[发明专利]一种对象选择方法、装置、计算机设备以及存储介质

说明书

本公开提供了一种对象选择方法、装置、计算机设备以及存储介质，其中，该方法包括：确定用户选择的目标对象，以及确定与目标对象具有选择关系的多个待推荐对象；每个待推荐对象对应至少一种选择关系，多个待推荐对象对应多种选择关系；提取目标对象的特征向量，得到第一特征向量，并提取每个待推荐对象的特征向量，得到第二特征向量；基于第一特征向量和第二特征向量，确定多个备选对象组；每个备选对象组中包含多个待推荐对象中的至少部分待推荐对象，且每个备选对象组对应至少一种选择关系；在多个备选对象组中确定满足可靠性要求的目标备选对象组，并将目标备选对象组中的待推荐对象确定为目标对象的推荐对象。

技术领域

本公开涉及计算机技术领域，具体而言，涉及一种对象选择方法、装置、计算机设备以及存储介质。

背景技术

现有的多选问题是指从多个候选对象中挑选大于等于一个对象，例如，根据一张人物图片找出所有图片中的对应人物、推荐系统从多个待选商品中按照描述选取符合要求的多个商品。针对现有的多选问题，通常使用深度学习技术为每一个对象求出一个评分，进而将选取评分靠前或者评分大于某一个阈值的对象作为推荐对象，并利用监督学习来优化神经网络的评分系统。由于推荐对象为预先设定的，因此通过监督学习确定的神经网络往往仅能对具有固定特征的推荐对象进行学习，而往往忽略了具有其他特征的推荐对象，从而导致上述神经网络输出的推荐对象的选择结果准确度较低。

发明内容

本公开实施例至少提供一种对象选择方法、装置、计算机设备以及存储介质。

第一方面，本公开实施例提供了一种对象选择方法，包括：确定用户选择的目标对象，以及确定与所述目标对象具有选择关系的多个待推荐对象；每个所述待推荐对象对应至少一种所述选择关系，所述多个待推荐对象对应多种所述选择关系；提取所述目标对象的特征向量，得到第一特征向量，并提取每个所述待推荐对象的特征向量，得到第二特征向量；基于所述第一特征向量和所述第二特征向量，确定多个备选对象组；每个备选对象组中包含所述多个待推荐对象中的至少部分待推荐对象，且每个备选对象组对应至少一种选择关系；在所述多个备选对象组中确定满足可靠性要求的目标备选对象组，并将所述目标备选对象组中的待推荐对象确定为所述目标对象的推荐对象。

在本公开实施例中，由于每个备选对象组对应至少一种选择关系，因此，不同备选对象组对应不同的语义表达信息。通过在对应多种语义表达信息的备选对象组中确定目标对象的推荐对象，可以扩大推荐对象的推荐范围，提高推荐对象的选择准确度，从而能够在具有多种语义特征的待推荐对象中为用户选择的目标对象确定推荐对象。

一种可选的实施方式中，所述基于所述第一特征向量和所述第二特征向量，确定多个备选对象组，包括：确定每个所述选择关系对应的包含多个待推荐对象的初始对象组；基于所述第一特征向量和所述第二特征向量，计算每个所述待推荐对象在各个所述初始对象组中的选择概率；基于所述选择概率过滤每个所述初始对象组中不满足概率要求的待推荐对象，并根据过滤后的每个所述初始对象组确定所述多个备选对象组。

上述实施方式中，通过根据每个待推荐对象在各个所述初始对象组中的选择概率确定多个备选对象组的方式，可以准确的确定出对应不同语义表达的备选对象组，从而可以更加全面的为用户确定推荐对象。

一种可选的实施方式中，所述基于所述第一特征向量和所述第二特征向量，计算每个所述待推荐对象在各个所述初始对象组中的选择概率，包括：计算所述第一特征向量和所述第二特征向量之间的向量积，得到目标特征向量；基于所述目标特征向量计算每个所述待推荐对象在每个所述初始对象组中的选择概率。

上述实施方式中，通过上述处理方式，可以快速并准确的确定出待推荐对象在每个初始对象组中的选择概率的方式。

一种可选的实施方式中，所述基于所述选择概率过滤每个所述初始对象组中不满足概率要求的待推荐对象，包括：确定每个所述初始对象组中所述选择概率中小于或者等于第一阈值的目标待推荐对象；在所述初始对象组的多个待推荐对象中过滤所述目标待推荐对象。