
可选的,所述第一属性解耦表征向量包括隐式属性和/或连续型的显示属性。
可选的,所述隐式属性包括服装风格属性;
所述属性值差异信息包括风格更成熟。
可选的,所述目标服装对象包括服装类目下的服装对象;
所述相似服装对象包括非服装类目的服装对象。
本申请还提供一种相似服装对象确定装置,包括:
属性解耦单元,用于从用户对商品对象的访问行为数据中学习得到商品对象的第一属性解耦表征向量;
属性值差异信息确定单元,用于确定目标服装对象、及相似服装对象相对目标服装对象在目标属性上的属性值差异信息;
向量获取单元,用于获取目标服装对象和候选服装对象的第一属性解耦表征向量;
相似服装对象确定单元,用于根据所述第一属性解耦表征向量和所述属性值差异信息,从候选服装对象中确定与所述目标服装对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的服装对象。
本申请还提供一种电子设备,包括:
处理器;以及
存储器,用于存储实现相似服装对象确定方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:从用户对商品对象的访问行为数据中学习得到商品对象的第一属性解耦表征向量;确定目标服装对象、及相似服装对象相对目标服装对象在目标属性上的属性值差异信息;获取目标服装对象和候选服装对象的第一属性解耦表征向量;根据所述第一属性解耦表征向量和所述属性值差异信息,从候选服装对象中确定与所述目标服装对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的服装对象。
本申请还提供一种服装对象设计方法,包括:
确定待调整的服装对象及其在待调整属性上的调整目标信息;
获取待调整的服装对象和候选服装对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象间在待调整属性上达到所述调整目标信息、在非目标属性上相同或相似的服装对象;
根据相似服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标。
可选的,所述根据相似服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标,包括:
获取所述相似服装对象的图片信息;
根据所述图片信息,调整所述待调整的服装对象。
可选的,所述方法还包括:
从用户对服装对象的访问行为数据中学习得到服装对象的第一属性解耦表征向量。
可选的,所述第一属性解耦表征向量包括隐式属性和/或连续型的显示属性;
本申请还提供一种服装对象设计装置,包括:
数据确定单元,用于确定待调整的服装对象及其在待调整属性上的调整目标信息;
向量获取单元,用于获取待调整的服装对象和候选服装对象的第一属性解耦表征向量;
相似服装对象确定单元,用于根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象间在待调整属性上达到所述调整目标信息、在非目标属性上相同或相似的服装对象;
服装对象调整单元,用于根据相似服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标。
本申请还提供一种电子设备,包括:
处理器;以及
存储器,用于存储实现服装对象设计方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定待调整的服装对象及其在待调整属性上的调整目标信息;获取待调整的服装对象和候选服装对象的第一属性解耦表征向量;根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象间在待调整属性上达到所述调整目标信息、在非目标属性上相同或相似的服装对象;根据相似服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标。
本申请还提供一种服装对象设计方法,包括:
确定待调整的服装对象及其在待调整属性上的调整目标信息;
获取待调整的服装对象和候选服装对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象在待调整属性上相似的第一服装对象;
根据所述第一属性解耦表征向量,从候选服装对象中确定与所述第一服装对象在待调整属性上达到所述调整目标信息、在非待调整属性上相似的第二服装对象;
根据第二服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标。
可选的,从用户对服装对象的访问行为数据中学习得到服装对象的第一属性解耦表征向量。
可选的,所述第一属性解耦表征向量包括隐式属性和/或连续型的显示属性;
可选的,所述候选服装对象包括与待调整的服装对象具有相同服装子类目的服装对象。
可选的,所述候选服装对象包括与待调整的服装对象具有不同服装子类目的服装对象。
可选的,服装类目包括如下服装子类目:衬衫,裤子,裙子,外套。
可选的,还包括:
从用户对服装对象的访问行为数据中学习得到各个服装子类目的原型服装对象的第二属性解耦表征向量;
根据所述第一属性解耦表征向量和所述第二属性解耦表征向量,确定各个服装对象与各个服装子类目的原型业务对象间的相似度;
根据所述相似度,确定所述服装对象所属的服装子类目;确定出的服装子类目包括与服装对象的预设的服装子类目不同的类目。
本申请还提供一种服装对象设计装置,包括:
数据确定单元,用于确定待调整的服装对象及其在待调整属性上的调整目标信息;
向量获取单元,用于获取待调整的服装对象和候选服装对象的第一属性解耦表征向量;
第一服装对象确定单元,用于根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象在待调整属性上相似的第一服装对象;
第二服装对象确定单元,用于根据所述第一属性解耦表征向量,从候选服装对象中确定与所述第一服装对象在待调整属性上达到所述调整目标信息、在非待调整属性上相似的第二服装对象;
服装对象调整单元,用于根据第二服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标。
本申请还提供一种电子设备,包括:
处理器;以及
存储器,用于存储实现服装对象设计方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定待调整的服装对象及其在待调整属性上的调整目标信息;获取待调整的服装对象和候选服装对象的第一属性解耦表征向量;根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象在待调整属性上相似的第一服装对象;根据所述第一属性解耦表征向量,从候选服装对象中确定与所述第一服装对象在待调整属性上达到所述调整目标信息、在非待调整属性上相似的第二服装对象;根据第二服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标。
本申请还提供一种用于确定业务对象属性调整步长的方法,包括:
从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;
针对各个业务对象类目,根据所述业务对象类目下业务对象的第一属性解耦表征向量,确定所述业务对象类目的业务对象的至少一个维度属性的属性值范围信息;
根据所述属性值范围信息,确定至少一个维度属性的属性值调整步长。
可选的,所述第一属性解耦表征向量包括隐式属性和/或连续型的显示属性;
本申请还提供一种用于确定业务对象属性调整步长的装置,包括:
属性解耦单元,用于从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;
属性值范围确定单元,用于针对各个业务对象类目,根据所述业务对象类目下业务对象的第一属性解耦表征向量,确定所述业务对象类目的业务对象的至少一个维度属性的属性值范围信息;
调整步长确定单元,用于根据所述属性值范围信息,确定至少一个维度属性的属性值调整步长。
本申请还提供一种电子设备,包括:
处理器;以及
存储器,用于存储实现用于确定业务对象属性调整步长的方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;针对各个业务对象类目,根据所述业务对象类目下业务对象的第一属性解耦表征向量,确定所述业务对象类目的业务对象的至少一个维度属性的属性值范围信息;根据所述属性值范围信息,确定至少一个维度属性的属性值调整步长。
本申请还提供一种业务对象推荐方法,包括:
从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量、及各个第一对象类目的原型业务对象的第二属性解耦表征向量;
确定所述第一属性解耦表征向量中各维度属性名信息;
接收针对目标业务对象的可调整属性信息获取请求;
根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、各个第一对象类目的所述第二属性解耦表征向量,确定相似业务对象在各个属性上的取值范围,使得第一相似度大于第二相似度;所述第一相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目的原型业务对象间相似度;所述第二相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目以外的第一对象类目的原型业务对象间相似度;
向请求方回送所述各维度属性名信息和所述取值范围。
本申请还提供一种业务对象推荐请求方法,包括:
确定待处理的目标业务对象;
向服务端发送针对所述目标业务对象的可调整属性信息获取请求;
展示所述目标业务对象的可调整属性信息。
可选的,所述可调整属性信息包括:可调整属性名和属性值取值范围。
可选的,还包括:
根据所述可调整属性信息,确定相似业务对象相对目标业务对象在目标属性上的属性值差异信息;
向服务端发送针对所述目标业务对象的相似对象搜索请求;所述搜索请求包括所述属性值差异信息;
接收所述服务端回送的所述目标业务对象的相似业务对象;
展示所述相似业务对象。
本申请还提供一种业务对象推荐装置,包括:
属性解耦单元,用于从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量、及各个第一对象类目的原型业务对象的第二属性解耦表征向量;
属性名确定单元,用于确定所述第一属性解耦表征向量中各维度属性名信息;
请求接收单元,用于接收针对目标业务对象的可调整属性信息获取请求;
取值范围确定单元,用于根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、各个第一对象类目的所述第二属性解耦表征向量,确定相似业务对象在各个属性上的取值范围,使得第一相似度大于第二相似度;所述第一相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目的原型业务对象间相似度;所述第二相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目以外的第一对象类目的原型业务对象间相似度;
可调整属性信息回送单元,用于向请求方回送所述各维度属性名信息和所述取值范围。
本申请还提供一种业务对象推荐请求装置,包括:
目标业务对象确定单元,用于确定待处理的目标业务对象;
请求发送单元,用于向服务端发送针对所述目标业务对象的可调整属性信息获取请求;
可调整属性信息展示单元,用于展示所述目标业务对象的可调整属性信息。
本申请还提供一种业务对象搜索系统,包括:
根据上述业务对象推荐装置;以及,根据上述业务对象推荐请求装置。
本申请还提供一种业务对象搜索方法,包括:
接收客户端发送的针对目标图像的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;
根据所述语音数据或文本数据,确定所述目标属性和属性值差异信息;
根据所述目标图像和所述属性值差异信息,确定所述相似业务对象;所述相似业务对象是与所述目标图像在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向客户端回送所述相似业务对象。
可选的,所述相似业务对象采用如下步骤确定:
确定与目标图像对应的目标业务对象;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性差异信息,从候选业务对象中确定相似业务对象。
本申请还提供一种业务对象搜索请求方法,包括:
确定目标图像、及相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;
向服务端发送针对目标图像的相似业务对象搜索请求;所述搜索请求包括所述语音数据或所述文本数据;
接收所述服务端回送的所述目标图像的相似业务对象;
展示所述相似业务对象。
本申请还提供一种业务对象搜索装置,包括:
请求接收单元,用于接收客户端发送的针对目标图像的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;
属性差异信息确定单元,用于根据所述语音数据或文本数据,确定所述目标属性和属性值差异信息;
相似业务对象确定单元,用于根据所述目标图像和所述属性值差异信息,确定所述相似业务对象;所述相似业务对象是与所述目标图像在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
数据回送单元,用于向客户端回送所述相似业务对象。
本申请还提供一种业务对象搜索请求装置,包括:
数据确定单元,用于确定目标图像、及相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;
请求发送单元,用于向服务端发送针对目标图像的相似业务对象搜索请求;所述搜索请求包括所述语音数据或所述文本数据;
数据接收单元,用于接收所述服务端回送的所述目标图像的相似业务对象;
数据展示单元,用于展示所述相似业务对象。
本申请还提供一种业务对象搜索系统,包括:
根据上述的业务对象搜索装置;以及,根据上述的业务对象搜索请求装置。
本申请还提供一种电子设备,包括:
处理器;以及
存储器,用于存储实现业务对象搜索方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:接收客户端发送的针对目标图像的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;根据所述语音数据或文本数据,确定所述目标属性和属性值差异信息;根据所述目标图像和所述属性值差异信息,确定所述相似业务对象;所述相似业务对象是与所述目标图像在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;向客户端回送所述相似业务对象。
本申请还提供一种电子设备,包括:
处理器;以及
存储器,用于存储实现业务对象搜索请求方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定目标图像、及相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;向服务端发送针对目标图像的相似业务对象搜索请求;所述搜索请求包括所述语音数据或所述文本数据;接收所述服务端回送的所述目标图像的相似业务对象;展示所述相似业务对象。
可选的,所述电子设备包括智能音箱;
所述智能音箱包括图像采集装置和声音采集装置;
通过所述图像采集装置采集所述目标图像;
通过所述声音采集装置采集所述语音数据。
可选的,所述电子设备包括智能移动通讯设备;
所述智能移动通讯设备包括:图像采集装置,声音采集装置,触摸屏;
通过所述图像采集装置采集所述目标图像;
通过所述声音采集装置采集所述语音数据;或者,通过触摸屏获取所述文本数据。
本申请还提供一种业务对象搜索方法,包括:
接收客户端发送的针对目标服装对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标服装对象在目标属性上的属性差异信息;
确定所述相似业务对象;所述相似业务对象是与所述目标服装对象在目标属性上具有所述属性差异信息、在非目标属性上相同或相似的业务对象;
向客户端回送所述相似业务对象。
可选的,所述搜索请求包括目标用户信息;
所述方法还包括:
确定所述目标用户的偏好信息;
确定满足所述偏好信息的相似业务对象;所述相似业务对象是与所述目标服装对象在目标属性上具有所述属性差异信息、在非目标属性上相同或相似的业务对象。
本申请还提供一种业务对象搜索请求方法,包括:
显示目标用户穿着目标服装对象的三维图像;
确定相似业务对象相对目标服装对象在目标属性上的属性差异信息;
向服务端发送针对目标服装对象的相似业务对象搜索请求;所述搜索请求包括所述属性差异信息;
接收所述服务端回送的所述目标服装对象的相似业务对象;
显示所述相似业务对象,或者,显示目标用户穿着所述相似业务对象的三维图像。
本申请还提供一种业务对象搜索装置,包括:
请求接收单元,用于接收客户端发送的针对目标服装对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标服装对象在目标属性上的属性差异信息;
相似业务对象确定单元,用于确定所述相似业务对象;所述相似业务对象是与所述目标服装对象在目标属性上具有所述属性差异信息、在非目标属性上相同或相似的业务对象;
数据回送单元,用于向客户端回送所述相似业务对象。
本申请还提供一种业务对象搜索请求装置,包括:
三维图像显示单元,用于显示目标用户穿着目标服装对象的三维图像;
属性差异确定单元,用于确定相似业务对象相对目标服装对象在目标属性上的属性差异信息;
请求发送单元,用于向服务端发送针对目标服装对象的相似业务对象搜索请求;所述搜索请求包括所述属性差异信息;
数据接收单元,用于接收所述服务端回送的所述目标服装对象的相似业务对象;
数据展示单元,用于显示所述相似业务对象,或者,显示目标用户穿着所述相似业务对象的三维图像。
本申请还提供一种业务对象搜索系统,包括:
根据上述的业务对象搜索装置;以及,根据上述的业务对象搜索请求装置。
本申请还提供一种电子设备,包括:
处理器;以及
存储器,用于存储实现业务对象搜索方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:接收客户端发送的针对目标服装对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标服装对象在目标属性上的属性差异信息;确定所述相似业务对象;所述相似业务对象是与所述目标服装对象在目标属性上具有所述属性差异信息、在非目标属性上相同或相似的业务对象;向客户端回送所述相似业务对象。
本申请还提供一种电子设备,包括:
处理器;以及
存储器,用于存储实现业务对象搜索请求方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:显示目标用户穿着目标服装对象的三维图像;
确定相似业务对象相对目标服装对象在目标属性上的属性差异信息;
向服务端发送针对目标服装对象的相似业务对象搜索请求;所述搜索请求包括所述属性差异信息;
接收所述服务端回送的所述目标服装对象的相似业务对象;
显示所述相似业务对象,或者,显示目标用户穿着所述相似业务对象的三维图像。
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述各种方法。
本申请还提供一种包括指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述各种方法。
与现有技术相比,本申请具有以下优点:
本申请实施例提供的业务对象搜索方法,通过接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;获取目标业务对象和候选业务对象的第一属性解耦表征向量;根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;向请求方回送相似业务对象;这种处理方式,使得基于业务对象的属性解耦的向量表征,该类向量的每一维能够代表一个具体的含义,如衣服的颜色、大小、风格,解耦属性可以是隐式属性,也可以是连续型的显示属性,这样就可以通过改变业务对象的单个属性值来控制返回的相似业务对象,一方面即使业务对象数据中原来没有存储相关的属性(隐式属性,如服装风格、手机性价比),也可以从用户行为中学习到这样含义的解耦表征,通过调整属性值大小,来达到“这件衣服可以,但想要风格轻快但其他方面都类似的衣服“这样的查询;因此,可以有效增加单因子控制搜索的搜索维度,达到基于用户心智的搜索效果,从而提升用户体验。另一方面,使得即使业务对象数据中原有属性(显式属性,如服装尺码)为固定挡位的离散值,也可以从用户行为中学习到显示属性的连续值,基于连续型的显示属性进行业务对象搜索,可以有效提升搜索结果的召回率和准确率。此外,这种处理方式使得无需人工识别隐式属性,人工为这类属性设置具体的属性值,且可自动确定显示属性的连续值;因此,可以有效提升属性确定速度,进而可有效提升单因子控制搜索效率。
本申请实施例提供的业务对象属性确定方法,通过确定用户与其历史访问业务对象间的第一对应关系集;构建业务对象属性解耦表征向量学习网络;通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量,所述学习网络根据所述第一属性解耦表征向量确定出所述第一对应关系集;这种处理方式,使得从用户对业务对象的访问行为中,学习得到业务对象的隐式属性解耦表征,由连续值表示而非档位值表示的显示属性,其中隐式属性包括影响用户行为的隐含因素,显示属性包括影响用户对业务对象访问行为的显示因素;因此,可以有效提升隐式属性的可解释性及可控性,并提升显示属性的相对精准性。同时,这种处理方式使得无需人工识别隐式属性,人工为这类属性设置具体的属性值,且可自动确定显示属性的连续值;因此,可以有效提升属性确定效率。
本申请实施例提供的业务对象类目确定方法,通过确定用户与其历史访问业务对象间的第一对应关系集;构建业务对象属性解耦表征向量学习网络;通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量、和各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述学习网络根据所述第一属性解耦表征向量和第二属性解耦表征向量,确定出所述第一对应关系集;根据所述第一属性解耦表征向量和所述第二属性解耦表征向量,确定所述业务对象所属的第一对象类目;这种处理方式,使得从用户对业务对象的访问行为中学习得到业务对象所属类目,避免根据用户指定的错误类目对业务对象进行归类处理;因此,可以有效提升类目数据的准确度,进而可有效提升业务对象搜索的召回率和准确率。
本申请实施例提供的业务对象发布方法,通过从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;确定所述第一属性解耦表征向量中各维度属性名信息;根据所述各维度属性名信息和属性值,发布所述业务对象;这种处理方式,使得从用户对业务对象的访问行为中,学习得到业务对象的隐式属性解耦表征,还可以学到由连续值表示而非档位值表示的显示属性,其中隐式属性包括影响用户行为的隐含因素,显示属性包括影响用户对业务对象访问行为的显示因素;因此,可以有效提升隐式属性的可解释性及可控性,并提升显示属性的相对精准性,由此可确保业务对象发布的准确度。同时,这种处理方式使得无需人工识别隐式属性,人工为这类属性设置具体的属性值,且可自动确定显示属性的连续值;因此,可以有效提升业务对象发布效率。
本申请实施例提供的相似服装对象确定方法,通过从用户对商品对象的访问行为数据中学习得到服装对象的第一属性解耦表征向量;确定目标服装对象、及相似服装对象相对目标服装对象在目标属性上的属性值差异信息;获取目标服装对象和候选服装对象的第一属性解耦表征向量;根据所述第一属性解耦表征向量和所述属性值差异信息,从候选服装对象中确定与所述目标服装对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的服装对象;这种处理方式,使得从用户对商品对象的访问行为中,学习得到商品对象的属性解耦的向量表征,该类向量的每一维能够代表一个具体的含义,如衣服的颜色、大小、风格,解耦属性可包括隐式属性,还可包括连续型的显示属性,这样就可以通过改变服装对象的单个属性值来控制返回的相似服装对象,一方面即使商品对象数据中原来没有存储相关的属性(隐式属性,如服装风格),也可以从用户行为中学习到这样含义的解耦表征,通过调整属性值大小,来达到“这件衣服可以,但想要风格轻快但其他方面都类似的衣服“这样的查询;因此,可以有效增加单因子控制搜索的搜索维度,达到基于用户心智的搜索效果,从而提升用户体验。另一方面,使得即使商品对象数据中原有属性(显式属性,如服装尺码)为固定挡位的离散值,也可以从用户行为中学习到显示属性的连续值,基于连续型的显示属性进行服装对象搜索,可以有效提升搜索结果的召回率和准确率。同时,这种处理方式使得无需人工识别隐式属性,人工为这类属性设置具体的属性值,且可自动确定显示属性的连续值;因此,可以有效提升属性确定速度,进而可有效提升单因子控制搜索效率。
本申请实施例提供的服装对象设计方法,通过确定待调整的服装对象及其在待调整属性上的调整目标信息;获取待调整的服装对象和候选服装对象的第一属性解耦表征向量;根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象间在待调整属性上达到所述调整目标信息、在非目标属性上相同或相似的服装对象;根据相似服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标;这种处理方式,使得参考相似服装对象进行服装设计;因此,可以有效提升服装设计效果及设计效率。
本申请实施例提供的服装对象设计方法,通过确定待调整的服装对象及其在待调整属性上的调整目标信息;获取待调整的服装对象和候选服装对象的第一属性解耦表征向量;根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象在待调整属性上相似的第一服装对象;根据所述第一属性解耦表征向量,从候选服装对象中确定与所述第一服装对象在待调整属性上达到所述调整目标信息、在非待调整属性上相似的第二服装对象;根据第二服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标;这种处理方式,使得参考相似服装对象进行服装设计;因此,可以有效提升服装设计效果及设计效率。此外,相对于上一服装对象设计方法,本服装对象设计方法,可以参考更多的其它类服装对象的风格进行服装设计;因此,可以进一步有效提升服装设计效果及设计效率。
本申请实施例提供的用于确定业务对象属性调整步长的方法,通过从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;针对各个业务对象类目,根据所述业务对象类目下业务对象的第一属性解耦表征向量,确定所述业务对象类目的业务对象的至少一个维度属性的属性值范围信息;根据所述属性值范围信息,确定至少一个维度属性的属性值调整步长;这种处理方式,使得可确定业务对象的隐式属性、连续型的显示属性的属性值调整步长,以确保基于此步长搜索到的相似业务对象间具有一定的区分度;因此,可以有效提升属性值调整步长调整的灵活度,从而提升搜索结果质量。
本申请实施例提供的业务对象推荐方法,通过从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量、及各个第一对象类目的原型业务对象的第二属性解耦表征向量;确定所述第一属性解耦表征向量中各维度属性名信息;接收针对目标业务对象的可调整属性信息获取请求;根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、各个第一对象类目的所述第二属性解耦表征向量,确定相似业务对象在各个属性上的取值范围,使得第一相似度大于第二相似度;向请求方回送所述各维度属性名信息和所述取值范围;这种处理方式,使得向用户客户端推荐用户当前查看的商品对象的可调整的各维度属性名信息和取值范围,以便于用户根据可调整属性信息进行相似业务对象的搜索;因此,可以有效提升业务对象推荐的准确度。
本申请实施例提供的业务对象搜索方法,通过接收客户端发送的针对目标图像的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;根据所述语音数据或文本数据,确定所述目标属性和属性值差异信息;根据所述目标图像和所述属性值差异信息,确定所述相似业务对象;所述相似业务对象是与所述目标图像在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;向客户端回送所述相似业务对象;这种处理方式,使得基于业务对象的属性解耦的向量表征,该类向量的每一维能够代表一个具体的含义,如衣服的颜色、大小、风格,解耦属性可以是隐式属性,也可以是连续型的显示属性,这样就可以通过改变与目标图像对应的业务对象的单个属性值来控制返回的相似业务对象,一方面即使业务对象数据中原来没有存储相关的属性(隐式属性,如服装风格、手机性价比),也可以从用户行为中学习到这样含义的解耦表征,通过调整属性值大小,来达到“这件衣服可以,但想要风格轻快但其他方面都类似的衣服“这样的查询;因此,可以有效增加单因子控制搜索的搜索维度,达到基于用户心智的搜索效果,从而提升用户体验。另一方面,使得即使业务对象数据中原有属性(显式属性,如服装尺码)为固定挡位的离散值,也可以从用户行为中学习到显示属性的连续值,基于连续型的显示属性进行业务对象搜索,可以有效提升搜索结果的召回率和准确率。
本申请实施例提供的业务对象搜索方法,通过接收客户端发送的针对目标服装对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标服装对象在目标属性上的属性差异信息;确定所述相似业务对象;所述相似业务对象是与所述目标服装对象在目标属性上具有所述属性差异信息、在非目标属性上相同或相似的业务对象;向客户端回送所述相似业务对象;这种处理方式,使得基于业务对象的属性解耦的向量表征,该类向量的每一维能够代表一个具体的含义,如衣服的颜色、大小、风格,解耦属性可以是隐式属性,也可以是连续型的显示属性,这样就可以通过改变目标服装对象的单个属性值来控制返回的相似业务对象,一方面即使业务对象数据中原来没有存储相关的属性(隐式属性,如服装风格、手机性价比),也可以从用户行为中学习到这样含义的解耦表征,通过调整属性值大小,来达到“这件衣服可以,但想要风格轻快但其他方面都类似的衣服“这样的查询;因此,可以有效增加单因子控制搜索的搜索维度,达到基于用户心智的搜索效果,从而提升用户体验。另一方面,使得即使业务对象数据中原有属性(显式属性,如服装尺码)为固定挡位的离散值,也可以从用户行为中学习到显示属性的连续值,基于连续型的显示属性进行业务对象搜索,可以有效提升搜索结果的召回率和准确率。
本申请实施例提供的业务对象搜索请求方法,通过显示目标用户穿着目标服装对象的三维图像;确定相似业务对象相对目标服装对象在目标属性上的属性差异信息;向服务端发送针对目标服装对象的相似业务对象搜索请求;所述搜索请求包括所述属性差异信息;接收所述服务端回送的所述目标服装对象的相似业务对象;显示所述相似业务对象,或者,显示目标用户穿着所述相似业务对象的三维图像;这种处理方式,使得基于业务对象的属性解耦的向量表征,该类向量的每一维能够代表一个具体的含义,如衣服的颜色、大小、风格,解耦属性可以是隐式属性,也可以是连续型的显示属性,这样就可以通过改变目标服装对象的单个属性值来控制返回的相似业务对象,一方面即使业务对象数据中原来没有存储相关的属性(隐式属性,如服装风格、手机性价比),也可以从用户行为中学习到这样含义的解耦表征,通过调整属性值大小,来达到“这件衣服可以,但想要风格轻快但其他方面都类似的衣服“这样的查询;因此,可以有效增加单因子控制搜索的搜索维度,达到基于用户心智的搜索效果,从而提升用户体验。另一方面,使得即使业务对象数据中原有属性(显式属性,如服装尺码)为固定挡位的离散值,也可以从用户行为中学习到显示属性的连续值,基于连续型的显示属性进行业务对象搜索,可以有效提升搜索结果的召回率和准确率。此外,在显示目标用户穿着相似业务对象的三维图像的情况下,使得用户可以根据服装上身效果,更加容易确定应该调整哪些属性,以及如何调整属性,从而快速搜索到感兴趣的相似服装对象;因此,可以有效降低服务端的访问压力,提升搜索效率和精准度,从而提升用户体验。
附图说明
图1是本申请提供的一种业务对象搜索方法的实施例的流程图;
图2是本申请提供的一种业务对象搜索方法的实施例的步骤S201的具体流程图;
图3是本申请提供的一种业务对象搜索方法的实施例的学习网络的示意图;
图4是本申请提供的一种业务对象搜索方法的实施例的学习网络的具体示意图;
图5是本申请提供的一种业务对象搜索方法的实施例的学习网络的又一具体示意图;
图6是本申请提供的一种业务对象搜索方法的实施例的搜索界面示意图;
图7是本申请提供的一种业务对象搜索方法的实施例的具体流程图;
图8是本申请提供的一种业务对象搜索方法的实施例的搜索结果示意图;
图9是本申请提供的一种业务对象搜索请求方法的实施例的流程图;
图10是本申请提供的一种业务对象搜索系统的实施例的示意图;
图11是本申请提供的一种业务对象属性确定方法的实施例的流程图;
图12是本申请提供的一种业务对象类目确定方法的实施例的流程图;
图13是本申请提供的一种商品发布方法的实施例的流程图;
图14是本申请提供的一种相似服装对象确定方法的实施例的流程图;
图15是本申请提供的一种服装设计方法的实施例的流程图;
图16是本申请提供的一种服装设计方法的实施例的流程图;
图17是本申请提供的一种用于确定业务对象属性调整步长的方法的实施例的流程图;
图18是本申请提供的一种业务对象推荐方法的实施例的流程图;
图19是本申请提供的一种业务对象推荐请求方法的实施例的流程图;
图20是本申请提供的一种业务对象搜索方法的实施例的搜索结果示意图;
图21是本申请提供的一种业务对象搜索请求方法的实施例的流程图;
图22是本申请提供的一种业务对象搜索方法的实施例的搜索结果示意图;
图23是本申请提供的一种业务对象搜索请求方法的实施例的流程图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
在本申请中,提供了业务对象搜索方法、装置及系统,业务对象推荐方法、装置及系统,以及电子设备。在下面的实施例中逐一对各种方案进行详细说明。
第一实施例
请参考图1,其为本申请提供的一种业务对象搜索方法实施例的流程图,该方法的执行主体包括但不限于服务器,也可以是能够实现所述方法的其它设备。本申请提供的一种业务对象搜索方法包括:
步骤S101:接收针对目标业务对象的相似业务对象搜索请求。
所述搜索请求,包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息。所述搜索请求,至少包括目标业务对象的标识、目标属性的标识、及属性值差异信息。
所述业务对象,可以是商品对象,新闻对象,服务对象等等。为了便于描述,下面将以商品对象为例,对本申请实施例提供的方法进行说明。
所述目标属性,可以是业务对象的隐式属性,也可以是显示属性。
所述搜索请求,可以是针对一个目标属性的单因子控制搜索请求,如搜索请求是“有没有和这个T恤类似,但风格更成熟一点的”,目标属性为风格。所述搜索请求,也可以是针对多个目标属性的单因子控制搜索请求,即:找到与目标商品类似,商品的某几个属性(如风格和颜色)均改变,但商品的其它属性尽量保持不变的商品搜索结果,如“有没有和这个T恤类似,但风格更成熟一点、且颜色更浅色些的”,这里包括两个目标属性:风格和颜色。在针对多个目标属性进行单因子搜索控制的情况下,所述搜索请求包括多个目标属性的标识及各个属性分别对应的属性值差异信息。多个目标属性可以均为隐式属性,也可以均为显示属性,还可以是部分为隐式属性,部分为显示属性。
所述属性值差异信息,可以是属性值的趋势信息,如风格更成熟些或更青春些、颜色更浅色些或更深色些等等;也可以是属性值的具体差异值,如比目标商品的风格属性值大0.3至0.6等等。
步骤S103:获取目标业务对象和候选业务对象的第一属性解耦表征向量。
所述第一属性解耦表征向量,是指业务对象的各属性间相互解耦(属性独立)的向量表征,向量中各维度属性具有可解释性,如风格、颜色、大小等等。所述第一属性解耦表征向量的维度数量,可根据业务需求确定,如设置为64维等等,即业务对象包括64维相互解耦的属性。
所述第一属性解耦表征向量,可包括业务对象的隐式属性,还可包括业务对象的连续型的显示属性。所述显示属性,包括影响用户对业务对象访问行为的显示因素,该类属性通常由用户显示设置,如服装大小、颜色等等。所述隐式属性不是由用户显示设置的属性,而是从用户对业务对象的访问行为数据中学习得到的属性,如服装风格、手机性价比等等。在推荐系统中,用户行为数据受到用户决策制定过程背后的很多隐含因素的复杂交互作用的影响,所述隐式属性可以是由这些隐含因素的复杂交互作用产生的属性。
以商品对象为例,影响用户对商品访问行为的因素,不仅包括商品的显示给定的属性(如类目、价格、颜色、尺寸等等),还包括商品的隐式属性(如风格等等),而现有技术无法自动确定隐式属性解耦的具体值,在这种情况下,要基于内容属性搜索技术实现针对隐式属性的单因子控制搜索,需要人工枚举可能的隐式属性,并显式给出这些属性的具体值,这样一方面会导致无法实时地实现针对隐式属性的单因子控制搜索,另一方面过多的搜索词会急剧降低搜索匹配到的数量和准确度。同样的,现有技术无法自动确定商品的显示属性的连续属性值,在这种情况下,要基于内容属性搜索技术实现针对显式属性的单因子控制搜索,只能利用显式给出的这些显示属性的挡位值(如服装尺码为:大码、中码等),这样一方面同样出现过多的搜索词会急剧降低搜索匹配到的数量和准确度的问题,另一方面同一显示属性、但具有不同含义的相同属性值也会降低搜索匹配到的数量和准确度,例如两件衣服的尺码均为L码,但一个尺码偏大、一个尺码偏小,在这种情况下根据标记的尺码值去搜索大一点的衣服时,就会漏掉部分衣服。
在本实施例中,所述第一属性解耦表征向量从用户对业务对象的访问行为数据中学习得到,具体实施时也可通过其它方式确定。本申请实施例提供的方法,并不限定所述第一属性解耦表征向量的具体确定方式。
在本实施例中,所述方法还可包括如下步骤:
步骤S201:从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量。
所述访问行为数据,包括多个用户分别与其访问过的商品对象间的对应关系。通过本申请实施例提供的方法,从所述访问行为数据中学习得到的第一属性解耦表征向量,可以包括业务对象的隐式属性,还可以包括业务对象的连续型的显示属性。
请参考图2,其为本申请提供的一种业务对象搜索方法实施例的步骤S201的具体流程图。在本实施例中,步骤S201可包括如下子步骤:
步骤S2011:确定用户与其历史访问业务对象间的第一对应关系集。
在本实施例中,根据业务对象历史访问记录,构造多个用户的第一对应关系,形成第一对应关系集(即访问行为数据),以便于从多个对应关系中学习得到被用户访问过的业务对象的第一属性解耦表征向量。表1示出了本实施例的业务对象历史访问数据,表2示出了所述第一对应关系集。
用户标识 | 商品标识 | 访问行为 | 订单标识 | 时间 |
USER-2546 | Sku-4,Sku-3 | 购买 | 465464 | 2019/09/10 09:10:52 |
USER-2546 | Sku-2 | 收藏 | 2018/06/15 13:36:29 | |
USER-2546 | Sku-1 | 浏览 | 2016/03/19 19:20:13 | |
USER-2546 | Sku-5 | 购买 | 465468 | 2019/09/07 09:10:52 |
USER-6565 | Sku-16 | 购买 | 564664 | 2019/05/08 13:58:12 |
… | … | … | … |
表1、业务对象历史访问数据
由表1可见,业务对象历史访问数据可包括历史订单数据和商品历史访问记录等等,这些数据可来源于相应的日志文件。
训练样本标识 | 用户标识 | 历史访问商品标识 |
1 | USER-2546 | Sku-4,Sku-3,Sku-2,Sku-1,Sku-5 |
2 | USER-6565 | Sku-16,Sku-7,Sku-8… |
3 | USER-7966 | Sku-5,Sku-54,Sku-453… |
… |
表2、第一对应关系集
表2中的对应关系可由表1中的数据整理得到。每个对应关系作为一条训练样本,可由一个用户与其所有有访问行为的商品对象组成。
在确定所述第一对应关系集后,就可以从中学习得到被访问过的业务对象的第一属性解耦表征向量。
步骤S2013:构建业务对象属性解耦表征向量学习网络。
由图3可见,所述学习网络可包括用户行为数据预测子网络和判断子网络。其中,所述用户行为数据预测子网络的输入数据为所述第一对应关系集(真实的用户行为数据),输出数据为第二对应关系集(预测的用户行为数据),该子网络的网络参数包括但不限于第一属性解耦表征向量。所述判断子网络的输入数据为所述第一对应关系集和第二对应关系集。
所述用户行为数据预测子网络,用于根据所述历史访问业务对象的第一属性解耦表征向量的当前值,确定用户与其历史访问业务对象间的第二对应关系集。由于该第二对应关系实质为通过所述学习网络预测得到的用户对业务对象的访问行为数据,因此将该子网络称为用户行为数据预测子网络。
所述判断子网络,用于判断所述第一对应关系集与第二对应关系集间的差距(损失值)是否小于差距阈值,也就是判断真实的用户行为数据与预测得到的用户行为数据是否一致。如果判断结果为是,则表示根据所述第一属性解耦表征向量的当前值,可确定出所述第一对应关系集(真实的用户行为数据),此时既可结束网络训练,将所述第一属性解耦表征向量的当前值作为第一属性解耦表征向量的学习结果,供单因子控制搜索阶段使用。如果判断结果为否,则表示根据所述第一属性解耦表征向量的当前值,还无法确定出真实的用户行为数据,需要调整所述第一属性解耦表征向量的当前值、及所述学习网络的参数,根据调整后的所述第一属性解耦表征向量及网络参数继续学习,也就是说,继续通过所述用户行为数据确定子网络,根据调整后的所述第一属性解耦表征向量及网络参数,重新预测第二对应关系集,直至真实的用户行为数据与预测得到的用户行为数据一致,才能结束网络训练。
在本实施例中,损失函数包括重构误差项和带加权因子的先验KL项。所述损失值可包括交叉熵(Softmax Cross Entropy)。
步骤S2015:通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量,所述学习网络根据所述第一属性解耦表征向量确定出所述第一对应关系集。
由于所述第一属性解耦表征向量并不存在相应的标记数据(第一属性解耦表征向量的真实值),因此本申请实施例提供的方法,通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量,所述学习网络根据所述第一属性解耦表征向量确定出所述第一对应关系集。
在一个示例中,通过无监督的机器学习算法训练所述学习网络,使得不仅学习得到所述业务对象的第一属性解耦表征向量,还可学习得到各个第一对象类目的原型业务对象的第二属性解耦表征向量。所述学习网络根据所述第一属性解耦表征向量和第二属性解耦表征向量,确定出所述第一对应关系集。
所述原型业务对象,可以是位于第一对象类目下所有业务对象的中心点位置的业务对象,本实施例将该对象的属性解耦表征向量称为第二属性解耦表征向量。所述第二属性解耦表征向量与所述第一属性解耦表征向量具有相同的属性维度,如均为64维。如图5所示,本实施例包括3个第一对象类目:服装类、手机类和食品类,每个类目对应一个虚线椭圆框,在虚线椭圆框内的由双圆圈标记的点即为相应类目的原型业务对象。
相应的,所述学习网络采用如下步骤训练:
步骤S20151:确定所述第一属性解耦表征向量的初始值、所述第二属性解耦表征向量的初始值。
在本实施例中,首先为被用户访问过的每一个业务对象指定一个第一属性解耦表征向量的初始值,并为每一个第一对象类目的原型业务对象指定一个第二属性解耦表征向量的初始值。此外,还可确定所述学习网络包括的其它参数的初始值。
步骤S20153:通过所述学习网络包括的用户行为数据预测子网络,根据所述第一属性解耦表征向量的当前值和所述第二属性解耦表征向量的当前值,确定用户与其历史访问业务对象间的第二对应关系集。
步骤S20155:通过所述学习网络包括的判断子网络,判断所述第一对应关系集与第二对应关系集间的差距是否小于差距阈值;若是,则结束网络训练;若否,则调整所述第一属性解耦表征向量的当前值和所述第二属性解耦表征向量的当前值、及所述学习网络的参数,根据调整后的网络参数继续学习。
本申请实施例提供的方法,通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量、和各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述学习网络根据所述第一属性解耦表征向量和第二属性解耦表征向量,确定出所述第一对应关系集;这种处理方式,使得可根据第一属性解耦表征向量和第二属性解耦表征向量间的相似度,确定业务对象所属的类目,避免根据用户指定的错误类目对业务对象进行归类处理;因此,可以有效提升类目数据的准确度,进而可有效提升相似业务对象搜索的召回率和准确率。
由图4可见,在本实施例中,所述用户行为数据预测子网络可包括:第一子网络和第二子网络。其中,所述第一子网络的输入数据为所述第一对应关系集(真实的用户行为数据),输出数据为用户对第一对象类目下业务对象各属性的偏好得分,形成第三属性解耦表征向量。所述第二子网络的输入数据为第三属性解耦表征向量,输出数据为第二对应关系集(预测的用户行为数据)。
所述第一子网络,用于针对各个第一对象类目,根据所述第一对象类目下的第一属性解耦表征向量的当前值和所述第二属性解耦表征向量的当前值,确定第三属性解耦表征向量;所述第三属性解耦表征向量包括用户对第一对象类目下业务对象各属性的偏好得分,例如,用户A对第一对象类目x下业务对象的各个属性的偏好得分为:“第1维:0.265,第2维:0.124…第64维:0.358”。
所述第二子网络,用于针对各个第一对象类目,根据与所述第一对象类目对应的所述第三属性解耦表征向量,确定用户对第一对象类目下业务对象的访问行为数据,作为所述第二对应关系。
所述第一子网络的网络结构,包括但不限于胶囊网络的编码器,也可以采用settransformer等技术;所述第二子网络的网络结构包括但不限于胶囊网络的解码器。
由图5可见,在本实施例中,所述第一子网络可包括:第三子网络、多个第四子网络和多个第五子网络。
所述第三子网络,用于根据用户历史访问业务对象的第一属性解耦表征向量的当前值和各个第一对象类目的第二属性解耦表征向量的当前值,确定所述业务对象与各个第一对象类目间的第三对应关系。
在本实施例中,可由用户指定第一对象类目的数量,如20个第一对象类目。具体实施时,可通过聚类算法(如k-means),根据用户历史访问业务对象的第一属性解耦表征向量的当前值和各个第一对象类目的第二属性解耦表征向量的当前值,确定所述业务对象与各个第一对象类目间的第三对应关系。在对所述学习网络进行训练的过程中,由于第一属性解耦表征向量和第二属性解耦表征向量并不正确,因此每一次输出的第三对应关系通常不是业务对象与第一对象类目间的真实对应关系。在所述学习网络训练结束时,由于第一属性解耦表征向量和第二属性解耦表征向量均正确,因此这一次输出的第三对应关系通常是业务对象与第一对象类目间的真实对应关系,根据该对应关系既可确定业务对象所属的第一对象类目。
多个第四子网络,用于根据与所述第四子网络对应的第一对象类目下业务对象的第一属性解耦表征向量的当前值和所述对应的第一对象类目的第二属性解耦表征向量的当前值,确定所述对应的第一对象类目的第一属性解耦表征向量的当前值的加权求和值,作为所述对应的第一对象类目的第四属性解耦表征向量的当前值。
在本实施例中,每个第四子网络对应一个第一对象类目,也就是说,如果由20个第一对象类目,则有20个第四子网络。
所述第四子网络,可首先根据与该子网络对应的第一对象类目下业务对象的第一属性解耦表征向量的当前值和该第一对象类目的第二属性解耦表征向量的当前值,确定各个业务对象与该第一对象类目间的向量距离,可采用如下公式计算:
ci~CATEGORICAL(SOFTMAX([si,1;si,2;…;si,K])),si,k=COSINE(hi,mk)/τ
其中,hi表示第i个业务对象的第一属性解耦表征向量的当前值,mk表示第k个第一对象类目的第二属性解耦表征向量的当前值,si,k表示第i个业务对象与第k个第一对象类目间的向量距离,ci包括第i个业务对象与各个第一对象类目间的向量距离的归一化值(归一化的距离权重)。
在确定所述向量距离后,就可以根据所述向量距离,确定与该第四子网络对应的第一对象类目下业务对象的第一属性解耦表征向量的当前值的加权求和值。所述加权求和值,可表示用户在该类目业务对象的综合属性情况。具体实施时,可采用如下公式计算第四属性解耦表征向量的归一化的当前值:
其中,k可表示第四子网络对应的第一对象类目的序号,xu,i=+1表示用户u访问了第i个业务对象,该公式只对用户u访问过的第i个业务对象的第一属性解耦表征向量进行加权求和处理,ci,k表示第i个业务对象与第k个第一对象类目间的向量距离的归一化值,ti表示与第i个业务对象的第一属性解耦表征向量的当前值对应的向量。
多个第五子网络,用于根据与所述第五子网络对应的第一对象类目的所述第四属性解耦表征向量的当前值,确定所述对应的第一对象类目下业务对象的均值向量的当前值及方差向量的当前值。
每个第五子网络对应一个第四子网络,可对于每一个用户,对其访问过的所有业务对象,按照向量分配分数ci加权进行编码,即对于对应的第一对象类目,得到该第一对象类目的业务对象均值向量和方差向量。图5所示的编码器可采用变分自编码器中的编码器,通过该编码器可得到如下数据:
其中,均值向量和方差向量是变分自编码器(VAE)中所需要的高斯分布的参数向量。
多个第六子网络,用于根据与所述第六子网络对应的第一对象类目的所述均值向量及方差向量,确定所述第三属性解耦表征向量的当前值。
每个第六子网络对应一个第五子网络。在本实施例中,所述第六子网络具体用于根据所述均值向量及方差向量,确定第一对象类目下所有业务对象的一个概率分布;根据变分自编码器中所提出的重参化技术,采样出一个样本向量,该样本向量即为用户当前的解耦表征(第三属性解耦表征向量的当前值)。
相应的,所述第二子网络将所有第一对象类目下的上述概率分布根据上述归一化距离权重相加得到最终预测的用户对业务对象的行为分布(真实的用户访问行为数据),可采用如下公式计算:
至此说明了第一属性解耦表征向量、第二属性解耦表征向量的确定方式。具体实施时,还可包括如下步骤:确定所述第一属性解耦表征向量中各维度属性名信息。
具体实施时,可通过人工方式参考业务对象的图片、视频、描述文字等等信息,确定第一属性解耦表征向量中各维度属性的含义,为各个维度属性设置属性名。此外,还可以通过机器学习方法,自动确定各维度属性的含义,为各个维度属性设置属性名。
在本实施例中,预先从用户对业务对象的访问行为数据中,学习得到的各个业务对象的第一属性解耦表征向量,以及各个第一对象类目的所述第二属性解耦表征向量。为了提高运算效率,还可预先根据各个业务对象的所述第一属性解耦表征向量、及各个第一对象类目的所述第二属性解耦表征向量,既可确定各个业务对象所属的第一对象类目,构建业务对象与第一对象类目间的对应关系集。具体实施时,可将这些数据存储在数据库中。
在本实施例中,通过查询存储有步骤S201输出的所有历史访问过的业务独向的第一属性解耦表征向量,既可获取目标业务对象和候选业务对象的第一属性解耦表征向量。
图6示出了本实施例的“找相似”查询页面,由该图可见,目标商品为图片所示的女式背包,找相似商品的查询条件包括64个属性,这些属性均可调节,具体实施时可以是采用滚动条的方式进行调整,当用户点击“找相似”按钮后,客户端向服务端提交搜索请求,搜索结果可以是如图8所示。
步骤S105:根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象。
所述相似业务对象,是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象。
本申请提供的方法与现有技术的相似业务对象搜索方法的不同之处包括:数据处理过程不同。本申请提供的方法是一种单因子控制搜索方法,该方法从一个目标业务对象开始,只改变该对象的解耦表征中的一个因子或多个因子,控制其他因子不变得到与目标业务对象相似的业务对象搜索结果的过程。业务对象解耦表征中各个因子是可解释的、且可控的,这些因子可以是业务对象的隐式属性,也可以是业务对象的连续型的显示属性。其中,隐式属性并非通过显示方式给出的属性,连续型的显示属性也并非显示给出的属性值,而是从用户对业务对象的访问行为数据中学习得到的数据。例如,在采用本申请提供的方法回答客户问题“有没有和这个T恤类似,但风格更成熟一点的”时,无需用户显示设置风格属性,风格属性值是自动学习得到的连续属性值。然而,现有技术的相似业务对象搜索方法,需要枚举可能的属性(显示属性、隐式属性),并显式给出这些属性的具体值,采用关键字搜索技术(利用属性倒排索引),根据搜索词查找相似业务对象,根据过多的搜索词查找相似业务对象会急剧降低搜索匹配到的数量和准确度。综上所述,本申请提供的方法并不利用属性倒排索引,而是直接根据业务对象的解耦属性表征搜索相似业务对象,以避免根据过多的搜索词查找相似业务对象;因此,可以显著增加搜索匹配到的相似业务对象数量和准确度。
下面给出步骤S105的两种具体实施方式。
方式一
要采用方式一确定相似业务对象,所述方法还可包括如下步骤:将与所述目标业务对象属于相同第一对象类目的业务对象作为候选业务对象。
在一个示例中,可以从所述访问行为数据中学习得到各个第一对象类目的原型业务对象的第二属性解耦表征向量。所述第一对象类目包括与业务对象的预设的第二对象类目不同的类目。其中,第二对象类目可以是由用户指定的显示类目,如买家用户在发布一件服装对象时,指定该商品所属类目(第二对象类目)为鞋帽类,而从用户对业务对象的访问行为数据中学习第一属性解耦表征向量时,学习出该服装对象属于服装类目(第一对象类目)。由于第一对象类目是学习得到的类目,因此可将该类目称为隐式类目,而将第二对象类目称为显示类目。
在学习得到各个第一对象类目的原型业务对象的第二属性解耦表征向量后,就可以根据业务对象库中各个业务对象的第一属性解耦表征向量和各个第一对象类目的第二属性解耦表征向量,确定各个业务对象与各个第一对象类目的原型业务对象间的相似度。所述相似度,又称为向量距离,可以是第一属性解耦表征向量和所述第二属性解耦表征向量之间的余弦相似度。
在确定各个业务对象与各个第一对象类目的原型业务对象间的相似度后,就可以根据所述相似度,确定各个业务对象所属的第一对象类目,这样就可以确定出与所述目标业务对象属于相同第一对象类目的业务对象,将这些业务对象作为候选业务对象。具体实施时,可将相似度最高的第一对象类目作为所述目标业务对象所属的第一对象类目。采用这种处理方式,使得所述相似业务对象包括与目标业务对象具有不同第二对象类目的业务对象;因此,可以有效提升搜索结果的召回率和准确度。
在另一个示例中,第一对象类目与第二对象类目相同,均为显示类目,直接将与所述目标业务对象属于相同显示类目的业务对象作为候选业务对象。
相应的,所述相似业务对象可采用如下步骤确定:
步骤S1051’:根据所述候选业务对象的第一属性解耦表征向量,确定所述目标属性的第一取值范围。
由于候选业务对象与目标业务对象属于同一个第一对象类目,因此所有候选业务对象在目标属性上的属性值的最小值为第一取值范围的下限,最大值为第一取值范围的上限。
步骤S1053’:根据所述第一取值范围和所述属性值差异信息,确定所述相似业务对象在目标属性的第二取值范围。
根据目标业务对象在目标属性上的属性值、及所述属性值差异信息,可从第一取值范围中确定第二取值范围,所述相似业务对象的目标属性在第二取值范围内。例如,目标商品的风格属性值为0.5,用户要搜索风格更成熟的相似商品,目标商品所属类目的业务对象的风格属性取值范围(0.2,0.86),则第二取值范围为(0.5,0.86)。再例如,目标商品为一件服装,其风格属性值为0.5,尺码属性值为0.6,用户要搜索风格更成熟、且尺码偏大些的相似商品,服装类目的风格属性的取值范围(0.2,0.86),尺码属性的取值范围(0.4,0.86),则风格属性的第二取值范围为(0.5,0.86),尺码属性的第二取值范围为(0.6,0.86)。
步骤S1055’:根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、所述第二取值范围,从候选业务对象中确定所述相似业务对象。
所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象。因此,需要根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、所述第二取值范围,从候选业务对象中确定所述相似业务对象。
具体实施时,可以首先从候选业务对象中筛选出所有与目标对象在非目标属性上相同或相似的业务对象,然后再从这些筛选出的业务对象中选取出目标属性在第二取值范围内的业务对象,作为相似业务对象。
需要注意的是,由于第一属性解耦表征向量中的属性值均为连续值,因此如果将所有符合所述属性值差异信息的相似业务对象全部返回给用户,则面对目标属性值连贯的过多相似业务对象,用户很可能没有时间看完,而是更希望看到在目标属性上具有视觉可辨识的差异的有限数量的相似业务对象,以提升相似业务对象的数据质量,确保用户快速找到感兴趣的业务对象。
为了解决这个问题,步骤S1055’可包括如下子步骤:1)将所述第二取值范围划分为多个子取值范围;2)从各个子取值范围中选取所述相似业务对象。例如,第二取值范围为(0.5,0.86),则可将该范围分为5段(0.5,0.75)(0.75,0.8)(0.8,0.85)(0.85,0.8)(0.9,1),然后每段取一个或多个商品对象。采用这种处理方式,使得返回给用户的多个相似业务对象间在目标属性上具有视觉可辨识的差异,如稍成熟一些、成熟较多,成熟很多,且相似业务对象的数量较少;因此,可以有效提升相似业务对象的数据有效性,从而提升用户体验。
方式二
不同于方式一的候选业务对象,方式二的候选业务对象可包括业务对象库中所有业务对象。要采用方式二确定相似业务对象,所述方法还可包括如下步骤:从所述访问行为数据中学习得到各个第一对象类目的原型业务对象的第二属性解耦表征向量。
所述第一对象类目包括与业务对象的预设的第二对象类目不同的类目。关于第二属性解耦表征向量的相关说明,请参见方式一中的相关说明,此处不再赘述。
如图7所示,具体实施时,可直接通过步骤S201,一次性地从所述访问行为数据中学习得到第一属性解耦表征向量和第二属性解耦表征向量。
相应的,步骤S105可包括如下子步骤:
步骤S1051:根据所述目标业务对象的第一属性解耦表征向量、各个第一对象类目的所述第二属性解耦表征向量,通过二分搜索算法确定相似业务对象在目标属性上的取值范围,使得第一相似度大于第二相似度。
所述第一相似度,包括与目标业务对象在非目标属性上相同或相似、目标属性在所述取值范围内的业务对象、与所述目标业务对象所属第一对象类目的原型业务对象间相似度;所述第二相似度包括与目标业务对象在非目标属性上相同或相似、目标属性在所述取值范围内的业务对象、与所述目标业务对象所属第一对象类目以外的第一对象类目的原型业务对象间相似度。
具体实施时,根据目标业务对象的第一属性解耦表征向量、及其所属第一对象类目的原型业务对象的第二属性解耦表征向量,可固定非目标属性的属性值,或者允许其有微小变化(非目标属性相似),变动目标属性的属性值,使用二分搜索确定目标属性的可变范围(所述取值范围),使得在该范围内的业务对象(该类业务对象与目标业务对象在非目标属性上相同或相似),相比其它第一对象类目的原型业务对象的第二属性解耦表征向量来说,与目标业务对象所属第一对象类目的原型业务对象的第二属性解耦表征向量之间的距离最近。采用这种处理方式,可以确保在所述取值范围内的业务对象距离目标业务对象所属第一对象类目的原型业务对象距离最近,小于距离目标业务对象所属第一对象类目以外的第一对象类目的原型业务对象的距离。
二分搜索(binary search),也称折半搜索(half-interval search)、对数搜索(logarithmic search),是一种在有序数组中查找某一特定元素的搜索算法。搜索过程从数组的中间元素开始,如果中间元素正好是要查找的元素,则搜索过程结束;如果某一特定元素大于或者小于中间元素,则在数组大于或小于中间元素的那一半中查找,而且跟开始一样从中间元素开始比较。如果在某一步骤数组为空,则代表找不到。这种搜索算法每一次比较都使搜索范围缩小一半。本申请实施例提供的方法,通过二分搜索确定所述取值范围,可以有效提升相似业务对象的搜索效率。
例如,目标商品为用户正在浏览的某件T恤,用户指定的目标属性为风格,属性值差异信息为“风格更成熟些”,假设商品向量的维度为64维,风格属性为第5维,则固定该T恤向量中风格属性以外的其它属性值(该T恤的其它63维属性值),仅变动风格属性的值,可使用二分搜索确定风格属性值可变范围(如0.23-0.6),那么如果另一件T恤的其它属性值与该件T恤相同,但第5维的属性值属于该范围,则该另一件T恤的向量距离该件T恤所属第一对象类目的原型向量最近,与其它第一对象类目的原型向量间的距离都要大于这个距离,这样就可以确保属性值在该范围内变动的商品是与目标商品相似的商品。
步骤S1053:根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、所述取值范围和所述属性值差异信息,从候选业务对象中确定所述相似业务对象。
需要说明的是,与目标业务对象在非目标属性上相同或相似、目标属性在所述取值范围内的业务对象,不仅包括与目标业务对象在目标属性上具有所述属性值差异信息的相似业务对象,还包括与目标业务对象在目标属性上不具有所述属性值差异信息的相似业务对象。由此可见,需要从中筛选出与目标业务对象在目标属性上具有所述属性值差异信息的相似业务对象,这些业务对象才是符合条件的相似业务对象。为此,可根据候选业务对象的第一属性解耦表征向量,从候选业务对象中选取出与目标业务对象在非目标属性上相同或相似、目标属性在所述取值范围内的业务对象,作为向用户返回的相似业务对象。
与方式一类似,为了有效提升相似业务对象的数据质量,确保多个相似业务对象间在目标属性上具有视觉可辨识的差异,同时有效控制相似业务对象的数量,步骤S1073可包括如下子步骤:1)将所述取值范围划分为多个子取值范围;2)从各个子取值范围中选取所述相似业务对象。
采用方式二的处理方式,使得通过二分搜索方式直接从所有业务对象中确定出相似业务对象;因此,可以有效提升搜索效率。同时,这种处理方式还使得相似业务对象包括与目标业务对象具有不同第二对象类目的业务对象,避免搜索不到挂错类目的相似业务对象;因此,可以进一步有效提升搜索结果的召回率和准确度。
步骤S107:向请求方回送相似业务对象。
所述请求方,包括但不限于用户客户端。所述的客户端包括但不限于移动通讯设备,即:通常所说的手机或者智能手机,还包括个人电脑、PAD、iPad等终端设备。
下面结合图8给出一些实例,以说明采用本申请实施例提供的方法的搜索效果。需要说明的是,为了说明目标属性的可变化情况,图8不仅给出了与用户指定商品在目标属性上具有指定的属性值差异的相似商品,还给出了与用户指定商品在目标属性上不具有指定的属性值差异的相似商品,也就是说,图8给出了在所述取值范围内的相似商品。
在与图8a对应的搜索场景中,用户指定的目标商品为一款女士提包,要搜索尺寸更大些或更小些的相似提包,图8a示出了与该商品其它属性相似但尺寸有差异的相似商品。在与图8b对应的搜索场景中,用户指定的目标商品为另一款女士提包,要搜索颜色更浅些或更深些的相似提包,图8b示出了与该商品其它属性相似但颜色有差异的相似商品。在与图8c对应的搜索场景中,用户指定的目标商品为一款手机外壳,要搜索风格更青春些的相似商品,图8c示出了与该商品其它属性相似但风格有差异的相似商品。在与图8d对应的搜索场景中,用户指定的目标商品为一款生鲜肉品,要搜索肉类不同的相似商品,图8d示出了与该商品其它属性相似但肉类有差异的相似商品。
从上述实施例可见,本申请实施例提供的业务对象搜索方法,通过接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;获取目标业务对象和候选业务对象的第一属性解耦表征向量;根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;向请求方回送相似业务对象;这种处理方式,使得基于业务对象的属性解耦的向量表征,该类向量的每一维能够代表一个具体的含义,如衣服的颜色、大小、风格,解耦属性可以是隐式属性,也可以是连续型的显示属性,这样就可以通过改变业务对象的单个属性值来控制返回的相似业务对象,一方面即使业务对象数据中原来没有存储相关的属性(隐式属性,如服装风格、手机性价比),也可以从用户行为中学习到这样含义的解耦表征,通过调整属性值大小,来达到“这件衣服可以,但想要风格轻快但其他方面都类似的衣服“这样的查询;因此,可以有效增加单因子控制搜索的搜索维度,达到基于用户心智的搜索效果,从而提升用户体验。另一方面,使得即使业务对象数据中原有属性(显式属性,如服装尺码)为固定挡位的离散值,也可以从用户行为中学习到显示属性的连续值,基于连续型的显示属性进行业务对象搜索,可以有效提升搜索结果的召回率和准确率。此外,这种处理方式使得无需人工识别隐式属性,人工为这类属性设置具体的属性值,且可自动确定显示属性的连续值;因此,可以有效提升属性确定速度,进而可有效提升单因子控制搜索效率。
在上述的实施例中,提供了一种业务对象搜索方法,与之相对应的,本申请还提供一种业务对象搜索装置。该装置是与上述方法的实施例相对应。
第二实施例
本申请另外提供一种业务对象搜索装置。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请另外提供一种业务对象搜索装置,包括:
请求接收单元,用于接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;
属性解耦向量获取单元,用于获取目标业务对象和候选业务对象的第一属性解耦表征向量;
相似业务对象确定单元,用于根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
相似业务对象回送单元,用于向请求方回送相似业务对象。
第三实施例
本申请另外提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,该电子设备包括:处理器和存储器;所述存储器,用于存储实现业务对象搜索方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;获取目标业务对象和候选业务对象的第一属性解耦表征向量;根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;向请求方回送相似业务对象。
在上述的实施例中,提供了一种业务对象搜索方法,与之相对应的,本申请还提供一种业务对象搜索请求方法。该方法是与上述方法的实施例相对应。
第四实施例
请参考图9,其为本申请提供的一种业务对象搜索请求方法实施例的流程图,该方法的执行主体包括但不限于用户客户端。由于本实施例与方法实施例一相对应,所以描述得比较简单,相关之处参见方法实施例一的部分说明即可。下述描述的方法实施例仅仅是示意性的。
本申请另外提供一种业务对象搜索请求方法,包括:
步骤S901:确定待处理的目标业务对象。
所述目标业务对象,可采用如下方式确定:通过关键字搜索技术确定目标业务对象。所述目标业务对象,也可采用如下方式确定:在电商网站首页上选取感兴趣的目标商品对象,或者,在新闻网站首页上选取感兴趣的目标新闻对象,等等。
步骤S903:向服务端发送针对所述目标业务对象的相似对象搜索请求。
所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息。所述目标属性,可包括隐式属性,还可包括连续型的显示属性。
步骤S905:接收所述服务端回送的所述目标业务对象的相似业务对象。
所述服务端响应所述搜索请求,通过实施例一提供的方法确定相似业务对象,并回送相似业务对象。
步骤S907:展示所述相似业务对象。
所述客户端将接收到的相似业务对象展示给用户查看。
从上述实施例可见,本申请实施例提供的业务对象搜索请求方法,通过确定待处理的目标业务对象;向服务端发送针对所述目标业务对象的相似对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;接收所述服务端回送的所述目标业务对象的相似业务对象;展示所述相似业务对象;这种处理方式,使得基于业务对象的属性解耦的向量表征,该类向量的每一维能够代表一个具体的含义,如衣服的颜色、大小、风格,解耦属性可以是隐式属性,还可以是连续型的显示属性,这样就可以通过改变业务对象的单个属性值来控制返回的相似业务对象,一方面即使业务对象数据中原来没有存储相关的属性(隐式属性,如服装风格、手机性价比),也可以从用户行为中学习到这样含义的解耦表征,通过调整属性值大小,来达到“这件衣服可以,但想要风格轻快但其他方面都类似的衣服“这样的查询;因此,可以有效增加单因子控制搜索的搜索维度,达到基于用户心智的搜索效果,从而提升用户体验。另一方面,使得即使业务对象数据中原有属性(显式属性,如服装尺码)为固定挡位的离散值,也可以从用户行为中学习到显示属性的连续值,基于连续型的显示属性进行业务对象搜索,可以有效提升搜索结果的召回率和准确率。此外,这种处理方式使得无需人工识别隐式属性,人工为这类属性设置具体的属性值,且可自动确定显示属性的连续值;因此,可以有效提升属性确定速度,进而可有效提升单因子控制搜索效率。
第五实施例
本申请另外提供一种业务对象搜索请求装置。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请另外提供一种业务对象搜索请求装置,包括:
目标业务对象确定单元,用于确定待处理的目标业务对象;
请求发送单元,用于向服务端发送针对所述目标业务对象的相似对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;
相似业务对象接收单元,用于接收所述服务端回送的所述目标业务对象的相似业务对象;
相似业务对象展示单元,用于展示所述相似业务对象。
第六实施例
本申请另外提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,该电子设备包括:处理器和存储器;所述存储器,用于存储实现业务对象搜索请求方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定待处理的目标业务对象;向服务端发送针对所述目标业务对象的相似对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;接收所述服务端回送的所述目标业务对象的相似业务对象;展示所述相似业务对象。
在上述的实施例中,提供了一种业务对象搜索方法,与之相对应的,本申请还提供一种业务对象搜索系统。该系统是与上述方法的实施例相对应。
第七实施例
请参考图10,其为本申请提供的一种业务对象搜索系统实施例的示意图。由于系统实施例与方法实施例相对应,所以描述得比较简单,相关之处参见方法实施例一的部分说明即可。下述描述的系统实施实施例仅仅是示意性的。
本申请另外提供一种业务对象搜索系统,包括:业务对象搜索装置101和业务对象搜索请求装置102。所述业务对象搜索装置101,可部署在服务端;所述业务对象搜索请求装置102,可部署在用户客户端。
在本实施例中,所述服务端通过业务对象搜索装置101,可以预先从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;所述第一属性解耦表征向量,可以包括业务对象的隐式属性,还可以包括连续型的显示属性。
所述客户端通过业务对象搜索请求装置102,确定待处理的目标业务对象;向服务端发送针对所述目标业务对象的相似对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息。
所述服务端通过业务对象搜索装置101,接收该搜索请求;获取目标业务对象和候选业务对象的第一属性解耦表征向量;根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;向请求方回送相似业务对象。
所述客户端通过业务对象搜索请求装置102,接受并展示所述相似业务对象。
从上述实施例可见,本申请实施例提供的业务对象搜索系统,使得基于业务对象的属性解耦的向量表征,该类向量的每一维能够代表一个具体的含义,如衣服的颜色、大小、风格,解耦属性可以是隐式属性,还可以是连续型的显示属性,这样就可以通过改变业务对象的单个属性值来控制返回的相似业务对象,一方面即使业务对象数据中原来没有存储相关的属性(隐式属性,如服装风格、手机性价比),也可以从用户行为中学习到这样含义的解耦表征,通过调整属性值大小,来达到“这件衣服可以,但想要风格轻快但其他方面都类似的衣服“这样的查询;因此,可以有效增加单因子控制搜索的搜索维度,达到基于用户心智的搜索效果,从而提升用户体验。另一方面,使得即使业务对象数据中原有属性(显式属性,如服装尺码)为固定挡位的离散值,也可以从用户行为中学习到显示属性的连续值,基于连续型的显示属性进行业务对象搜索,可以有效提升搜索结果的召回率和准确率。此外,这种处理方式使得无需人工识别隐式属性,人工为这类属性设置具体的属性值,且可自动确定显示属性的连续值;因此,可以有效提升属性确定速度,进而可有效提升单因子控制搜索效率。
在上述的实施例中,提供了一种业务对象搜索方法,与之相对应的,本申请还提供一种业务对象类目确定方法。该方法是与上述方法的实施例相对应。
第八实施例
请参考图11,其为本申请提供的一种业务对象属性确定方法实施例的流程图,该方法的执行主体包括但不限于服务端。由于本实施例与方法实施例一的步骤S201相对应,所以描述得比较简单,相关之处参见方法实施例一的部分说明即可。下述描述的方法实施例仅仅是示意性的。
本申请另外提供一种业务对象属性确定方法,包括:
步骤S1101:确定用户与其历史访问业务对象间的第一对应关系集。
步骤S1103:构建业务对象属性解耦表征向量学习网络。
步骤S1105:通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量,所述学习网络根据所述第一属性解耦表征向量确定出所述第一对应关系集。
在一个示例中,通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量、和各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述学习网络根据所述第一属性解耦表征向量和第二属性解耦表征向量,确定出所述第一对应关系集。
在一个示例中,所述学习网络采用如下步骤训练:
步骤S11051:确定所述第一属性解耦表征向量的初始值、所述第二属性解耦表征向量的初始值。
步骤S11053:通过所述学习网络包括的用户行为数据预测子网络,根据所述第一属性解耦表征向量的当前值和所述第二属性解耦表征向量的当前值,确定用户与其历史访问业务对象间的第二对应关系集。
所述用户行为数据预测子网络的网络结构,包括但不限于变分自编码器(Variational Auto-Encoder,VAE)。
在一个示例中,所述用户行为数据预测子网络包括:
第一子网络,用于针对各个第一对象类目,根据所述第一对象类目下的第一属性解耦表征向量的当前值和所述第二属性解耦表征向量的当前值,确定第三属性解耦表征向量;所述第三属性解耦表征向量包括用户对第一对象类目下业务对象各属性的偏好得分;
第二子网络,用于针对各个第一对象类目,根据与所述第一对象类目对应的所述第三属性解耦表征向量,确定用户对第一对象类目下业务对象的访问行为数据,作为所述第二对应关系。
所述第一子网络的网络结构,包括但不限于胶囊网络的编码器;所述第二子网络的网络结构,包括但不限于胶囊网络的解码器。
在一个示例中,所述第一子网络包括:
第三子网络,用于根据用户历史访问业务对象的第一属性解耦表征向量的当前值和各个第一对象类目的第二属性解耦表征向量的当前值,确定所述业务对象与各个第一对象类目间的第三对应关系;
多个第四子网络,用于根据与所述第四子网络对应的第一对象类目下业务对象的第一属性解耦表征向量的当前值和所述对应的第一对象类目的第二属性解耦表征向量的当前值,确定所述对应的第一对象类目的第一属性解耦表征向量的当前值的加权求和值,作为所述对应的第一对象类目的第四属性解耦表征向量的当前值;
多个第五子网络,用于根据与所述第五子网络对应的第一对象类目的所述第四属性解耦表征向量的当前值,确定所述对应的第一对象类目下业务对象的均值向量的当前值及方差向量的当前值;
多个第六子网络,用于根据与所述第六子网络对应的第一对象类目的所述均值向量及方差向量,确定所述第三属性解耦表征向量的当前值。
在一个示例中,所述第六子网络具体用于根据所述均值向量及方差向量,确定第一对象类目下业务对象的概率分布;根据所述概率分布,重参化得到所述第三属性解耦表征向量的当前值。
步骤S11055:通过所述学习网络包括的判断子网络,判断所述第一对应关系集与第二对应关系集间的差距是否小于差距阈值;若是,则结束网络训练;若否,则调整所述第一属性解耦表征向量的当前值和所述第二属性解耦表征向量的当前值、及所述学习网络的参数,根据调整后的网络参数继续学习。
从上述实施例可见,本申请实施例提供的业务对象属性确定方法,通过确定用户与其历史访问业务对象间的第一对应关系集;构建业务对象属性解耦表征向量学习网络;通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量,所述学习网络根据所述第一属性解耦表征向量确定出所述第一对应关系集;这种处理方式,使得从用户对业务对象的访问行为中,学习得到业务对象的隐式属性解耦表征,由连续值表示而非档位值表示的显示属性,其中隐式属性包括影响用户行为的隐含因素,显示属性包括影响用户对业务对象访问行为的显示因素;因此,可以有效提升隐式属性的可解释性及可控性,并提升显示属性的相对精准性。同时,这种处理方式使得无需人工识别隐式属性,人工为这类属性设置具体的属性值,且可自动确定显示属性的连续值;因此,可以有效提升属性确定效率。
第九实施例
本申请另外提供一种业务对象属性确定装置。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请另外提供一种业务对象属性确定装置,包括:
训练数据确定单元,用于确定用户与其历史访问业务对象间的第一对应关系集;
网络构建单元,用于构建业务对象属性解耦表征向量学习网络;
网络训练单元,用于通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量,所述学习网络根据所述第一属性解耦表征向量确定出所述第一对应关系集。
第十实施例
本申请另外提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,该电子设备包括:处理器和存储器;所述存储器,用于存储实现业务对象属性确定方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定用户与其历史访问业务对象间的第一对应关系集;构建业务对象属性解耦表征向量学习网络;通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量,所述学习网络根据所述第一属性解耦表征向量确定出所述第一对应关系集。
在上述的实施例中,提供了一种业务对象搜索方法,与之相对应的,本申请还提供一种业务对象类目确定方法。该方法是与上述方法的实施例相对应。
第十一实施例
请参考图12,其为本申请提供的一种业务对象类目确定方法实施例的流程图,该方法的执行主体包括但不限于服务端。由于本实施例与方法实施例一的步骤S201相对应,所以描述得比较简单,相关之处参见方法实施例一的部分说明即可。下述描述的方法实施例仅仅是示意性的。
本申请另外提供一种业务对象类目确定方法,包括:
步骤S1201:确定用户与其历史访问业务对象间的第一对应关系集。
步骤S1203:构建业务对象属性解耦表征向量学习网络。
步骤S1205:通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量、和各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述学习网络根据所述第一属性解耦表征向量和第二属性解耦表征向量,确定出所述第一对应关系集。
步骤S1207:根据所述第一属性解耦表征向量和所述第二属性解耦表征向量,确定所述业务对象所属的第一对象类目。
所述第一对象类目,可以是与业务对象的预设的第二对象类目不同的类目。
在一个示例中,步骤S1207可包括如下子步骤:1)根据所述第一属性解耦表征向量和所述第二属性解耦表征向量,确定各个业务对象与各个第一对象类目的原型业务对象间的相似度;2)根据所述相似度,确定所述业务对象所属的第一对象类目。
从上述实施例可见,本申请实施例提供的业务对象类目确定方法,通过确定用户与其历史访问业务对象间的第一对应关系集;构建业务对象属性解耦表征向量学习网络;通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量、和各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述学习网络根据所述第一属性解耦表征向量和第二属性解耦表征向量,确定出所述第一对应关系集;根据所述第一属性解耦表征向量和所述第二属性解耦表征向量,确定所述业务对象所属的第一对象类目;这种处理方式,使得从用户对业务对象的访问行为中学习得到业务对象所属类目,避免根据用户指定的错误类目对业务对象进行归类处理;因此,可以有效提升类目数据的准确度,进而可有效提升业务对象搜索的召回率和准确率。
第十二实施例
本申请另外提供一种业务对象类目确定装置。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请另外提供一种业务对象类目确定装置,包括:
训练数据确定单元,用于确定用户与其历史访问业务对象间的第一对应关系集;
网络构建单元,用于构建业务对象属性解耦表征向量学习网络;
网络训练单元,用于通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量、和各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述学习网络根据所述第一属性解耦表征向量和第二属性解耦表征向量,确定出所述第一对应关系集;
类目确定单元,用于根据所述第一属性解耦表征向量和所述第二属性解耦表征向量,确定所述业务对象所属的第一对象类目。
第十三实施例
本申请另外提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,该电子设备包括:处理器和存储器;所述存储器,用于存储实现业务对象目确定方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定用户与其历史访问业务对象间的第一对应关系集;构建业务对象属性解耦表征向量学习网络;通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量、和各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述学习网络根据所述第一属性解耦表征向量和第二属性解耦表征向量,确定出所述第一对应关系集;根据所述第一属性解耦表征向量和所述第二属性解耦表征向量,确定所述业务对象所属的第一对象类目。
在上述的实施例中,提供了一种业务对象搜索方法,与之相对应的,本申请还提供一种业务对象发布方法。该方法是与上述方法的实施例相对应。
第十四实施例
请参考图13,其为本申请提供的一种业务对象发布方法实施例的流程图,该方法的执行主体包括但不限于服务端。由于本实施例与方法实施例一相对应,所以描述得比较简单,相关之处参见方法实施例一的部分说明即可。下述描述的方法实施例仅仅是示意性的。
本申请另外提供一种业务对象发布方法,包括:
步骤S1301:从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量。
所述第一属性解耦表征向量,可包括隐式属性,还可包括连续型的显示属性。
步骤S1303:确定所述第一属性解耦表征向量中各维度属性名信息。
具体实施时,可通过人工方式参考业务对象的图片、视频、描述文字等等信息,确定第一属性解耦表征向量中各维度属性的含义,为各个维度属性设置属性名。此外,还可以通过机器学习方法,自动确定各维度属性的含义,为各个维度属性设置属性名。
步骤S1305:根据所述各维度属性名信息和属性值,发布所述业务对象。
在一个示例中,还从用户对业务对象的访问行为数据中学习得到各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述学习网络根据所述第一属性解耦表征向量和第二属性解耦表征向量,确定出所述第一对应关系集。相应的,所述方法还可包括如下步骤:根据所述第一属性解耦表征向量和所述第二属性解耦表征向量,确定所述业务对象所属的第一对象类目;将所述业务对象发布在所述第一对象类目下。所述第一对象类目,可包括与业务对象的预设的第二对象类目不同的类目。采用这种处理方式,使得从用户对业务对象的访问行为中学习得到业务对象所属类目,避免根据用户指定的错误类目对业务对象进行归类处理;因此,可以有效提升类目数据的准确度,进而可有效提升业务对象搜索的召回率和准确率。
在本实施例中,第一对象类目可采用如下步骤确定:1)根据所述第一属性解耦表征向量和所述第二属性解耦表征向量,确定各个业务对象与各个第一对象类目的原型业务对象间的相似度;2)根据所述相似度,确定所述业务对象所属的第一对象类目。
从上述实施例可见,本申请实施例提供的业务对象发布方法,通过从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;确定所述第一属性解耦表征向量中各维度属性名信息;根据所述各维度属性名信息和属性值,发布所述业务对象;这种处理方式,使得从用户对业务对象的访问行为中,学习得到业务对象的隐式属性解耦表征,还可以学到由连续值表示而非档位值表示的显示属性,其中隐式属性包括影响用户行为的隐含因素,显示属性包括影响用户对业务对象访问行为的显示因素;因此,可以有效提升隐式属性的可解释性及可控性,并提升显示属性的相对精准性,由此可确保业务对象发布的准确度。同时,这种处理方式使得无需人工识别隐式属性,人工为这类属性设置具体的属性值,且可自动确定显示属性的连续值;因此,可以有效提升业务对象发布效率。
第十五实施例
本申请另外提供一种业务对象发布装置。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请另外提供一种业务对象发布装置,包括:
属性解耦单元,用于从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;
属性名确定单元,用于确定所述第一属性解耦表征向量中各维度属性名信息;
业务对象发布单元,用于根据所述各维度属性名信息和属性值,发布所述业务对象。
第十六实施例
本申请另外提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,该电子设备包括:处理器和存储器;所述存储器,用于存储实现业务对象发布方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;确定所述第一属性解耦表征向量中各维度属性名信息;根据所述各维度属性名信息和属性值,发布所述业务对象。
在上述的实施例中,提供了一种业务对象搜索方法,与之相对应的,本申请还提供一种相似服装对象确定方法。该方法是与上述方法的实施例相对应。
第十七实施例
请参考图14,其为本申请提供的一种相似服装对象确定方法实施例的流程图,该方法的执行主体包括但不限于服务端。由于本实施例与方法实施例一相对应,所以描述得比较简单,相关之处参见方法实施例一的部分说明即可。下述描述的方法实施例仅仅是示意性的。
本申请另外提供一种相似服装对象确定方法,包括:
步骤S1401:从用户对商品对象的访问行为数据中学习得到服装对象的第一属性解耦表征向量。
所述第一属性解耦表征向量,可包括隐式属性,还可包括连续型的显示属性。
步骤S1403:确定目标服装对象、及相似服装对象相对目标服装对象在目标属性上的属性值差异信息。
步骤S1405:获取目标服装对象和候选服装对象的第一属性解耦表征向量。
步骤S1407:根据所述第一属性解耦表征向量和所述属性值差异信息,从候选服装对象中确定与所述目标服装对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的服装对象。
例如,所述隐式属性包括服装风格属性;所述属性值差异信息包括风格更成熟。再例如,所述显示属性包括服装尺码属性;所述属性值差异信息包括尺码更大。
在一个示例中,还从用户对商品对象的访问行为数据中学习得到各个类目的原型商品对象的第二属性解耦表征向量,并基于此向量确定各个商品对象所属类目。采用这种处理方式,一方面使得如果所述目标服装对象为服装类目下的服装对象,则所述相似服装对象不仅包括服装类目下的服装对象,还会包括非服装类目下的服装对象;另一方面,使得如果目标服装对象包括非服装类目下的服装对象,则所述相似服装对象可包括服装类目下的服装对象。
从上述实施例可见,本申请实施例提供的相似服装对象确定方法,通过从用户对商品对象的访问行为数据中学习得到服装对象的第一属性解耦表征向量;确定目标服装对象、及相似服装对象相对目标服装对象在目标属性上的属性值差异信息;获取目标服装对象和候选服装对象的第一属性解耦表征向量;根据所述第一属性解耦表征向量和所述属性值差异信息,从候选服装对象中确定与所述目标服装对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的服装对象;这种处理方式,使得从用户对商品对象的访问行为中,学习得到商品对象的属性解耦的向量表征,该类向量的每一维能够代表一个具体的含义,如衣服的颜色、大小、风格,解耦属性可包括隐式属性,还可包括连续型的显示属性,这样就可以通过改变服装对象的单个属性值来控制返回的相似服装对象,一方面即使商品对象数据中原来没有存储相关的属性(隐式属性,如服装风格),也可以从用户行为中学习到这样含义的解耦表征,通过调整属性值大小,来达到“这件衣服可以,但想要风格轻快但其他方面都类似的衣服“这样的查询;因此,可以有效增加单因子控制搜索的搜索维度,达到基于用户心智的搜索效果,从而提升用户体验。另一方面,使得即使商品对象数据中原有属性(显式属性,如服装尺码)为固定挡位的离散值,也可以从用户行为中学习到显示属性的连续值,基于连续型的显示属性进行服装对象搜索,可以有效提升搜索结果的召回率和准确率。同时,这种处理方式使得无需人工识别隐式属性,人工为这类属性设置具体的属性值,且可自动确定显示属性的连续值;因此,可以有效提升属性确定速度,进而可有效提升单因子控制搜索效率。
第十八实施例
本申请另外提供一种相似服装对象确定装置。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请另外提供一种相似服装对象确定装置,包括:
属性解耦单元,用于从用户对商品对象的访问行为数据中学习得到商品对象的第一属性解耦表征向量;
属性值差异信息确定单元,用于确定目标服装对象、及相似服装对象相对目标服装对象在目标属性上的属性值差异信息;
向量获取单元,用于获取目标服装对象和候选服装对象的第一属性解耦表征向量;
相似服装对象确定单元,用于根据所述第一属性解耦表征向量和所述属性值差异信息,从候选服装对象中确定与所述目标服装对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的服装对象。
第十九实施例
本申请另外提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,该电子设备包括:处理器和存储器;所述存储器,用于存储实现相似服装对象确定方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:从用户对商品对象的访问行为数据中学习得到商品对象的第一属性解耦表征向量;确定目标服装对象、及相似服装对象相对目标服装对象在目标属性上的属性值差异信息;获取目标服装对象和候选服装对象的第一属性解耦表征向量;根据所述第一属性解耦表征向量和所述属性值差异信息,从候选服装对象中确定与所述目标服装对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的服装对象。
在上述的实施例中,提供了一种业务对象搜索方法,与之相对应的,本申请还提供一种服装对象设计方法。该方法是与上述方法的实施例相对应。
第二十实施例
请参考图15,其为本申请提供的一种服装对象设计方法实施例的流程图,该方法的执行主体包括但不限于服务端。由于本实施例与方法实施例一相对应,所以描述得比较简单,相关之处参见方法实施例一的部分说明即可。下述描述的方法实施例仅仅是示意性的。
本申请另外提供一种服装对象设计方法,包括:
步骤S1501:确定待调整的服装对象及其在待调整属性上的调整目标信息。
步骤S1503:获取待调整的服装对象和候选服装对象的第一属性解耦表征向量。
步骤S1505:根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象间在待调整属性上达到所述调整目标信息、在非目标属性上相同或相似的服装对象。
步骤S1507:根据相似服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标。
在本实施例中,所述方法还可包括如下步骤:从用户对服装对象的访问行为数据中学习得到服装对象的第一属性解耦表征向量。
所述第一属性解耦表征向量,可包括隐式属性,还可包括连续型的显示属性。
在一个示例中,步骤S1509可包括如下子步骤:1)获取所述相似服装对象的图片信息;2)根据所述图片信息,调整所述待调整的服装对象。
例如,待调整的服装对象为一件T恤,待调整属性为风格属性,调整目标为风格更成熟些,相似服装对象包括比该件T恤风格更成熟,其它属性(如颜色、大小)相似的T恤。借鉴这些相似T恤的款式,可以重新设计待调整T恤的风格,具体可以是调整该件T恤的花色、颜色、T恤版型,增加一些图案,改变袖口样式等等,这些调整的方面可能并非相似T恤的显示属性,可以通过T恤的图片等等显示属性以外的其它形式数据获知。
从上述实施例可见,本申请实施例提供的服装对象设计方法,通过确定待调整的服装对象及其在待调整属性上的调整目标信息;获取待调整的服装对象和候选服装对象的第一属性解耦表征向量;根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象间在待调整属性上达到所述调整目标信息、在非目标属性上相同或相似的服装对象;根据相似服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标;这种处理方式,使得参考相似服装对象进行服装设计;因此,可以有效提升服装设计效果及设计效率。
第二十一实施例
本申请另外提供一种服装对象设计装置。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请另外提供一种服装对象设计装置,包括:
数据确定单元,用于确定待调整的服装对象及其在待调整属性上的调整目标信息;
向量获取单元,用于获取待调整的服装对象和候选服装对象的第一属性解耦表征向量;
相似服装对象确定单元,用于根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象间在待调整属性上达到所述调整目标信息、在非目标属性上相同或相似的服装对象;
服装对象调整单元,用于根据相似服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标。
第二十二实施例
本申请另外提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,该电子设备包括:处理器和存储器;所述存储器,用于存储实现服装对象设计方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定待调整的服装对象及其在待调整属性上的调整目标信息;获取待调整的服装对象和候选服装对象的第一属性解耦表征向量;根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象间在待调整属性上达到所述调整目标信息、在非目标属性上相同或相似的服装对象;根据相似服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标。
在上述的实施例中,提供了一种业务对象搜索方法,与之相对应的,本申请还提供一种相似服装对象确定方法。该方法是与上述方法的实施例相对应。
第二十三实施例
请参考图16,其为本申请提供的一种服装对象设计方法实施例的流程图,该方法的执行主体包括但不限于服务端。由于本实施例与方法实施例一相对应,所以描述得比较简单,相关之处参见方法实施例一的部分说明即可。下述描述的方法实施例仅仅是示意性的。
本申请另外提供一种服装对象设计方法,包括:
步骤S1601:确定待调整的服装对象及其在待调整属性上的调整目标信息。
步骤S1603:获取待调整的服装对象和候选服装对象的第一属性解耦表征向量。
所述候选服装对象,可包括与待调整的服装对象具有相同服装子类目的服装对象,也可包括与待调整的服装对象具有不同服装子类目的服装对象。其中,服装类目包括但不限于如下服装子类目:衬衫,裤子,裙子,外套,等等。
在一个示例中,所述方法还可包括如下步骤:1)从用户对服装对象的访问行为数据中学习得到各个服装子类目的原型服装对象的第二属性解耦表征向量;2)根据所述第一属性解耦表征向量和所述第二属性解耦表征向量,确定各个服装对象与各个服装子类目的原型业务对象间的相似度;3)根据所述相似度,确定所述服装对象所属的服装子类目;确定出的服装子类目包括与服装对象的预设的服装子类目不同的类目。
步骤S1605:根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象在待调整属性上相似的第一服装对象。
所述第一服装对象,包括与所述待调整的服装对象在待调整属性上相似的服装对象。所述第一服装对象,可以是任意服装子类目下的服装对象。例如,待调整的服装对象为T恤,第一服装对象可以与其风格相似的T恤、裤子、衬衫、毛衣等等。
步骤S1607:根据所述第一属性解耦表征向量,从候选服装对象中确定与所述第一服装对象在待调整属性上达到所述调整目标信息、在非待调整属性上相似的第二服装对象。
所述第二服装对象,包括与第一服装对象在待调整属性上不同、在其它属性上相似的服装对象。例如,待调整的服装对象为T恤,第一服装对象可以与其风格相似的T恤、裤子、衬衫、毛衣等等,第二服装对象可以与前述T恤(与待调整T恤的风格相似)风格不同的相似T恤、与前述裤子风格不同的相似裤子、与前述衬衫风格不同的相似衬衫、与前述毛衣风格不同的相似毛衣等等。
步骤S1609:根据第二服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标。
在一个示例中,所述方法还可包括如下步骤:从用户对服装对象的访问行为数据中学习得到服装对象的第一属性解耦表征向量。
所述第一属性解耦表征向量,可包括隐式属性,还可包括连续型的显示属性。
在一个示例中,步骤S1611可包括如下子步骤:1)获取所述第二服装对象的图片信息;2)根据所述图片信息,调整所述待调整的服装对象。
例如,待调整的服装对象为一件T恤,待调整属性为风格属性,调整目标为风格更成熟些,可以首先反向确定与该件T恤风格相似的其它服装对象,如衬衫等等,然后针对相同风格的衬衫,确定比该衬衫风格更成熟,其它属性(如颜色、大小)相似的衬衫。借鉴这些相似衬衫的款式,可以重新设计待调整T恤的风格,具体可以是调整该件T恤的花色、颜色、T恤版型,增加一些图案,改变袖口样式等等,这些调整的方面可能并非相似衬衫的显示属性,可以通过相似衬衫的图片等等显示属性以外的其它形式数据获知。
从上述实施例可见,本申请实施例提供的服装对象设计方法,通过确定待调整的服装对象及其在待调整属性上的调整目标信息;获取待调整的服装对象和候选服装对象的第一属性解耦表征向量;根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象在待调整属性上相似的第一服装对象;根据所述第一属性解耦表征向量,从候选服装对象中确定与所述第一服装对象在待调整属性上达到所述调整目标信息、在非待调整属性上相似的第二服装对象;根据第二服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标;这种处理方式,使得参考相似服装对象进行服装设计;因此,可以有效提升服装设计效果及设计效率。此外,相对于上一实施例提供的服装对象设计方法,本实施例提供的服装对象设计方法,可以参考更多的其它类服装对象的风格进行服装设计;因此,可以进一步有效提升服装设计效果及设计效率。
第二十四实施例
本申请另外提供一种服装对象设计装置。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请另外提供一种服装对象设计装置,包括:
数据确定单元,用于确定待调整的服装对象及其在待调整属性上的调整目标信息;
向量获取单元,用于获取待调整的服装对象和候选服装对象的第一属性解耦表征向量;
第一服装对象确定单元,用于根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象在待调整属性上相似的第一服装对象;
第二服装对象确定单元,用于根据所述第一属性解耦表征向量,从候选服装对象中确定与所述第一服装对象在待调整属性上达到所述调整目标信息、在非待调整属性上相似的第二服装对象;
服装对象调整单元,用于根据第二服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标。
第二十五实施例
本申请另外提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,该电子设备包括:处理器和存储器;所述存储器,用于存储实现服装对象设计方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定待调整的服装对象及其在待调整属性上的调整目标信息;获取待调整的服装对象和候选服装对象的第一属性解耦表征向量;根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象在待调整属性上相似的第一服装对象;根据所述第一属性解耦表征向量,从候选服装对象中确定与所述第一服装对象在待调整属性上达到所述调整目标信息、在非待调整属性上相似的第二服装对象;根据第二服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标。
在上述的实施例中,提供了一种业务对象搜索方法,与之相对应的,本申请还提供一种用于确定业务对象属性调整步长的方法。该方法是与上述方法的实施例相对应。
第二十六实施例
请参考图17,其为本申请提供的一种用于确定业务对象属性调整步长的方法实施例的流程图,该方法的执行主体包括但不限于服务端。由于本实施例与方法实施例一相对应,所以描述得比较简单,相关之处参见方法实施例一的部分说明即可。下述描述的方法实施例仅仅是示意性的。
本申请另外提供一种用于确定业务对象属性调整步长的方法,包括:
步骤S1701:从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量。
所述第一属性解耦表征向量,可包括隐式属性,还可包括连续型的显示属性。
步骤S1703:针对各个业务对象类目,根据所述业务对象类目下业务对象的第一属性解耦表征向量,确定所述业务对象类目的业务对象的至少一个维度属性的属性值范围信息。
例如,将一个业务对象类目下的所有业务对象在目标属性上的属性值的最小值作为属性值范围的下限,最大值作为属性值范围的上限。
步骤S1705:根据所述属性值范围信息,确定至少一个维度属性的属性值调整步长。
例如,属性值范围较大时,可以将属性值调整步长设置的大一些,以确保基于此步长搜索到的相似业务对象间具有一定的区分度。
从上述实施例可见,本申请实施例提供的用于确定业务对象属性调整步长的方法,通过从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;针对各个业务对象类目,根据所述业务对象类目下业务对象的第一属性解耦表征向量,确定所述业务对象类目的业务对象的至少一个维度属性的属性值范围信息;根据所述属性值范围信息,确定至少一个维度属性的属性值调整步长;这种处理方式,使得可确定业务对象的隐式属性、连续型的显示属性的属性值调整步长,以确保基于此步长搜索到的相似业务对象间具有一定的区分度;因此,可以有效提升属性值调整步长调整的灵活度,从而提升搜索结果质量。
第二十七实施例
本申请另外提供一种用于确定业务对象属性调整步长的装置。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请另外提供一种用于确定业务对象属性调整步长的装置,包括:
属性解耦单元,用于从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;
属性值范围确定单元,用于针对各个业务对象类目,根据所述业务对象类目下业务对象的第一属性解耦表征向量,确定所述业务对象类目的业务对象的至少一个维度属性的属性值范围信息;
调整步长确定单元,用于根据所述属性值范围信息,确定至少一个维度属性的属性值调整步长。
第二十八实施例
本申请另外提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,该电子设备包括:处理器和存储器;所述存储器,用于存储实现用于确定业务对象属性调整步长的方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;针对各个业务对象类目,根据所述业务对象类目下业务对象的第一属性解耦表征向量,确定所述业务对象类目的业务对象的至少一个维度属性的属性值范围信息;根据所述属性值范围信息,确定至少一个维度属性的属性值调整步长。
在上述的实施例中,提供了一种业务对象搜索方法,与之相对应的,本申请还提供一种业务对象推荐方法。该方法是与上述方法的实施例相对应。
第二十九实施例
请参考图18,其为本申请提供的一种业务对象推荐方法实施例的流程图,该方法的执行主体包括但不限于服务端。由于本实施例与方法实施例一相对应,所以描述得比较简单,相关之处参见方法实施例一的部分说明即可。下述描述的方法实施例仅仅是示意性的。
本申请另外提供一种业务对象推荐方法,包括:
步骤S1801:从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量、及各个第一对象类目的原型业务对象的第二属性解耦表征向量。
所述第一属性解耦表征向量,可包括隐式属性,还可包括连续型的显示属性。
步骤S1803:确定所述第一属性解耦表征向量中各维度属性名信息。
步骤S1805:接收针对目标业务对象的可调整属性信息获取请求。
步骤S1807:根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、各个第一对象类目的所述第二属性解耦表征向量,确定相似业务对象在各个属性上的取值范围,使得第一相似度大于第二相似度。
所述第一相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目的原型业务对象间相似度;所述第二相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目以外的第一对象类目的原型业务对象间相似度。
步骤S1809:向请求方回送所述各维度属性名信息和所述取值范围。
例如,用户指定一件T恤,要获取与该T恤相似的其它商品对象的可调整属性及属性值调整范围,采用本实施例提供的方法,可以向用户客户端返回可调整属性及属性值调整范围,用户根据返回信息,可确定针对该T恤的相似商品对象的属性值差异信息,客户端可向服务器发送针对该T恤的相似商品对象搜索请求,通过服务器获取与该T恤相似的符合所述属性值差异信息的其它商品对象。
从上述实施例可见,本申请实施例提供的业务对象推荐方法,通过从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量、及各个第一对象类目的原型业务对象的第二属性解耦表征向量;确定所述第一属性解耦表征向量中各维度属性名信息;接收针对目标业务对象的可调整属性信息获取请求;根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、各个第一对象类目的所述第二属性解耦表征向量,确定相似业务对象在各个属性上的取值范围,使得第一相似度大于第二相似度;向请求方回送所述各维度属性名信息和所述取值范围;这种处理方式,使得向用户客户端推荐用户当前查看的商品对象的可调整的各维度属性名信息和取值范围;因此,可以有效提升业务对象推荐的准确度。
第三十实施例
本申请另外提供一种业务对象推荐装置。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请另外提供一种业务对象推荐装置,包括:
属性解耦单元,用于从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量、及各个第一对象类目的原型业务对象的第二属性解耦表征向量;
属性名确定单元,用于确定所述第一属性解耦表征向量中各维度属性名信息;
请求接收单元,用于接收针对目标业务对象的可调整属性信息获取请求;
取值范围确定单元,用于根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、各个第一对象类目的所述第二属性解耦表征向量,确定相似业务对象在各个属性上的取值范围,使得第一相似度大于第二相似度;所述第一相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目的原型业务对象间相似度;所述第二相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目以外的第一对象类目的原型业务对象间相似度;
可调整属性信息回送单元,用于向请求方回送所述各维度属性名信息和所述取值范围。
第三十一实施例
本申请另外提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,该电子设备包括:处理器和存储器;所述存储器,用于存储实现业务对象推荐方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量、及各个第一对象类目的原型业务对象的第二属性解耦表征向量;确定所述第一属性解耦表征向量中各维度属性名信息;接收针对目标业务对象的可调整属性信息获取请求;根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、各个第一对象类目的所述第二属性解耦表征向量,确定相似业务对象在各个属性上的取值范围,使得第一相似度大于第二相似度;所述第一相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目的原型业务对象间相似度;所述第二相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目以外的第一对象类目的原型业务对象间相似度;向请求方回送所述各维度属性名信息和所述取值范围。
在上述的实施例中,提供了一种业务对象推荐方法,与之相对应的,本申请还提供一种业务对象推荐请求方法。该方法是与上述方法的实施例相对应。
第三十二实施例
请参考图19,其为本申请提供的一种业务对象推荐请求方法实施例的流程图,该方法的执行主体包括但不限于客户端。由于本实施例与方法实施例一相对应,所以描述得比较简单,相关之处参见方法实施例一的部分说明即可。下述描述的方法实施例仅仅是示意性的。
本申请另外提供一种业务对象推荐请求方法,包括:
步骤S1901:确定待处理的目标业务对象;
步骤S1903:向服务端发送针对所述目标业务对象的可调整属性信息获取请求;
步骤S1905:展示所述目标业务对象的可调整属性信息。
在一个示例中,所述可调整属性信息包括:可调整属性名和属性值取值范围。
在本实施例中,所述方法还可包括如下步骤:1)根据所述可调整属性信息,确定相似业务对象相对目标业务对象在目标属性上的属性值差异信息;2)向服务端发送针对所述目标业务对象的相似对象搜索请求;所述搜索请求包括所述属性值差异信息;3)接收所述服务端回送的所述目标业务对象的相似业务对象;4)展示所述相似业务对象。
例如,用户指定一件T恤,要获取与该T恤相似的其它商品对象的可调整属性及属性值调整范围,采用本实施例提供的方法,可以向用户客户端返回可调整属性及属性值调整范围,用户根据返回信息,可确定针对该T恤的相似商品对象的属性值差异信息,客户端可向服务器发送针对该T恤的相似商品对象搜索请求,通过服务器获取与该T恤相似的符合所述属性值差异信息的其它商品对象。
从上述实施例可见,本申请实施例提供的业务对象推荐请求方法,通过确定待处理的目标业务对象;向服务端发送针对所述目标业务对象的可调整属性信息获取请求;展示所述目标业务对象的可调整属性信息;这种处理方式,使得向用户客户端推荐用户当前查看的商品对象的可调整的各维度属性名信息和取值范围;因此,可以有效提升业务对象推荐的准确度。
第三十三实施例
本申请另外提供一种业务对象推荐请求装置。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请另外提供一种业务对象推荐请求装置,包括:
目标业务对象确定单元,用于确定待处理的目标业务对象;
请求发送单元,用于向服务端发送针对所述目标业务对象的可调整属性信息获取请求;
可调整属性信息展示单元,用于展示所述目标业务对象的可调整属性信息。
第三十四实施例
本申请另外提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,该电子设备包括:处理器和存储器;所述存储器,用于存储实现业务对象推荐请求方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定待处理的目标业务对象;向服务端发送针对所述目标业务对象的可调整属性信息获取请求;展示所述目标业务对象的可调整属性信息。
第三十五实施例
在上述的实施例中,提供了一种业务对象推荐方法,与之相对应的,本申请还提供一种业务对象推荐系统。该系统是与上述方法的实施例相对应。由于系统实施例与方法实施例相对应,所以描述得比较简单,相关之处参见方法实施例一的部分说明即可。下述描述的系统实施实施例仅仅是示意性的。
本申请另外提供一种业务对象推荐系统,包括:业务对象推荐装置和业务对象推荐请求装置。所述业务对象推荐装置,可部署在服务端;所述业务对象推荐请求装置,可部署在用户客户端。
在本实施例中,所述服务端通过业务对象推荐装置,可以预先从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量、及各个第一对象类目的原型业务对象的第二属性解耦表征向量;确定所述第一属性解耦表征向量中各维度属性名信息;所述第一属性解耦表征向量,可以包括业务对象的隐式属性,还可以包括连续型的显示属性。
所述客户端通过业务对象推荐请求装置,确定待处理的目标业务对象;向服务端发送针对所述目标业务对象的可调整属性信息获取请求;所述服务端响应该请求,根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、各个第一对象类目的所述第二属性解耦表征向量,确定相似业务对象在各个属性上的取值范围,使得第一相似度大于第二相似度;所述第一相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目的原型业务对象间相似度;所述第二相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目以外的第一对象类目的原型业务对象间相似度;向请求方回送所述各维度属性名信息和所述取值范围。
所述客户端通过业务对象推荐请求装置,展示可调整属性信息后,还可确定属性值差异信息;向服务端发送针对所述目标业务对象的相似对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息。
所述服务端通过业务对象推荐装置,接收该搜索请求;获取目标业务对象和候选业务对象的第一属性解耦表征向量;根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;向请求方回送相似业务对象。
所述客户端通过业务对象推荐请求装置,接受并展示所述相似业务对象。
从上述实施例可见,本申请实施例提供的业务对象推荐系统,通过从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量、及各个第一对象类目的原型业务对象的第二属性解耦表征向量;确定所述第一属性解耦表征向量中各维度属性名信息;接收针对目标业务对象的可调整属性信息获取请求;根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、各个第一对象类目的所述第二属性解耦表征向量,确定相似业务对象在各个属性上的取值范围,使得第一相似度大于第二相似度;向请求方回送所述各维度属性名信息和所述取值范围;这种处理方式,使得向用户客户端推荐用户当前查看的商品对象的可调整的各维度属性名信息和取值范围;因此,可以有效提升业务对象推荐的准确度。
在上述的实施例中,提供了一种业务对象搜索方法,与之相对应的,本申请还提供一种业务对象搜索方法。该方法是与上述方法的实施例相对应。
第三十六实施例
请参考图20,其为本申请提供的一种业务对象搜索方法实施例的流程图,该方法的执行主体包括但不限于服务端。由于本实施例与方法实施例一相对应,所以描述得比较简单,相关之处参见方法实施例一的部分说明即可。下述描述的方法实施例仅仅是示意性的。
本申请另外提供一种业务对象搜索方法,包括:
步骤S2001:接收客户端发送的针对目标图像的相似业务对象搜索请求。
所述客户端包括但不限于移动通讯设备,即:通常所说的手机或者智能手机,还包括个人电脑、PAD、iPad等终端设备,还可以是智能音箱等等物联网设备。
所述搜索请求,包括相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据。
在一个示例中,所述客户端为安装有图像采集装置和声音采集装置的智能音箱,用户通过智能音箱的图像采集装置拍摄感兴趣的目标图像,如目标图像为穿在某个人身上的T恤图像。此外,用户还通过智能音箱的声音采集装置采集用户对相似业务对象进行描述的语音信号,如该段语音为“想要相似的T恤,但风格要成熟些”。
在另一个示例中,所述客户端为安装有图像采集装置和声音采集装置的智能手机,用户通过智能手机的摄像头拍摄感兴趣的目标图像,如目标图像为穿在某个人身上的T恤图像。此外,用户还通过智能手机的触摸屏输入属性差异文本数据,如输入的文本为“风格成熟些的相似T恤”。
步骤S2003:根据所述语音数据或文本数据,确定所述目标属性和属性值差异信息。
在一个示例中,首先通过语音识别算法,确定与所述语音数据对应的文本序列;然后再通过语义理解算法,确定所述目标属性和属性值差异信息。例如,语音“想要相似的T恤,但风格要成熟些”的目标属性为:风格,属性值差异信息为:大于目标图像的风格属性值。
步骤S2005:根据所述目标图像和所述属性值差异信息,确定所述相似业务对象。
所述相似业务对象,是与所述目标图像在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象。
在本实施例中,步骤S2005可包括如下步骤:
步骤S20051:确定与目标图像对应的目标业务对象。
在本实施例中,计算目标图像与业务对象库中各个业务对象的图像之间的图像相似度,将图像相似度高的业务对象作为与目标图像对应的目标业务对象。
步骤S20053:获取目标业务对象和候选业务对象的第一属性解耦表征向量。
此步骤参见方法实施例一的相关说明,此处不再赘述。
步骤S20055:根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象。
此步骤参见方法实施例一的相关说明,此处不再赘述。
步骤S2007:向客户端回送所述相似业务对象。
从上述实施例可见,本申请实施例提供的业务对象搜索方法,通过接收客户端发送的针对目标图像的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;根据所述语音数据或文本数据,确定所述目标属性和属性值差异信息;根据所述目标图像和所述属性值差异信息,确定所述相似业务对象;所述相似业务对象是与所述目标图像在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;向客户端回送所述相似业务对象;这种处理方式,使得基于业务对象的属性解耦的向量表征,该类向量的每一维能够代表一个具体的含义,如衣服的颜色、大小、风格,解耦属性可以是隐式属性,也可以是连续型的显示属性,这样就可以通过改变与目标图像对应的业务对象的单个属性值来控制返回的相似业务对象,一方面即使业务对象数据中原来没有存储相关的属性(隐式属性,如服装风格、手机性价比),也可以从用户行为中学习到这样含义的解耦表征,通过调整属性值大小,来达到“这件衣服可以,但想要风格轻快但其他方面都类似的衣服“这样的查询;因此,可以有效增加单因子控制搜索的搜索维度,达到基于用户心智的搜索效果,从而提升用户体验。另一方面,使得即使业务对象数据中原有属性(显式属性,如服装尺码)为固定挡位的离散值,也可以从用户行为中学习到显示属性的连续值,基于连续型的显示属性进行业务对象搜索,可以有效提升搜索结果的召回率和准确率。
第三十七实施例
本申请另外提供一种业务对象搜索装置。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请另外提供一种业务对象搜索装置,包括:
请求接收单元,用于接收客户端发送的针对目标图像的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;
属性差异信息确定单元,用于根据所述语音数据或文本数据,确定所述目标属性和属性值差异信息;
相似业务对象确定单元,用于根据所述目标图像和所述属性值差异信息,确定所述相似业务对象;所述相似业务对象是与所述目标图像在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
数据回送单元,用于向客户端回送所述相似业务对象。
第三十八实施例
本申请另外提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,该电子设备包括:处理器和存储器;所述存储器,用于存储实现业务对象搜索方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:接收客户端发送的针对目标图像的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;根据所述语音数据或文本数据,确定所述目标属性和属性值差异信息;根据所述目标图像和所述属性值差异信息,确定所述相似业务对象;所述相似业务对象是与所述目标图像在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;向客户端回送所述相似业务对象。
在上述的实施例中,提供了一种业务对象搜索方法,与之相对应的,本申请还提供一种业务对象搜索请求方法。该方法是与上述方法的实施例相对应。
第三十九实施例
请参考图21,其为本申请提供的一种业务对象搜索请求方法实施例的流程图,该方法的执行主体包括但不限于客户端。由于本实施例与方法实施例一相对应,所以描述得比较简单,相关之处参见方法实施例一的部分说明即可。下述描述的方法实施例仅仅是示意性的。
本申请另外提供一种业务对象搜索请求方法,包括:
步骤S2101:确定目标图像、及相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;
步骤S2103:向服务端发送针对目标图像的相似业务对象搜索请求;所述搜索请求包括所述语音数据或所述文本数据;
步骤S2105:接收所述服务端回送的所述目标图像的相似业务对象;
步骤S2107:展示所述相似业务对象。
从上述实施例可见,本申请实施例提供的业务对象搜索请求方法,通过确定目标图像、及相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;向服务端发送针对目标图像的相似业务对象搜索请求;所述搜索请求包括所述语音数据或所述文本数据;接收所述服务端回送的所述目标图像的相似业务对象;展示所述相似业务对象;这种处理方式,使得基于业务对象的属性解耦的向量表征,该类向量的每一维能够代表一个具体的含义,如衣服的颜色、大小、风格,解耦属性可以是隐式属性,也可以是连续型的显示属性,这样就可以通过改变与目标图像对应的业务对象的单个属性值来控制返回的相似业务对象,一方面即使业务对象数据中原来没有存储相关的属性(隐式属性,如服装风格、手机性价比),也可以从用户行为中学习到这样含义的解耦表征,通过调整属性值大小,来达到“这件衣服可以,但想要风格轻快但其他方面都类似的衣服“这样的查询;因此,可以有效增加单因子控制搜索的搜索维度,达到基于用户心智的搜索效果,从而提升用户体验。另一方面,使得即使业务对象数据中原有属性(显式属性,如服装尺码)为固定挡位的离散值,也可以从用户行为中学习到显示属性的连续值,基于连续型的显示属性进行业务对象搜索,可以有效提升搜索结果的召回率和准确率。
第四十实施例
本申请另外提供一种业务对象搜索请求装置。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请另外提供一种业务对象搜索请求装置,包括:
数据确定单元,用于确定目标图像、及相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;
请求发送单元,用于向服务端发送针对目标图像的相似业务对象搜索请求;所述搜索请求包括所述语音数据或所述文本数据;
数据接收单元,用于接收所述服务端回送的所述目标图像的相似业务对象;
数据展示单元,用于展示所述相似业务对象。
第四十一实施例
本申请另外提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,该电子设备包括:处理器和存储器;所述存储器,用于存储实现业务对象搜索请求方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定目标图像、及相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;向服务端发送针对目标图像的相似业务对象搜索请求;所述搜索请求包括所述语音数据或所述文本数据;接收所述服务端回送的所述目标图像的相似业务对象;展示所述相似业务对象。
在一个示例中,所述电子设备为智能音箱;所述智能音箱包括图像采集装置和声音采集装置;通过所述图像采集装置采集所述目标图像;通过所述声音采集装置采集所述语音数据。
在另一个示例中,所述电子设备为智能移动通讯设备;所述智能移动通讯设备包括:图像采集装置,声音采集装置,触摸屏;通过所述图像采集装置采集所述目标图像;通过所述声音采集装置采集所述语音数据;或者,通过触摸屏获取所述文本数据。
第四十二实施例
在上述的实施例中,提供了一种业务对象搜索方法,与之相对应的,本申请还提供一种业务对象搜索系统。该系统是与上述方法的实施例相对应。由于系统实施例与方法实施例相对应,所以描述得比较简单,相关之处参见方法实施例一的部分说明即可。下述描述的系统实施实施例仅仅是示意性的。
本申请另外提供一种业务对象搜索系统,包括:业务对象搜索装置和业务对象搜索请求装置。所述业务对象搜索装置,可部署在服务端;所述业务对象搜索请求装置,可部署在客户端。
所述客户端确定目标图像、及相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;向服务端发送针对目标图像的相似业务对象搜索请求;所述搜索请求包括所述语音数据或所述文本数据;接收所述服务端回送的所述目标图像的相似业务对象;展示所述相似业务对象。
所述服务端接收客户端发送的针对目标图像的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;根据所述语音数据或文本数据,确定所述目标属性和属性值差异信息;根据所述目标图像和所述属性值差异信息,确定所述相似业务对象;所述相似业务对象是与所述目标图像在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;向客户端回送所述相似业务对象。
从上述实施例可见,本申请实施例提供的业务对象搜索系统,通过客户端确定目标图像、及相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;向服务端发送针对目标图像的相似业务对象搜索请求;所述服务端根据所述语音数据或文本数据,确定所述目标属性和属性值差异信息;根据所述目标图像和所述属性值差异信息,确定所述相似业务对象;所述相似业务对象是与所述目标图像在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;向客户端回送所述相似业务对象;客户端展示所述相似业务对象;这种处理方式,使得基于业务对象的属性解耦的向量表征,该类向量的每一维能够代表一个具体的含义,如衣服的颜色、大小、风格,解耦属性可以是隐式属性,也可以是连续型的显示属性,这样就可以通过改变与目标图像对应的业务对象的单个属性值来控制返回的相似业务对象,一方面即使业务对象数据中原来没有存储相关的属性(隐式属性,如服装风格、手机性价比),也可以从用户行为中学习到这样含义的解耦表征,通过调整属性值大小,来达到“这件衣服可以,但想要风格轻快但其他方面都类似的衣服“这样的查询;因此,可以有效增加单因子控制搜索的搜索维度,达到基于用户心智的搜索效果,从而提升用户体验。另一方面,使得即使业务对象数据中原有属性(显式属性,如服装尺码)为固定挡位的离散值,也可以从用户行为中学习到显示属性的连续值,基于连续型的显示属性进行业务对象搜索,可以有效提升搜索结果的召回率和准确率。
在上述的实施例中,提供了一种业务对象搜索方法,与之相对应的,本申请还提供一种业务对象搜索方法。该方法是与上述方法的实施例相对应。
第四十三实施例
请参考图22,其为本申请提供的一种业务对象搜索方法实施例的流程图,该方法的执行主体包括但不限于服务端。由于本实施例与方法实施例一相对应,所以描述得比较简单,相关之处参见方法实施例一的部分说明即可。下述描述的方法实施例仅仅是示意性的。
本申请另外提供一种业务对象搜索方法,包括:
步骤S2201:接收客户端发送的针对目标服装对象的相似业务对象搜索请求。
所述客户端包括但不限于移动通讯设备,即:通常所说的手机或者智能手机,还包括个人电脑、PAD、iPad等终端设备。
所述搜索请求,包括相似业务对象相对目标服装对象在目标属性上的属性差异信息。
步骤S2203:确定所述相似业务对象。
所述相似业务对象是与所述目标服装对象在目标属性上具有所述属性差异信息、在非目标属性上相同或相似的业务对象。
在一个示例中,所述搜索请求包括目标用户信息,如目标用户标识;所述方法还可包括如下步骤:1)确定所述目标用户的偏好信息,如身高、体重、年龄段、受教育程度、喜欢的服装品牌、颜色等等各类偏好信息;2)确定满足所述偏好信息的相似业务对象,如尺码适合目标用户的相似业务对象等等。
在本实施例中,步骤S2203可包括如下步骤:
步骤S22031:获取目标服装对象和候选服装对象的第一属性解耦表征向量。
此步骤参见方法实施例一的相关说明,此处不再赘述。
步骤S22035:根据所述第一属性解耦表征向量和所述属性差异信息,从候选服装对象中确定相似业务对象。
此步骤参见方法实施例一的相关说明,此处不再赘述。
步骤S2005:向客户端回送所述相似业务对象。
从上述实施例可见,本申请实施例提供的业务对象搜索方法,通过接收客户端发送的针对目标服装对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标服装对象在目标属性上的属性差异信息;确定所述相似业务对象;所述相似业务对象是与所述目标服装对象在目标属性上具有所述属性差异信息、在非目标属性上相同或相似的业务对象;向客户端回送所述相似业务对象;这种处理方式,使得基于业务对象的属性解耦的向量表征,该类向量的每一维能够代表一个具体的含义,如衣服的颜色、大小、风格,解耦属性可以是隐式属性,也可以是连续型的显示属性,这样就可以通过改变目标服装对象的单个属性值来控制返回的相似业务对象,一方面即使业务对象数据中原来没有存储相关的属性(隐式属性,如服装风格、手机性价比),也可以从用户行为中学习到这样含义的解耦表征,通过调整属性值大小,来达到“这件衣服可以,但想要风格轻快但其他方面都类似的衣服“这样的查询;因此,可以有效增加单因子控制搜索的搜索维度,达到基于用户心智的搜索效果,从而提升用户体验。另一方面,使得即使业务对象数据中原有属性(显式属性,如服装尺码)为固定挡位的离散值,也可以从用户行为中学习到显示属性的连续值,基于连续型的显示属性进行业务对象搜索,可以有效提升搜索结果的召回率和准确率。此外,在服务端确定满足用户偏好的相似业务对象的情况下,使得相似业务对象更加适合目标用户;因此,可以有效提升用户体验。
第四十四实施例
本申请另外提供一种业务对象搜索装置。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请另外提供一种业务对象搜索装置,包括:
请求接收单元,用于接收客户端发送的针对目标服装对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标服装对象在目标属性上的属性差异信息;
相似业务对象确定单元,用于确定所述相似业务对象;所述相似业务对象是与所述目标服装对象在目标属性上具有所述属性差异信息、在非目标属性上相同或相似的业务对象;
数据回送单元,用于向客户端回送所述相似业务对象。
第四十五实施例
本申请另外提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,该电子设备包括:处理器和存储器;所述存储器,用于存储实现业务对象搜索方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:接收客户端发送的针对目标服装对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标服装对象在目标属性上的属性差异信息;确定所述相似业务对象;所述相似业务对象是与所述目标服装对象在目标属性上具有所述属性差异信息、在非目标属性上相同或相似的业务对象;向客户端回送所述相似业务对象。
在上述的实施例中,提供了一种业务对象搜索方法,与之相对应的,本申请还提供一种业务对象搜索请求方法。该方法是与上述方法的实施例相对应。
第四十六实施例
请参考图23,其为本申请提供的一种业务对象搜索请求方法实施例的流程图,该方法的执行主体包括但不限于客户端。由于本实施例与方法实施例一相对应,所以描述得比较简单,相关之处参见方法实施例一的部分说明即可。下述描述的方法实施例仅仅是示意性的。
本申请另外提供一种业务对象搜索请求方法,包括:
步骤S2301:显示目标用户穿着目标服装对象的三维图像;
在本实施例中,获取目标用户的多张图像,通过三维图像构建算法,根据多张图像构建目标用户的三维图像;以及,构建所述目标服装对象的三维图像;并基于此,构建并显示目标用户穿着目标服装对象的三维图像。
步骤S2303:确定相似业务对象相对目标服装对象在目标属性上的属性差异信息;
所述属性差异信息,可以是口语化的信息,如语音数据或文本数据;也可以是规范化的信息,如目标属性:风格,属性值差异信息:大于目标服装对象的风格属性值,等等。
步骤S2305:向服务端发送针对目标服装对象的相似业务对象搜索请求;所述搜索请求包括所述属性差异信息;
步骤S2307:接收所述服务端回送的所述目标服装对象的相似业务对象;
步骤S2309:显示所述相似业务对象,或者,显示目标用户穿着所述相似业务对象的三维图像。
在本实施例中,根据目标用户的三维图像和相似服装对象的三维图像,构建并显示目标用户穿着所述相似业务对象的三维图像。
从上述实施例可见,本申请实施例提供的业务对象搜索请求方法,通过显示目标用户穿着目标服装对象的三维图像;确定相似业务对象相对目标服装对象在目标属性上的属性差异信息;向服务端发送针对目标服装对象的相似业务对象搜索请求;所述搜索请求包括所述属性差异信息;接收所述服务端回送的所述目标服装对象的相似业务对象;显示所述相似业务对象,或者,显示目标用户穿着所述相似业务对象的三维图像;这种处理方式,使得基于业务对象的属性解耦的向量表征,该类向量的每一维能够代表一个具体的含义,如衣服的颜色、大小、风格,解耦属性可以是隐式属性,也可以是连续型的显示属性,这样就可以通过改变目标服装对象的单个属性值来控制返回的相似业务对象,一方面即使业务对象数据中原来没有存储相关的属性(隐式属性,如服装风格、手机性价比),也可以从用户行为中学习到这样含义的解耦表征,通过调整属性值大小,来达到“这件衣服可以,但想要风格轻快但其他方面都类似的衣服“这样的查询;因此,可以有效增加单因子控制搜索的搜索维度,达到基于用户心智的搜索效果,从而提升用户体验。另一方面,使得即使业务对象数据中原有属性(显式属性,如服装尺码)为固定挡位的离散值,也可以从用户行为中学习到显示属性的连续值,基于连续型的显示属性进行业务对象搜索,可以有效提升搜索结果的召回率和准确率。此外,在显示目标用户穿着相似业务对象的三维图像的情况下,使得用户可以根据服装上身效果,更加容易确定应该调整哪些属性,以及如何调整属性,从而快速搜索到感兴趣的相似服装对象;因此,可以有效降低服务端的访问压力,提升搜索效率和精准度,从而提升用户体验。
第四十七实施例
本申请另外提供一种业务对象搜索请求装置。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请另外提供一种业务对象搜索请求装置,包括:
三维图像显示单元,用于显示目标用户穿着目标服装对象的三维图像;
属性差异确定单元,用于确定相似业务对象相对目标服装对象在目标属性上的属性差异信息;
请求发送单元,用于向服务端发送针对目标服装对象的相似业务对象搜索请求;所述搜索请求包括所述属性差异信息;
数据接收单元,用于接收所述服务端回送的所述目标服装对象的相似业务对象;
数据展示单元,用于显示所述相似业务对象,或者,显示目标用户穿着所述相似业务对象的三维图像。
第四十八实施例
本申请另外提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,该电子设备包括:处理器和存储器;所述存储器,用于存储实现业务对象搜索请求方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:显示目标用户穿着目标服装对象的三维图像;确定相似业务对象相对目标服装对象在目标属性上的属性差异信息;向服务端发送针对目标服装对象的相似业务对象搜索请求;所述搜索请求包括所述属性差异信息;接收所述服务端回送的所述目标服装对象的相似业务对象;显示所述相似业务对象,或者,显示目标用户穿着所述相似业务对象的三维图像。
第四十九实施例
在上述的实施例中,提供了一种业务对象搜索方法,与之相对应的,本申请还提供一种业务对象搜索系统。该系统是与上述方法的实施例相对应。由于系统实施例与方法实施例相对应,所以描述得比较简单,相关之处参见方法实施例一的部分说明即可。下述描述的系统实施实施例仅仅是示意性的。
本申请另外提供一种业务对象搜索系统,包括:业务对象搜索装置和业务对象搜索请求装置。所述业务对象搜索装置,可部署在服务端;所述业务对象搜索请求装置,可部署在客户端。
所述客户端显示目标用户穿着目标服装对象的三维图像;确定相似业务对象相对目标服装对象在目标属性上的属性差异信息;向服务端发送针对目标服装对象的相似业务对象搜索请求;所述搜索请求包括所述属性差异信息;接收所述服务端回送的所述目标服装对象的相似业务对象;显示所述相似业务对象,或者,显示目标用户穿着所述相似业务对象的三维图像。
所述服务端接收客户端发送的针对目标服装对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标服装对象在目标属性上的属性差异信息;确定所述相似业务对象;所述相似业务对象是与所述目标服装对象在目标属性上具有所述属性差异信息、在非目标属性上相同或相似的业务对象;向客户端回送所述相似业务对象。
从上述实施例可见,本申请实施例提供的业务对象搜索系统,通过客户端显示目标用户穿着目标服装对象的三维图像;确定相似业务对象相对目标服装对象在目标属性上的属性差异信息;向服务端发送针对目标服装对象的相似业务对象搜索请求;所述搜索请求包括所述属性差异信息;所述服务端确定所述相似业务对象;所述相似业务对象是与所述目标服装对象在目标属性上具有所述属性差异信息、在非目标属性上相同或相似的业务对象;向客户端回送所述相似业务对象;客户端显示所述相似业务对象,或者,显示目标用户穿着所述相似业务对象的三维图像;;这种处理方式,使得基于业务对象的属性解耦的向量表征,该类向量的每一维能够代表一个具体的含义,如衣服的颜色、大小、风格,解耦属性可以是隐式属性,也可以是连续型的显示属性,这样就可以通过改变目标服装对象的单个属性值来控制返回的相似业务对象,一方面即使业务对象数据中原来没有存储相关的属性(隐式属性,如服装风格、手机性价比),也可以从用户行为中学习到这样含义的解耦表征,通过调整属性值大小,来达到“这件衣服可以,但想要风格轻快但其他方面都类似的衣服“这样的查询;因此,可以有效增加单因子控制搜索的搜索维度,达到基于用户心智的搜索效果,从而提升用户体验。另一方面,使得即使业务对象数据中原有属性(显式属性,如服装尺码)为固定挡位的离散值,也可以从用户行为中学习到显示属性的连续值,基于连续型的显示属性进行业务对象搜索,可以有效提升搜索结果的召回率和准确率。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
2、本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
Claims (51)
1.一种业务对象搜索方法,其特征在于,包括:
接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;所述第一属性解耦表征向量从用户对业务对象的访问行为数据中学习得到;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向请求方回送相似业务对象。
2.根据权利要求1所述的方法,其特征在于,所述第一属性解耦表征向量包括以下属性的至少一种:业务对象的隐式属性,连续型的显式属性,所述显式属性为用户设置的属性,所述隐式属性包括从用户对业务对象的访问行为数据中学习得到的属性。
3.根据权利要求1所述的方法,其特征在于,还包括:
从用户对业务对象的访问行为数据中学习得到各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述第一对象类目包括与业务对象的预设的第二对象类目不同的类目;
所述相似业务对象采用如下步骤确定:
根据所述目标业务对象的第一属性解耦表征向量、各个第一对象类目的所述第二属性解耦表征向量,通过二分搜索算法确定相似业务对象在目标属性上的取值范围,使得第一相似度大于第二相似度;所述第一相似度,包括与目标业务对象在非目标属性上相同或相似、目标属性在所述取值范围内的业务对象、与所述目标业务对象所属第一对象类目的原型业务对象间相似度;所述第二相似度包括与目标业务对象在非目标属性上相同或相似、目标属性在所述取值范围内的业务对象、与所述目标业务对象所属第一对象类目以外的第一对象类目的原型业务对象间相似度;
根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、所述取值范围和所述属性值差异信息,从候选业务对象中确定所述相似业务对象。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、所述取值范围和所述属性值差异信息,从候选业务对象中确定所述相似业务对象,包括:
将所述取值范围划分为多个子取值范围;
从各个子取值范围中选取所述相似业务对象。
5.一种业务对象属性确定方法,其特征在于,包括:
确定用户与其历史访问业务对象间的第一对应关系集;
构建业务对象属性解耦表征向量学习网络;
通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量,所述学习网络根据所述第一属性解耦表征向量确定出所述第一对应关系集;
其中,所述第一属性解耦表征向量是指业务对象的各属性间相互独立的向量表征,用于以下处理:
服务端接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向请求方回送相似业务对象。
6.根据权利要求5所述的方法,其特征在于,
通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量、和各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述学习网络根据所述第一属性解耦表征向量和第二属性解耦表征向量,确定出所述第一对应关系集。
7.根据权利要求6所述的方法,其特征在于,所述学习网络采用如下步骤训练:
确定所述第一属性解耦表征向量的初始值、所述第二属性解耦表征向量的初始值;
通过所述学习网络包括的用户行为数据预测子网络,根据所述第一属性解耦表征向量的当前值和所述第二属性解耦表征向量的当前值,确定用户与其历史访问业务对象间的第二对应关系集;
通过所述学习网络包括的判断子网络,判断所述第一对应关系集与第二对应关系集间的差距是否小于差距阈值;若是,则结束网络训练;若否,则调整所述第一属性解耦表征向量的当前值和所述第二属性解耦表征向量的当前值、及所述学习网络的参数,根据调整后的网络参数继续学习。
8.根据权利要求7所述的方法,其特征在于,
所述用户行为数据预测子网络包括:
第一子网络,用于针对各个第一对象类目,根据所述第一对象类目下的第一属性解耦表征向量的当前值和所述第二属性解耦表征向量的当前值,确定第三属性解耦表征向量;所述第三属性解耦表征向量包括用户对第一对象类目下业务对象各属性的偏好得分;
第二子网络,用于针对各个第一对象类目,根据与所述第一对象类目对应的所述第三属性解耦表征向量,确定用户对第一对象类目下业务对象的访问行为数据,作为所述第二对应关系。
9.一种业务对象搜索请求方法,其特征在于,包括:
确定待处理的目标业务对象;
向服务端发送针对所述目标业务对象的相似对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;
接收所述服务端回送的所述目标业务对象的相似业务对象;
展示所述相似业务对象;
其中,所述服务端采用如下方式处理所述请求:
获取目标业务对象和候选业务对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;所述第一属性解耦表征向量从用户对业务对象的访问行为数据中学习得到;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象。
10.一种业务对象搜索装置,其特征在于,包括:
请求接收单元,用于接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;
属性解耦向量获取单元,用于获取目标业务对象和候选业务对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;所述第一属性解耦表征向量从用户对业务对象的访问行为数据中学习得到;
相似业务对象确定单元,用于根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
相似业务对象回送单元,用于向请求方回送相似业务对象。
11.一种业务对象搜索请求装置,其特征在于,包括:
目标业务对象确定单元,用于确定待处理的目标业务对象;
请求发送单元,用于向服务端发送针对所述目标业务对象的相似对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;
相似业务对象接收单元,用于接收所述服务端回送的所述目标业务对象的相似业务对象;
相似业务对象展示单元,用于展示所述相似业务对象;
其中,所述服务端采用如下方式处理所述请求:
获取目标业务对象和候选业务对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;所述第一属性解耦表征向量从用户对业务对象的访问行为数据中学习得到;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象。
12.一种业务对象搜索系统,其特征在于,包括:
根据上述权利要求10的业务对象搜索装置;以及,根据上述权利要求11的业务对象搜索请求装置。
13.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储实现业务对象搜索方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;获取目标业务对象和候选业务对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;所述第一属性解耦表征向量从用户对业务对象的访问行为数据中学习得到;根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;向请求方回送相似业务对象。
14.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储实现业务对象搜索请求方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定待处理的目标业务对象;向服务端发送针对所述目标业务对象的相似对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;接收所述服务端回送的所述目标业务对象的相似业务对象;展示所述相似业务对象;
其中,所述服务端采用如下方式处理所述请求:
获取目标业务对象和候选业务对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;所述第一属性解耦表征向量从用户对业务对象的访问行为数据中学习得到;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象。
15.一种业务对象属性确定装置,其特征在于,包括:
训练数据确定单元,用于确定用户与其历史访问业务对象间的第一对应关系集;
网络构建单元,用于构建业务对象属性解耦表征向量学习网络;
网络训练单元,用于通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量,所述学习网络根据所述第一属性解耦表征向量确定出所述第一对应关系集;
其中,所述第一属性解耦表征向量是指业务对象的各属性间相互独立的向量表征,用于以下处理:
服务端接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向请求方回送相似业务对象。
16.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储实现业务对象属性确定方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定用户与其历史访问业务对象间的第一对应关系集;构建业务对象属性解耦表征向量学习网络;通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量,所述学习网络根据所述第一属性解耦表征向量确定出所述第一对应关系集;
其中,所述第一属性解耦表征向量是指业务对象的各属性间相互独立的向量表征,用于以下处理:
服务端接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向请求方回送相似业务对象。
17.一种业务对象类目确定方法,其特征在于,包括:
确定用户与其历史访问业务对象间的第一对应关系集;
构建业务对象属性解耦表征向量学习网络;
通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量、和各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述学习网络根据所述第一属性解耦表征向量和第二属性解耦表征向量,确定出所述第一对应关系集;
根据所述第一属性解耦表征向量和所述第二属性解耦表征向量,确定所述业务对象所属的第一对象类目;
其中,所述第一属性解耦表征向量是指业务对象的各属性间相互独立的向量表征,用于以下处理:
服务端接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向请求方回送相似业务对象。
18.一种业务对象类目确定装置,其特征在于,包括:
训练数据确定单元,用于确定用户与其历史访问业务对象间的第一对应关系集;
网络构建单元,用于构建业务对象属性解耦表征向量学习网络;
网络训练单元,用于通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量、和各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述学习网络根据所述第一属性解耦表征向量和第二属性解耦表征向量,确定出所述第一对应关系集;
类目确定单元,用于根据所述第一属性解耦表征向量和所述第二属性解耦表征向量,确定所述业务对象所属的第一对象类目;
其中,所述第一属性解耦表征向量是指业务对象的各属性间相互独立的向量表征,用于以下处理:
服务端接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向请求方回送相似业务对象。
19.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储实现业务对象类目确定方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定用户与其历史访问业务对象间的第一对应关系集;构建业务对象属性解耦表征向量学习网络;通过无监督的机器学习算法训练所述学习网络,使得学习得到所述业务对象的第一属性解耦表征向量、和各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述学习网络根据所述第一属性解耦表征向量和第二属性解耦表征向量,确定出所述第一对应关系集;根据所述第一属性解耦表征向量和所述第二属性解耦表征向量,确定所述业务对象所属的第一对象类目;
其中,所述第一属性解耦表征向量是指业务对象的各属性间相互独立的向量表征,用于以下处理:
服务端接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向请求方回送相似业务对象。
20.一种业务对象发布方法,其特征在于,包括:
从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;
确定所述第一属性解耦表征向量中各维度属性名信息;
根据所述各维度属性名信息和属性值,发布所述业务对象;
其中,所述第一属性解耦表征向量是指业务对象的各属性间相互独立的向量表征,用于以下处理:
服务端接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向请求方回送相似业务对象。
21.根据权利要求20所述的方法,其特征在于,还包括:
从用户对业务对象的访问行为数据中学习得到各个第一对象类目的原型业务对象的第二属性解耦表征向量;
根据所述第一属性解耦表征向量和所述第二属性解耦表征向量,确定所述业务对象所属的第一对象类目;
将所述业务对象发布在所述第一对象类目下。
22.一种业务对象发布装置,其特征在于,包括:
属性解耦单元,用于从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;
属性名确定单元,用于确定所述第一属性解耦表征向量中各维度属性名信息;
业务对象发布单元,用于根据所述各维度属性名信息和属性值,发布所述业务对象;
其中,所述第一属性解耦表征向量是指业务对象的各属性间相互独立的向量表征,用于以下处理:
服务端接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向请求方回送相似业务对象。
23.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储实现业务对象发布方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;确定所述第一属性解耦表征向量中各维度属性名信息;根据所述各维度属性名信息和属性值,发布所述业务对象;
其中,所述第一属性解耦表征向量是指业务对象的各属性间相互独立的向量表征,用于以下处理:
服务端接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向请求方回送相似业务对象。
24.一种相似服装对象确定方法,其特征在于,包括:
从用户对商品对象的访问行为数据中学习得到商品对象的第一属性解耦表征向量;
确定目标服装对象、及相似服装对象相对目标服装对象在目标属性上的属性值差异信息;
获取目标服装对象和候选服装对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选服装对象中确定与所述目标服装对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的服装对象。
25.一种相似服装对象确定装置,其特征在于,包括:
属性解耦单元,用于从用户对商品对象的访问行为数据中学习得到商品对象的第一属性解耦表征向量;
属性值差异信息确定单元,用于确定目标服装对象、及相似服装对象相对目标服装对象在目标属性上的属性值差异信息;
向量获取单元,用于获取目标服装对象和候选服装对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;
相似服装对象确定单元,用于根据所述第一属性解耦表征向量和所述属性值差异信息,从候选服装对象中确定与所述目标服装对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的服装对象。
26.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储实现相似服装对象确定方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:从用户对商品对象的访问行为数据中学习得到商品对象的第一属性解耦表征向量;确定目标服装对象、及相似服装对象相对目标服装对象在目标属性上的属性值差异信息;获取目标服装对象和候选服装对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;根据所述第一属性解耦表征向量和所述属性值差异信息,从候选服装对象中确定与所述目标服装对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的服装对象。
27.一种服装对象设计方法,其特征在于,包括:
确定待调整的服装对象及其在待调整属性上的调整目标信息;
获取待调整的服装对象和候选服装对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指服装对象的各属性间相互独立的向量表征;所述第一属性解耦表征向量从用户对服装对象的访问行为数据中学习得到;
根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象间在待调整属性上达到所述调整目标信息、在非目标属性上相同或相似的服装对象;
根据相似服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标。
28.一种服装对象设计装置,其特征在于,包括:
数据确定单元,用于确定待调整的服装对象及其在待调整属性上的调整目标信息;
向量获取单元,用于获取待调整的服装对象和候选服装对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指服装对象的各属性间相互独立的向量表征;所述第一属性解耦表征向量从用户对服装对象的访问行为数据中学习得到;
相似服装对象确定单元,用于根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象间在待调整属性上达到所述调整目标信息、在非目标属性上相同或相似的服装对象;
服装对象调整单元,用于根据相似服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标。
29.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储实现服装对象设计方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定待调整的服装对象及其在待调整属性上的调整目标信息;获取待调整的服装对象和候选服装对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指服装对象的各属性间相互独立的向量表征;所述第一属性解耦表征向量从用户对服装对象的访问行为数据中学习得到;根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象间在待调整属性上达到所述调整目标信息、在非目标属性上相同或相似的服装对象;根据相似服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标。
30.一种服装对象设计方法,其特征在于,包括:
确定待调整的服装对象及其在待调整属性上的调整目标信息;
获取待调整的服装对象和候选服装对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指服装对象的各属性间相互独立的向量表征;所述第一属性解耦表征向量从用户对服装对象的访问行为数据中学习得到;
根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象在待调整属性上相似的第一服装对象;
根据所述第一属性解耦表征向量,从候选服装对象中确定与所述第一服装对象在待调整属性上达到所述调整目标信息、在非待调整属性上相似的第二服装对象;
根据第二服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标。
31.一种服装对象设计装置,其特征在于,包括:
数据确定单元,用于确定待调整的服装对象及其在待调整属性上的调整目标信息;
向量获取单元,用于获取待调整的服装对象和候选服装对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指服装对象的各属性间相互独立的向量表征;所述第一属性解耦表征向量从用户对服装对象的访问行为数据中学习得到;
第一服装对象确定单元,用于根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象在待调整属性上相似的第一服装对象;
第二服装对象确定单元,用于根据所述第一属性解耦表征向量,从候选服装对象中确定与所述第一服装对象在待调整属性上达到所述调整目标信息、在非待调整属性上相似的第二服装对象;
服装对象调整单元,用于根据第二服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标。
32.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储实现服装对象设计方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定待调整的服装对象及其在待调整属性上的调整目标信息;获取待调整的服装对象和候选服装对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指服装对象的各属性间相互独立的向量表征;所述第一属性解耦表征向量从用户对服装对象的访问行为数据中学习得到;根据所述第一属性解耦表征向量,从候选服装对象中确定与所述待调整的服装对象在待调整属性上相似的第一服装对象;根据所述第一属性解耦表征向量,从候选服装对象中确定与所述第一服装对象在待调整属性上达到所述调整目标信息、在非待调整属性上相似的第二服装对象;根据第二服装对象,调整所述待调整的服装对象,使调整后的服装对象达到调整目标。
33.一种用于确定业务对象属性调整步长的方法,其特征在于,包括:
从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;
针对各个业务对象类目,根据所述业务对象类目下业务对象的第一属性解耦表征向量,确定所述业务对象类目的业务对象的至少一个维度属性的属性值范围信息;
根据所述属性值范围信息,确定至少一个维度属性的属性值调整步长;
所述第一属性解耦表征向量用于以下处理:
服务端接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;所述属性值差异信息根据所述属性值调整步长确定;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向请求方回送相似业务对象。
34.一种用于确定业务对象属性调整步长的装置,其特征在于,包括:
属性解耦单元,用于从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;
属性值范围确定单元,用于针对各个业务对象类目,根据所述业务对象类目下业务对象的第一属性解耦表征向量,确定所述业务对象类目的业务对象的至少一个维度属性的属性值范围信息;
调整步长确定单元,用于根据所述属性值范围信息,确定至少一个维度属性的属性值调整步长;
所述第一属性解耦表征向量用于以下处理:
服务端接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;所述属性值差异信息根据所述属性值调整步长确定;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向请求方回送相似业务对象。
35.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储实现用于确定业务对象属性调整步长的方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;针对各个业务对象类目,根据所述业务对象类目下业务对象的第一属性解耦表征向量,确定所述业务对象类目的业务对象的至少一个维度属性的属性值范围信息;根据所述属性值范围信息,确定至少一个维度属性的属性值调整步长;
所述第一属性解耦表征向量用于以下处理:
服务端接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;所述属性值差异信息根据所述属性值调整步长确定;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向请求方回送相似业务对象。
36.一种业务对象推荐方法,其特征在于,包括:
从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量、及各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;
确定所述第一属性解耦表征向量中各维度属性名信息;
接收针对目标业务对象的可调整属性信息获取请求;
根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、各个第一对象类目的所述第二属性解耦表征向量,确定相似业务对象在各个属性上的取值范围,使得第一相似度大于第二相似度;所述第一相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目的原型业务对象间相似度;所述第二相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目以外的第一对象类目的原型业务对象间相似度;
向请求方回送所述各维度属性名信息和所述取值范围;
所述第一属性解耦表征向量用于以下处理:
服务端接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;所述属性值差异信息根据所述各维度属性名信息和所述取值范围确定;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向请求方回送相似业务对象。
37.一种业务对象推荐请求方法,其特征在于,包括:
确定待处理的目标业务对象;
向服务端发送针对所述目标业务对象的可调整属性信息获取请求;
展示所述目标业务对象的可调整属性信息;
其中,所述服务端采用如下步骤处理所述可调整属性信息获取请求:
从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量、及各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;
确定所述第一属性解耦表征向量中各维度属性名信息;
接收针对目标业务对象的可调整属性信息获取请求;
根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、各个第一对象类目的所述第二属性解耦表征向量,确定相似业务对象在各个属性上的取值范围,使得第一相似度大于第二相似度;所述第一相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目的原型业务对象间相似度;所述第二相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目以外的第一对象类目的原型业务对象间相似度;
向请求方回送所述各维度属性名信息和所述取值范围;
其中,所述第一属性解耦表征向量用于以下处理:
服务端接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;所述属性值差异信息根据所述各维度属性名信息和所述取值范围确定;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向请求方回送相似业务对象。
38.一种业务对象推荐装置,其特征在于,包括:
属性解耦单元,用于从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量、及各个第一对象类目的原型业务对象的第二属性解耦表征向量;
属性名确定单元,用于确定所述第一属性解耦表征向量中各维度属性名信息;
请求接收单元,用于接收针对目标业务对象的可调整属性信息获取请求;
取值范围确定单元,用于根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、各个第一对象类目的所述第二属性解耦表征向量,确定相似业务对象在各个属性上的取值范围,使得第一相似度大于第二相似度;所述第一相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目的原型业务对象间相似度;所述第二相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目以外的第一对象类目的原型业务对象间相似度;所述属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;
可调整属性信息回送单元,用于向请求方回送所述各维度属性名信息和所述取值范围;
所述第一属性解耦表征向量用于以下处理:
服务端接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;所述属性值差异信息根据所述各维度属性名信息和所述取值范围确定;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向请求方回送相似业务对象。
39.一种业务对象推荐请求装置,其特征在于,包括:
目标业务对象确定单元,用于确定待处理的目标业务对象;
请求发送单元,用于向服务端发送针对所述目标业务对象的可调整属性信息获取请求;
可调整属性信息展示单元,用于展示所述目标业务对象的可调整属性信息;
其中,所述服务端采用如下步骤处理所述可调整属性信息获取请求:
从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量、及各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;
确定所述第一属性解耦表征向量中各维度属性名信息;
接收针对目标业务对象的可调整属性信息获取请求;
根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、各个第一对象类目的所述第二属性解耦表征向量,确定相似业务对象在各个属性上的取值范围,使得第一相似度大于第二相似度;所述第一相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目的原型业务对象间相似度;所述第二相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目以外的第一对象类目的原型业务对象间相似度;
向请求方回送所述各维度属性名信息和所述取值范围;
其中,所述第一属性解耦表征向量用于以下处理:
服务端接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;所述属性值差异信息根据所述各维度属性名信息和所述取值范围确定;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向请求方回送相似业务对象。
40.一种业务对象推荐系统,其特征在于,包括:
根据上述权利要求38的业务对象推荐装置;以及,根据上述权利要求39的业务对象推荐请求装置。
41.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储实现业务对象推荐方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量、及各个第一对象类目的原型业务对象的第二属性解耦表征向量;确定所述第一属性解耦表征向量中各维度属性名信息;接收针对目标业务对象的可调整属性信息获取请求;根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、各个第一对象类目的所述第二属性解耦表征向量,确定相似业务对象在各个属性上的取值范围,使得第一相似度大于第二相似度;所述第一相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目的原型业务对象间相似度;所述第二相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目以外的第一对象类目的原型业务对象间相似度;向请求方回送所述各维度属性名信息和所述取值范围;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;
所述第一属性解耦表征向量用于以下处理:
服务端接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;所述属性值差异信息根据所述各维度属性名信息和所述取值范围确定;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向请求方回送相似业务对象。
42.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储实现业务对象推荐请求方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定待处理的目标业务对象;向服务端发送针对所述目标业务对象的可调整属性信息获取请求;展示所述目标业务对象的可调整属性信息;
其中,所述服务端采用如下步骤处理所述可调整属性信息获取请求:
从用户对业务对象的访问行为数据中学习得到业务对象的第一属性解耦表征向量、及各个第一对象类目的原型业务对象的第二属性解耦表征向量;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;
确定所述第一属性解耦表征向量中各维度属性名信息;
接收针对目标业务对象的可调整属性信息获取请求;
根据所述目标业务对象和候选业务对象的第一属性解耦表征向量、各个第一对象类目的所述第二属性解耦表征向量,确定相似业务对象在各个属性上的取值范围,使得第一相似度大于第二相似度;所述第一相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目的原型业务对象间相似度;所述第二相似度包括在所述取值范围内的业务对象与所述目标业务对象所属第一对象类目以外的第一对象类目的原型业务对象间相似度;
向请求方回送所述各维度属性名信息和所述取值范围;
其中,所述第一属性解耦表征向量用于以下处理:
服务端接收针对目标业务对象的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标业务对象在目标属性上的属性值差异信息;所述属性值差异信息根据所述各维度属性名信息和所述取值范围确定;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;
根据所述第一属性解耦表征向量和所述属性值差异信息,从候选业务对象中确定相似业务对象;所述相似业务对象是与所述目标业务对象在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向请求方回送相似业务对象。
43.一种业务对象搜索方法,其特征在于,包括:
接收客户端发送的针对目标图像的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;
根据所述语音数据或文本数据,确定所述目标属性和属性值差异信息;
确定与目标图像对应的目标业务对象;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;所述第一属性解耦表征向量从用户对业务对象的访问行为数据中学习得到;
根据所述第一属性解耦表征向量和所述属性值差异信息,确定所述相似业务对象;所述相似业务对象是与所述目标图像在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
向客户端回送所述相似业务对象。
44.一种业务对象搜索请求方法,其特征在于,包括:
确定目标图像、及相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;
向服务端发送针对目标图像的相似业务对象搜索请求;所述搜索请求包括所述语音数据或所述文本数据;
接收所述服务端回送的所述目标图像的相似业务对象;
展示所述相似业务对象;
所述服务端采用如下方式确定所述相似业务对象:
根据所述语音数据或文本数据,确定所述目标属性和属性值差异信息;
确定与目标图像对应的目标业务对象;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;所述第一属性解耦表征向量从用户对业务对象的访问行为数据中学习得到;
根据所述第一属性解耦表征向量和所述属性差异信息,从候选业务对象中确定相似业务对象。
45.一种业务对象搜索装置,其特征在于,包括:
请求接收单元,用于接收客户端发送的针对目标图像的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;
属性差异信息确定单元,用于根据所述语音数据或文本数据,确定所述目标属性和属性值差异信息;
相似业务对象确定单元,用于确定与目标图像对应的目标业务对象;获取目标业务对象和候选业务对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;所述第一属性解耦表征向量从用户对业务对象的访问行为数据中学习得到;根据所述第一属性解耦表征向量和所述属性值差异信息,确定所述相似业务对象;所述相似业务对象是与所述目标图像在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;
数据回送单元,用于向客户端回送所述相似业务对象。
46.一种业务对象搜索请求装置,其特征在于,包括:
数据确定单元,用于确定目标图像、及相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;
请求发送单元,用于向服务端发送针对目标图像的相似业务对象搜索请求;所述搜索请求包括所述语音数据或所述文本数据;
数据接收单元,用于接收所述服务端回送的所述目标图像的相似业务对象;
数据展示单元,用于展示所述相似业务对象;
所述服务端采用如下方式确定所述相似业务对象:
根据所述语音数据或文本数据,确定所述目标属性和属性值差异信息;
确定与目标图像对应的目标业务对象;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;所述第一属性解耦表征向量从用户对业务对象的访问行为数据中学习得到;
根据所述第一属性解耦表征向量和所述属性差异信息,从候选业务对象中确定相似业务对象。
47.一种业务对象搜索系统,其特征在于,包括:
根据上述权利要求45的业务对象搜索装置;以及,根据上述权利要求46的业务对象搜索请求装置。
48.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储实现业务对象搜索方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:接收客户端发送的针对目标图像的相似业务对象搜索请求;所述搜索请求包括相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;根据所述语音数据或文本数据,确定所述目标属性和属性值差异信息;确定与目标图像对应的目标业务对象;获取目标业务对象和候选业务对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;所述第一属性解耦表征向量从用户对业务对象的访问行为数据中学习得到;根据所述第一属性解耦表征向量和所述属性值差异信息,确定所述相似业务对象;所述相似业务对象是与所述目标图像在目标属性上具有所述属性值差异信息、在非目标属性上相同或相似的业务对象;向客户端回送所述相似业务对象。
49.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储实现业务对象搜索请求方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定目标图像、及相似业务对象相对目标图像在目标属性上的属性差异语音数据或属性差异文本数据;向服务端发送针对目标图像的相似业务对象搜索请求;所述搜索请求包括所述语音数据或所述文本数据;接收所述服务端回送的所述目标图像的相似业务对象;展示所述相似业务对象;
所述服务端采用如下方式确定所述相似业务对象:
根据所述语音数据或文本数据,确定所述目标属性和属性值差异信息;
确定与目标图像对应的目标业务对象;
获取目标业务对象和候选业务对象的第一属性解耦表征向量;所述第一属性解耦表征向量,是指业务对象的各属性间相互独立的向量表征;所述第一属性解耦表征向量从用户对业务对象的访问行为数据中学习得到;
根据所述第一属性解耦表征向量和所述属性差异信息,从候选业务对象中确定相似业务对象。
50.根据权利要求49所述的设备,其特征在于,
所述电子设备包括智能音箱;
所述智能音箱包括图像采集装置和声音采集装置;
通过所述图像采集装置采集所述目标图像;
通过所述声音采集装置采集所述语音数据。
51.根据权利要求49所述的设备,其特征在于,
所述电子设备包括智能移动通讯设备;
所述智能移动通讯设备包括:图像采集装置,声音采集装置,触摸屏;
通过所述图像采集装置采集所述目标图像;
通过所述声音采集装置采集所述语音数据;或者,通过触摸屏获取所述文本数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911013789.3A CN112700296B (zh) | 2019-10-23 | 2019-10-23 | 业务对象搜索/属性确定方法、装置、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911013789.3A CN112700296B (zh) | 2019-10-23 | 2019-10-23 | 业务对象搜索/属性确定方法、装置、系统及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112700296A CN112700296A (zh) | 2021-04-23 |
CN112700296B true CN112700296B (zh) | 2022-05-27 |
Family
ID=75505297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911013789.3A Active CN112700296B (zh) | 2019-10-23 | 2019-10-23 | 业务对象搜索/属性确定方法、装置、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112700296B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113722603A (zh) * | 2021-11-02 | 2021-11-30 | 阿里巴巴达摩院(杭州)科技有限公司 | 对象推送方法、产品推送方法、计算机终端及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104699725A (zh) * | 2013-12-10 | 2015-06-10 | 阿里巴巴集团控股有限公司 | 数据搜索处理方法及系统 |
CN104866474A (zh) * | 2014-02-20 | 2015-08-26 | 阿里巴巴集团控股有限公司 | 个性化数据搜索方法及装置 |
CN105787737A (zh) * | 2014-12-26 | 2016-07-20 | 阿里巴巴集团控股有限公司 | 业务对象信息处理、发布方法及装置 |
CN108829764A (zh) * | 2018-05-28 | 2018-11-16 | 腾讯科技(深圳)有限公司 | 推荐信息获取方法、装置、系统、服务器及存储介质 |
CN110209922A (zh) * | 2018-06-12 | 2019-09-06 | 中国科学院自动化研究所 | 对象推荐方法、装置、存储介质及计算机设备 |
CN110348930A (zh) * | 2018-04-08 | 2019-10-18 | 阿里巴巴集团控股有限公司 | 业务对象数据处理方法、业务对象信息的推荐方法和装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101206749B (zh) * | 2006-12-19 | 2013-06-05 | 株式会社G&G贸易公司 | 使用多路图像检索模块推荐产品的方法和系统 |
CN103377263B (zh) * | 2012-04-28 | 2017-03-01 | 阿里巴巴集团控股有限公司 | 一种业务对象的筛选方法以及装置 |
CN104424254B (zh) * | 2013-08-28 | 2018-05-22 | 阿里巴巴集团控股有限公司 | 获取相似对象集合、提供相似对象信息的方法及装置 |
CN104778170A (zh) * | 2014-01-09 | 2015-07-15 | 阿里巴巴集团控股有限公司 | 搜索展示商品图像的方法和装置 |
CN107451881A (zh) * | 2017-06-22 | 2017-12-08 | 北京小度信息科技有限公司 | 信息获取方法及装置 |
CN109584018A (zh) * | 2018-12-04 | 2019-04-05 | 雄商网络科技(上海)有限公司 | 一种互联网营销云服务平台 |
-
2019
- 2019-10-23 CN CN201911013789.3A patent/CN112700296B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104699725A (zh) * | 2013-12-10 | 2015-06-10 | 阿里巴巴集团控股有限公司 | 数据搜索处理方法及系统 |
CN104866474A (zh) * | 2014-02-20 | 2015-08-26 | 阿里巴巴集团控股有限公司 | 个性化数据搜索方法及装置 |
CN105787737A (zh) * | 2014-12-26 | 2016-07-20 | 阿里巴巴集团控股有限公司 | 业务对象信息处理、发布方法及装置 |
CN110348930A (zh) * | 2018-04-08 | 2019-10-18 | 阿里巴巴集团控股有限公司 | 业务对象数据处理方法、业务对象信息的推荐方法和装置 |
CN108829764A (zh) * | 2018-05-28 | 2018-11-16 | 腾讯科技(深圳)有限公司 | 推荐信息获取方法、装置、系统、服务器及存储介质 |
CN110209922A (zh) * | 2018-06-12 | 2019-09-06 | 中国科学院自动化研究所 | 对象推荐方法、装置、存储介质及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112700296A (zh) | 2021-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11775800B2 (en) | Methods and apparatus for detecting, filtering, and identifying objects in streaming video | |
US10043109B1 (en) | Attribute similarity-based search | |
US10242396B2 (en) | Automatic color palette based recommendations for affiliated colors | |
US10186054B2 (en) | Automatic image-based recommendations using a color palette | |
CN109829775B (zh) | 一种物品推荐方法、装置、设备及可读存储介质 | |
CN108665323B (zh) | 一种用于理财产品推荐系统的集成方法 | |
WO2020048084A1 (zh) | 资源推荐方法、装置、计算机设备及计算机可读存储介质 | |
CN103678335B (zh) | 商品标识标签的方法、装置及商品导航的方法 | |
CN107679960B (zh) | 一种基于服装图像和标签文本双模态内容分析的个性化服装的推荐方法 | |
US20190095467A1 (en) | Textual and image based search | |
WO2019056661A1 (zh) | 一种搜索词推送方法、装置及终端 | |
CN105224775B (zh) | 基于图片处理来对衣服进行搭配的方法和装置 | |
CN109460519B (zh) | 浏览对象推荐方法及装置、存储介质、服务器 | |
CN106777051A (zh) | 一种基于用户组的多反馈协同过滤推荐方法 | |
Hu et al. | Style in the long tail: Discovering unique interests with latent variable models in large scale social e-commerce | |
CA2764056A1 (en) | System and method for learning user genres and styles and matching products to user preferences | |
Laenen et al. | Web search of fashion items with multimodal querying | |
WO2021046372A1 (en) | Complementary item recommendations based on multi-modal embeddings | |
CN105721936B (zh) | 一种基于情景感知的智能电视节目推荐系统 | |
CN106933867A (zh) | 一种图像查询方法和装置 | |
CN109447729A (zh) | 一种产品的推荐方法、终端设备及计算机可读存储介质 | |
Yang et al. | Prototype-based image search reranking | |
US20190095465A1 (en) | Object based image search | |
WO2019011936A1 (en) | IMAGE EVALUATION METHOD | |
CN110083764A (zh) | 一种协同过滤算法冷启动问题的解决方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |