对象匹配方法、装置、设备、系统、介质及程序产品与流程

1.本技术属于数据处理领域，尤其涉及一种对象匹配方法、装置、设备、系统、介质及程序产品。


背景技术：

2.随着大数据技术的发展，越来越多的业务场景中两方或者更多方需要进行对象匹配。对象匹配可以发生用户与服务方之间，也可发生在服务方与服务方之间。对象匹配所需的数据中会存在包括隐私数据的情况，为了保证数据安全，进行对象匹配的两方或者更多方之间是不会交换原始数据的。
3.为了能够在保证数据安全的基础上进行对象匹配，双方或者更多方各自会对数据进行加密处理，利用加密处理后的数据两两进行比对，以确定匹配的对象。在多方各自具有较多数据的情况下，对象匹配会产生大量的运算量，从而降低对象匹配效率。


技术实现要素：

4.本技术实施例提供一种对象匹配方法、装置、设备、系统、介质及程序产品，能够提高对象匹配的效率。
5.第一方面，本技术实施例提供一种对象匹配方法，应用于第一设备，该方法包括：从第一设备中两个以上第一对象的第一特征向量中选取任意一个第一特征向量作为第一目标特征向量，计算第一目标特征向量与各第一特征向量的第一相似度参数；基于第一目标特征向量和第二设备中一个第二对象的第二特征向量，通过隐私保护的向量相似度计算方法，得到第二特征向量与第一目标特征向量的第二相似度参数；根据第一相似度参数、第二相似度参数和预设的相似度匹配阈值，在第一特征向量中筛选第一待定匹配特征向量，第一待定匹配特征向量的数量小于第一特征向量的数量；基于第一待定匹配特征向量和第二特征向量，通过隐私保护的向量相似度计算方法，根据相似度匹配阈值确定与第二对象匹配成功的第一对象。
6.第二方面，本技术实施例提供一种对象匹配装置，包括：计算模块，用于从对象匹配装置中两个以上第一对象的第一特征向量中选取任意一个第一特征向量作为第一目标特征向量，计算第一目标特征向量与各第一特征向量的第一相似度参数；交互计算模块，用于基于第一目标特征向量和另一装置中一个第二对象的第二特征向量，通过隐私保护的向量相似度计算方法，得到第二特征向量与第一目标特征向量的第二相似度参数；筛选模块，用于根据第一相似度参数、第二相似度参数和预设的相似度匹配阈值，在第一特征向量中筛选第一待定匹配特征向量，第一待定匹配特征向量的数量小于第一特征向量的数量；匹配模块，用于基于第一待定匹配特征向量和第二特征向量，通过隐私保护的向量相似度计算方法，根据相似度匹配阈值确定与第二对象匹配成功的第一对象。
7.第三方面，本技术实施例提供一种电子设备，包括：处理器以及存储有计算机程序指令的存储器；处理器执行计算机程序指令时实现第一方面的对象匹配方法。
8.第四方面，本技术实施例提供一种对象匹配系统，包括：第一设备，用于执行第一方面的对象匹配方法；第二设备，用于与第一设备进行隐私交互。
9.第五方面，本技术实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现第一方面的对象匹配方法。
10.第六方面，本技术实施例提供一种计算机程序产品，计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备执行第一方面的对象匹配方法。
11.本技术实施例提供一种对象匹配方法、装置、设备、系统、介质及程序产品，可选取第一设备中任意一个第一对象的第一特征向量作为第一目标特征向量，将第一目标特征向量作为参考特征向量，计算第一目标特征向量与第一特征向量的第一相似度参数。第一设备基于第一目标特征向量与第二设备中一个第二对象的第二特征向量，通过隐私保护的向量相似度计算方法得到表征第一目标特征向量和第二特征向量的相似度的第二相似度参数。将第二相似度参数结合相似度匹配阈值作为参考值使用，根据第一相似度参数，筛选部分第一特征向量作为待定匹配特征向量。第一设备基于待定匹配特征向量和第二特征向量，通过隐私保护的向量相似度计算方法，进行待定匹配特征向量对应的第一对象和第二特征向量对应的第二对象的匹配。每一次通过隐私保护的向量相似度计算的运算量都非常大，本技术实施例的对象匹配过程中通过隐私保护的向量相似度计算包括与第一目标特征向量的相似度计算，以及与待定匹配特征向量的相似度计算，与每一第一特征向量与每一第二特征向量的相似度计算都通过隐私保护的向量相似度计算进行的方案相比，本技术实施例的对象匹配过程减少了通过隐私保护的向量相似度计算的次数，从而减少了对象匹配产生的运算量，提高了对象匹配的效率。
附图说明
12.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单的介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
13.图1为本技术实施例提供的对象匹配方法应用的一示例的架构示意图；图2为本技术实施例提供的对象匹配方法应用的另一示例的架构示意图；图3为本技术一实施例提供的对象匹配方法的流程图；图4为本技术另一实施例提供的对象匹配方法的流程图；图5为本技术又一实施例提供的对象匹配方法的流程图；图6为本技术一实施例提供的对象匹配装置的结构示意图；图7为本技术一实施例提供的电子设备的结构示意图。
具体实施方式
14.下面将详细描述本技术的各个方面的特征和示例性实施例，为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本技术进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本技术，而不是限定本技术。对于本领域技术人员来说，本技术可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本技术的示例来提供对本技术更好的理解。
15.随着大数据技术、人工智能技术等的发展，越来越多的业务场景中两方或者更多方需要进行对象匹配。对象匹配可以发生用户与服务方之间，也可发生在服务方与服务方之间。对象匹配所需的数据中会存在包括隐私数据的情况，为了保证数据安全，进行对象匹配的两方或者更多方之间是不会交换原始数据的。为了能够在保证数据安全的基础上进行对象匹配，双方或者更多方可进行隐私保护的向量相似度计算，对双方或者多方的数据两两进行比对，以确定匹配的对象。隐私保护的向量相似度计算过程中交互的信息与双方或者多方的数据相关，但不包括双方或者多方的数据的明文。每次隐私保护的向量相似度计算可实现对一方的数据与另一方数据的相似度计算。但通过隐私保护的向量相似度计算产生的运算量非常大，在多方各自具有较多数据的情况下，运算量会翻倍甚至成次方地增加，从而降低对象匹配效率。例如，在一方具有n个对象的数据，另一方也具有n个对象的数据的情况下，两方需要进行通过n2次隐私保护的向量相似度计算以计算一方的n个对象的数据与另一方的n个对象的数据两两的相似度，一次隐私保护的向量相似度计算进就会产生大量的运算量，n2次隐私保护的向量相似度计算所产生的运算量回更加巨大，降低两方对象匹配的效率。
16.本技术提供一种对象匹配方法、装置、设备、系统、介质及程序产品，可计算一方设备中的对象的特征向量之间的相似度，先进行一次隐私保护的向量相似度计算，根据预先设定的相似度匹配阈值、计算得到的相似度和一方设备中对象的特征向量之间的相似度，保留一方设备中部分对象的特征向量，再根据保留的部分对象的特征向量与另一方设备通过隐私保护进行向量相似度计算，在保证数据安全的基础上，将通过隐私保护的向量相似度计算从全匹配方式更改为了模糊匹配方式，减少了通过隐私保护的向量相似度计算的次数，从而减少对象匹配产生的运算量，提高对象匹配的效率。
17.本技术提供的对象匹配方法可应用在两方或更多方进行对象匹配的场景中，如文本匹配、图片搜索、生物特征识别等场景，在此并不限定。本技术实施例中，不同方的对象的数据可存储在不同的设备中，且不同方的设备不会直接交互彼此的明文数据，以保证数据安全。对象可包括文本、图片、生物特征等，在此并不限定。本技术实施例通过对多方设备中的对象的特征向量进行相似度计算来实现对象匹配，以实现文本匹配、图片搜索、生物特征识别等对象匹配的功能。
18.在该对象匹配方法应用于多方之间的情况下，每两方之间的对象匹配与只存在两方的情况下两方之间进行的对象匹配的流程是相同的。
19.图1为本技术实施例提供的对象匹配方法应用的一示例的架构示意图。如图1所示，该对象匹配方法可应用于设备a与设备b之间，设备a属于一方，设备b属于另一方。设备a可与设备b通信，本技术实施例可对设备a中存储的对象与设备b中存储的对象进行匹配。
20.图2为本技术实施例提供的对象匹配方法应用的另一示例的架构示意图。如图2所示，该对象匹配方法可应用于设备a、设备b和设备c之间，设备a属于一方，设备b属于另一方，设备c属于又一方。设备a可与设备b通信，设备b可与设备c通信，设备a可与设备c通信，本技术实施例可对设备a中存储的对象与设备b中存储的对象进行匹配，对设备b中存储的对象与设备c中存储的对象进行匹配，以及，对设备a中存储的对象与设备c中存储的对象进行匹配。
21.为了便于说明，将进行对象匹配的两方的设备分别称为第一设备和第二设备。例
如，图1中的设备a可作为第一设备，设备b可作为第二设备；或者，图1中的设备a可作为第二设备，设备b可作为第一设备。又例如，在图2中的设备a和设备b中，在设备a作为第一设备时，设备b可作为第二设备，在设备a作为第二设备时，设备b可作为第一设备；在图2中的设备b和设备c中，在设备b作为第一设备时，设备c可作为第二设备，在设备b作为第二设备时，设备c可作为第一设备；在图2中的设备a和设备c中，在设备a作为第一设备时，设备c可作为第二设备，在设备a作为第二设备时，设备c可作为第一设备。
22.将第一设备中存储的对象称为第一对象，将第一对象的特征向量称为第一特征向量，第一特征向量可表征第一对象的特征即表征第一对象。将第二设备中存储的对象称为第二对象，将第二对象的特征向量称为第二特征向量，第二特征向量可表征第二对象的特征即表征第二对象。在本技术实施例中，第一设备中可具有两个以上第一对象的第一特征向量，第二设备中可具有一个以上第二对象的第二特征向量。
23.下面对本技术提供的对象匹配方法、装置、设备、系统、介质及程序产品分别进行介绍。
24.本技术第一方面提供一种对象匹配方法，该对象匹配方法可应用于第一设备，即该对象匹配方法可由第一设备执行。图3为本技术一实施例提供的对象匹配方法的流程图。如图3所示，对象匹配方法可包括步骤s101至步骤s104。
25.在步骤s101中，从第一设备中两个以上第一对象的第一特征向量中选取任意一个第一特征向量作为第一目标特征向量，计算第一目标特征向量与各第一特征向量的第一相似度参数。
26.选取作为第一目标特征向量的第一特征向量可为第一设备中的任意一个第一特征向量。计算该第一目标特征向量与各第一特征向量的相似度参数。第一相似度参数为第一目标特征向量与第一特征向量的相似度参数。相似度参数用于表征相似度，相似度参数可与相似度呈正相关或负相关。为了便于理解，本技术实施例以相似度参数与相似度呈负相关为例进行说明，即，相似度参数越小，表征的相似度越高。
27.需要说明的是，在同一设备中不需通过隐私保护进行的特征向量之间的相似度计算所产生的运算量，要远远小于不同设备间通过隐私保护进行的相似度计算所产生的运算量。
28.上述第一特征向量可预先生成存储在第一设备中，也可在进行对象匹配时，获取第一对象的相关数据，根据第一对象的相关数据生成第一特征向量。例如，第一设备中存储的第一对象为图片，在进行对象匹配时，可根据图片的相关数据，生成图片的第一特征向量。
29.在一些示例中，在得到第一相似度参数后，可根据各第一特征向量作为第一目标特征向量得到的第一相似度参数，生成相似度参数矩阵。相似度参数矩阵中的元素为第一相似度参数。相似度参数矩阵中同一行第一相似度参数对应的第一目标特征向量相同，或，相似度参数矩阵中同一列第一相似度参数对应的第一目标特征向量相同。
30.例如，第一设备中存储有第一特征向量a1、第一特征向量a2、第一特征向量a3、第一特征向量a4和第一特征向量a5，计算两两第一特征向量的第一相似度参数，根据第一相似度参数得到的相似度参数矩阵可如下所示：
其中，为第一特征向量ai与第一特征向量aj的第一相似度参数，在该相似度矩阵中，i为1至5中的任意一个整数，j为1至5中的任意一个整数。第一行第一相似度参数对应的第一目标特征向量为第一特征向量a1，第二行第一相似度参数对应的第一目标特征向量为第一特征向量a2，第三行第一相似度参数对应的第一目标特征向量为第一特征向量a3，第四行第一相似度参数对应的第一目标特征向量为第一特征向量a4，第五行第一相似度参数对应的第一目标特征向量为第一特征向量a5；第一列第一相似度参数对应的第一目标特征向量为第一特征向量a1，第二列第一相似度参数对应的第一目标特征向量为第一特征向量a2，第三列第一相似度参数对应的第一目标特征向量为第一特征向量a3，第四列第一相似度参数对应的第一目标特征向量为第一特征向量a4，第五列第一相似度参数对应的第一目标特征向量为第一特征向量a5。
31.利用矩阵存储第一相似度参数，更便于存储，也更便于从中提取任意一个第一相似度参数参与后续步骤。
32.在步骤s102中，基于第一目标特征向量和第二设备中一个第二对象的第二特征向量，通过隐私保护的向量相似度计算方法，得到第二特征向量与第一目标特征向量的第二相似度参数。
33.这里的通过隐私保护的向量相似度计算方法指通过密码学算法实现在双方原始向量不离开本地的前提下，计算双方向量相似度的方法。通常可利用不经意传输协议（oblivious transfer，ot）、同态加密等算法来实现。通过隐私保护的向量相似度计算方法可保证双方或多方的数据安全。
34.第二相似度参数为第一设备与第二设备基于第一目标特征向量和第二特征向量通过隐私保护的向量相似度计算方法得到的相似度参数，第二相似度参数能够表征第一目标特征向量与第二特征向量的相似度。
35.在步骤s103中，根据第一相似度参数、第二相似度参数和预设的相似度匹配阈值，在第一特征向量中筛选第一待定匹配特征向量。
36.第一待定匹配特征向量的数量小于第一特征向量的数量。步骤s103中根据第一相似度参数、第二相似度参数和预设的相似度匹配阈值，筛除了部分第一特征向量，保留下来的第一特征限量即为筛选得到的第一待定匹配特征向量。相似度匹配阈值为用于判定两者是否匹配成功的阈值。在相似度参数与相似度呈负相关的情况下，相似度参数小于等于相似度匹配阈值，表示两者匹配成功；相似度大于相似度匹配阈值，表示两者匹配失败。在相似度参数与相似度呈正相关的情况下，相似度参数大于等于相似度匹配阈值，表示两者匹配成功；相似度小于相似度匹配阈值，表示两者匹配失败。
37.第一目标特征向量是第一特征向量中的任意一个，第一目标特征向量有可能为与第二对象匹配成功的第一对象的第一特征向量，也有可能为与第二对象匹配失败的第一对象的第一特征向量。为了减少通过隐私保护进行相似度计算的次数，将第一目标特征向量
作为参考向量使用，得到第二相似度参数，再通过第一相似度参数、第二相似度参数与相似度匹配阈值的关系，进行第一待定匹配特征向量的筛选。本技术实施例创新地使用三角不等式思想，将第二相似度参数视为三角形的第一边，将匹配的第一对象的第一特征向量和第二对象对应的第二特征向量的相似度参数视为三角形的第二边，由于匹配的第一对象的第一特征向量和第二对象对应的第二特征向量的相似度参数小于等于相似度匹配阈值，这里为了便于计算，将相似度匹配阈值视为三角形的第二边，将第一相似度参数视为三角形的第三边。上述第二相似度参数、相似度匹配阈值和第一相似度参数满足三角不等式，表示第一相似度参数对应的第一特征向量不可能与第二特征向量匹配成功，因此剔除第一相似度参数与第二相似度参数、相似度匹配阈值的关系满足三角不等式的第一特征向量，以减少需要通过隐私保护进行相似度计算的次数。选取第一相似度参数与第二相似度参数、相似度匹配阈值的关系不满足三角不等式的第一特征向量，在后续过程中通过隐私保护进行相似度计算，以确定与第二对象匹配成功的第一对象。第一待定匹配特征向量包括第一相似度参数与第二相似度参数、相似度匹配阈值的关系不满足三角不等式的第一特征向量。
38.在步骤s104中，基于第一待定匹配特征向量和第二特征向量，通过隐私保护的向量相似度计算方法，根据相似度匹配阈值确定与第二对象匹配成功的第一对象。
39.第一待定匹配特征向量对应的第一对象与第二对象相对更为相近，但还需进一步确定第一待定匹配特征向量对应的第一对象与第二特征向量对应的第二对象是否匹配成功。可基于第一待定匹配特征向量和第二特征向量，通过隐私保护的向量相似度计算方法，分别得到各第一待定匹配特征向量与第二特征向量的第五相似度参数；根据第五相似度参数和相似度匹配阈值，确定第一待定匹配特征向量对应的第一对象与第二特征向量对应的第二对象是否匹配成功。具体地，在第五相似度参数小于等于相似度匹配阈值的情况下，确定第一待定匹配特征向量对应的第一对象与该第二特征向量对应的第二对象匹配成功；在第五相似度参数大于相似度匹配阈值的情况下，确定第一待定匹配特征向量对应的第一对象与该第二特征向量对应的第二对象匹配失败。
40.由上可得，在第二设备中的任意一个对象与第一设备中的n个对象进行匹配的过程中，本技术实施例不需要进行n次隐私保护的相似度计算，只需在步骤s102中进行一次通过隐私保护的相似度计算，以及在步骤s104中进行较少次数通过隐私保护的相似度计算，隐私保护的相似度计算的总次数要小于n，能够减少大量的运算量。
41.需要说明的是，第一设备中可能存在与第二对象匹配成功的第一对象，也可能不存在与第二队形匹配成功的第一对象。上述步骤s101至步骤s104可用于每次第一对象与第二对象的匹配，可依次对每个第二对象在第一对象中进行匹配，直至对每个第二对象都进行了匹配。
42.在本技术实施例中，可选取第一设备中任意一个第一对象的第一特征向量作为第一目标特征向量，将第一目标特征向量作为参考特征向量，计算第一目标特征向量与第一特征向量的第一相似度参数。第一设备基于第一目标特征向量与第二设备中一个第二对象的第二特征向量，通过隐私保护的向量相似度计算方法，得到表征第一目标特征向量和第二特征向量的相似度的第二相似度参数。将第二相似度参数结合相似度匹配阈值作为参考值使用，根据第一相似度参数，筛选部分第一特征向量作为待定匹配特征向量。第一设备基于待定匹配特征向量和第二特征向量，通过隐私保护的向量相似度计算方法，进行待定匹
配特征向量对应的第一对象和第二特征向量对应的第二对象的匹配。每一次通过隐私保护进行的相似度计算的运算量都非常大，本技术实施例的对象匹配过程中通过隐私保护进行的相似度计算包括与第一目标特征向量的相似度计算，以及与待定匹配特征向量的相似度计算，与每一第一特征向量与每一第二特征向量的相似度计算都通过隐私保护的向量相似度计算的方案相比，本技术实施例的对象匹配过程减少了通过隐私保护进行的相似度计算的次数，从而减少了对象匹配产生的运算量，提高了对象匹配的效率。
43.在一些实施例中，可将第二相似度参数与相似度匹配阈值的差值和加和作为参考值，在第一特征向量中筛选第一待定匹配特征向量。图4为本技术另一实施例提供的对象匹配方法的流程图。图4与图3的不同之处在于，图3中的步骤s103可具体细化为步骤s1031a至步骤s1034a，或者，具体细化为步骤s1031b至步骤s1035b。
44.在步骤s1031a中，计算第二相似度参数与相似度匹配阈值的第一差值和第一加和。
45.第一差值为第二相似度参数与相似度匹配阈值的差值。第一加和为第二相似度参数与相似度匹配阈值的和。
46.在步骤s1032a中，选取与第一差值最接近的第一相似度参数为第一边界相似度参数。
47.与第一差值最接近的第一相似度参数，可为与第一差值的差值的绝对值最小的第一相似度参数。第一边界相似度参数为第一待定匹配特征向量对应的第一相似度参数的下限值。
48.在步骤s1033a中，选取与第一加和最接近的第一相似度参数为第二边界相似度参数。
49.与第一加和最接近的第一相似度参数，可为与第一加和的差值的绝对值最小的第一相似度参数。第一边界相似度参数为第一待定匹配特征向量对应的第一相似度参数的上限值。
50.在步骤s1034a中，选取第一相似度参数大于第一边界相似度参数且小于第二边界相似度参数的第一特征向量为候选匹配特征向量，并在候选匹配特征向量中确定第一待定匹配特征向量。
51.选取第一相似度参数大于第一边界相似度参数且小于第二边界相似度参数的第一特征向量，相当于筛除第一相似度参数小于等于第一边界相似度参数的第一特征向量和第一相似度参数大于等于第二边界相似度参数的第一特征向量。
52.在步骤s1031b中，按照第一相似度参数由大至小或由小至大的顺序，排列第一特征向量。
53.在步骤s1032b中，计算第二相似度参数与相似度匹配阈值的第一差值和第一加和。
54.第一差值、第一加和的具体内容可参见上述步骤s1031a中的相关说明，在此不再赘述。
55.在步骤s1033b中，选取第一相似度参数与第一差值最接近的第一特征向量为第一边界特征向量。
56.第一相似度参数与第一差值最接近的内容可参见上述步骤s1032a中的相关说明，
在此不再赘述。第一边界特征向量在按序排列的第一特征向量中的位置可作为第一待定匹配特征向量的选取范围的下限位置。
57.在步骤s1034b中，选取第一相似度参数与第一加和最接近的第一特征向量为第二边界特征向量。
58.第一相似度参数与第一加和最接近的内容可参见上述步骤s1033a中的相关说明，在此不再赘述。第二边界特征向量在按序排列的第一特征向量中的位置可作为第一待定匹配特征向量的选取范围的上限位置。
59.在步骤s1035b中，选取位置在第一边界特征向量和第二边界特征向量之间的第一特征向量为候选匹配特征向量，并在候选匹配特征向量中确定第一待定匹配特征向量。
60.选取位置在第一边界特征向量和第二边界特征向量之间的第一特征向量，相当于筛除第一边界特征向量、第二边界特征向量以及第一边界特征向量和第二边界特征向量界定的范围之外的第一特征向量。
61.例如，第一对象和第二对象为商户名称，第一设备中存储的第一对象包括“a1市x1小卖部”“a1市x2餐饮店”“a1x4”“b1x5”和“c2路水果店”五个商户名称，第二设备中存储的第二对象包括“a1市b1新区x1小卖部”“a1市x2餐饮店”和“c1路x3麻辣烫”三个商户名称。第一设备中五个商户名称的第一特征向量分别为(1，2，1，1，3)、(3，4，2，2，1)、(3，6，2，7，2)、(3，5，2，1，2)和(3，5，2，3，2)，记作第一特征向量a1、第一特征向量a2、第一特征向量a3、第一特征向量a4和第一特征向量a5，第一特征向量a1、第一特征向量a2、第一特征向量a3、第一特征向量a4和第一特征向量a5都为在第一设备本地的特征向量；第二设备中三个商户名称的第一特征向量分别为(1，2，1，2，3)、(3，4，2，2，1)和(4，5，7，1，1)，记作第二特征向量b1、第二特征向量b2和第二特征向量b3，第二特征向量b1、第二特征向量b2和第二特征向量b3都为在第二设备本地的特征向量。这里以相似度参数为欧式距离为例，第一特征向量a1、第一特征向量a2、第一特征向量a3、第一特征向量a4和第一特征向量a5两两之间的欧式距离如下表一所示，如，第一特征向量a1与第一特征向量a1的欧式距离为0，第一特征向量a1与第一特征向量a2的欧式距离为3.74。
62.表一 a1a2a3a4a5a103.747.663.874.36a23.7405.481.733.87a37.665.4806.084.12a43.871.736.0802a54.363.874.1220 对于第二设备的第二特征向量b1，可将任意一第一特征向量选取为第一目标特征向量。如，将第一特征向量a1选取为第一目标特征向量，则按照第一相似度参数由大到小的顺序，第一特征向量的排列顺序为a3、a5、a4、a2、a1，可记作a1《 a3，a5，a4，a2，a1》；同理，将第一特征向量a2、第一特征向量a3、第一特征向量a4和第一特征向量a5分别选取为第一目标特征向量，则按照第一相似度参数由大到小的顺序，各第一目标特征向量对应的第一特征向量的排列顺序分别记为a2《 a3，a5，a1，a4，a2》、a3《 a1，a4，a2，a5，a3》、a4《 a3，a1，a5，a2，a4》和a5《 a1，a3，a2，a4，a5》。
63.这里以将第一特征向量a4选取为第一目标特征向量为例进行说明，第一特征向量a4与第一特征向量a1、第一特征向量a2、第一特征向量a3、第一特征向量a4和第一特征向量a5的第一相似度参数分别为3.87、1.73、6.08、0和2。第一特征向量的排列顺序记为a4《 a3，a1，a5，a2，a4》。与第二设备基于第一特征向量a4与对第二特征向量b1进行隐私交互，得到的第一特征向量a4与第二特征向量b1的第二相似度参数为4。假设相似度匹配阈值为1.5，则第一差值为2.5，第一加和为5.5，第一相似度参数与第一差值最接近的第一特征向量为a5，第一相似度参数与第一加和最接近的第一特征向量为a3，则候选匹配特征向量只有1个，为第一特征向量a1。由于候选匹配特征向量的数量为1，可将第一特征向量a1直接作为待定匹配特征向量。基于第一特征向量a1与第二特征向量b1进行隐私交互，得到的第一特征向量a1与第二特征向量b1的第五相似度参数为1，该第五相似度小于相似度匹配阈值1.5，表示第一对象“a1市x1小卖部”与第二对象“a1市b1新区x1小卖部”匹配成功。
64.在本技术实施例中，将第一相似度参数按照大小排序与三角不等式相结合，可进一步优化三角不等式的应用效果，可更便捷地确定满足三角不等式的第一特征向量，通过将位置区间以外的第一特征向量剔除实现满足三角不等式的第一特征向量的剔除，减少通过隐私保护进行的相似度计算的次数，从而减少对象匹配产生的运算量，提高对象匹配的效率。
65.在上述实施例中，候选匹配特征向量包括第一待定匹配特征向量。在一些示例中，候选匹配特征向量为第一待定匹配特征向量，即，候选匹配特征向量与第一待定匹配特征向量相同。在另一些示例中，部分候选匹配特征向量为第一待定匹配特征向量。
66.可根据对象匹配的应用场景、应用需求、候选匹配特征向量的数量等确定直接将候选匹配特征向量作为第一待定匹配特征向量参与后续步骤，还是在候选匹配特征向量中进一步筛选得到第一待定匹配特征向量，在此并不限定。
67.在一些示例中，在候选匹配特征向量的数量等于1的情况下，可将候选匹配特征向量确定为第一待定匹配特征向量。
68.在一些示例中，在候选匹配特征向量的数量大于1的情况下，可在候选匹配特征向量中选取任意一个作为第一目标特征向量，分别计算第一目标特征向量与各候选匹配特征向量的第三相似度参数；基于第一目标特征向量和第二特征向量，通过隐私保护的向量相似度计算方法，得到第二特征向量与第一目标特征向量的第四相似度参数；根据第三相似度参数、第四相似度参数和预设的相似度匹配阈值，确定新的候选匹配特征向量，直至候选匹配特征向量的数量小于或等于1。
69.本示例中，第一目标特征向量是从候选匹配特征向量中选取的。第三相似度参数为候选匹配特征向量中选出的第一目标特征向量与候选匹配特征向量的相似度参数。基于第一目标特征向量和第二特征向量，通过隐私保护的向量相似度计算方法得到第四相似度参数的具体内容，可参见上述实施例中基于第一目标特征向量和第二特征向量，通过隐私保护的向量相似度计算方法得到第二相似度参数的相关说明，在此不再赘述。根据第三相似度参数、第四相似度参数和预设的相似度匹配阈值，确定新的候选匹配特征向量的具体内容，可参见上述步骤s1031a至步骤s1034a的相关说明，或者，可参见上述步骤s1031b至步骤s1035b的相关说明，若本次确定的新的候选匹配特征向量的数量仍然大于1，则重复上述步骤，直至确定的候选匹配特征向量的数量小于等于1。在确定的候选匹配特征向量的数量
等于1时，将该候选匹配特征向量确定为第一待定匹配特征向量。在确定的候选匹配特征向量的数量小于1即为0时，表示不存在与该第二对象匹配的第一对象。
70.在一些实施例中，在第一设备执行对象匹配方法时，第二设备也可通过隐私保护的向量相似度计算方法执行对象匹配方法，确定与第一对象匹配成功的第二对象。图5为本技术又一实施例提供的对象匹配方法的流程图。图5与图3的不同之处在于，图5所示的对象匹配方法还可包括步骤s105和步骤s106。
71.在步骤s105中，基于选取的第一特征向量和第二设备中的第二目标特征向量，通过隐私保护的向量相似度计算方法使第二设备得到第一特征向量与第二目标特征向量的第六相似度。
72.第二目标特征向量为第二设备在两个以上第二对象的第二特征向量选取的任意一个第二特征向量。第六相似度为第二设备得到的第一特征向量与第二目标特征向量的第六相似度。第二设备与第一设备通过隐私保护进行向量相似度计算，得到第六相似度的具体内容可参见上述实施例中第一设备与第二设备基于第一目标特征向量与第二特征向量通过隐私保护进行向量相似度计算，得到第二相似度参数的相关说明，在此不再赘述。
73.在一些示例中，第一设备可获取未与第二特征向量匹配成功的第一特征向量，基于该第一特征向量与第二目标特征向量，通过隐私保护的向量相似度计算方法使第二设备的得到该第一特征向量与第二目标特征向量的第六相似度。即，步骤s105中选取的第一特征向量包括未与第二特征向量匹配成功的第一特征向量。在一些第一对象和第二对象一一匹配的场景中，一个第一对象是不会与多个第二对象匹配成功的，已经匹配成功的第一对象，不必再进行二次匹配，能够进一步减少匹配次数，提高对象匹配的速度，从而进一步提高对象匹配的效率。
74.在步骤s106中，基于第一特征向量和第二设备根据第六相似度、第七相似度和相似度匹配阈值筛选得到的第二待定匹配特征向量，通过隐私保护的向量相似度计算方法，使第二设备根据相似度匹配阈值，确定与第一对象匹配成功的第二对象。
75.第二设备可从两个以上第二对象的第二特征向量中选取任意一个第二特征向量作为第二目标特征向量，并计算第二目标特征向量与各第二特征向量的第七相似度参数。第七相似度包括第二设备计算得到的第二目标特征向量与各第二特征向量的相似度。第二设备可根据第七相似度参数、第六相似度参数和相似度匹配阈值，在第二特征向量中筛选得到第二待定匹配特征向量，第二待定匹配特征向量的数量小于第二特征向量的数量。第二设备可与第一设备基于第二待定匹配特征向量和第一特征向量通过隐私保护的向量相似度计算方法，根据相似度匹配阈值确定与第一对象匹配成功的第二对象。
76.第二设备可具有与第一设备相同的功能，即第二设备也可执行对象匹配方法。第二设备选取第二目标特征向量，计算第二目标特征向量与各第二特征向量的第七相似度参数，基于第一特征向量与第二目标特征向量，通过隐私保护的向量相似度计算方法，得到第一特征向量与第二目标特征向量的第六相似度，筛选第二特定匹配特征向量，基于第二待定匹配特征向量和第一特征向量，通过隐私保护的向量相似度计算方法，根据相似度匹配阈值确定与第一对象匹配成功的第二对象等具体内容，可参见上述实施例中步骤s101至步骤s104、步骤s1031a至步骤s1034a以及步骤s1031b至步骤s1035b的相关说明，在此不再赘述。
77.在此并不限定步骤s105至步骤s106与步骤s101至步骤s104之间的顺序，步骤s105至步骤s106的执行与步骤s101至步骤s104的执行可相互独立。如，步骤s105至步骤s106可在步骤s101至步骤s104之前执行，步骤s105至步骤s106可在步骤s101至步骤s104之后执行，步骤s105至步骤s106也可与步骤s101至步骤s104同时执行。
78.第一设备和第二设备均执行对象匹配方法，能够将多次对象匹配分配至两方进行，进一步减少对象匹配所花费的时间，从而进一步提高对象匹配的效率。
79.在上述实施例中，第一相似度参数、第二相似度参数、第三相似度参数、第四相似度参数、第五相似度参数、第六相似度参数和第七相似度参数均为相似度参数。在一些示例中，相似度参数可包括但不限于欧式距离或余弦相似度。
80.需要说明的是，本技术实施例中对信息、数据的获取、存储、使用、处理等均得到用户或相关机构的授权，符合国家法律法规的相关规定。
81.本技术第二方面提供一种对象匹配装置，该对象匹配装置存储有两个以上第一对象的第一特征向量。图6为本技术一实施例提供的对象匹配装置的结构示意图。如图6所示，该对象匹配装置200可包括计算模块201、交互计算模块202、筛选模块203和匹配模块204。
82.计算模块201可用于从对象匹配装置200中两个以上第一对象的第一特征向量中选取任意一个第一特征向量作为第一目标特征向量，计算第一目标特征向量与各第一特征向量的第一相似度参数。
83.交互计算模块202可用于基于第一目标特征向量和另一装置中一个第二对象的第二特征向量，通过隐私保护的向量相似度计算方法，得到第二特征向量与第一目标特征向量的第二相似度参数。
84.另一装置具有一个以上第二对象的第二特征向量。
85.筛选模块203可用于根据第一相似度参数、第二相似度参数和预设的相似度匹配阈值，在第一特征向量中筛选第一待定匹配特征向量。
86.第一待定匹配特征向量的数量小于第一特征向量的数量。
87.匹配模块204可用于基于第一待定匹配特征向量和第二特征向量，通过隐私保护的向量相似度计算方法，根据相似度匹配阈值确定与第二对象匹配成功的第一对象。
88.在本技术实施例中，可选取第一设备中任意一个第一对象的第一特征向量作为第一目标特征向量，将第一目标特征向量作为参考特征向量，计算第一目标特征向量与第一特征向量的第一相似度参数。第一设备基于第一目标特征向量与第二设备中一个第二对象的第二特征向量，通过隐私保护的向量相似度计算方法得到表征第一目标特征向量和第二特征向量的相似度的第二相似度参数。将第二相似度参数结合相似度匹配阈值作为参考值使用，根据第一相似度参数，筛选部分第一特征向量作为待定匹配特征向量。第一设备基于待定匹配特征向量和第二特征向量，通过隐私保护的向量相似度计算方法，进行待定匹配特征向量对应的第一对象和第二特征向量对应的第二对象的匹配。每一次通过隐私保护的向量相似度计算的运算量都非常大，本技术实施例的对象匹配过程中通过隐私保护的向量相似度计算包括与第一目标特征向量的相似度计算，以及与待定匹配特征向量的相似度计算，与每一第一特征向量与每一第二特征向量的相似度计算都通过隐私保护的向量相似度计算进行的方案相比，本技术实施例的对象匹配过程减少了通过隐私保护的向量相似度计算的次数，从而减少了对象匹配产生的运算量，提高了对象匹配的效率。
89.在一些实施例中，筛选模块203可用于：计算第二相似度参数与相似度匹配阈值的第一差值和第一加和；选取与第一差值最接近的第一相似度参数为第一边界相似度参数；选取与第一加和最接近的第一相似度参数为第二边界相似度参数；选取第一相似度参数大于第一边界相似度参数且小于第二边界相似度参数的第一特征向量为候选匹配特征向量，并在候选匹配特征向量中确定第一待定匹配特征向量。
90.在一些实施例中，筛选模块203可用于：按照第一相似度参数由大至小或由小至大的顺序，排列第一特征向量；计算第二相似度参数与相似度匹配阈值的第一差值和第一加和；选取第一相似度参数与第一差值最接近的第一特征向量为第一边界特征向量；选取第一相似度参数与第一加和最接近的第一特征向量为第二边界特征向量；选取位置在第一边界特征向量和第二边界特征向量之间的第一特征向量为候选匹配特征向量，并在候选匹配特征向量中确定第一待定匹配特征向量。
91.在一些示例中，候选匹配特征向量为第一待定匹配特征向量。
92.在一些示例中，候选匹配特征向量的数量大于1。
93.计算模块201还可用于：在候选匹配特征向量中选取任意一个作为第一目标特征向量，分别计算第一目标特征向量与各候选匹配特征向量的第三相似度参数。
94.交互计算模块202还可用于：基于第一目标特征向量和第二特征向量，通过隐私保护的向量相似度计算方法，得到第二特征向量与第一目标特征向量的第四相似度参数。
95.筛选模块203还可用于：根据第三相似度参数、第四相似度参数和预设的相似度匹配阈值，确定新的候选匹配特征向量，直至候选匹配特征向量的数量小于等于1。
96.在一些实施例中，交互计算模块202可用于基于第一待定匹配特征向量和第二特征向量，通过隐私保护的向量相似度计算方法，分别得到各第一待定匹配特征向量与第二特征向量的第五相似度参数。
97.匹配模块204可用于在第五相似度参数小于等于相似度匹配阈值的情况下，确定待定匹配特征向量对应的第一对象与第二对象匹配成功。
98.在一些实施例中，上述交互计算模块202还可用于：基于选取的第一特征向量和另一装置中的第二目标特征向量，通过隐私保护的向量相似度计算方法使另一装置得到第一特征向量与第二目标特征向量的第六相似度；基于第一特征向量和另一装置根据第六相似度、第七相似度和相似度匹配阈值筛选得到的第二待定匹配特征向量，通过隐私保护的向量相似度计算方法，使另一装置根据相似度匹配阈值，确定与第一对象匹配成功的第二对象。
99.第二目标特征向量为另一装置在两个以上第二对象的第二特征向量选取的任意一个第二特征向量。第七相似度包括另一装置计算得到的第二目标特征向量与各第二特征向量的相似度。
100.在一些示例中，选取的第一特征向量包括未与第二特征向量匹配成功的第一特征向量。
101.在一些实施例中，计算模块201可用于根据各第一特征向量作为第一目标特征向量得到的第一相似度参数，生成相似度参数矩阵。
102.其中，相似度参数矩阵中同一行第一相似度参数对应的第一目标特征向量相同，或，相似度参数矩阵中同一列第一相似度参数对应的第一目标特征向量相同。
103.在上述实施例中，第一相似度参数、第二相似度参数、第三相似度参数、第四相似度参数、第五相似度参数、第六相似度参数和第七相似度参数均为相似度参数。在一些示例中，相似度参数可包括但不限于欧式距离或余弦相似度。
104.本技术第三方面还提供了一种电子设备。图7为本技术一实施例提供的电子设备的结构示意图。如图7所示，电子设备300包括存储器301、处理器302及存储在存储器301上并可在处理器302上运行的计算机程序。
105.在一些示例中，上述处理器302可以包括中央处理器（cpu），或者特定集成电路（application specific integrated circuit ，asic），或者可以被配置成实施本技术实施例的一个或多个集成电路。
106.存储器301可包括只读存储器（read-only memory，rom），随机存取存储器（random access memory，ram），磁盘存储介质设备，光存储介质设备，闪存设备，电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器包括一个或多个编码有包括计算机可执行指令的软件的有形（非暂态）计算机可读存储介质（例如，存储器设备），并且当该软件被执行（例如，由一个或多个处理器）时，其可操作来执行参考根据本技术实施例中对象匹配方法所描述的操作。
107.处理器302通过读取存储器301中存储的可执行程序代码来运行与可执行程序代码对应的计算机程序，以用于实现上述实施例中的对象匹配方法。
108.在一些示例中，电子设备300还可包括通信接口303和总线304。其中，如图7所示，存储器301、处理器302、通信接口303通过总线304连接并完成相互间的通信。
109.通信接口303，主要用于实现本技术实施例中各模块、装置、单元和/或设备之间的通信。也可通过通信接口303接入输入设备和/或输出设备。
110.总线304包括硬件、软件或两者，将电子设备300的部件彼此耦接在一起。举例来说而非限制，总线304可包括加速图形端口（accelerated graphics port，agp）或其他图形总线、增强工业标准架构（enhanced industry standard architecture，eisa）总线、前端总线（front side bus，fsb）、超传输（hyper transport，ht）互连、工业标准架构（industry standard architecture，isa）总线、无限带宽互连、低引脚数（low pin count，lpc）总线、存储器总线、微信道架构（micro channel architecture，mca）总线、外围组件互连（peripheral component interconnect，pci）总线、pci-express（pci-e）总线、串行高级技术附件（serial advanced technology attachment，sata）总线、视频电子标准协会局部（video electronics standards association local bus，vlb）总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线304可包括一个或多个总线。尽管本技术实施例描述和示出了特定的总线，但本技术考虑任何合适的总线或互连。
111.本技术第四方面提供一种对象匹配系统，该对象匹配系统可包括第一设备和第二设备。第一设备可用于执行上述实施例中的对象匹配方法。第二设备用于与第一设备进行通过隐私保护的向量相似度计算方法。第一设备和第二设备的具体内容可参见上述实施例中的相关说明，且能达到相同的技术效果，为避免重复，这里不再赘述。
112.在一些示例中，第二设备也可如第一设备一样执行上述实施例中的对象匹配方法。
113.本技术第五方面提供一种计算机可读存储介质，该计算机可读存储介质上存储有
计算机程序指令，该计算机程序指令被处理器执行时可实现上述实施例中的对象匹配方法，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，上述计算机可读存储介质可包括非暂态计算机可读存储介质，如只读存储器（read-only memory，简称rom）、随机存取存储器（random access memory，简称ram）、磁碟或者光盘等，在此并不限定。
114.本技术第六方面提供一种计算机程序产品，该计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备执行上述实施例中的对象匹配方法，且能达到相同的技术效果，为避免重复，这里不再赘述。
115.需要明确的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。对于装置实施例、设备实施例、系统实施例、计算机可读存储介质实施例和计算机程序产品实施例而言，相关之处可以参见方法实施例的说明部分。本技术并不局限于上文所描述并在图中示出的特定步骤和结构。本领域的技术人员可以在领会本技术的精神之后，作出各种改变、修改和添加，或者改变步骤之间的顺序。并且，为了简明起见，这里省略对已知方法技术的详细描述。
116.上面参考根据本技术的实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本技术的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
117.本领域技术人员应能理解，上述实施例均是示例性而非限制性的。在不同实施例中出现的不同技术特征可以进行组合，以取得有益效果。本领域技术人员在研究附图、说明书及权利要求书的基础上，应能理解并实现所揭示的实施例的其他变化的实施例。在权利要求书中，术语“包括”并不排除其他装置或步骤；数量词“一个”不排除多个；术语“第一”、“第二”用于标示名称而非用于表示任何特定的顺序。权利要求中的任何附图标记均不应被理解为对保护范围的限制。权利要求中出现的多个部分的功能可以由一个单独的硬件或软件模块来实现。某些技术特征出现在不同的从属权利要求中并不意味着不能将这些技术特征进行组合以取得有益效果。