一種相似性度量的方法以及系統的製作方法

2023-06-11 09:25:21 1

一種相似性度量的方法以及系統的製作方法
【專利摘要】本發明涉及一種相似性度量的方法以及系統。所述相似性度量方法包括：數據獲取步驟，獲取集合a中的元素item_a和集合b中的元素item_b、以及集合a中的元素item_a對集合b中的元素item_b無差別的相似性操作次數sim(item_a，item_b)；相似度計算步驟，執行基於下式的集合b內部元素item_bi與元素item_bj的相似性值sim』(Item_bi，Item_bj)的計算，其中，i，j，m，n表示集合中元素的標號，k是歸一化因子。
【專利說明】一種相似性度量的方法以及系統

【技術領域】
[0001] 本發明涉及信息處理領域，特別涉及信息處理領域中的相似性度量的方法以及系 統。

【背景技術】
[0002] 當前，在眾多領域、例如網際網路行業等均涉及相似性度量，並基於各種已有的相似 性度量方法進行相似性分析。
[0003] 例如在個性化推薦領域等，伺服器收集並存儲了用戶及其操作對象的大量數據， 需要根據用戶已進行的操作向用戶推薦用戶可能感興趣的相關操作對象，在推薦的過程中 需要計算出要推薦的操作對象與用戶進行操作的操作對象的相似度，以將相似度高的操作 對象推薦給用戶。這裡，在相似性度量方法上，大體上存在以下幾種。
[0004] 基於物體屬性向量已知條件下的相似性度量方法。該相似性度量方法，依據物體 屬性已知的情況，計算物體屬性向量在某種意義下的距離，作為物體與物體之間的相似性 度量。例如：歐幾裡得距離、馬氏距離、米科夫斯基距離、漢明距離、jaccard係數、皮爾遜相 關係數、餘弦相似度等。該類相似性度量方法的明顯特點是，在該相似度計算公式中有物體 的屬性向量值。這種相似性度量方法需要已知物體的屬性向量，對於隱性屬性的物體難以 計算相似度。
[0005] 基於關聯關係的相似性度量方法。該相似性度量方法，是尋找物體與物體之間的 關聯，再通過某種規則定義出一種關聯的程度，進而作為物體與物體之間的相似性度量。 如：關聯相似度、基於圖的相似度、基於RandomWalk的相似性度量方法等。這類相似性度量 方法的缺點在於其關聯含義的解釋較為困難。
[0006] 基於統計的相似性度量方法。該方法與關聯關係的相似性度量方法不同，關聯關 系的相似性度量方法是已知物體與物體之間關聯的明確情況。而基於統計的相似性度量方 法，基於統計學中的概率。如某個物體和另外一個物體發生某種關聯的概率。同樣在某些 時候，也需要關聯的定義，甚至物體屬性向量的相似度定義。這類相似性度量方法的明顯特 點在於，其已知的是物體和物體之間關聯的統計結果。
[0007] 在上述以往的相關性度量方法中，存在以下幾個問題。
[0008] 首先，基於屬性向量的相似性度量方法需要知道相比較的兩個對象的屬性向量， 即需要屬性向量已知，對於未知屬性向量的情況下，無法進行相似性的判斷。
[0009] 其次，存在準確度低的問題。例如在使用餘弦相似度度量方法的情況下，如果各屬 性向量是不獨立、即不正交的情況下，其計算出的相似度是不準確的。例如在對象Aa的屬 性向量是{xl，yl，zl},對象Bb的屬性向量是{x2, y2, z2},在上述屬性之間相關的情況下、 即不正交的情況下，其計算出的相似度準確度低，存在大量的信息損失。
[0010] 另外，存在計算複雜度高的問題。基於關聯關係的相似性度量方法以及基於統計 的相似性度量方法需要尋找比較對象之間關聯，其過程比較複雜，導致相似度計算的難度 較大。


【發明內容】
toon] 本發明就是鑑於現有技術中相似度度量的方法存在的各種問題而做出的，本發明 其目的在於提供一種在未知物體屬性向量的情況下定義和計算出最佳相似度的相似性度 量的方法和系統。
[0012] 一種相似性度量方法，數據獲取步驟，獲取集合a中的元素 item_a和集合b中的 元素 item_b、以及集合a中的元素 item_a對集合b中的元素 item_b無差別的相似性操作 次數sim(item_a，item_b);相似度計算步驟，執行基於下式的集合b內部元素 itemj^與 元素 item_bj的相似性值sim'（ItemjDi，Item_bj)的計算，
[0013] siwi(llemjjs, Mem_hf)=

【權利要求】
1. 一種相似性度量方法，其特徵在於，包括： 數據獲取步驟，獲取集合a中的元素 item_a和集合b中的元素 item_b、以及集合a中 的元素 item_a對集合b中的元素 item_b無差別的相似性操作次數sim(item_a，item_b); 相似度計算步驟，執行基於下式的集合b內部元素與元素的相似性值 sim'（ItemjDi，Item_bj)的計算， shri(ltem_bt, llem_hf)=
其中，i，j，m，n表示集合中元素的標號，k是歸一化因子。
2. 如權利要求1所述的相似性度量方法，其特徵在於， 將相似性操作發生時間設為t(item_a，item_b)，並設
在考慮與時間有關的時間濾波函數f(t(item_am，itemjDi)，t(item_am，item_bj))的情 況下，集合b內部的元素與元素的相似性值為 AemJj )=k*Yp^f(i(hem^ amJiemJ)t\ m
3. 如權利要求2所述的相似性度量方法，其特徵在於， 所述時間濾波函數f(t(item_am，itemjDi)，t(item_am，item_bj))是低通濾波函數，在 時間上越接近，函數值越大。
4. 如權要求3所述的相似性度量方法，其特徵在於， 所述時間濾波函數為：
其中，β是小於1大於0的低通濾波係數。
5. -種相似性度量系統，其特徵在於，包括： 數據獲取單元，其獲取集合a中的元素 item_a和集合b中的元素 item_b、以及集合a 中的元素 item_a對集合b中的元素 item_b無差別的相似性操作次數sim(item_a，item_ b)； 相似度計算單元，其執行基於下式的集合b內部元素與元素的相似性 值 sim'（ItemjDi，Item_bj)的計算， sim\llem_bi,hembl )=
其中，i，j，m，η表示集合中元素的標號，k是歸一化因子。
6. 如權利要求5所述的相似性度量系統，其特徵在於， 將相似性操作發生時間設為t(item_a，item_b)，並設 - vJT ~
在考慮與時間有關的時間濾波函數f(t(item_am，itemjDi)，t(item_am，item_bj))的情 況下，集合b內部的元素與元素的相似性值為
7. 如權利要求6所述的相似性度量系統，其特徵在於， 所述時間濾波函數f(t(item_am，itemjDi)，t(item_am，item_bj))是低通濾波函數，在 時間上越接近，函數值越大。
8. 如權要求7所述的相似性度量系統，其特徵在於， 所述時間濾波函數為：
其中，β是小於1大於0的低通濾波係數。
【文檔編號】G06F17/30GK104102691SQ201410244544
【公開日】2014年10月15日 申請日期:2014年6月4日 優先權日:2014年6月4日
【發明者】朱寶 申請人:百度移信網絡技術（北京）有限公司