[发明专利]搜索方法、设备、系统及存储介质

权利要求书

1.一种搜索方法，其特征在于，包括：

接收搜索请求，所述搜索请求携带有待搜索对象的多模态特征向量；

对所述多模态特征向量进行融合，以获得可反映所述待搜索对象的目标融合特征向量；

根据所述目标融合特征向量和样本对象集对应的融合特征向量聚类结果，从所述样本对象集中获取符合搜索需求的样本对象；

将所述符合搜索需求的样本对象发送给所述搜索请求的发送端。

2.根据权利要求1所述的方法，其特征在于，根据所述目标融合特征向量和样本对象集对应的融合特征向量聚类结果，从所述样本对象集中获取符合搜索需求的样本对象，包括：

根据所述目标融合特征向量和所述样本对象集对应的多个融合特征向量聚类中心之间的相似度，获取N个融合特征向量聚类中心；

将所述目标融合特征向量在所述N个融合特征向量聚类中心对应的融合特征向量聚类群中进行匹配，获取符合搜索需求的M个融合特征向量；

从所述样本对象集中获取所述M个融合特征向量对应的样本对象；其中，N、M是正整数。

3.根据权利要求2所述的方法，其特征在于，根据所述目标融合特征向量和所述样本对象集对应的多个融合特征向量聚类中心之间的相似度，获取N个融合特征向量聚类中心，包括：

按照所述多个融合特征向量聚类中心之间的层级关系，逐层计算所述目标融合特征向量和所述多个融合特征向量聚类中心之间的向量距离；

从所述多个融合特征向量聚类中心中，选择与所述目标融合特征向量最邻近的N个融合特征向量聚类中心。

4.根据权利要求1所述的方法，其特征在于，所述搜索请求还携带有本次搜索的时间窗口；

在根据所述目标融合特征向量和样本对象集对应的融合特征向量聚类结果，从所述样本对象集中获取符合搜索需求的样本对象之前，还包括：

从样本对象集对应不同时间窗口的融合特征向量聚类结果中，选择所述样本对象集对应所述搜索请求中携带的时间窗口的融合特征向量聚类结果。

5.根据权利要求1所述的方法，其特征在于，所述对所述多模态特征向量进行融合，以获得可反映所述待搜索对象的目标融合特征向量，包括：

对所述多模态特征向量分别进行信息压缩，以获得多模态的压缩特征向量；

对所述多模态的压缩特征向量进行合并，以获得可反映所述待搜索对象的整体特征向量；

以所述整体特征向量为基础，获得所述目标融合特征向量。

6.根据权利要求5所述的方法，其特征在于，在所述多模态特征向量中，每种模态的特征向量包括多个维度；

对所述多模态特征向量分别进行信息压缩，以获得多模态的压缩特征向量，包括：

分别对每种模态下多个维度的特征向量进行信息压缩，以获得多模态的压缩特征向量。

7.根据权利要求5所述的方法，其特征在于，对所述多模态特征向量分别进行信息压缩，以获得多模态的压缩特征向量，包括：

采用VAE算法对所述多模态特征向量分别进行信息压缩，以获得多模态的压缩特征向量；或者

采用Seq2seq算法对所述多模态特征向量中的时间序列型特征向量进行信息压缩，并采用VAE算法对所述多模态特征向量中的非时间序列型特征向量进行信息压缩，以获得多模态的压缩特征向量。

8.根据权利要求5所述的方法，其特征在于，以所述整体特征向量为基础，获得所述目标融合特征向量，包括：

直接将所述整体特征向量作为所述目标融合特征向量；或者

对所述整体特征向量进行压缩，以获得所述目标融合特征向量。

9.根据权利要求1所述的方法，其特征在于，所述待搜索对象为待购买股票或已购买股票，所述样本对象为历史股票。

10.根据权利要求9所述的方法，其特征在于，所述多模态特征向量包括：K线形态、技术指标、公司基本面以及公司事件中的至少两种模态。