一种智能关系确定方法及装置与流程

1.本公开涉及电子设备技术领域，尤其是一种智能关系确定方法及装置。


背景技术：

2.随着科技的进步，以及人们对工作和生活各方面需求的不断增加，有时人们需要确定不同事物之间是否存在关系。
3.目前，在确定不同事物之间是否存在关系时，通常比较不同事物之间的同一种特征信息，如果不同事物的同一种特征信息相同，则可认为不同事物之间存在关系。
4.但是，该方式灵活度较低，导致确定不同事物之间是否存在关系的准确性较低。


技术实现要素：

5.为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种智能关系确定方法及装置。
6.根据本技术的一个方面，提供了一种智能关系确定方法，包括：
7.获取第一主体的多种第一特征信息，以及获取第二主体的多种第二特征信息；
8.通过对多种所述第一特征信息和多种所述第二特征信息进行聚类分析，确定由多种所述第一特征信息构建的第一多维向量和由多种所述第二特征信息构建的第二多维向量；
9.根据本次选定的至少一种主体关系规则，评估所述第一多维向量和所述第二多维向量之间的匹配程度；
10.根据所述第一多维向量和所述第二多维向量之间的匹配程度，确定所述第一主体与所述第二主体的关系强度。
11.一种可行的设计中，所述根据本次选定的至少一种主体关系规则，评估所述第一多维向量和所述第二多维向量之间的匹配程度，包括：
12.确定所述第一多维向量和所述第二多维向量中包括的各种特征信息分别对应的权重；
13.根据所述权重和所述至少一种主体关系规则，评估所述第一多维向量和所述第二多维向量之间的匹配程度。
14.一种可行的设计中，所述获取第一主体的多种第一特征信息，以及获取第二主体的多种第二特征信息，包括：
15.通过访问所述第一主体对应的信息数据库，采集所述第一主体的多种第一特征信息，通过访问所述第二主体对应的信息数据库，采集所述第二主体的多种第二特征信息；
16.或者，接收输入的所述多种第一特征信息和所述多种第二特征信息。
17.一种可行的设计中，所述根据所述第一多维向量和所述第二多维向量之间的匹配程度，确定所述第一主体与所述第二主体的关系强度，包括：
18.根据所述第一多维向量和所述第二多维向量之间的匹配程度，以及多级关系强度
分别对应的匹配条件，确定所述第一主体与所述第二主体之间的目标关系强度，所述目标关系强度为所述多级关系强度中的一种。
19.一种可行的设计中，还包括：
20.获取所述第一主体的第一交易的多种第一参数信息以及所述第二主体的第二交易的多种第二参数信息；
21.构建由所述第一参数信息组成的第三多维向量，以及构建由所述第二参数信息组成的第四多维向量；
22.根据多种相似度判定规则中与本次需求对应的目标相似度判定规则，评估所述第三多维向量和所述第四多维向量之间的相似度，所述第一交易和所述第二交易之间的相似度用于表示所述第一交易和所述第二交易属于同一交易链的可能性。
23.一种可行的设计中，在所述获取所述第一主体的第一交易的多种第一参数信息以及所述第二主体的第二交易的多种第二参数信息之后，还包括：
24.对所述第一参数信息和所述第二参数信息进行聚类分析；
25.如果通过所述聚类分析，确定所述第一参数信息和所述第二参数信息中包括相同类别的参数信息，再执行构建所述第三多维向量和所述第四多维向量的操作。
26.一种可行的设计中，在确定所述第一交易和所述第二交易的相似度之后，还包括：
27.在所述第一交易和所述第二交易的相似度较高的情况下，根据所述第三多维向量和所述第四多维向量中分别包含的参数信息，确定所述第一交易和所述第二交易的关系节点；
28.根据所述第一交易和所述第二交易的关系节点，确定所述第一交易和所述第二交易对应的交易链并显示，所述交易链包括所述第一主体和所述第二主体之间直接进行的交易，以及包括所述第一主体和所述第二主体之间通过第三方实现的交易。
29.一种可行的设计中，还包括：
30.在确定所述交易链之后，根据所述交易链展示的所述第一主体和所述第二主体之间的各项交易，修正所述第一主体与所述第二主体之间的关系强度，所述第一主体和所述第二主体之间的各项交易，包括所述第一主体和所述第二主体之间直接进行的交易，以及包括所述第一主体和所述第二主体之间通过第三方实现的交易。
31.一种可行的设计中，还包括：
32.在确定所述第一主体和所述第二主体之间的关系强度之后，根据本次选定的公允性判定规则指示的公允性判断参数，确定所述第一主体和第二主体之间的交易的公允性。
33.一种可行的设计中，还包括：
34.如果所述公允性判断参数包括市场价格，通过访问存储有公开交易信息的数据库和/或接收输入的数据，确定所述市场价格。
35.本技术第二方面，本技术实施例公开一种智能关系确定装置，包括：
36.信息获取模块，用于获取第一主体的多种第一特征信息，以及获取第二主体的多种第二特征信息；
37.聚类分析模块，用于通过对多种所述第一特征信息和多种所述第二特征信息进行聚类分析，确定由多种所述第一特征信息构建的第一多维向量和由多种所述第二特征信息构建的第二多维向量；
38.匹配程度确定模块，用于根据本次选定的至少一种主体关系规则，评估所述第一多维向量和所述第二多维向量之间的匹配程度；
39.关系强度确定模块，用于根据所述第一多维向量和所述第二多维向量之间的匹配程度，确定所述第一主体与所述第二主体的关系强度。
40.本技术第三方面，本技术实施例公开一种电子设备，包括：处理器和存储器；所述存储器存储有程序指令，当所述程序指令被所述处理器执行时，使得所述电子设备执行第一方面所述的方法。
41.本技术第四方面，本技术实施例公开一种计算机存储介质，其特征在于，所述计算机存储介质中存储有计算机程序或指令，当所述计算机程序或指令被执行时，如第一方面所述的方法被执行。
附图说明
42.通过结合附图对本技术实施例进行更详细的描述，本技术的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本技术实施例的进一步理解，并且构成说明书的一部分，与本技术实施例一起用于解释本技术，并不构成对本技术的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
43.图1是本技术一示例性实施例提供的智能关系确定方法的工作流程示意图。
44.图2是本技术另一示例性实施例提供的智能关系确定方法的工作流程示意图。
45.图3是本技术另一示例性实施例提供的智能关系确定方法的工作流程示意图。
46.图4是本技术另一示例性实施例提供的智能关系确定方法的工作流程示意图。
47.图5(a)是本技术一示例性实施例提供的交易链的示意图。
48.图5(b)是本技术另一示例性实施例提供的交易链的示意图。
49.图6是本技术另一示例性实施例提供的智能关系确定方法的工作流程示意图。
50.图7是本技术另一示例性实施例提供的智能关系确定方法的工作流程示意图。
51.图8是本技术一示例性实施例提供的智能关系确定装置的结构示意图。
具体实施方式
52.下面，将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。
53.本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
54.还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。
55.还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
56.还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
57.以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
58.本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等，本技术对此不作限定。
59.示例性方法
60.为了解决通过传统技术确定关系时，存在的准确度低的问题，本技术提供一种智能关系确定方法及装置。
61.参见图1所示的工作流程示意图，所述智能关系确定方法包括以下步骤：
62.步骤s11、获取第一主体的多种第一特征信息，以及获取第二主体的多种第二特征信息。
63.在本技术中，第一主体和第二主体并不限定，可根据用户实际的需求，第一主体和第二主体的类型。
64.例如，如果用户希望确定两家企业是否具备关系，则第一主体和第二主体可分别为这两家企业；如果用户希望确定两个社会组织是否具备关系，则第一主体和第二主体可分别为这两家社会组织；如果用户希望确定两个个体工商户是否具备关系，则第一主体和第二主体可分别为这两家个体工商户；相应的，如果用户希望确定其他的两个事物是否具备关系，则第一主体和第二主体可分别为其他的两个事物，本技术对此不作限定。
65.第一主体的第一特征信息可包括用于表示第一主体的属性的各种特征信息，在本技术中，其具体类别不作限定。另外，第二主体的第二特征信息可包括用于表示第二主体的属性的各种特征信息，在本技术中，其具体类别也不作限定。
66.例如，如果第一主体和第二主体为企业，则第一特征信息和第二特征信息可包括：企业地址、联系电话、企业高管信息和经营的产品范围等；如果第一主体和第二主体为个体工商户，则第一特征信息和第二特征信息可包括：经营地址、联系电话、经营的产品范围和负责人的身份证号码等。当然，这两个示例中，第一特征信息和第二特征信息也可包括其他类型的信息，本技术对此不作限定。
67.步骤s12、通过对多种所述第一特征信息和多种所述第二特征信息进行聚类分析，确定由多种所述第一特征信息构建的第一多维向量和由多种所述第二特征信息构建的第二多维向量。
68.其中，所述第一多维向量中包括的所述第一特征信息与所述第二多维向量中包括的所述第二特征信息通常具备聚类关系。
69.通过聚类分析，可通过具备聚类关系的第一特征信息和第二特征信息分别构建第一多维向量和第二多维向量。在本技术中，所述第一多维向量中包括的所述第一特征信息与所述第二多维向量中包括的所述第二特征信息具备聚类关系，指的是所述第一多维向量中的第一特征信息与所述第二多维向量中包括的第二特征信息属于同一类别或属于相似类别。
70.步骤s13、根据本次选定的至少一种主体关系规则，评估所述第一多维向量和所述第二多维向量之间的匹配程度。
71.在实际应用过程中，不同用户的需求往往不同，同一用户的需求也有可能是多变的。为了满足这种情况下的关系确定需求，在本技术中，预先设定多种主体关系规则，并在本次确定所述第一主体和所述第二主体之间的关系强度时，根据实际需求，从多种主体关系规则中选定相应的主体关系规则，并基于选定的主体关系规则确定所述第一主体和所述第二主体之间的关系强度。
72.也就是说，在本技术中，根据实际的需求，该主体关系规则是可变的，确定主体关系规则的方式较为灵活。
73.例如，通过本技术实施例提供的方案确定两个主体的关系强度时，可预先根据公司法、会计准则，证监会、证券交易所、银保监会等对主体的关系的不同定义分别设定相应的主体关系规则，以及还可根据用户的需求创建主体关系规则，从而得到多种主体关系规则，然后根据实际需求，再从多种主体关系规则中选择本次需要的主体关系规则。
74.另外，本次选定的主体关系规则可为一种或多种，如果本次选定多种的主体关系规则，则可根据本技术实施例的方案，确定在多种的主体关系规则的规定下，第一主体和第二主体分别对应的关系强度。
75.其中，所述主体关系规则包括匹配程度的评估算法。也就是说，在本技术中，预先设定多种主体关系规则，各个主体关系规则分别设定对不同多维向量之间匹配程度的评估算法。当需要确定两个主体之间的关系强度时，可从多个主体关系规则中选择本次所需的主体关系规则，再根据选定的主体关系规则指示的评估算法，评估所述第一多维向量和所述第二多维向量之间的匹配程度，从而能够根据选定的主体关系规则评估所述匹配程度，满足多样化的需求。
76.其中，该主体关系规则指示的评估第一多维向量和第二多维向量之间的匹配程度的算法可包括多种，本技术对此不作限定。
77.在一个示例中，该主体关系规则指示通过对第一多维向量和第二多维向量进行点积运算的方式，评估所述第一多维向量和所述第二多维向量之间的匹配程度。例如，可分别为所述第一多维向量和所述第二多维向量中的各个特征信息赋相应数值，然后对赋值后的第一多维向量和第二多维向量进行点积运算，计算得到的结果即可用于表示所述第一多维向量和所述第二多维向量之间的匹配程度。
78.在另一个示例中，可通过深度学习的方法确定所述第一多维向量和所述第二多维向量之间的匹配程度。这一示例中，可预先创建各主体关系规则分别对应的神经网络，并对各个神经网络进行训练。这种情况下，在评估所述第一多维向量和所述第二多维向量之间的匹配程度时，可将所述第一多维向量、所述第二多维向量输入至训练好的神经网络，该神经网络输出的结果即为所述第一多维向量和所述第二多维向量之间的匹配程度。
79.其中，在对神经网络进行训练时，可向该神经网络输入目标数据，该目标数据包括已确定匹配程度的两种多维向量，然后获取该神经网络的输出，并根据神经网络的输出，确定神经网络的网络损失(例如l2损失)，再根据所述网络损失调整神经网络的参数，直至神经网络的网络损失小于预定值，则认为所述神经网络完成训练，然后可基于训练好的神经网络评估所述第一多维向量和所述第二多维向量之间的匹配程度。
80.或者，在另一个示例中，主体关系规则指示通过第一多维向量和第二多维向量的空间距离，评估所述第一多维向量和所述第二多维向量之间的匹配程度。例如，可分别为所述第一多维向量和所述第二多维向量中的各种特征信息赋相应数值，然后再计算所述新的第一多维向量和所述新的第二多维向量之间的空间距离，计算得到的结果表示所述第一多维向量和所述第二多维向量之间的匹配程度。
81.当然，在本技术中，主体关系规则还可为其他形式，并且，在关系确定的过程中，用户还可根据自身的需求，调整主体关系规则，本技术对此不作限定。
82.步骤s14、根据所述第一多维向量和所述第二多维向量之间的匹配程度，确定所述第一主体与所述第二主体的关系强度。
83.如果本次选定的主体关系规则包括多种，通过上述步骤，可确定所述第一主体与所述第二主体分别在多种主体关系规则下的关系强度。
84.通过本技术实施例提供的方案，能够确定不同主体之间的关系强度，其中，用于确定关系强度的第一主体的第一特征信息、第二主体的第二特征信息和主体关系规则可灵活设置，因此，该方案确定不同主体之间的关系强度时存在较高灵活度，确定的关系强度准确度较高。
85.进一步的，在一种可行的实现方案中，所述根据本次选定的至少一种主体关系规则，评估所述第一多维向量和所述第二多维向量之间的匹配程度，包括以下步骤：
86.首先，确定所述第一多维向量和所述第二多维向量中包括的各种特征信息分别对应的权重；
87.然后，根据所述权重和所述至少一种主体关系规则，评估所述第一多维向量和所述第二多维向量之间的匹配程度。
88.其中，可根据本次选定的至少一种主体关系规则，确定所述第一多维向量和所述第二多维向量中包括的各种特征信息分别对应的权重。这种情况下，在主体关系规则中可设定各种特征信息分别对应的权重。其中，对用户关注程度较高的特征信息，其权重通常较高，相应的，对用户不太关注的特征信息，其权重通常较低。
89.在一个可行的示例中，可设定权重在0到1之间取值，这种情况下，如果用户不关注某一特征信息，主体关系规则中可设定该特征信息的权重为0，如果用户较关注某一特征信息，主体关系规则中可设定该特征信息的权重为1。
90.当然，权重还可为其他数值，本技术对此不作限定。
91.其中，如果主体关系规则指示通过对第一多维向量和第二多维向量进行点积运算的方式，评估所述第一多维向量和所述第二多维向量之间的匹配程度，那么在评估过程中，在分别为所述第一多维向量和所述第二多维向量中的各个特征信息赋相应数值，可计算各个数值与其对应权重的乘积，并将得到的乘积作为新的第一多维向量和新的第二多维向量，然后对所述新的第一多维向量和所述新的第二多维向量进行点积运算，计算得到的结果即可用于表示所述第一多维向量和所述第二多维向量之间的匹配程度。
92.或者，如果主体关系规则指示通过第一多维向量和第二多维向量的空间距离，评估所述第一多维向量和所述第二多维向量之间的匹配程度，则可分别为所述第一多维向量和所述第二多维向量中的各种特征信息赋相应数值，然后计算各个数值与其对应权重的乘积，并将得到的乘积作为新的第一多维向量和新的第二多维向量，再计算所述新的第一多
维向量和所述新的第二多维向量之间的空间距离，计算得到的结果表示所述第一多维向量和所述第二多维向量之间的匹配程度。
93.在本技术中，提供获取第一主体的多种第一特征信息，以及获取第二主体的多种第二特征信息的操作，该操作可通过多种方式实现。
94.在其中一种可行的实现方式中，所述获取第一主体的多种第一特征信息，以及获取第二主体的多种第二特征信息，包括以下步骤：
95.通过访问所述第一主体对应的信息数据库，采集所述第一主体的多种第一特征信息，通过访问所述第二主体对应的信息数据库，采集所述第二主体的多种第二特征信息。
96.这一实现方式中，通过采集的方式，获取第一主体的多种第一特征信息，以及获取第二主体的多种第二特征信息。
97.或者，在另一种可行的实现方式中，所述获取第一主体的多种第一特征信息，以及获取第二主体的多种第二特征信息，包括以下步骤：
98.接收输入的所述多种第一特征信息和所述多种第二特征信息。
99.这一实现方式中，通过接收输入的方式，获取第一主体的多种第一特征信息，以及获取第二主体的多种第二特征信息。
100.另外，还可通过将上述两种实现方式相结合，获取第一特征信息和第二特征信息。这种情况下，所述第一特征信息可同时包括通过访问所述第一主体对应的信息数据库采集得到的第一特征信息，以及根据接收输入，获取到的第一特征信息。相应的，所述第二特征信息可同时包括通过访问所述第二主体对应的信息数据库采集得到的第二特征信息，以及根据接收输入，获取到的第二特征信息。
101.当然，还可通过其他方式获取所述第一特征信息和所述第二特征信息，本技术对此不作限定。
102.在本技术中，通过步骤s14，公开根据所述第一多维向量和所述第二多维向量之间的匹配程度，确定所述第一主体与所述第二主体的关系强度的操作，该操作可通过以下步骤实现：
103.根据所述第一多维向量和所述第二多维向量之间的匹配程度，以及多级关系强度分别对应的匹配条件，确定所述第一主体与所述第二主体之间的目标关系强度，所述目标关系强度为所述多级关系强度中的一种。
104.在本技术中，不同主体之间的关系强度可划分为多级，并分别为不同级别的关系强度设置相应的匹配条件，所述匹配条件可设置各匹配程度与关系强度之间的对应关系，根据所述对应关系以及所述第一多维向量和所述第二多维向量之间的匹配程度，可确定所述第一主体与所述第二主体之间的目标关系强度。
105.其中，如果本次选定多种主体关系规则确定所述第一主体与所述第二主体的关系强度，则可确定所述第一主体与所述第二主体分别对应所述多种主体关系规则的目标关系强度。
106.在本技术的一个示例中，可设定两种关系强度，例如分别为：强关系和弱关系。这种情况下，如果该匹配条件指示两个主体的多维向量之间的匹配程度大于预设阈值，这两个主体的关系强度为强关系，如果两个主体的多维向量之间的匹配程度不大于预设阈值，这两个主体的关系强度为弱关系，那么根据所述第一多维向量和所述第二多维向量之间的
匹配程度与预设阈值的比较结果，则可确定所述第一主体和所述第二主体的关系强度是强关系还是弱关系。
107.或者，在另一个示例中，关系强度可包括五个级别，并分别设置从大到小的四个阈值，分别为：第一阈值、第二阈值、第三阈值和第四阈值，所述匹配条件指示两个主体的多维向量之间的匹配程度大于第一阈值，则这两个主体的关系强度为五个级别中最高的级别，如果所述匹配条件指示两个主体的多维向量之间的匹配程度小于第四阈值，两个主体的关系强度为五个级别中最低的级别，则可根据所述第一多维向量和所述第二多维向量之间的匹配程度与上述四个阈值之间的大小关系，确定所述第一主体与所述第二主体之间的目标关系强度。
108.当然，还可设置其他形式的匹配条件，并根据其他形式的匹配条件确定所述第一主体与所述第二主体的关系强度，本技术对此不作限定。
109.进一步的，在本技术中，如果所述第一主体和所述第二主体之间的关系强度较高，还可高亮显示所述第一主体和所述第二主体之间的关系强度，以便用户及时注意到所述第一主体和所述第二主体。
110.其中，如果所述第一主体和所述第二主体之间的关系强度较高，可通过高亮的形式显示所述第一主体和所述第二主体之间的关系强度，以使屏幕中显示的所述第一主体和所述第二主体之间的关系强度较为突出、醒目，便于用户知悉。
111.例如，在显示所述第一主体和所述第二主体之间的关系强度的屏幕上，可通过与背景颜色反差较强烈的颜色显示所述关系强度，或者，在显示所述第一主体和所述第二主体之间的关系强度时，同步播放音频。
112.另外，在另一个可行的实现方案中，如果所述第一主体和所述第二主体之间的关系强度较高，还可主动向用户的移动终端(例如手机等)推送所述第一主体和所述第二主体之间的关系强度，以便用户及时掌握所述第一主体和所述第二主体的关系强度。
113.当然，还可通过其他方式显示所述第一主体和所述第二主体之间的关系强度，本技术对此不作限定。
114.进一步的，在本技术中，参见图2所示的工作流程示意图，还可包括以下步骤：
115.步骤s15、获取所述第一主体的第一交易的多种第一参数信息以及所述第二主体的第二交易的多种第二参数信息。
116.其中，所述第一参数信息和所述第二参数信息可包括多种类型。例如，所述第一参数信息可包括：进行第一交易的交易平台、产品名称、产品规格、产品价格和产品良率等；相应的，所述第二参数信息可包括：进行第二交易的交易平台、产品名称、产品规格、产品价格和产品良率等。当然，所述第一参数信息和所述第二参数信息还可包括其他类型，本技术对此不作限定。
117.另外，在本技术中，所述第一参数信息和所述第二参数信息可通过多种方式获取。
118.在其中一种可行的实现方式中，可通过访问所述第一主体对应的参数数据库，采集所述第一参数信息，以及通过访问所述第二主体对应的参数数据库，采集所述第二参数信息。
119.或者，在另一种可行的实现方式中，可通过接收输入的方式，获取所述第一参数信息和所述第二参数信息。
120.或者，在另一种可行的实现方式中，可通过同时访问所述第一主体对应的参数数据库，以及接收输入的方式，获取所述第一参数信息，以及通过同时访问所述第一主体对应的参数数据库，以及接收输入的方式，获取所述第二参数信息。
121.当然，还可通过其他方式获取所述第一参数信息和所述第二参数信息，本技术实施例对此不作限定。
122.步骤s16、构建由所述第一参数信息组成的第三多维向量，以及构建由所述第二参数信息组成的第四多维向量。
123.步骤s17、根据多种相似度判定规则中与本次需求对应的目标相似度判定规则，评估所述第三多维向量和所述第四多维向量之间的相似度。
124.其中，所述第一交易和所述第二交易之间的相似度用于表示所述第一交易和所述第二交易属于同一交易链的可能性。
125.通常情况下，如果所述第一交易和所述第二交易之间的相似度越高，则所述第一交易和所述第二交易属于同一交易链的可能性越高。例如，如果两个交易均交易了同一产品，则这两个交易可能属于同一交易链。
126.为了满足不同需求，在本技术中，可预先设定多种相似度判定规则，并在本次确定第一交易和第二交易的相似度时，根据本次需求，从多种相似度判定规则中选定与本次需求对应的目标相似度判定规则。
127.因此，通过本技术的方案确定所述第一交易和所述第二交易的相似度时，如果实际需求不同，可选用不同的相似度判定规则，实现相似度判定规则的可变，确定目标相似度判定规则的方式较为灵活。
128.在各个相似度判定规则中，可包括相似度的评估算法，该评估算法指示通过两个不同的多维向量中包含的各维度的向量，如何评估得到这两个多维向量之间的相似度。
129.进一步的，在不同需求下，用户对不同参数的关注度不同，因此，可在各种相似度判定规则中，分别设定各种参数对应的权重以及相似度的评估算法，这种情况下，可基于所述目标相似度判定规则，分别确定所述第三多维向量和所述第四多维向量中包括的各种参数信息对应的权重，然后通过该权重与相似度的评估算法评估所述第三多维向量和所述第四多维向量之间的相似度。
130.通常情况下，如果用户对某一参数信息较为关注，则可设置该参数信息对应较高的权重，如果用户对某一参数信息的关注度较低，则可设置这一参数信息对应的权重较低。
131.在本技术中，由于目标相似度判定规则可由用户根据自身需求判定，因此，在根据目标相似度判定规则评估相似度时，灵活度较高，能够满足用户多样化的需求。
132.其中，所述相似度的评估算法可包括多种，本技术对此不作限定。
133.在一个示例中，该目标相似度判定规则指示通过对第三多维向量和第四多维向量进行点积运算的方式，评估所述第三多维向量和所述第四多维向量之间的匹配程度。例如，可分别为所述第三多维向量和所述第四多维向量中的各个参数信息赋相应数值，然后进行对赋值后的第三多维向量和第四多维向量进行点积运算，计算得到的结果用于评估所述第三多维向量和所述第四多维向量之间的相似度。
134.另外，在该示例中，如果该目标相似度判定规则中还分别设定各种参数对应的权重，则在分别为所述第三多维向量和所述第四多维向量中的各个参数信息赋相应数值之
后，还可将这两个多维向量各个对应位置上的数值及对应的权重相乘，并将得到的乘积作为新的第三多维向量和新的第四多维向量，然后对所述新的第三多维向量和所述新的第四多维向量进行点积运算，计算得到的结果即可用于表示所述第三多维向量和所述第四多维向量之间的相似度。
135.在另一个示例中，目标相似度判定规则指示通过所述第三多维向量和所述第四多维向量的空间距离，评估所述第三多维向量和所述第四多维向量之间的相似度。例如，可分别为所述第三多维向量和所述第四多维向量中的各参数信息赋相应数值，然后再计算所述新的第三多维向量和所述新的第四多维向量之间的空间距离，计算得到的结果于表示所述第三多维向量和所述第四多维向量之间的相似度。
136.另外，在该示例中，如果该目标相似度判定规则中还分别设定各种参数对应的权重，则在分别为所述第三多维向量和所述第四多维向量中的各个参数信息赋相应数值之后，还可将这两个多维向量各个对应位置上的数值及对应的权重相乘，并将得到的乘积作为新的第三多维向量和新的第四多维向量，然后再计算所述新的第三多维向量和所述新的第四多维向量的空间距离，计算得到的结果于表示所述第三多维向量和所述第四多维向量之间的相似度。
137.在另一个示例中，可通过深度学习的方法确定所述第三多维向量和所述第四多维向量之间的相似度。这一示例中，可预先创建各相似度判定规则分别对应的神经网络，并对各个神经网络进行训练。
138.这种情况下，在评估所述第三多维向量和所述第四多维向量之间的相似度时，可将所述第三多维向量和所述第四多维向量输入至训练好的神经网络，该神经网络输出的结果即为所述第三多维向量和所述第四多维向量之间的相似度。
139.其中，在对神经网络进行训练时，可向该神经网络输入训练好的数据，所述训练好的数据包括已确定相似度的两种多维向量，然后获取该神经网络的输出，并根据神经网络的输出，确定神经网络的网络损失(例如l2损失)，再根据所述网络损失调整神经网络的参数，直至神经网络的网络损失小于预设阈值，则认为所述神经网络完成训练，然后可基于训练好的神经网络评估所述第三多维向量和所述第四多维向量之间的相似度。
140.当然，在本技术中，相似度判定规则还可为其他形式，并且，在本技术的应用过程中，用户还可根据自身的需求，调整相似度判定规则，本技术对此不作限定。
141.本技术实施例提供的方案，能够确定不同交易之间的相似度，其中，用于确定两个不同交易的相似度的第一参数信息、第二参数信息和相似度判定规则可灵活设置，因此，该方案确定不同交易的相似度时存在较高灵活度，确定的关系强度准确度较高。
142.进一步的，参见图3所示的工作流程示意图，在本技术图2所示的实施例的基础上，还包括以下步骤：
143.步骤s18、在确定所述第一交易和所述第二交易的相似度之后，在所述第一交易和所述第二交易的相似度较高情况下，突出显示所述第一交易和所述第二交易。
144.在本技术中，如果确定所述第一交易和所述第二交易的相似度较高，可突出显示所述第一交易和所述第二交易，以便用户及时了解所述第一交易和所述第二交易。
145.或者，在另一实现方案中，如果所述第一交易和所述第二交易的相似度较高，还可主动向用户的移动终端(例如手机等)推送所述第一交易和所述第二交易的相似度，以便用
户及时掌握所述第一交易和所述第二交易的相似度。
146.当然，还可通过其他方式显示所述第一交易和所述第二交易的相似度，本技术对此不作限定。
147.在获取所述第一主体的第一交易的多种第一参数信息以及所述第二主体的第二交易的多种第二参数信息之后，在本技术中，还可包括以下步骤：
148.对所述第一参数信息和所述第二参数信息进行聚类分析；
149.如果通过所述聚类分析，确定所述第一参数信息和所述第二参数信息中包括相同类别的参数信息，再执行构建所述第三多维向量和所述第四多维向量的操作。
150.其中，如果通过对所述第一参数信息和所述第二参数信息进行聚类分析，确定所述第一参数信息和所述第二参数信息中包括相同类别的参数信息，则通常所述第一交易和所述第二交易之间相似的可能性较高。因此，在确定所述第一信息和所述第二参数信息中包括相同类别的参数信息之后，再执行构建所述第三多维向量和所述第四多维向量的操作。
151.如果所述第一信息和所述第二参数信息中不包括相同类别的参数信息，则通常情况下，所述第一交易和所述第二交易之间相似的可能性较低。这种情况下，可不再执行构建所述第三多维向量和所述第四多维向量的操作，进而不再确定所述第一交易和所述第二交易的相似度。
152.通过这一实施例的方案，只在所述第一参数信息和所述第二参数信息中包括相同类别的参数信息的情况下才确定所述第一交易和所述第二交易的相似度，因此，能够减少数据的处理量，相应提高确定所述第一交易和所述第二交易的相似度的效率。
153.进一步的，参见图4所示的工作流程示意图，在本技术图2所示的实施例的基础上，还包括以下步骤：
154.步骤s19、根据所述第三多维向量和所述第四多维向量中分别包含的参数信息，确定所述第一交易和所述第二交易的关系节点。
155.其中，所述关系节点可为多种形式的信息，例如，所述关系节点可以为交易方、交易平台、担保对象等。当然，所述关系节点还可为其他形式的信息，本技术对此不作限定。
156.在一种可行的实现方案中，可在所述第一交易和所述第二交易的相似度较高的情况下，再确定所述第一交易和所述第二交易的关系节点。这种情况下，由于所述第一交易和所述第二交易的相似度较高，则所述第一交易和所述第二交易存在关系节点的可靠性较高。
157.步骤s20、在确定所述第一交易和所述第二交易的关系节点之后，根据所述第一交易和所述第二交易的关系节点，确定所述第一交易和所述第二交易对应的交易链并显示。
158.其中，所述交易链包括所述第一主体和所述第二主体之间直接进行的交易，以及包括所述第一主体和所述第二主体之间通过第三方显示的交易。
159.为了便于用户了解不同交易之间的关系，在确定所述第一交易和所述第二交易的关系节点之后，还可创建相应的交易链并显示，以便用户在查看所述交易链时，进一步了解所述第一交易和所述第二交易的关系。
160.其中，所述交易链可为多种形式。在一种可行的实现方案中，所述交易图链可为二叉树的形式，二叉树中的各条连接线表示连接路径，所述二叉树中的各节点表示关系节点。
161.示例性的，这种情况下，所述交易链可如图5(a)所示，图5(a)所对应的示例中，a1、b1和c1为一条交易，a1、b1和d1为另一条交易，a1、e1和f1为另一条交易，并且，a1为这三条交易的关系节点，b1为第一条交易和第二条交易的关系节点。
162.另外，在所述交易链的连接路径上，可以包括交易的信息，所述交易的信息可包括交易的产品名称、产品规格、本次交易的产品价格、资金流向和交易时间等。这种情况下，在图5(a)中，a1和b1的连接路径上可显示有m1，m1为a1和b1间进行的交易的信息，相应的，b1和c1的连接路径上可显示有m2，m2为b1和c1间进行的交易的信息，以此类推，其他连接路径上还可显示有m3、m4和m5等交易的信息。
163.在另一种可行的实现方案中，所述交易链还可为连通图的形式，并且，连通图中的各条连接线表示连接路径，所述连通图中的各节点表示关系节点。
164.示例性的，这种情况下，所述交易链可如图5(b)所示，图5(b)所对应的示例中，a2和b2为一条交易，a2、c2和b2为另一条交易，a2、d2、e2和b2为另一条交易，并且，a2为这三条交易的关系节点。
165.相应的，在这一实现方案中，在所述交易链的连接路径上，也可以包括交易的信息，所述交易的信息可包括交易的产品名称、产品规格、本次交易的产品价格、资金流向和交易时间等。这种情况下，在图5(b)中，a2和b2的连接路径上可显示有m1，m1为a2和b2间进行的交易的信息，相应的，a2和c2、c2和b2、a2和d2、d2和e2以及e2和b2的连接路径上也分别显示有相应的交易的信息，各交易的信息分别为：m2、m3、m4、m5和m6。
166.当然，所述交易链还可为其他形式，本技术对此不作限定。
167.在本技术中，所述交易链包括所述第一主体和所述第二主体之间直接进行的交易，以及包括所述第一主体和所述第二主体之间通过第三方实现的交易。这种情况下，通过所述交易链，用户即可了解到所述第一主体和所述第二主体之间直接进行的交易，还可了解到所述第一主体和所述第二主体之间，通过第三方所实现的交易。
168.例如，在图5(b)所示的示意图中，设定第一主体为a2，第二主体为b2，则图5(b)中显示有a2和b2直接直接进行的交易，并且，a2、c2和b2为所述第一主体和所述第二主体之间通过第三方(即c2)实现的交易，a2、d2、e2和b2为所述第一主体和所述第二主体之间通过第三方(即d2和e2)实现的交易。
169.进一步的，参见图6所示的工作流程示意图，在本技术上述实施例的基础上，还包括以下步骤：
170.步骤s21、在确定所述交易链之后，根据所述交易链展示的所述第一主体和所述第二主体之间的各项交易，修正所述第一主体与所述第二主体之间的关系强度。
171.其中，所述第一主体和所述第二主体之间的各项交易，包括所述第一主体和所述第二主体之间直接进行的交易，以及包括所述第一主体和所述第二主体之间通过第三方实现的交易。
172.所述交易链可在一定程度上显示各交易的主体之间的关系强度。通常情况下，如果两个主体之间为直接交易，则这两个主体之间的关系强度较强。例如图5(b)中的a2、b2这一条交易为直接交易，而图5(a)中的a1、b1和c1这一条交易中，a1和c1之间需要通过第三方b1连接，因此，a2和b2之间的关系强度要强于a1和c1之间的关系强度。
173.另外，通常情况下，如果两个主体之间存在多条交易，则这两个主体之间的关系强
度较强。例如图5(b)中的a2和b2这两个主体之间，存在三条交易，而图5(a)中的a1和f1这两个主体中，存在a1、e1和f1这一条交易，因此，a2和b2之间的关系强度要强于a1和f1之间的关系强度。
174.因此，在确定所述交易链之后，还可根据所述交易链展示的所述第一主体和所述第二主体之间的各项交易，修正所述第一主体与所述第二主体之间的关系强度。
175.例如，如果通过所述交易链，确定所述第一主体和所述第二主体之间包括的各项交易较多，可在步骤s11至步骤s14所确定的关系强度的基础上，进一步提高所述第一主体和所述第二主体之间的关系强度。
176.通过这一操作，能够基于所述交易链，对不同主体之间的关系强度进行调整，从而能够进一步提高确定关系强度的准确度。
177.进一步的，参见图7所示的工作流程示意图，在本技术图1所示的实施例的基础上，还包括以下步骤：
178.步骤s22、根据本次选定的公允性判定规则指示的公允性判断参数，确定所述第一主体和第二主体之间的交易的公允性。
179.在本技术中，可预先设定多种不同的公允性判定规则，并在进行本次的公允性判断时，根据用户的实际需求，选择相应的公允性判定规则进行公允性判断，因此判断方式较灵活，能够满足不同用户的不同需求。
180.其中，公允性判定规则包括公允性判断参数，本技术可根据本次选定的公允性判断规则所指示的公允性判断参数，对所述第一主体和第二主体之间的交易的公允性进行判断。
181.在一种可行的实现方案中，所述公允性判断参数包括某一产品的市场价格，这种情况下，第一主体和第二主体之间的交易为第一主体买入该产品，并直接或通过第三方交易平台将该产品卖至第二主体，则可将第一主体买入该产品的价格、第一主体卖出该产品的价格与该产品的市场价格相比，如果所述第一主体买入该产品的价格与该产品的市场价格在正常浮动范围内，以及所述第一主体卖出该产品的价格与该产品的市场价格在正常浮动范围内，则可确定第一主体买入该产品的交易，以及所述第一主体卖出该产品的交易的公允性较高；如果所述第一主体买入该产品的价格与该产品的市场价格不在正常浮动范围内，或者所述第一主体卖出该产品的价格与该产品的市场价格也不在正常浮动范围内，则可确定第一主体买入该产品的交易，以及所述第一主体卖出该产品的交易的公允性较低。
182.另外，在本技术中，如果所述公允性判断参数包括市场价格，可通过访问存储有公开交易信息的数据库和/或接收输入的数据，确定所述市场价格。
183.其中，所述数据库中存储有公开交易信息，所述公开交易信息通常包括在各项交易分别交易各项产品的价格，通过访问所述数据库，可确定各产品的市场价格。
184.或者，所述公开交易信息还可包括各种产品的合理成本费用和合理利润，这种情况下，可通过访问数据库，获取本次交易的产品的合理成本费用和合理利润，然后将二者的和作为所述市场价格。
185.或者，用户还可输入数据，所述数据包括市场价格，这种情况下，还可通过接收输入的数据，确定所述市场价格。
186.在另一可行的实现方案中，所述公允性判断参数还可包括政府定价和政府指导价
中的任意一种。这种情况下，根据第一主体和第二主体之间在对a产品进行交易时，如果交易的价格与a产品的政府定价或政府指导价在正常范围内浮动，则可认为本次交易的公允性程度较高。
187.当然，还可通过其他公允性判断参数对包括所述第一主体和所述第二主体之间的交易的公允性进行判断，本技术对此不作限定。
188.下述为本技术装置实施例，可以用于执行本技术方法实施例。对于本技术装置实施例中未披露的细节，请参照本技术方法实施例。
189.本技术实施例公开一种智能关系确定装置，参见图8所示的结构示意图，所述智能关系确定装置包括：信息获取模块100、聚类分析模块200、匹配程度确定模块300和关系强度确定模块400。
190.信息获取模块100，用于获取第一主体的多种第一特征信息，以及获取第二主体的多种第二特征信息；
191.聚类分析模块200，用于通过对多种所述第一特征信息和多种所述第二特征信息进行聚类分析，确定由多种所述第一特征信息构建的第一多维向量和由多种所述第二特征信息构建的第二多维向量；
192.匹配程度确定模块300，用于根据本次选定的至少一种主体关系规则，评估所述第一多维向量和所述第二多维向量之间的匹配程度；
193.关系强度确定模块400，用于根据所述第一多维向量和所述第二多维向量之间的匹配程度，确定所述第一主体与所述第二主体的关系强度。
194.其中，所述匹配程度确定模块300具体用于，确定所述第一多维向量和所述第二多维向量中包括的各种特征信息分别对应的权重；根据所述权重和所述至少一种主体关系规则，评估所述第一多维向量和所述第二多维向量之间的匹配程度。
195.其中，所述信息获取模块100具体用于，通过访问所述第一主体对应的信息数据库，采集所述第一主体的多种第一特征信息，通过访问所述第二主体对应的信息数据库，采集所述第二主体的多种第二特征信息；
196.或者，所述信息获取模块100具体用于，接收输入的所述多种第一特征信息和所述多种第二特征信息。
197.其中，所述关系强度确定模块400具体用于，根据所述第一多维向量和所述第二多维向量之间的匹配程度，以及多级关系强度分别对应的匹配条件，确定所述第一主体与所述第二主体之间的目标关系强度，所述目标关系强度为所述多级关系强度中的一种。
198.在一种可行的设计中，智能关系确定装置还用于：
199.获取所述第一主体的第一交易的多种第一参数信息以及所述第二主体的第二交易的多种第二参数信息；
200.构建由所述第一参数信息组成的第三多维向量，以及构建由所述第二参数信息组成的第四多维向量；
201.根据多种相似度判定规则中与本次需求对应的目标相似度判定规则，评估所述第三多维向量和所述第四多维向量之间的相似度，所述第一交易和所述第二交易之间的相似度用于表示所述第一交易和所述第二交易属于同一交易链的可能性。
202.进一步的，所述智能关系确定装置还用于：
203.在所述获取所述第一主体的第一交易的多种第一参数信息以及所述第二主体的第二交易的多种第二参数信息之后，对所述第一参数信息和所述第二参数信息进行聚类分析；
204.如果通过所述聚类分析，确定所述第一参数信息和所述第二参数信息中包括相同类别的参数信息，再执行构建所述第三多维向量和所述第四多维向量的操作。
205.在一种可行的设计中，所述智能关系确定装置还用于：
206.在确定所述第一交易和所述第二交易的相似度之后，根据所述第三多维向量和所述第四多维向量中分别包含的参数信息，确定所述第一交易和所述第二交易的关系节点；
207.根据所述第一交易和所述第二交易的关系节点，确定所述第一交易和所述第二交易对应的交易链并显示，所述交易链包括所述第一主体和所述第二主体之间直接进行的交易，以及包括所述第一主体和所述第二主体之间通过第三方实现的交易。
208.在一种可行的设计中，所述智能关系确定装置还用于：
209.在确定所述交易链之后，根据所述交易链展示的所述第一主体和所述第二主体之间的各项交易，修正所述第一主体与所述第二主体之间的关系强度，所述第一主体和所述第二主体之间的各项交易，包括所述第一主体和所述第二主体之间直接进行的交易，以及包括所述第一主体和所述第二主体之间通过第三方实现的交易。
210.在一种可行的设计中，所述智能关系确定装置还用于：
211.根据本次选定的公允性判定规则指示的公允性判断参数，确定所述第一主体和第二主体之间的交易的公允性。
212.在一种可行的设计中，所述智能关系确定装置还用于：
213.如果所述公允性判断参数包括市场价格，通过访问存储有公开交易信息的数据库和/或接收输入的数据，确定所述市场价格。
214.相应的，本技术实施例公开一种电子设备，所述电子设备包括：
215.处理器和存储器，
216.所述存储器，用于存储程序指令；
217.所述处理器，用于调用并执行所述存储器中存储的程序指令，当所述存储器存储的程序指令被所述处理器执行时，使得所述电子设备执行本技术各工作流程示意图对应的实施例中的全部或部分步骤。
218.具体实现中，本技术实施例还提供一种计算机存储介质，其中，所述计算机存储介质中存储有计算机程序或指令，当所述计算机程序或指令被执行时，可使计算机实施包括本技术各工作流程示意图对应的实施例中的全部或部分步骤。该计算机可读存储介质设置在任意设备中，所述任意设备可为随机存取存储器(random-access memory，ram)，该存储器也可以包括非易失性存储器(non-volatile memory)，例如只读存储器(read-only memory，rom)，快闪存储器(flash memory)，硬盘(hard disk drive，hdd)或固态硬盘(solid-state drive，ssd)；存储器还可以包括上述种类的存储器的组合等。
219.以上结合具体实施例描述了本技术的基本原理，但是，需要指出的是，在本技术中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本技术的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本技术为必须采用上述具体的细节来实现。
220.本技术中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
221.还需要指出的是，在本技术的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本技术的等效方案。
222.提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本技术。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本技术的范围。因此，本技术不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
223.为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本技术的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。