CN115600013B - 用于多主体之间匹配推荐的数据处理方法和装置 - Google Patents

用于多主体之间匹配推荐的数据处理方法和装置 Download PDF

Info

Publication number
CN115600013B
CN115600013B CN202211593621.6A CN202211593621A CN115600013B CN 115600013 B CN115600013 B CN 115600013B CN 202211593621 A CN202211593621 A CN 202211593621A CN 115600013 B CN115600013 B CN 115600013B
Authority
CN
China
Prior art keywords
data
main body
social
subject
matching
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
Application number
CN202211593621.6A
Other languages
English (en)
Other versions
CN115600013A (zh
Inventor
杨扬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Aichat Technology Co ltd
Original Assignee
Shenzhen Aichat Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Aichat Technology Co ltd filed Critical Shenzhen Aichat Technology Co ltd
Priority to CN202211593621.6A priority Critical patent/CN115600013B/zh
Publication of CN115600013A publication Critical patent/CN115600013A/zh
Application granted granted Critical
Publication of CN115600013B publication Critical patent/CN115600013B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种用于多主体之间匹配推荐的数据处理方法和装置。该方法包括通过获取待匹配需求数据，其中，待匹配需求数据包括第一主体数据，第一主体数据为具有匹配推荐需求的主体数据；在预设系统数据库中基于所述第一主体数据进行第一多维度信息的筛选处理，得到多个第二主体数据，其中，第一多维度信息至少包括位置信息，多个第二主体数据为满足第一多维度信息筛选规则的多个主体的数据；对多个第二主体数据进行第二多维度信息的匹配处理，得到目标主体数据，将目标主体数据推荐至第一主体数据对应的客户端，其中，第二多维度信息至少包括生物特征信息。实现了提高多主体用户之间匹配推荐效率的技术效果。

Description

用于多主体之间匹配推荐的数据处理方法和装置
技术领域
本申请涉及计算机领域，具体而言，涉及一种用于多主体之间匹配推荐的数据处理方法和装置。
背景技术
随着互联网社交的逐渐兴起，在很多社交软件上，提供了针对不同用户主体间的匹配推荐功能，实现不同主体用户的社会关系的拓展。
现有技术中，在对不同主体用户之间进行匹配推荐时，需要针对不同主体用户之间的多种信息进行匹配测算，由于需要进行计算的主体用户的多种信息维度较多，且需要进行多种维度信息匹配测算的主体用户数量较多，在进行匹配测算时，需要对大量主体用户多维度的多种信息进行匹配测算，需要进行测算的数据量较大，多个主体用户由于维度信息的不同导致在进行匹配推荐时准确率较低，需要重新进行匹配推荐，导致效率较低。
因此，现有技术中在进行多用户主体之间的匹配推荐时存在效率较低的问题。
发明内容
本申请的主要目的在于提供一种用于多主体之间匹配推荐的数据处理方法和装置，以解决现有技术在进行多用户主体之间的匹配推荐时存在效率较低的问题，实现了提高多主体用户之间匹配推荐效率的技术效果。
为了实现上述目的，本申请的第一方面，提出了一种用于多主体之间匹配推荐的数据处理方法，包括：
获取待匹配需求数据，其中，所述待匹配需求数据包括第一主体数据，其中，所述第一主体数据为具有匹配推荐需求的主体数据；
在预设系统数据库中基于所述第一主体数据进行第一多维度信息的筛选处理，得到多个第二主体数据，其中，所述第一多维度信息至少包括位置信息，所述多个第二主体数据为满足第一多维度信息筛选规则的多个主体的数据；
对所述多个第二主体数据进行第二多维度信息的匹配处理，得到目标主体数据，将所述目标主体数据推荐至所述第一主体数据对应的客户端，其中，所述第二多维度信息至少包括生物特征信息。
在本申请的另一可选实施例中，对所述多个第二主体数据进行第二多维度信息的匹配处理，得到目标主体数据包括：
对所述多个第二主体数据进行基于预设生物特征的识别处理，得到多个第二主体生物特征数据，其中，所述多个第二主体生物特征数据为多个第二主体的生物特征数据；
对所述第一主体数据进行基于预设生物特征的识别处理，得到第一主体生物特征数据，其中，所述第一主体生物特征数据为第一主体的生物特征数据；
将所述第一主体生物特征数据和所述多个第二主体生物特征数据进行相似度计算处理，得到多个生物特征相似度数据，其中，所述多个生物特征相似度数据为用于表示所述多个第二主体与所述第一主体的生物特征相似度的数据；
对所述第一主体数据进行基于社交特征的数据提取处理，得到第一主体社交特征数据，其中，所述第一主体社交特征数据为第一主体的多维度社交特征的数据；对所述多个第二主体数据进行基于社交特征的数据提取处理，得到多个第二主体社交特征数据，其中，所述多个第二主体社交特征数据为多个第二主体的多维度社交特征数据；
对所述第一主体社交特征数据和所述多个第二主体社交特征数据进行基于多维度信息的匹配测算处理，得到多个社交特征匹配度数据，其中，所述多个社交特征匹配度数据为用于表示所述多个第二主体与所述第一主体的社交特征匹配度的数据；
根据所述多个生物特征相似度数据和所述多个社交特征匹配度数据确定多个第二主体匹配度数据，其中，所述多个第二主体匹配度数据为分别用于表示所述第一主体和多个第二主体匹配度的数据；
筛选所述多个第二主体匹配度数据中匹配度数值最高的第二主体，得到目标主体数据。
在本申请的另一可选实施例中，将所述第一主体生物特征数据和所述多个第二主体生物特征数据进行相似度计算处理，得到多个生物特征相似度数据包括：
对所述第一主体生物特征数据进行基于预设图像规则的图像切分处理，得到第一主体切分图像数据，其中，所述第一主体切分图像数据为用于表示第一主体切分图像的数据；
对所述第二主体生物特征数据进行基于所述预设图像规则的图像切分处理，得到多个第二主体切分图像数据，其中，所述多个第二主体切分图像数据为用于表示多个第二主体切分图像的数据；
分别将所述多个第二主体切分图像数据与所述第一主体切分图像数据进行基于图像转码的相似度计算处理，得到所述多个生物特征相似度数据。
在本申请的另一可选实施例中，根据所述多个生物特征相似度数据和所述多个社交特征匹配度数据确定多个第二主体匹配度数据包括：
对所述多个社交特征匹配度数据进行基于预设第一社交维度和第二社交维度的提取处理，得到多个第一社交维度社交特征匹配度数据和多个第二社交维度社交特征匹配度数据，其中，所述多个第一社交维度社交特征匹配度数据为用于表示在第一社交维度上多个第二主体分别与第一主体的社交特征匹配度数据，所述多个第二社交维度社交特征匹配度数据为用于表示在第二社交维度上多个第二主体分别与第一主体的社交特征匹配度数据；
将所述多个第一社交维度社交特征匹配度数据、所述多个第二社交维度社交特征匹配度数据和所述多个生物特征相似度数据输入预先训练的多维度匹配模型，得到所述多个第二主体匹配度数据。
在本申请的另一可选实施例中，在预设系统数据库中基于所述第一主体数据进行第一多维度信息的筛选处理，得到多个第二主体数据包括：
对所述第一主体数据进行识别，得到第一位置数据和第一多维度数据，其中，所述第一多维度数据为用于表示第一主体第一多维度信息的数据；
根据所述第一位置数据确定第一位置筛选规则，根据所述第一多维度数据生成第一多维度信息筛选规则；
在预设系统主体数据库中筛选满足所述第一多维度信息筛选规则的主体数据，得到多个过程主体数据，其中，所述多个过程主体数据为在第一多维度信息上满足所述第一多维度信息筛选规则的多个主体的主体数据；
对所述多个过程主体数据进行识别，得到多个过程主体位置数据，其中，所述多个过程主体位置数据为用于表示多个过程主体位置的数据；
根据所述第一位置筛选规则对所述多个过程主体位置数据进行筛选处理，得到所述多个第二主体数据，其中，所述多个第二主体数据为满足所述第一位置筛选规则的多个过程主体的主体数据。
在本申请的另一可选实施例中，在获取待匹配需求数据之前，所述方法还包括：
获取训练样本数据，其中，所述训练样本数据为用于训练多维度匹配模型的样本数据，所述训练样本数据包括第一训练样本数据和第二训练样本数据；
通过所述第一训练样本数据对预设第一分类器模型进行训练，得到过程第一分类器模型数据，所述过程第一分类器模型数据包括第一分类器权重参数α，通过公式对所述第一分类器权重参数进行训练，其中，ε为常参数；
通过所述第一分类器权重参数和所述第二训练样本数据对预设第二分类器模型进行训练，得到第二分类器模型数据，所述第二分类器模型包括第二分类器权重参数，
当所述第二训练样本数据在训练过程中样本分类正确时，通过公式训练第二分类器权重参数；
当所述第二训练样本数据在训练过程中样本分类错误时，通过公式训练第二分类器权重参数，其中，i，t为训练分类器的次数；
循环上述训练过程，得到多个分类器权重参数；
根据所述多个分类器权重参数确定多维度匹配模型，得到所述多维度匹配模型。
在本申请的另一可选实施例中，在将所述目标主体数据推荐至所述第一主体数据对应的客户端之后，所述方法还包括：
获取第一通讯请求数据，其中，所述第一通讯请求数据为用于表示第一主体产生与目标主体通讯请求的数据；
根据所述第一通讯请求数据和所述目标主体数据生成第二通讯请求数据，并将所述第二通讯请求数据发送至所述目标主体数据对应的第二客户端；
在接收到所述第二客户端的第二通讯指示数据后，根据所述第二通讯指示数据构建第一主体和目标主体通讯。
根据本申请的第二方面，提供了一种用于多主体之间匹配推荐的数据处理装置，包括：
数据获取模块，用于获取待匹配需求数据，其中，所述待匹配需求数据包括第一主体数据，其中，所述第一主体数据为具有匹配推荐需求的主体数据；
筛选模块，用于在预设系统数据库中基于所述第一主体数据进行第一多维度信息的筛选处理，得到多个第二主体数据，其中，所述第一多维度信息至少包括位置信息，所述多个第二主体数据为满足第一多维度信息筛选规则的多个主体的数据；
匹配模块，用于对所述多个第二主体数据进行第二多维度信息的匹配处理，得到目标主体数据，将所述目标主体数据推荐至所述第一主体数据对应的客户端，其中，所述第二多维度信息至少包括生物特征信息。
根据本申请的第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行上述的用于多主体之间匹配推荐的数据处理方法。
根据本申请的第四方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行上述的用于多主体之间匹配推荐的数据处理方法。
本申请的实施例提供的技术方案可以包括以下有益效果：
在本申请中，通过获取待匹配需求数据，其中，所述待匹配需求数据包括第一主体数据，其中，所述第一主体数据为具有匹配推荐需求的主体数据；在预设系统数据库中基于所述第一主体数据进行第一多维度信息的筛选处理，得到多个第二主体数据，其中，所述第一多维度信息至少包括位置信息，所述多个第二主体数据为满足第一多维度信息筛选规则的多个主体的数据；对所述多个第二主体数据进行第二多维度信息的匹配处理，得到目标主体数据，将所述目标主体数据推荐至所述第一主体数据对应的客户端，其中，所述第二多维度信息至少包括生物特征信息。解决现有技术在进行多用户主体之间的匹配推荐时存在效率较低的问题，实现了提高多主体用户之间匹配推荐效率的技术效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请提供的一种用于多主体之间匹配推荐的数据处理方法的流程图；
图2为本申请提供的一种用于多主体之间匹配推荐的数据处理方法的流程图；
图3为本申请提供的一种用于多主体之间匹配推荐的数据处理方法的流程图；
图4为本申请提供的另一种用于多主体之间匹配推荐的数据处理装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。
并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本申请中的具体含义。
此外，术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如，“连接”可以是固定连接，可拆卸连接，或整体式构造；可以是机械连接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
本申请提供了一种用于多主体之间匹配推荐的数据处理方法，通过对具有匹配推荐需求的主体进行基于第一多维度信息的筛选，和基于第二多维度信息匹配，通过第一多维度信息的筛选，降低在进行第二多维度匹配时需要处理的数据量，提高数据处理效率；在进行第二多维度信息的匹配处理时，通过包括生物特征的多维度信息进行匹配，满足具有生物特征匹配的用户需求，提高主体匹配成功率。
图1为本申请提供的一种用于多主体之间匹配推荐的数据处理方法的流程图，如图1所述，该方法包括以下步骤：
S101：获取待匹配需求数据；
待匹配需求数据包括第一主体数据，第一主体数据为具有匹配推荐需求的主体数据。主体数据可以为在进行互联网社交时的用户数据，用户数据为用于表示用户相关信息的数据，包括如年龄、性别、学历、位置、兴趣、头像等数据，当服务器接收到用户产生的匹配需求时，获取包括有用户数据的待匹配需求数据，在获取到待匹配需求数据后，服务器根据待匹配需求数据进行社交匹配推荐过程。
S102：在预设系统数据库中基于第一主体数据进行第一多维度信息的筛选处理，得到多个第二主体数据；
第一多维度信息至少包括位置信息，多个第二主体数据为满足第一多维度信息筛选规则的多个主体的数据。在系统数据库中存在大量的用户数据，通过在系统数据库中匹配与第一主体数据对应的多个第二主体数据，得到多个第二主体数据，以便匹配过程降低对待匹配需求数据进行社交匹配所需要处理的数据量，提高匹配推荐的处理效率。
图2为本申请提供的一种用于多主体之间匹配推荐的数据处理方法的流程图，如图2所示，该方法包括以下步骤：
S201：对第一主体数据进行识别，得到第一位置数据和第一多维度数据；
第一多维度数据为用于表示第一主体第一多维度信息的数据；
对第一主体数据进行预设筛选规则生成处理，识别第一主体数据中，举例说明，如在社交推荐中，识别第一主体用户的性别、年龄、身高等信息。
S202：根据第一位置数据确定第一位置筛选规则，根据第一多维度数据生成第一多维度信息筛选规则；
根据第一主体用户的性别、年龄、身高生成与其对应的筛选规则，如性别与待匹配需求用户为异性，年龄差距为5岁，身高差距为15cm等，还包括待匹配用户为具有真人图像信息的用户。
S203：在预设系统主体数据库中筛选满足第一多维度信息筛选规则的主体数据，得到多个过程主体数据；
多个过程主体数据为在第一多维度信息上满足第一多维度信息筛选规则的多个主体的主体数据；
S204：对多个过程主体数据进行识别，得到多个过程主体位置数据；
多个过程主体位置数据为用于表示多个过程主体位置的数据；
S205：根据第一位置筛选规则对多个过程主体位置数据进行筛选处理，得到多个第二主体数据。
多个第二主体数据为满足所述第一位置筛选规则的多个过程主体的主体数据，举例说明，如，按照多个过程主体位置与第一主体位置之间距离数据由小及大的顺序对多个过程主体进行筛选，筛选过程匹配距离特征数据小于预设距离阈值的多个第二主体数据。
在本申请的另一可选实施例例中，可以按照容量规则筛选，按照多个过程主体位置与第一主体位置之间距离数据由小及大的顺序对多个过程主体进行排序，基于由小及大的顺序选取前预设数量，得到多个第二主体数据。
S103：对多个第二主体数据进行第二多维度信息的匹配处理，得到目标主体数据，将目标主体数据推荐至第一主体数据对应的客户端，第二多维度信息至少包括生物特征信息。
目标主体数据为满足预设匹配规则的第二主体数据。通过对第二主体数据进行包括有生物特征匹配的匹配处理，生物特征包括用户人脸图像，实现了对用户进行包括有人脸相似度匹配的社交匹配，进而满足用户匹配的多样需求，提高在进行匹配时多维度匹配，提高匹配用户与待匹配需求用户的匹配程度，进而提高用户社交匹配的成功率。
图3为本申请提供的一种用于多主体之间匹配推荐的数据处理方法的流程图，如图3所示，该方法包括以下步骤：
S301：对多个第二主体数据进行基于预设生物特征的识别处理，得到多个第二主体生物特征数据；
多个第二生物特征数据为多个第二主体的生物特征数据；
S302：对第一主体数据进行基于预设生物特征的识别处理，得到第一主体生物特征数据；
第一主体生物特征数据为第一主体的生物特征数据；
S303：将第一主体生物特征数据和多个第二主体生物特征数据进行相似度计算处理，得到多个生物特征相似度数据；
多个生物特征相似度数据为用于表示所述多个第二主体与所述第一主体的生物特征相似度的数据；
在本申请的一个可选实施例中，提供了一种计算生物特征相似度数据的方法，包括：
对第一主体生物特征数据进行基于预设图像规则的图像切分处理，得到第一主体切分图像数据，其中，第一主体切分图像数据为用于表示第一主体切分图像的数据；对第二主体生物特征数据进行基于预设图像规则的图像切分处理，得到多个第二主体切分图像数据，其中，多个第二主体切分图像数据为用于表示多个第二主体切分图像的数据；分别将多个第二主体切分图像数据与第一主体切分图像数据进行基于图像转码的相似度计算处理，得到多个生物特征相似度数据。
举例说明，如，生物特征为人脸图像，根据人脸特征进行待匹配图像的切分处理，如，根据人脸器官，将人脸图像切分为眼睛、鼻子、嘴巴、脸型等多个特征图像；将多个特征图像进行图像计算机转码处理，得到转码数据，将转码后的多个特征图像进行相似度计算，如，将第二主体人脸器官图像转码后的数据与第一主体人脸器官图像转码后得数据计算相似度，得到该第二主体与第一主体的生物特征相似度数据。
S304：对第一主体进行基于社交特征的数据提取处理，得到第一主体社交特征数据；对多个第二主体数据进行基于社交特征的数据提取处理，得到多个第二主体社交特征数据；
其中，第一主体社交特征数据为第一主体的多维度社交特征的数据，多个第二主体社交特征数据为多个第二主体的多维度社交特征数据；多维度社交特征为主体数据中具有社交属性的用户信息，可以是主体通过人机交互上传至服务器中的主体数据，多维度社交特征包括多种社交属性的用户信息，举例说明，如，兴趣爱好、职业、星座、收入等。
S305：对第一主体社交特征数据和多个第二主体社交特征数据进行基于多维度信息的匹配测算处理，得到多个社交特征匹配度数据；
多个社交特征匹配度数据为用于表示多个第二主体与所述第一主体的社交特征匹配度的数据。
S306：根据多个生物特征相似度数据和多个社交特征匹配度数据确定多个第二主体匹配度数据；
多个第二主体匹配度数据为分别用于表示第一主体和多个第二主体匹配度的数据。
对多个社交特征匹配度数据进行基于预设第一社交维度和第二社交维度的提取处理，得到多个第一社交维度社交特征匹配度数据和多个第二社交维度社交特征匹配度数据，其中，多个第一社交维度社交特征匹配度数据为用于表示在第一社交维度上多个第二主体分别与第一主体的社交特征匹配度数据，多个第二社交维度社交特征匹配度数据为用于表示在第二社交维度上多个第二主体分别与第一主体的社交特征匹配度数据；将多个第一社交维度社交特征匹配度数据、多个第二社交维度社交特征匹配度数据和多个生物特征相似度数据输入预先训练的多维度匹配模型，得到所述多个第二主体匹配度数据。
S307：筛选多个第二主体匹配度数据中匹配度数值最高的第二主体，得到目标主体数据。
在本申请的另一可选实施例中，提供了一种训练多维度匹配模型的方法，包括：
获取训练样本数据，其中，训练样本数据为用于训练多维度匹配模型的样本数据，训练样本数据包括第一训练样本数据和第二训练样本数据；
通过第一训练样本数据对预设第一分类器模型进行训练，得到过程第一分类器模型数据，过程第一分类器模型数据包括第一分类器权重参数α，通过公对第一分类器权重参数进行训练，其中，ε为常参数；
通过第一分类器权重参数和第二训练样本数据对预设第二分类器模型进行训练，得到第二分类器模型数据，第二分类器模型包括第二分类器权重参数，
当第二训练样本数据在训练过程中样本分类正确时，通过公式训练第二分类器权重参数；
当第二训练样本数据在训练过程中样本分类错误时，通过公式训练第二分类器权重参数，其中，i，t为训练分类器的次数；
循环上述训练过程，得到多个分类器权重参数；
根据多个分类器权重参数确定多维度匹配模型，得到多维度匹配模型。
在本申请的另一可选实施例中，提供了一种多主体之间完成匹配推荐后进行通信的数据处理方法，包括：
获取第一通讯请求数据，其中，第一通讯请求数据为用于表示第一主体产生与目标主体通讯请求的数据；根据第一通讯请求数据和目标主体数据生成第二通讯请求数据，并将第二通讯请求数据发送至目标主体数据对应的第二客户端；在接收到第二客户端的第二通讯指示数据后，根据第二通讯指示数据构建第一主体和目标主体通讯。
在本申请的可选实施例中，提供了一种用于多主体之间匹配推荐的数据处理装置，图4为本申请提供的一种用于多主体之间匹配推荐的数据处理装置的示意图，如图4所示，该装置包括：
数据获取模块41，用于获取待匹配需求数据，其中，待匹配需求数据包括第一主体数据，第一主体数据为具有匹配推荐需求的主体数据；
筛选模块42，用于在预设系统数据库中基于第一主体数据进行第一多维度信息的筛选处理，得到多个第二主体数据，其中，第一多维度信息至少包括位置信息，多个第二主体数据为满足第一多维度信息筛选规则的多个主体的数据；
匹配模块43，用于对多个第二主体数据进行第二多维度信息的匹配处理，得到目标主体数据，将目标主体数据推荐至第一主体数据对应的客户端，其中，第二多维度信息至少包括生物特征信息。
关于上述实施例中各单元的执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
综上所述，在本申请中，通过获取待匹配需求数据，其中，待匹配需求数据包括第一主体数据，第一主体数据为具有匹配推荐需求的主体数据；在预设系统数据库中基于所述第一主体数据进行第一多维度信息的筛选处理，得到多个第二主体数据，其中，第一多维度信息至少包括位置信息，多个第二主体数据为满足第一多维度信息筛选规则的多个主体的数据；对多个第二主体数据进行第二多维度信息的匹配处理，得到目标主体数据，将目标主体数据推荐至所述第一主体数据对应的客户端，其中，第二多维度信息至少包括生物特征信息。解决现有技术在进行多用户主体之间的匹配推荐时存在效率较低的问题，实现了提高多主体用户之间匹配推荐效率的技术效果。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
显然，本领域的技术人员应该明白，上述的本申请的各单元或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.一种用于多主体之间匹配推荐的数据处理方法，其特征在于，包括：
获取待匹配需求数据，其中，所述待匹配需求数据包括第一主体数据，所述第一主体数据为具有匹配推荐需求的主体数据；
在预设系统数据库中基于所述第一主体数据进行第一多维度信息的筛选处理，得到多个第二主体数据，其中，所述第一多维度信息至少包括位置信息，所述多个第二主体数据为满足第一多维度信息筛选规则的多个主体的数据；
对所述多个第二主体数据进行第二多维度信息的匹配处理，得到目标主体数据，将所述目标主体数据推荐至所述第一主体数据对应的客户端，其中，所述第二多维度信息至少包括生物特征信息；
其中，对所述多个第二主体数据进行基于预设生物特征的识别处理，得到多个第二主体生物特征数据，其中，所述多个第二主体生物特征数据为多个第二主体的生物特征数据；
对所述第一主体数据进行基于预设生物特征的识别处理，得到第一主体生物特征数据，其中，所述第一主体生物特征数据为第一主体的生物特征数据；
将所述第一主体生物特征数据和所述多个第二主体生物特征数据进行相似度计算处理，得到多个生物特征相似度数据，其中，所述多个生物特征相似度数据为用于表示所述多个第二主体与所述第一主体的生物特征相似度的数据；
对所述第一主体数据进行基于社交特征的数据提取处理，得到第一主体社交特征数据，其中，所述第一主体社交特征数据为第一主体的多维度社交特征的数据；对所述多个第二主体数据进行基于社交特征的数据提取处理，得到多个第二主体社交特征数据，其中，所述多个第二主体社交特征数据为多个第二主体的多维度社交特征数据；
对所述第一主体社交特征数据和所述多个第二主体社交特征数据进行基于多维度信息的匹配测算处理，得到多个社交特征匹配度数据，其中，所述多个社交特征匹配度数据为用于表示所述多个第二主体与所述第一主体的社交特征匹配度的数据；
根据所述多个生物特征相似度数据和所述多个社交特征匹配度数据确定多个第二主体匹配度数据，其中，所述多个第二主体匹配度数据为分别用于表示所述第一主体和所述多个第二主体匹配度的数据；
筛选所述多个第二主体匹配度数据中匹配度数值最高的第二主体，得到目标主体数据；
在获取待匹配需求数据之前，所述方法还包括：
获取训练样本数据，其中，所述训练样本数据为用于训练多维度匹配模型的样本数据，所述训练样本数据包括第一训练样本数据和第二训练样本数据；
通过所述第一训练样本数据对预设第一分类器模型进行训练，得到过程第一分类器模型数据，所述过程第一分类器模型数据包括第一分类器权重参数α，通过公式对所述第一分类器权重参数进行训练，其中，ε为常参数；
通过所述第一分类器权重参数和所述第二训练样本数据对预设第二分类器模型进行训练，得到第二分类器模型数据，所述第二分类器模型包括第二分类器权重参数，
当所述第二训练样本数据在训练过程中样本分类正确时，通过公式训练第二分类器权重参数；
当所述第二训练样本数据在训练过程中样本分类错误时，通过公式训练第二分类器权重参数，其中，i，t为训练分类器的次数；
循环上述训练过程，得到多个分类器权重参数；
根据所述多个分类器权重参数确定多维度匹配模型，得到所述多维度匹配模型。
2.根据权利要求1所述的数据处理方法，其特征在于，将所述第一主体生物特征数据和所述多个第二主体生物特征数据进行相似度计算处理，得到多个生物特征相似度数据包括：
对所述第一主体生物特征数据进行基于预设图像规则的图像切分处理，得到第一主体切分图像数据，其中，所述第一主体切分图像数据为用于表示第一主体切分图像的数据；
对所述第二主体生物特征数据进行基于所述预设图像规则的图像切分处理，得到多个第二主体切分图像数据，其中，所述多个第二主体切分图像数据为用于表示多个第二主体切分图像的数据；
分别将所述多个第二主体切分图像数据与所述第一主体切分图像数据进行基于图像转码的相似度计算处理，得到所述多个生物特征相似度数据。
3.根据权利要求1所述的数据处理方法，其特征在于，根据所述多个生物特征相似度数据和所述多个社交特征匹配度数据确定多个第二主体匹配度数据包括：
对所述多个社交特征匹配度数据进行基于预设第一社交维度和第二社交维度的提取处理，得到多个第一社交维度社交特征匹配度数据和多个第二社交维度社交特征匹配度数据，其中，所述多个第一社交维度社交特征匹配度数据为用于表示在第一社交维度上多个第二主体分别与第一主体的社交特征匹配度数据，所述多个第二社交维度社交特征匹配度数据为用于表示在第二社交维度上多个第二主体分别与第一主体的社交特征匹配度数据；
将所述多个第一社交维度社交特征匹配度数据、所述多个第二社交维度社交特征匹配度数据和所述多个生物特征相似度数据输入预先训练的多维度匹配模型，得到所述多个第二主体匹配度数据。
4.根据权利要求1所述的数据处理方法，其特征在于，在预设系统数据库中基于所述第一主体数据进行第一多维度信息的筛选处理，得到多个第二主体数据包括：
对所述第一主体数据进行识别，得到第一位置数据和第一多维度数据，其中，所述第一多维度数据为用于表示第一主体第一多维度信息的数据；
根据所述第一位置数据确定第一位置筛选规则，根据所述第一多维度数据生成第一多维度信息筛选规则；
在预设系统主体数据库中筛选满足所述第一多维度信息筛选规则的主体数据，得到多个过程主体数据，其中，所述多个过程主体数据为在第一多维度信息上满足所述第一多维度信息筛选规则的多个主体的主体数据；
对所述多个过程主体数据进行识别，得到多个过程主体位置数据，其中，所述多个过程主体位置数据为用于表示多个过程主体位置的数据；
根据所述第一位置筛选规则对所述多个过程主体位置数据进行筛选处理，得到所述多个第二主体数据，其中，所述多个第二主体数据为满足所述第一位置筛选规则的多个过程主体的主体数据。
5.根据权利要求1所述的数据处理方法，其特征在于，在将所述目标主体数据推荐至所述第一主体数据对应的客户端之后，所述方法还包括：
获取第一通讯请求数据，其中，所述第一通讯请求数据为用于表示第一主体产生与目标主体通讯请求的数据；
根据所述第一通讯请求数据和所述目标主体数据生成第二通讯请求数据，并将所述第二通讯请求数据发送至所述目标主体数据对应的第二客户端；
在接收到所述第二客户端的第二通讯指示数据后，根据所述第二通讯指示数据构建第一主体和目标主体通讯。
6.一种用于多主体之间匹配推荐的数据处理装置，其特征在于，包括：
数据获取模块，用于获取待匹配需求数据，其中，所述待匹配需求数据包括第一主体数据，其中，所述第一主体数据为具有匹配推荐需求的主体数据；
筛选模块，用于在预设系统数据库中基于所述第一主体数据进行第一多维度信息的筛选处理，得到多个第二主体数据，其中，所述第一多维度信息至少包括位置信息，所述多个第二主体数据为满足第一多维度信息筛选规则的多个主体的数据；
匹配模块，用于对所述多个第二主体数据进行第二多维度信息的匹配处理，得到目标主体数据，将所述目标主体数据推荐至所述第一主体数据对应的客户端，其中，所述第二多维度信息至少包括生物特征信息；
其中，对所述多个第二主体数据进行基于预设生物特征的识别处理，得到多个第二主体生物特征数据，其中，所述多个第二主体生物特征数据为多个第二主体的生物特征数据；
对所述第一主体数据进行基于预设生物特征的识别处理，得到第一主体生物特征数据，其中，所述第一主体生物特征数据为第一主体的生物特征数据；
将所述第一主体生物特征数据和所述多个第二主体生物特征数据进行相似度计算处理，得到多个生物特征相似度数据，其中，所述多个生物特征相似度数据为用于表示所述多个第二主体与所述第一主体的生物特征相似度的数据；
对所述第一主体数据进行基于社交特征的数据提取处理，得到第一主体社交特征数据，其中，所述第一主体社交特征数据为第一主体的多维度社交特征的数据；对所述多个第二主体数据进行基于社交特征的数据提取处理，得到多个第二主体社交特征数据，其中，所述多个第二主体社交特征数据为多个第二主体的多维度社交特征数据；
对所述第一主体社交特征数据和所述多个第二主体社交特征数据进行基于多维度信息的匹配测算处理，得到多个社交特征匹配度数据，其中，所述多个社交特征匹配度数据为用于表示所述多个第二主体与所述第一主体的社交特征匹配度的数据；
根据所述多个生物特征相似度数据和所述多个社交特征匹配度数据确定多个第二主体匹配度数据，其中，所述多个第二主体匹配度数据为分别用于表示所述第一主体和所述多个第二主体匹配度的数据；
筛选所述多个第二主体匹配度数据中匹配度数值最高的第二主体，得到目标主体数据；
在获取待匹配需求数据之前，方法还包括：
获取训练样本数据，其中，所述训练样本数据为用于训练多维度匹配模型的样本数据，所述训练样本数据包括第一训练样本数据和第二训练样本数据；
通过所述第一训练样本数据对预设第一分类器模型进行训练，得到过程第一分类器模型数据，所述过程第一分类器模型数据包括第一分类器权重参数α，通过公式对所述第一分类器权重参数进行训练，其中，ε为常参数；
通过所述第一分类器权重参数和所述第二训练样本数据对预设第二分类器模型进行训练，得到第二分类器模型数据，所述第二分类器模型包括第二分类器权重参数，
当所述第二训练样本数据在训练过程中样本分类正确时，通过公式训练第二分类器权重参数；
当所述第二训练样本数据在训练过程中样本分类错误时，通过公式训练第二分类器权重参数，其中，i，t为训练分类器的次数；
循环上述训练过程，得到多个分类器权重参数；
根据所述多个分类器权重参数确定多维度匹配模型，得到所述多维度匹配模型。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-5任意一项所述的用于多主体之间匹配推荐的数据处理方法。
8.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-5任意一项所述的用于多主体之间匹配推荐的数据处理方法。
CN202211593621.6A 2022-12-13 2022-12-13 用于多主体之间匹配推荐的数据处理方法和装置 Active CN115600013B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211593621.6A CN115600013B (zh) 2022-12-13 2022-12-13 用于多主体之间匹配推荐的数据处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211593621.6A CN115600013B (zh) 2022-12-13 2022-12-13 用于多主体之间匹配推荐的数据处理方法和装置

Publications (2)

Publication Number Publication Date
CN115600013A CN115600013A (zh) 2023-01-13
CN115600013B true CN115600013B (zh) 2023-04-07

Family

ID=84854216

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211593621.6A Active CN115600013B (zh) 2022-12-13 2022-12-13 用于多主体之间匹配推荐的数据处理方法和装置

Country Status (1)

Country Link
CN (1) CN115600013B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116932927B (zh) * 2023-09-18 2023-12-15 深圳市爱聊科技有限公司 基于人工智能实现社交匹配推荐的数据处理方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015106347A (ja) * 2013-12-02 2015-06-08 株式会社Ｎｔｔドコモ レコメンド装置およびレコメンド方法
WO2018018610A1 (zh) * 2016-07-29 2018-02-01 深圳越界创新科技有限公司 一种匹配度计算方法、装置以及用户设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4428036B2 (ja) * 2003-12-02 2010-03-10 ソニー株式会社 情報処理装置および方法、プログラム、並びに、情報処理システムおよび方法
CN111415217B (zh) * 2020-02-18 2021-11-16 重庆特斯联智慧科技股份有限公司 基于人脸识别用户画像的消费者推荐方法、系统及货架

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015106347A (ja) * 2013-12-02 2015-06-08 株式会社Ｎｔｔドコモ レコメンド装置およびレコメンド方法
WO2018018610A1 (zh) * 2016-07-29 2018-02-01 深圳越界创新科技有限公司 一种匹配度计算方法、装置以及用户设备

Also Published As

Publication number Publication date
CN115600013A (zh) 2023-01-13

Similar Documents

Publication Publication Date Title
CN108229509B (zh) 用于识别物体类别的方法及装置、电子设备
CN108280477B (zh) 用于聚类图像的方法和装置
US10013636B2 (en) Image object category recognition method and device
CN109271958B (zh) 人脸年龄识别方法及装置
CN112381782B (zh) 人脸图像质量评估方法、装置、计算机设备及存储介质
CN109165639B (zh) 一种指静脉识别方法、装置及设备
US11126827B2 (en) Method and system for image identification
CN110751027B (zh) 一种基于深度多示例学习的行人重识别方法
CN110348516B (zh) 数据处理方法、装置、存储介质及电子设备
CN112364937B (zh) 用户类别确定方法及装置、推荐内容确定方法、电子设备
JP2019159958A (ja) 顔画像識別システム、識別器生成装置、識別装置、画像識別システム、及び識別システム
CN108734159B (zh) 一种图像中敏感信息的检测方法及系统
CN115827995A (zh) 基于大数据分析的社交匹配方法
CN114298122B (zh) 数据分类方法、装置、设备、存储介质及计算机程序产品
Caruso et al. Deprivation and the dimensionality of welfare: a variable‐selection cluster‐analysis approach
CN110688888B (zh) 一种基于深度学习的行人属性识别方法和系统
CN115600013B (zh) 用于多主体之间匹配推荐的数据处理方法和装置
US10997609B1 (en) Biometric based user identity verification
WO2015146113A1 (ja) 識別辞書学習システム、識別辞書学習方法および記録媒体
CN109508692A (zh) 一种基于3d指纹图像的性别识别方法及系统
CN114588633B (zh) 一种内容推荐方法
CN115984930A (zh) 微表情识别方法、装置、微表情识别模型的训练方法
CN114358279A (zh) 图像识别网络模型剪枝方法、装置、设备及存储介质
CN112818946A (zh) 年龄识别模型的训练、年龄识别方法、装置及电子设备
Yang et al. Finding badly drawn bunnies

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