CN117131380A - 匹配度计算方法及电子设备 - Google Patents
匹配度计算方法及电子设备 Download PDFInfo
- Publication number
- CN117131380A CN117131380A CN202310152296.8A CN202310152296A CN117131380A CN 117131380 A CN117131380 A CN 117131380A CN 202310152296 A CN202310152296 A CN 202310152296A CN 117131380 A CN117131380 A CN 117131380A
- Authority
- CN
- China
- Prior art keywords
- vector
- matching degree
- elements
- dimension
- electronic device
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 23
- 239000013598 vector Substances 0.000 claims abstract description 217
- 238000000034 method Methods 0.000 claims abstract description 53
- 230000006870 function Effects 0.000 claims description 41
- 230000015654 memory Effects 0.000 claims description 30
- 230000004913 activation Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 abstract description 23
- 230000002452 interceptive effect Effects 0.000 abstract description 5
- 239000010410 layer Substances 0.000 description 58
- 238000004891 communication Methods 0.000 description 34
- 230000006854 communication Effects 0.000 description 34
- 238000007726 management method Methods 0.000 description 21
- 238000012216 screening Methods 0.000 description 21
- 238000012545 processing Methods 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 230000005236 sound signal Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000010295 mobile communication Methods 0.000 description 12
- 210000000988 bone and bone Anatomy 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000008707 rearrangement Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 4
- 229920001621 AMOLED Polymers 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003416 augmentation Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000002096 quantum dot Substances 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 239000012792 core layer Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000002138 osteoinductive effect Effects 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/38—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
- G06F7/48—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices
- G06F7/544—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices for evaluating functions by calculation
- G06F7/5443—Sum of products
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请适用于终端技术领域,提供了一种匹配度计算方法及电子设备,通过将第一向量中每个维度的元素分别与第二向量中每个维度的元素进行相乘,得到m×n个元素乘积;将m×n个元素乘积进行相加得到m×n个元素乘积之和;基于m×n个元素乘积之和,确定第一向量对应的待匹配对象与第二向量对应的待匹配对象的匹配度。本方案在计算第一向量对应的待匹配对象与第二向量对应的待匹配对象的匹配度时,将第一向量中每个不同维度的元素分别与第二向量中每个不同维度的元素均进行了交互,使得第一向量与第二向量的交互更加充分,从而增强了第一向量与第二向量的交互表达能力,提高了第一向量对应的待匹配对象与第二向量对应的待匹配对象的匹配准确度。
Description
技术领域
本申请涉及终端技术领域,尤其涉及一种匹配度计算方法及电子设备。
背景技术
搜索或推荐等场景中通常会使用筛选系统,用于从海量的候选资源中筛选出少量与用户的匹配度较高的候选资源。筛选系统实现上述过程时通常包括召回阶段和排序阶段。召回阶段的目标主要是从海量的候选资源中召回用户可能感兴趣的所有候选资源,排序阶段的目标主要是从召回结果中筛选出例如几个用户最感兴趣的候选资源。在具体实现时,召回阶段需要先将用户和各个候选资源映射到同一个低维度的语义空间中,得到用户特征向量和候选资源特征向量,再采用向量交互算法将用户特征向量与各个候选资源特征向量进行交互运算,得到用户与各个候选资源的匹配度,最后基于用户与各个候选资源的匹配度进行召回。
常用的向量交互算法包括内积求和算法和余弦相似度算法,这两种算法均会导致用户特征向量与候选资源特征向量交互不充分,从而降低用户与候选资源的匹配准确度。
发明内容
本申请实施例提供一种匹配度计算方法及电子设备,能够提高第一向量对应的待匹配对象与第二向量对应的待匹配对象的匹配准确度。
第一方面,本申请实施例提供一种匹配度计算方法,包括:
将第一向量中每个维度的元素分别与第二向量中每个维度的元素进行相乘,得到m×n个元素乘积;m为所述第一向量的维度,n为所述第二向量的维度;
将所述m×n个元素乘积进行相加,得到m×n个元素乘积之和;
基于所述m×n个元素乘积之和,确定所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度。
根据本申请实施例提供的匹配度计算方法,在计算第一向量对应的待匹配对象与第二向量对应的待匹配对象的匹配度时,将第一向量中每个不同维度的元素分别与第二向量中每个不同维度的元素均进行了交互,使得第一向量与第二向量的交互更加充分,从而增强了第一向量与第二向量的交互表达能力,提高了第一向量对应的待匹配对象与第二向量对应的待匹配对象的匹配准确度。
在第一方面的一种可选的实现方式中,所述基于所述m×n个元素乘积之和,确定所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度,包括:
采用预设激活函数对所述m×n个元素乘积之和进行归一化处理,得到所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度。
根据本申请实施例提供的匹配度计算方法,通过将m×n个元素乘积之和进行归一化处理,从而将第一向量对应的待匹配对象与第二向量对应的待匹配对象的匹配度限制在0~1之间,使得到的各个匹配度均具有相同的度量尺度,便于对得到的各个匹配度进行比较。
在第一方面的一种可选的实现方式中,所述预设激活函数为:
其中,所述Pmb为所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度,所述S(qm,dn)为所述m×n个元素乘积之和。
在第一方面的一种可选的实现方式中,m等于n。
在第一方面的一种可选的实现方式中,m不等于n。
根据本申请实施例提供的匹配度计算方法,不仅可以应用在第一向量的维度与第二向量的维度相等的场景中,也可以应用在第一向量的维度与第二向量的维度不相等的场景中,从而扩大了匹配度计算方法的适用范围。
在第一方面的一种可选的实现方式中,所述匹配度计算方法应用在搜索场景中;对应地,所述第一向量为搜索词对应的特征向量,所述第二向量为被搜索内容对应的特征向量。
根据本申请实施例提供的匹配度计算方法,可以提高搜索词与被搜索内容的匹配准确度。
在第一方面的一种可选的实现方式中,所述匹配度计算方法应用在推荐场景中;对应地,所述第一向量为用户对应的特征向量,所述第二向量为待推荐内容对应的特征向量。
根据本申请实施例提供的匹配度计算方法,可以提高用户与待推荐内容的匹配准确度。
第二方面,本申请实施例提供一种深度结构化语义模型,包括:
乘法单元,用于将第一向量中每个维度的元素分别与第二向量中每个维度的元素进行相乘,得到m×n个元素乘积;m为所述第一向量的维度,n为所述第二向量的维度;
加法单元,用于将所述m×n个元素乘积进行相加,得到m×n个元素乘积之和;
确定单元,用于基于所述m×n个元素乘积之和,确定所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度。
在第二方面的一种可选的实现方式中,确定单元具体用于:
采用预设激活函数对所述m×n个元素乘积之和进行归一化处理,得到所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度。
在第二方面的一种可选的实现方式中,所述预设激活函数为:
其中,所述Pmb为所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度,所述S(qm,dn)为所述m×n个元素乘积之和。
在第二方面的一种可选的实现方式中,m等于n。
在第二方面的一种可选的实现方式中,m不等于n。
在第二方面的一种可选的实现方式中,所述匹配度计算方法应用在搜索场景中;对应地,所述第一向量为搜索词对应的特征向量,所述第二向量为被搜索内容对应的特征向量。
在第二方面的一种可选的实现方式中,所述匹配度计算方法应用在推荐场景中;对应地,所述第一向量为用户对应的特征向量,所述第二向量为待推荐内容对应的特征向量。
第三方面,本申请实施例提供一种电子设备,包括:一个或多个处理器;一个或多个存储器;所述一个或多个存储器存储有一个或多个计算机可执行程序,所述一个或多个计算机可执行程序包括指令,当所述指令被所述一个或多个处理器执行时,使得所述电子设备执行如上述第一方面的任一实现方式所述的匹配度计算方法中的各步骤。
第四方面,本申请实施例提供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可执行程序,所述计算机可执行程序在被计算机调用时使所述计算机执行如上述第一方面的任一实现方式所述的匹配度计算方法中的各步骤。
第五方面,本申请实施例提供一种计算机可执行程序产品,当计算机可执行程序产品在电子设备上运行时,使得电子设备执行上述第一方面的任一实现方式所述的匹配度计算方法中的各步骤。
第六方面,本申请实施例提供一种芯片系统,包括处理器,处理器与存储器耦合,处理器执行存储器中存储的计算机可执行程序,以实现如上述第一方面的任一实现方式所述的匹配度计算方法中的各步骤。该芯片系统可以为单个芯片,或者多个芯片组成的芯片模组。
可以理解的是,上述第二方面至第六方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
图1为本申请实施例提供的一种筛选系统的示意性架构图;
图2为本申请实施例提供的一种DSSM的示意性架构图;
图3为本申请实施例提供的一种传统的向量交互方法的交互原理示意图;
图4为本申请实施例提供的一种匹配度计算方法的示意性流程图;
图5为本申请实施例提供的一种匹配度计算方法中第一向量与第二向量的交互原理示意图;
图6为本申请实施例提供的一种DSSM的结构示意图;
图7为本申请实施例的一种DSSM中各单元的工作原理示意图;
图8为本申请实施例的一种电子设备的结构示意图;
图9为本申请实施例的一种电子设备的软件架构示意图。
具体实施方式
需要说明的是,本申请实施例的实施方式部分使用的术语仅用于对本申请的具体实施例进行解释,而非旨在限定本申请。在本申请实施例的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B;本文中的“和/或”仅仅是一种描述关联物的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,在本申请实施例的描述中,除非另有说明,“多个”是指两个或多于两个,“至少一个”、“一个或多个”是指一个、两个或两个以上。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”特征可以明示或者隐含地包括一个或者更多个该特征。
在本说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
在搜索或推荐等场景中,通常需要从海量的候选资源(例如物品、广告或视频等)中筛选出少量与用户的匹配度较高的候选资源供用户进行选择,为此,现有技术提供了很多用于实现上述过程的筛选系统。筛选系统实现上述过程时通常可以包括召回阶段和排序阶段。召回阶段的目标主要是从海量的候选资源中召回(即筛选出)例如几千个候选资源,排序阶段的目标主要是从召回阶段输出的几千个候选资源中筛选出例如几个与用户的匹配度较高的候选资源。排序阶段通常可以包括粗排、精排及重排等过程。
示例性地,请参阅图1,为本申请实施例提供的一种筛选系统的示意性架构图。如图1所示,在一些实施例中,筛选系统可以包括召回层、粗排层、精排层及重排层。
召回层主要用于对资源池中的候选资源进行初步筛选,从海量的候选资源中筛选出一部分用户可能感兴趣的资源(也可以被称为召回结果)给到粗排层。召回层的数量级通常是从千万量级到千量级。召回层通常不追求筛选精度,而是追求筛选速度和覆盖度,即召回层用于快速地将用户可能感兴趣的所有候选资源都筛选出来。
粗排层主要用于从召回结果中粗略地筛选出一部分用户比较感兴趣的候选资源(也可以被称为粗排结果)给到精排层。粗排层的数量级通常是从千量级到百量级。筛选系统中设置粗排层的目的主要是为了在保证一定筛选精度的情况下减小精排层的计算压力,防止召回结果的数量级太大而导致精排层的筛选速度降低。可以理解的是,在一些召回结果的数量级较低的应用场景下,筛选系统中也可以不设置粗排除。
精排层主要用于从粗排结果中筛选出数十个用户最感兴趣的候选资源,并按照用户的感兴趣程度对筛选出的用户最感兴趣的候选资源进行个性化排序后得到精排结果,并将精排结果输出至重排层。精排层的数量级通常是从百量级到十量级。精排层主要专注于筛选精度。
重排层用于将精排结果进行重新排序后推荐给用户。筛选系统中设置重排层的目的包括但不限于满足业务需求、弥补精排层的不足、提高推荐的多样性以及提升用户体验等。
在具体实现时,召回层通常可以采用个性化召回或者非个性化召回等方式实现召回。
非个性化召回方式可以在无用户数据(例如用户的属性信息或用户输入的搜索词等信息)的情况下离线进行,但采用非个性化召回方式得到的召回结果与用户的匹配度通常较低,从而会降低筛选系统的推荐准确度。
个性化召回方式是通过将用户与候选资源进行匹配,基于用户与候选资源的匹配度实现召回。采用个性化召回方式得到的召回结果与用户的匹配度通常高于采用非个性化召回方式得到的召回结果与用户的匹配度,因此个性化召回方式的应用更加广泛。
一种常用的个性化召回方式为基于深度结构化语义模型(deep structuredsemantic models,DSSM)的召回方式。DSSM是一种基于深度学习的用于计算用户与候选资源的匹配度的双塔模型,其核心思想是,通过两个相对独立的网络(也可以被称为双塔)分别构建用户特征向量和候选资源特征向量,再将用户特征向量与候选资源特征向量进行交互运算来计算用户与候选资源的匹配度。
示例性的,请参阅图2,为本申请实施例提供的一种DSSM的示意性架构图。如图2所示,在一些实施例中,DSSM可以包括输入层、模型层、表示层及交互层等。
其中,输入层用于接收原始用户数据和原始候选资源数据,并分别对原始用户数据和原始候选资源数据进行预处理,得到相同维度下的用于描述用户特征的初始用户特征向量和用于描述候选资源特征的初始候选资源特征向量。
原始用户数据看作是用户数据的文字表示。原始候选资源数据可以看作是候选资源数据的文字表示。示例性的,在搜索场景下,原始用户数据例如可以为用户在搜索框中输入的搜索词,原始候选资源数据例如可以包括所有被搜索内容的文字表示。
示例性的,上述预处理方式可以包括独热(one-hot)编码、词哈希(word hashing)编码或词向量(word to vector,Word2Vec)编码等方式。
模型层用于通过两个相对独立的神经网络模型分别对初始用户特征向量和初始候选资源特征向量进行编码,从而将初始用户特征向量和初始候选资源特征向量映射到同一个更低维度的语义空间中,分别得到目标用户特征向量和目标候选资源特征向量。即,目标用户特征向量的维度与目标候选资源特征向量的维度相等,且目标用户特征向量的维度低于初始用户特征向量的维度,目标候选资源特征向量的维度低于初始候选资源特征向量的维度。
示例性的,神经网络模型可以包括卷积神经网络(convolutional neuralnetworks,CNN)模型、循环神经网络(recurrent neural network,RNN)模型或多层感知器(multilayer perceptron,MLP)等。
表示层可以看作是模型层的输出结果表示。示例性的,目标用户特征向量和目标候选资源特征向量可以分别表示为和/>
交互层用于采用向量交互算法将目标用户特征向量与目标候选资源特征向量进行交互运算,从而得到用户与候选资源的匹配度。
常用的向量交互算法包括内积求和算法和余弦相似度算法等。
内积求和算法是通过将两个向量中相同维度的元素分别进行相乘,得到每个维度对应的元素乘积,再将所有维度对应的元素乘积之和作为两个向量各自对应的待匹配对象的匹配度。示例性的,假设目标用户特征向量为目标候选资源特征向量为则采用内积求和算法计算出的用户与候选资源的匹配度P1为:
其中,n为目标用户特征向量的维度或目标候选资源特征向量的维度。
余弦相似度算法是通过计算两个向量的夹角的余弦值,通过该余弦值来评估两个向量各自对应的待匹配对象的匹配度。示例性的,假设目标用户特征向量为目标候选资源特征向量为/>则采用余弦相似度算法计算出的用户与候选资源的匹配度P2为:
其中,n为目标用户特征向量的维度或目标候选资源特征向量的维度,θ为目标用户特征向量与目标候选资源特征向量的夹角。
然而,采用上述两种常用的向量交互算法计算目标用户特征向量与目标候选资源特征向量时,由于目标用户特征向量与目标候选资源特征向量只能进行同维度元素之间的交互,不同维度的元素之间无法进行交互,即如图3所示,目标用户特征向量中的第1个元素q1只能与目标候选资源特征向量/>中的第1个元素d1进行交互,目标用户特征向量/>中的第2个元素q2只能与目标候选资源特征向量/>中的第2个元素d2进行交互,以此类推,目标用户特征向量/>中的第n个元素qn只能与目标候选资源特征向量/>中的第n个元素dn进行交互,因此会导致目标用户特征向量与目标候选资源特征向量交互不充分,从而会降低用户与候选资源的匹配准确度。
针对上述技术问题,本申请实施例提供了一种匹配度计算方法及电子设备,通过将第一向量中每个维度的元素分别与第二向量中每个维度的元素进行相乘,得到m×n个元素乘积;将m×n个元素乘积进行相加,得到m×n个元素乘积之和;基于m×n个元素乘积之和,确定第一向量对应的待匹配对象与对应的待匹配对象第二向量的匹配度。本方案在计算第一向量对应的待匹配对象与第二向量对应的待匹配对象的匹配度时,将第一向量中每个不同维度的元素分别与第二向量中每个不同维度的元素均进行了交互,使得第一向量与第二向量的交互更加充分,从而增强了第一向量与第二向量的交互表达能力,提高了第一向量对应的待匹配对象与第二向量对应的待匹配对象的匹配准确度。
本申请实施例提供的匹配度计算方法可以应用在电子设备中,即该匹配度计算方法的执行主体可以为电子设备。示例性的,电子设备中可以安装有能够实现搜索功能或者推荐功能的应用程序(application,APP),搜索功能或者推荐功能的召回阶段可以是采用DSSM实现的。本申请实施例提供的匹配度计算方法具体可以应用在DSSM中的交互层中。需要说明的是,DSSM的工作原理具体可以参考前述实施例中的相关描述,此处对其不进行赘述。
示例性的,请参阅图4,为本申请实施例提供的一种匹配度计算方法的示意性流程图。该匹配度计算方法可以包括如图4所示的S401~S403,详述如下:
S401,将第一向量中每个维度的元素分别与第二向量中每个维度的元素进行相乘,得到m×n个元素乘积。
其中,第一向量和第二向量可以为任意两个待匹配对象各自对应的特征向量。
示例性的,在搜索场景中,由于待匹配对象为搜索词和被搜索内容,因此第一向量和第二向量可以分别为搜索词和被搜索内容各自对应的特征向量。
示例性的,在推荐场景(例如广告推荐或物品推荐等场景)中,由于待匹配对象为用户和待推荐内容(例如待推荐广告或待推荐物品等),因此第一向量和第二向量可以分别为用户和待推荐内容各自对应的特征向量。
示例性的,第一向量的维度可以为m,第二向量的维度可以为n。m和n的取值可以根据实际场景确定,此处对其不做特别限定。
在一些实施例中,m可以等于n,即本申请实施例提供的匹配度计算方法可以用于计算相同维度的待匹配对象的匹配度。
在另一些实施例中,m可以不等于n,即本申请实施例提供的匹配度计算方法可以用于计算不同维度的待匹配对象的匹配度。
示例性的,假设第一向量为第二向量为/>那么将第一/>中每个维度的元素分别与第二向量/>中每个维度的元素进行相乘,得到m×n个元素乘积的过程可以如图5所示,得到的m×n个元素可以为:
q1d1,q1d2,…,q1dn;
q2d1,q2d2,…,q2dn;
…,…,…,…;
qmd1,qmd2,…,qmdn。
S402,将m×n个元素乘积进行相加,得到m×n个元素乘积之和。
示例性的,假设m×n个元素乘积分别为:
q1d1,q1d2,…,q1dn;
q2d1,q2d2,…,q2dn;
…,…,…,…;
qmd1,qmd2,…,qmdn。
那么将m×n个元素乘积进行相加,得到的m×n个元素乘积之和可以为:
其中,S(qm,dn)为m×n个元素乘积之和,qm为第一向量中的第m个元素,dn为第二向量中的第n个元素。
S403,基于m×n个元素乘积之和,确定第一向量与第二向量的匹配度。
在一些实施例中,基于m×n个元素乘积之和,确定第一向量与第二向量的匹配度的方式具体可以为:采用预设激活函数对m×n个元素乘积之和进行归一化处理,得到第一向量与第二向量的匹配度。示例性的,预设激活函数可以为:
其中,Pmb为第一向量与所述第二向量的匹配度,S(qm,dn)为m×n个元素乘积之和。
基于同样的技术构思,本申请实施例还提供了一种DSSM。请参阅图6,为本申请实施例提供的一种DSSM的结构示意图,为了便于说明,仅示出了与本申请实施例相关的部分。如图6所示,该DSSM可以包括乘法单元601、加法单元602及确定单元603。乘法单元601、加法单元602及确定单元603可以位于DSSM的交互层。
其中,乘法单元601用于将第一向量中每个维度的元素分别与第二向量中每个维度的元素进行相乘,得到m×n个元素乘积;所述m为所述第一向量的维度,所述n为所述第二向量的维度。
加法单元602用于将所述m×n个元素乘积进行相加,得到所述m×n个元素乘积之和。
确定单元603用于基于所述m×n个元素乘积之和,确定所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度。
可选的,确定单元603具体用于:
采用预设激活函数对所述m×n个元素乘积之和进行归一化处理,得到所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度。
可选的,所述预设激活函数为:
其中,所述Pmb为所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度,所述S(qm,dn)为所述m×n个元素乘积之和。
可选的,所述m等于所述n。
可选的,所述m不等于所述n。
可选的,所述匹配度计算方法应用在搜索场景中;对应地,所述第一向量为搜索词对应的特征向量,所述第二向量为被搜索内容对应的特征向量。
可选的,所述匹配度计算方法应用在推荐场景中;对应地,所述第一向量为用户对应的特征向量,所述第二向量为待推荐内容对应的特征向量。
示例性的,乘法单元601、加法单元602及确定单元603各自的工作原理具体可以如图7所示。
需要说明的是,上述单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参照方法实施例部分,此处不再赘述。
基于同样的技术构思,本申请实施例还提供了一种电子设备,该电子设备可以包括:显示器;一个或多个处理器;一个或多个存储器;该一个或多个存储器存储有一个或多个计算机程序,该一个或多个计算机程序包括指令,当该指令被上述一个或多个处理器执行时,使得电子设备执行图4所示的任意一个流程中的一个或多个步骤。
示例性的,该电子设备可以包括但不限于手机、平板电脑、可穿戴设备、音频设备(例如耳机或音箱等)、车载设备、增强现实(augmented reality,AR)/虚拟现实(virtualreality,VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本及个人数字助理(personal digital assistant,PDA)等电子设备。
以下以电子设备为手机为例,对本申请实施例提供的音频场景识别方法所适用的电子设备的结构进行说明。请参阅图8,为本申请实施例提供的一种电子设备的结构示意图。
电子设备100可以包括处理器110,外部存储器接口120,内部存储器121,通用串行总线(universal serial bus,USB)接口130,充电管理模块140,电源管理模块141,电池142,天线1,天线2,移动通信模块150,无线通信模块160,音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,传感器模块180,按键190,马达191,指示器192,摄像头193,显示屏194,以及用户标识模块(subscriber identification module,SIM)卡接口195等。其中,传感器模块180可以包括压力传感器180A,陀螺仪传感器180B,气压传感器180C,磁传感器180D,加速度传感器180E,距离传感器180F,接近光传感器180G,指纹传感器180H,温度传感器180J,触摸传感器180K,环境光传感器180L,以及骨传导传感器180M等。
处理器110可以包括一个或多个处理单元,例如:处理器110可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。
处理器110中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器110的等待时间,因而提高了系统的效率。
在一些实施例中,处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口,集成电路内置音频(inter-integrated circuitsound,I2S)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processor interface,MIPI),通用输入输出(general-purposeinput/output,GPIO)接口,SIM接口,和/或USB接口等。
I2C接口是一种双向同步串行总线,包括一根串行数据线(serial data line,SDA)和一根串行时钟线(derail clock line,SCL)。在一些实施例中,处理器110可以包含多组I2C总线。处理器110可以通过不同的I2C总线接口分别耦合触摸传感器180K,充电器,闪光灯,摄像头193等。例如:处理器110可以通过I2C接口耦合触摸传感器180K,使处理器110与触摸传感器180K通过I2C总线接口通信,实现电子设备100的触摸功能。
I2S接口可以用于音频通信。在一些实施例中,处理器110可以包含多组I2S总线。处理器110可以通过I2S总线与音频模块170耦合,实现处理器110与音频模块170之间的通信。在一些实施例中,音频模块170可以通过I2S接口向无线通信模块160传递音频信号,实现通过蓝牙耳机接听电话的功能。
PCM接口也可以用于音频通信,将模拟信号抽样,量化和编码。在一些实施例中,音频模块170与无线通信模块160可以通过PCM总线接口耦合。在一些实施例中,音频模块170也可以通过PCM接口向无线通信模块160传递音频信号,实现通过蓝牙耳机接听电话的功能。所述I2S接口和所述PCM接口都可以用于音频通信。
UART接口是一种通用串行数据总线,用于异步通信。该总线可以为双向通信总线。它将要传输的数据在串行通信与并行通信之间转换。在一些实施例中,UART接口通常被用于连接处理器110与无线通信模块160。例如:处理器110通过UART接口与无线通信模块160中的蓝牙模块通信,实现蓝牙功能。在一些实施例中,音频模块170可以通过UART接口向无线通信模块160传递音频信号,实现通过蓝牙耳机播放音乐的功能。
MIPI接口可以被用于连接处理器110与显示屏194,摄像头193等外围器件。MIPI接口包括摄像头串行接口(camera serial interface,CSI),显示屏串行接口(displayserial interface,DSI)等。在一些实施例中,处理器110和摄像头193通过CSI接口通信,实现电子设备100的拍摄功能。处理器110和显示屏194通过DSI接口通信,实现电子设备100的显示功能。
GPIO接口可以通过软件配置。GPIO接口可以被配置为控制信号,也可被配置为数据信号。在一些实施例中,GPIO接口可以用于连接处理器110与摄像头193,显示屏194,无线通信模块160,音频模块170,传感器模块180等。GPIO接口还可以被配置为I2C接口,I2S接口,UART接口,MIPI接口等。
USB接口130是符合USB标准规范的接口,具体可以是Mini USB接口,Micro USB接口,USB Type C接口等。USB接口130可以用于连接充电器为电子设备100充电,也可以用于电子设备100与外围设备之间传输数据。也可以用于连接耳机,通过耳机播放音频。该接口还可以用于连接其他电子设备,例如AR设备等。
可以理解的是,本申请实施例示意的各模块间的接口连接关系,只是示意性说明,并不构成对电子设备100的结构限定。在本申请另一些实施例中,电子设备100也可以采用上述实施例中不同的接口连接方式,或多种接口连接方式的组合。
充电管理模块140用于从充电器接收充电输入。其中,充电器可以是无线充电器,也可以是有线充电器。在一些有线充电的实施例中,充电管理模块140可以通过USB接口130接收有线充电器的充电输入。在一些无线充电的实施例中,充电管理模块140可以通过电子设备100的无线充电线圈接收无线充电输入。充电管理模块140为电池142充电的同时,还可以通过电源管理模块141为电子设备供电。
电源管理模块141用于连接电池142,充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入,为处理器110,内部存储器121,显示屏194,摄像头193,和无线通信模块160等供电。电源管理模块141还可以用于监测电池容量,电池循环次数,电池健康状态(漏电,阻抗)等参数。在其他一些实施例中,电源管理模块141也可以设置于处理器110中。在另一些实施例中,电源管理模块141和充电管理模块140也可以设置于同一个器件中。
电子设备100的无线通信功能可以通过天线1,天线2,移动通信模块150,无线通信模块160,调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。电子设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。例如:可以将天线1复用为无线局域网的分集天线。在另外一些实施例中,天线可以和调谐开关结合使用。
移动通信模块150可以提供应用在电子设备100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器,开关,功率放大器,低噪声放大器(low noise amplifier,LNA)等。移动通信模块150可以由天线1接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大,经天线1转为电磁波辐射出去。在一些实施例中,移动通信模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中,移动通信模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
调制解调处理器可以包括调制器和解调器。其中,调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后,被传递给应用处理器。应用处理器通过音频设备(不限于扬声器170A,受话器170B等)输出声音信号,或通过显示屏194显示图像或视频。在一些实施例中,调制解调处理器可以是独立的器件。在另一些实施例中,调制解调处理器可以独立于处理器110,与移动通信模块150或其他功能模块设置在同一个器件中。
无线通信模块160可以提供应用在电子设备100上的包括无线局域网(wirelesslocal area networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络),蓝牙(bluetooth,BT),全球导航卫星系统(global navigation satellite system,GNSS),调频(frequency modulation,FM),近距离无线通信技术(near field communication,NFC),红外技术(infrared,IR)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号,对其进行调频,放大,经天线2转为电磁波辐射出去。
在一些实施例中,电子设备100的天线1和移动通信模块150耦合,天线2和无线通信模块160耦合,使得电子设备100可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(global system for mobile communications,GSM),通用分组无线服务(general packet radio service,GPRS),码分多址接入(codedivision multiple access,CDMA),宽带码分多址(wideband code division multipleaccess,WCDMA),时分码分多址(time-division code division multiple access,TD-SCDMA),长期演进(long term evolution,LTE),BT,GNSS,WLAN,NFC,FM,和/或IR技术等。所述GNSS可以包括全球卫星定位系统(global positioning system,GPS),全球导航卫星系统(global navigation satellite system,GLONASS),北斗卫星导航系统(beidounavigation satellite system,BDS),准天顶卫星系统(quasi-zenith satellitesystem,QZSS)和/或星基增强系统(satellite based augmentation systems,SBAS)。
电子设备100通过GPU,显示屏194,以及应用处理器等实现显示功能。GPU为图像处理的微处理器,连接显示屏194和应用处理器。GPU用于执行数学和几何计算,用于图形渲染。处理器110可包括一个或多个GPU,其执行程序指令以生成或改变显示信息。
显示屏194用于显示图像,视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display,LCD),有机发光二极管(organic light-emittingdiode,OLED),有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的,AMOLED),柔性发光二极管(flex light-emittingdiode,FLED),Miniled,MicroLed,Micro-oLed,量子点发光二极管(quantum dot lightemitting diodes,QLED)等。在一些实施例中,电子设备100可以包括1个或N个显示屏194,N为大于1的正整数。
电子设备100可以通过ISP,摄像头193,视频编解码器,GPU,显示屏194以及应用处理器等实现拍摄功能。
ISP用于处理摄像头193反馈的数据。例如,拍照时,打开快门,光线通过镜头被传递到摄像头感光元件上,光信号转换为电信号,摄像头感光元件将所述电信号传递给ISP处理,转化为肉眼可见的图像。ISP还可以对图像的噪点,亮度,肤色进行算法优化。ISP还可以对拍摄场景的曝光,色温等参数优化。在一些实施例中,ISP可以设置在摄像头193中。
摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device,CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor,CMOS)光电晶体管。感光元件把光信号转换成电信号,之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB,YUV等格式的图像信号。在一些实施例中,电子设备100可以包括1个或N个摄像头193,N为大于1的正整数。
数字信号处理器用于处理数字信号,除了可以处理数字图像信号,还可以处理其他数字信号。例如,当电子设备100在频点选择时,数字信号处理器用于对频点能量进行傅里叶变换等。
视频编解码器用于对数字视频压缩或解压缩。电子设备100可以支持一种或多种视频编解码器。这样,电子设备100可以播放或录制多种编码格式的视频,例如:动态图像专家组(moving picture experts group,MPEG)1,MPEG2,MPEG3,MPEG4等。
NPU为神经网络(neural-network,NN)计算处理器,通过借鉴生物神经网络结构,例如借鉴人脑神经元之间传递模式,对输入信息快速处理,还可以不断的自学习。通过NPU可以实现电子设备100的智能认知等应用,例如:图像识别,人脸识别,语音识别,文本理解等。
外部存储器接口120可以用于连接外部存储卡,例如Micro SD卡,实现扩展电子设备100的存储能力。外部存储卡通过外部存储器接口120与处理器110通信,实现数据存储功能。例如将音乐,视频等文件保存在外部存储卡中。
内部存储器121可以用于存储计算机可执行程序代码,所述可执行程序代码包括指令。内部存储器121可以包括存储程序区和存储数据区。其中,存储程序区可存储操作系统,至少一个功能所需的应用程序(比如声音播放功能,图像播放功能等)等。存储数据区可存储电子设备100使用过程中所创建的数据(比如音频数据,电话本等)等。此外,内部存储器121可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件,通用闪存存储器(universal flash storage,UFS)等。处理器110通过运行存储在内部存储器121的指令,和/或存储在设置于处理器中的存储器的指令,执行电子设备100的各种功能应用以及数据处理。
电子设备100可以通过音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,以及应用处理器等实现音频功能。例如音乐播放,录音等。
音频模块170用于将数字音频信息转换成模拟音频信号输出,也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。在一些实施例中,音频模块170可以设置于处理器110中,或将音频模块170的部分功能模块设置于处理器110中。
扬声器170A,也称“喇叭”,用于将音频电信号转换为声音信号。电子设备100可以通过扬声器170A收听音乐,或收听免提通话。
受话器170B,也称“听筒”,用于将音频电信号转换成声音信号。当电子设备100接听电话或语音信息时,可以通过将受话器170B靠近人耳接听语音。
麦克风170C,也称“话筒”,“传声器”,用于将声音信号转换为电信号。当拨打电话或发送语音信息时,用户可以通过人嘴靠近麦克风170C发声,将声音信号输入到麦克风170C。电子设备100可以设置至少一个麦克风170C。在另一些实施例中,电子设备100可以设置两个麦克风170C,除了采集声音信号,还可以实现降噪功能。在另一些实施例中,电子设备100还可以设置三个,四个或更多麦克风170C,实现采集声音信号,降噪,还可以识别声音来源,实现定向录音功能等。
耳机接口170D用于连接有线耳机。耳机接口170D可以是USB接口130,也可以是3.5mm的开放移动电子设备平台(open mobile terminal platform,OMTP)标准接口,美国蜂窝电信工业协会(cellular telecommunications industry association of the USA,CTIA)标准接口。
压力传感器180A用于感受压力信号,可以将压力信号转换成电信号。在一些实施例中,压力传感器180A可以设置于显示屏194。压力传感器180A的种类很多,如电阻式压力传感器,电感式压力传感器,电容式压力传感器等。电容式压力传感器可以是包括至少两个具有导电材料的平行板。当有力作用于压力传感器180A,电极之间的电容改变。电子设备100根据电容的变化确定压力的强度。当有触摸操作作用于显示屏194,电子设备100根据压力传感器180A检测所述触摸操作强度。电子设备100也可以根据压力传感器180A的检测信号计算触摸的位置。在一些实施例中,作用于相同触摸位置,但不同触摸操作强度的触摸操作,可以对应不同的操作指令。例如:当有触摸操作强度小于第一压力阈值的触摸操作作用于短消息应用图标时,执行查看短消息的指令。当有触摸操作强度大于或等于第一压力阈值的触摸操作作用于短消息应用图标时,执行新建短消息的指令。
陀螺仪传感器180B可以用于确定电子设备100的运动姿态。在一些实施例中,可以通过陀螺仪传感器180B确定电子设备100围绕三个轴(即,x,y和z轴)的角速度。陀螺仪传感器180B可以用于拍摄防抖。示例性的,当按下快门,陀螺仪传感器180B检测电子设备100抖动的角度,根据角度计算出镜头模组需要补偿的距离,让镜头通过反向运动抵消电子设备100的抖动,实现防抖。陀螺仪传感器180B还可以用于导航,体感游戏场景。
气压传感器180C用于测量气压。在一些实施例中,电子设备100通过气压传感器180C测得的气压值计算海拔高度,辅助定位和导航。
磁传感器180D包括霍尔传感器。电子设备100可以利用磁传感器180D检测翻盖皮套的开合。在一些实施例中,当电子设备100是翻盖机时,电子设备100可以根据磁传感器180D检测翻盖的开合。进而根据检测到的皮套的开合状态或翻盖的开合状态,设置翻盖自动解锁等特性。
加速度传感器180E可检测电子设备100在各个方向上(一般为三轴)加速度的大小。当电子设备100静止时可检测出重力的大小及方向。还可以用于识别电子设备姿态,应用于横竖屏切换,计步器等应用。
距离传感器180F,用于测量距离。电子设备100可以通过红外或激光测量距离。在一些实施例中,拍摄场景,电子设备100可以利用距离传感器180F测距以实现快速对焦。
接近光传感器180G可以包括例如发光二极管(LED)和光检测器,例如光电二极管。发光二极管可以是红外发光二极管。电子设备100通过发光二极管向外发射红外光。电子设备100使用光电二极管检测来自附近物体的红外反射光。当检测到充分的反射光时,可以确定电子设备100附近有物体。当检测到不充分的反射光时,电子设备100可以确定电子设备100附近没有物体。电子设备100可以利用接近光传感器180G检测用户手持电子设备100贴近耳朵通话,以便自动熄灭屏幕达到省电的目的。接近光传感器180G也可用于皮套模式,口袋模式自动解锁与锁屏。
环境光传感器180L用于感知环境光亮度。电子设备100可以根据感知的环境光亮度自适应调节显示屏194亮度。环境光传感器180L也可用于拍照时自动调节白平衡。环境光传感器180L还可以与接近光传感器180G配合,检测电子设备100是否在口袋里,以防误触。
指纹传感器180H用于采集指纹。电子设备100可以利用采集的指纹特性实现指纹解锁,访问应用锁,指纹拍照,指纹接听来电等。
温度传感器180J用于检测温度。在一些实施例中,电子设备100利用温度传感器180J检测的温度,执行温度处理策略。例如,当温度传感器180J上报的温度超过阈值,电子设备100执行降低位于温度传感器180J附近的处理器的性能,以便降低功耗实施热保护。在另一些实施例中,当温度低于另一阈值时,电子设备100对电池142加热,以避免低温导致电子设备100异常关机。在其他一些实施例中,当温度低于又一阈值时,电子设备100对电池142的输出电压执行升压,以避免低温导致的异常关机。
触摸传感器180K,也称“触控器件”。触摸传感器180K可以设置于显示屏194,由触摸传感器180K与显示屏194组成触摸屏,也称“触控屏”。触摸传感器180K用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器,以确定触摸事件类型。可以通过显示屏194提供与触摸操作相关的视觉输出。在另一些实施例中,触摸传感器180K也可以设置于电子设备100的表面,与显示屏194所处的位置不同。
骨传导传感器180M可以获取振动信号。在一些实施例中,骨传导传感器180M可以获取人体声部振动骨块的振动信号。骨传导传感器180M也可以接触人体脉搏,接收血压跳动信号。在一些实施例中,骨传导传感器180M也可以设置于耳机中,结合成骨传导耳机。音频模块170可以基于所述骨传导传感器180M获取的声部振动骨块的振动信号,解析出语音信号,实现语音功能。应用处理器可以基于所述骨传导传感器180M获取的血压跳动信号解析心率信息,实现心率检测功能。
按键190包括开机键,音量键等。按键190可以是机械按键。也可以是触摸式按键。电子设备100可以接收按键输入,产生与电子设备100的用户设置以及功能控制有关的键信号输入。
马达191可以产生振动提示。马达191可以用于来电振动提示,也可以用于触摸振动反馈。例如,作用于不同应用(例如拍照,音频播放等)的触摸操作,可以对应不同的振动反馈效果。作用于显示屏194不同区域的触摸操作,马达191也可对应不同的振动反馈效果。不同的应用场景(例如:时间提醒,接收信息,闹钟,游戏等)也可以对应不同的振动反馈效果。触摸振动反馈效果还可以支持自定义。
指示器192可以是指示灯,可以用于指示充电状态,电量变化,也可以用于指示消息,未接来电,通知等。
SIM卡接口195用于连接SIM卡。SIM卡可以通过插入SIM卡接口195,或从SIM卡接口195拔出,实现和电子设备100的接触和分离。电子设备100可以支持1个或N个SIM卡接口,N为大于1的正整数。SIM卡接口195可以支持Nano SIM卡,Micro SIM卡,SIM卡等。同一个SIM卡接口195可以同时插入多张卡。所述多张卡的类型可以相同,也可以不同。SIM卡接口195也可以兼容不同类型的SIM卡。SIM卡接口195也可以兼容外部存储卡。电子设备100通过SIM卡和网络交互,实现通话以及数据通信等功能。在一些实施例中,电子设备100采用eSIM,即:嵌入式SIM卡。eSIM卡可以嵌在电子设备100中,不能和电子设备100分离。
可以理解的是,图8示意的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中,电子设备100可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
该电子设备100的软件系统可以采用分层架构,事件驱动架构,微核架构,微服务架构,或云架构。本申请实施例以分层架构的Android系统为例,示例性说明电子设备的软件结构。
请参阅图9,为本申请实施例的一种电子设备的软件结构框图。
分层架构将软件分成若干个层,每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中,将Android系统分为四层,从上至下分别为应用程序层,应用程序框架层,安卓运行时(Android runtime)和系统库,以及内核层。
应用程序层可以包括一系列应用程序包。
如图9所示,应用程序包可以包括相机,图库,日历,通话,地图,导航,WLAN,蓝牙,音乐,视频,短信息等应用程序。
应用程序框架层为应用程序层的应用程序提供应用编程接口(applicationprogramming interface,API)和编程框架。应用程序框架层包括一些预先定义的函数。
如图9所示,应用程序框架层可以包括窗口管理器,内容提供器,视图系统,电话管理器,资源管理器,通知管理器等。
窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小,判断是否有状态栏,锁定屏幕,截取屏幕等。
内容提供器用来存放和获取数据,并使这些数据可以被应用程序访问。所述数据可以包括视频,图像,音频,拨打和接听的电话,浏览历史和书签,电话簿等。
视图系统包括可视控件,例如显示文字的控件,显示图片的控件等。视图系统可用于构建应用程序。显示界面可以由一个或多个视图组成的。例如,包括短信通知图标的显示界面,可以包括显示文字的视图以及显示图片的视图。
电话管理器用于提供电子设备的通信功能。例如通话状态的管理(包括接通,挂断等)。
资源管理器为应用程序提供各种资源,比如本地化字符串,图标,图片,布局文件,视频文件等等。
通知管理器使应用程序可以在状态栏中显示通知信息,可以用于传达告知类型的消息,可以短暂停留后自动消失,无需用户交互。比如通知管理器被用于告知下载完成,消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在系统顶部状态栏的通知,例如后台运行的应用程序的通知,还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息,发出提示音,电子设备振动,指示灯闪烁等。
Android Runtime包括核心库和虚拟机。Android runtime负责安卓系统的调度和管理。
核心库包含两部分:一部分是java语言需要调用的功能函数,另一部分是安卓的核心库。
应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理,堆栈管理,线程管理,安全和异常的管理,以及垃圾回收等功能。
系统库可以包括多个功能模块。例如:表面管理器(surface manager),媒体库(Media Libraries),三维图形处理库(例如:OpenGL ES),2D图形引擎(例如:SGL)等。
表面管理器用于对显示子系统进行管理,并且为多个应用程序提供了2D和3D图层的融合。
媒体库支持多种常用的音频,视频格式回放和录制,以及静态图像文件等。媒体库可以支持多种音视频编码格式,例如:MPEG4,H.264,MP3,AAC,AMR,JPG,PNG等。
三维图形处理库用于实现三维图形绘图,图像渲染,合成,和图层处理等。
2D图形引擎是2D绘图的绘图引擎。
内核层是硬件和软件之间的层。内核层至少包含显示驱动,摄像头驱动,音频驱动,传感器驱动。
下面结合捕获拍照场景,示例性说明电子设备软件以及硬件的工作流程。
当电子设备的触摸传感器180K(如图6所示)接收到触摸操作,相应的硬件中断被发给内核层。内核层将触摸操作加工成原始输入事件(包括触摸坐标,触摸操作的时间戳等信息)。原始输入事件被存储在内核层。应用程序框架层从内核层获取原始输入事件,识别该输入事件所对应的控件。以该触摸操作是触摸单击操作,该单击操作所对应的控件为相机应用图标的控件为例,相机应用调用应用框架层的接口,启动相机应用,进而通过调用内核层启动摄像头驱动,通过摄像头193(如图6所示)捕获静态图像或视频。
基于同样的技术构思,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行程序,该计算机可执行程序在被计算机调用时使计算机执行图4所示的任意一个流程中的一个或多个步骤。
基于同样的技术构思,本申请实施例还提供了一种芯片系统,包括处理器,处理器与存储器耦合,该处理器执行存储器中存储的计算机可执行程序,以实现如图4所示的任意一个流程中的一个或多个步骤。该芯片系统可以为单个芯片,或者多个芯片组成的芯片模组。
基于同样的技术构思,本申请实施例还提供了一种计算机可执行程序产品,当计算机可执行程序产品在电子设备上运行时,使得该电子设备执行图4所示的任意一个流程中的一个或多个步骤。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其他实施例的相关描述。应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者通过所述计算机可读存储介质进行传输。所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如,固态硬盘(solid state disk,SSD))等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,该流程可以由计算机程序来指令相关的硬件完成,该程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法实施例的流程。而前述的存储介质包括:ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。
以上所述,仅为本申请实施例的具体实施方式,但本申请实施例的保护范围并不局限于此,任何在本申请实施例揭露的技术范围内的变化或替换,都应涵盖在本申请实施例的保护范围之内。因此,本申请实施例的保护范围应以所述权利要求的保护范围为准。
Claims (11)
1.一种匹配度计算方法,其特征在于,包括:
将第一向量中每个维度的元素分别与第二向量中每个维度的元素进行相乘,得到m×n个元素乘积;m为所述第一向量的维度,n为所述第二向量的维度;
将所述m×n个元素乘积进行相加,得到m×n个元素乘积之和;
基于所述m×n个元素乘积之和,确定所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度。
2.根据权利要求1所述的匹配度计算方法,其特征在于,所述基于所述m×n个元素乘积之和,确定所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度,包括:
采用预设激活函数对所述m×n个元素乘积之和进行归一化处理,得到所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度。
3.根据权利要求2所述的匹配度计算方法,其特征在于,所述预设激活函数为:
其中,所述Pmb为所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度,所述S(qm,dn)为所述m×n个元素乘积之和。
4.根据权利要求1-3任一项所述的匹配度计算方法,其特征在于,m等于n。
5.根据权利要求1-3任一项所述的匹配度计算方法,其特征在于,m不等于n。
6.根据权利要求1-3任一项所述的匹配度计算方法,其特征在于,所述匹配度计算方法应用在搜索场景中;对应地,所述第一向量为搜索词对应的特征向量,所述第二向量为被搜索内容对应的特征向量。
7.根据权利要求6所述的匹配度计算方法,其特征在于,所述匹配度计算方法应用在推荐场景中;对应地,所述第一向量为用户对应的特征向量,所述第二向量为待推荐内容对应的特征向量。
8.一种深度结构化语义模型,其特征在于,包括:
乘法单元,用于将第一向量中每个维度的元素分别与第二向量中每个维度的元素进行相乘,得到m×n个元素乘积;m为所述第一向量的维度,n为所述第二向量的维度;
加法单元,用于将所述m×n个元素乘积进行相加,得到m×n个元素乘积之和;
确定单元,用于基于所述m×n个元素乘积之和,确定所述第一向量对应的待匹配对象与所述第二向量对应的待匹配对象的匹配度。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
一个或多个存储器;
所述一个或多个存储器存储有一个或多个计算机可执行程序,所述一个或多个计算机可执行程序包括指令,当所述指令被所述一个或多个处理器执行时,使得所述电子设备执行如权利要求1-7任一项所述的匹配度计算方法中的各步骤。
10.一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可执行程序,所述计算机可执行程序在被计算机调用时,使所述计算机执行如权利要求1-7任一项所述的匹配度计算方法中的各步骤。
11.一种芯片系统,其特征在于,包括处理器,所述处理器与存储器耦合,所述存储器用于存储计算机程序指令,当所述处理器执行所述计算机程序指令时,使得所述芯片系统实现如权利要求1-7任一项所述的匹配度计算方法中的各步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310152296.8A CN117131380A (zh) | 2023-02-17 | 2023-02-17 | 匹配度计算方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310152296.8A CN117131380A (zh) | 2023-02-17 | 2023-02-17 | 匹配度计算方法及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117131380A true CN117131380A (zh) | 2023-11-28 |
Family
ID=88855280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310152296.8A Pending CN117131380A (zh) | 2023-02-17 | 2023-02-17 | 匹配度计算方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117131380A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109299981A (zh) * | 2018-09-17 | 2019-02-01 | 北京点网聚科技有限公司 | 一种广告推荐方法及装置 |
CN109948062A (zh) * | 2019-03-29 | 2019-06-28 | 广州市百果园网络科技有限公司 | 一种目标匹配方法、装置、服务器、系统及存储介质 |
CN113761393A (zh) * | 2021-09-26 | 2021-12-07 | 广州华多网络科技有限公司 | 商品协同推荐方法及其装置、设备、介质、产品 |
CN113868516A (zh) * | 2021-09-09 | 2021-12-31 | 北京达佳互联信息技术有限公司 | 对象推荐方法、装置、电子设备及存储介质 |
-
2023
- 2023-02-17 CN CN202310152296.8A patent/CN117131380A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109299981A (zh) * | 2018-09-17 | 2019-02-01 | 北京点网聚科技有限公司 | 一种广告推荐方法及装置 |
CN109948062A (zh) * | 2019-03-29 | 2019-06-28 | 广州市百果园网络科技有限公司 | 一种目标匹配方法、装置、服务器、系统及存储介质 |
CN113868516A (zh) * | 2021-09-09 | 2021-12-31 | 北京达佳互联信息技术有限公司 | 对象推荐方法、装置、电子设备及存储介质 |
CN113761393A (zh) * | 2021-09-26 | 2021-12-07 | 广州华多网络科技有限公司 | 商品协同推荐方法及其装置、设备、介质、产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113163470B (zh) | 对特定路线上的特定位置进行识别的方法及电子设备 | |
CN115866121B (zh) | 应用界面交互方法、电子设备和计算机可读存储介质 | |
CN115473957B (zh) | 一种图像处理方法和电子设备 | |
CN110543287B (zh) | 一种屏幕显示方法及电子设备 | |
CN117014567A (zh) | 一种应用于电子设备的视频通话的显示方法及相关装置 | |
CN113254409B (zh) | 文件共享方法、系统及相关设备 | |
CN115333941B (zh) | 获取应用运行情况的方法及相关设备 | |
CN115914461B (zh) | 位置关系识别方法和电子设备 | |
CN112740148A (zh) | 一种向输入框中输入信息的方法及电子设备 | |
CN112416984B (zh) | 一种数据处理方法及其装置 | |
CN114911400A (zh) | 分享图片的方法和电子设备 | |
CN115437601B (zh) | 图像排序方法、电子设备、程序产品及介质 | |
CN116048831B (zh) | 一种目标信号处理方法和电子设备 | |
CN114079642B (zh) | 一种邮件处理方法及电子设备 | |
CN116527266A (zh) | 数据归集方法及相关设备 | |
CN117131380A (zh) | 匹配度计算方法及电子设备 | |
CN114817521B (zh) | 搜索方法和电子设备 | |
CN117133311B (zh) | 音频场景识别方法及电子设备 | |
CN114205318B (zh) | 头像显示方法及电子设备 | |
CN116703741B (zh) | 一种图像对比度的生成方法、装置和电子设备 | |
CN114513575B (zh) | 一种收藏处理的方法及相关装置 | |
CN115792431B (zh) | 一种异常位置检测方法和电子设备 | |
CN116795476B (zh) | 一种删除壁纸的方法及电子设备 | |
CN114764300B (zh) | 一种窗口页面的交互方法、装置、电子设备以及可读存储介质 | |
CN116301905A (zh) | 数据处理方法以及相关设备 |
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 |