[发明专利]信息匹配方法、装置、计算机设备和存储介质

权利要求书

1.一种信息匹配方法，其特征在于，所述方法包括：

获取目标信息的信息特征、目标对象的对象特征、以及所述目标对象针对历史信息所产生的至少两类交互行为序列；

计算所述信息特征与每一类所述交互行为序列的信息相似度特征，并计算各类所述交互行为序列之间的行为相似度特征；

对所述对象特征、所述信息相似度特征、所述行为相似度特征进行加权求和，得到所述目标对象的目标对象交互特征；

将基于对所述信息特征进行递归处理得到的目标信息交互特征，与所述目标对象交互特征进行相似匹配，得到所述目标信息与所述目标对象的匹配结果。

2.根据权利要求1所述的方法，所述获取目标信息的信息特征，包括：

获取目标信息的信息参数和目标信息辅助特征；所述目标信息辅助特征用于表征与所述目标信息匹配的对象交互特征的集合；

对所述信息参数进行映射处理，获得所述目标信息的信息映射特征；

拼接所述信息映射特征和所述目标信息辅助特征，获得所述目标信息的信息特征。

3.根据权利要求1所述的方法，获取目标对象的对象特征的过程，包括：

获取目标对象的对象参数和目标对象辅助特征；所述目标对象辅助特征用于表征与所述目标对象匹配的信息交互特征的集合；

对所述对象参数进行映射处理，获得所述目标对象的对象映射特征；

拼接所述对象映射特征和所述目标对象辅助特征，获得所述目标对象的对象特征。

4.根据权利要求1所述的方法，其特征在于，得到所述目标对象交互特征和所述目标信息交互特征的过程，包括：

基于神经网络模型，对所述对象特征、所述信息相似度特征、所述行为相似度特征进行加权求和，得到所述目标对象的目标对象交互特征，并对所述信息特征进行递归处理，得到所述目标信息的目标信息交互特征。

5.根据权利要求4所述的方法，其特征在于，训练得到所述神经网络模型的过程，包括：

基于第一辅助损失函数、第二辅助损失函数以及交叉熵损失函数确定的综合损失函数，使用由样本对象的样本对象交互特征和样本对象辅助特征、以及样本信息的样本信息交互特征和样本信息辅助特征构成的训练样本集进行模型训练，得到用以确定对象交互特征和信息交互特征的神经网络模型；

所述样本对象辅助特征用于表征与所述样本对象匹配的信息交互特征的集合；所述样本信息辅助特征用于表征与所述样本信息匹配的对象交互特征的集合；

所述第一辅助损失函数用于计算所述样本对象辅助特征与所述样本信息交互特征之间的距离；

所述第二辅助损失函数用于计算所述样本信息辅助特征与所述样本对象交互特征之间的距离；

所述交叉熵损失函数用于计算所述样本对象交互特征与所述样本信息交互特征的实际匹配度和期望匹配度之间的差距。

6.根据权利要求1至5中任意一项所述的方法，所述计算所述信息特征与每一类所述交互行为序列的信息相似度特征，并计算各类所述交互行为序列之间的行为相似度特征，包括：

基于自注意力机制，计算得到所述信息特征与每一类所述交互行为序列的信息相似度特征；

基于软性注意力机制，计算得到各类所述交互行为序列之间的行为相似度特征。

7.根据权利要求6所述的方法，其特征在于，所述基于自注意力机制，计算得到所述信息特征与每一类所述交互行为序列的信息相似度特征，包括：

对所述信息特征和每一类所述交互行为序列中的各交互行为特征进行拼接处理，得到每一类所述交互行为序列各自匹配的交互特征矩阵；

对每一所述交互特征矩阵分别进行查询权重矩阵变换、键权重矩阵变换和值权重矩阵变换，得到每一所述交互特征矩阵各自对应的矩阵变换结果；

根据每一所述交互特征矩阵各自对应的矩阵变换结果，分别计算得到所述信息特征与每一类所述交互行为序列的信息相似度特征。