1.一种婚恋对象匹配数据处理方法,所述方法包括:
获取待匹配的第一对象图像数据和第二对象图像数据;
将所述第一对象图像数据和第二对象图像数据输入已训练的深度学习神经网络,所述深度学习神经网络的参数是根据已婚匹配对象对应的匹配图像大数据训练得到;
获取所述已训练的深度学习神经网络输出的对应的匹配结果;
根据所述匹配结果确定第一对象与第二对象的匹配度。
2.根据权利要求1所述的方法,其特征在于,所述获取待匹配的第一对象图像数据和第二对象图像数据的步骤之前,还包括:获取待匹配的对象对应的预设数据格式和匹配结果预设格式;
将所述预设数据格式作为待输入格式,将所述匹配结果预设格式作为待输出格式,获取与所述待输入格式和待输出格式匹配的深度学习神经网络对应的初始配置信息;
根据所述初始配置信息对所述深度学习神经网络进行初始化配置。
3.根据权利要求2所述的方法,其特征在于,所述获取与所述待输入格式和待输出格式匹配的深度学习神经网络对应的初始配置信息的步骤包括:获取所述深度学习神经网络对应的候选输入格式和候选输出格式;
获取输入权值系数和输出权值系数;
计算所述待输入格式和候选输入格式的输入匹配度,计算所述待输出格式和候选输出格式的输出匹配度;
根据所述输入权值系数、输入匹配度、输出权值系数、输出匹配度计算得到初始配置信息匹配度;
根据初始配置信息匹配度获取与所述待输入格式和待输出格式最匹配的目标候选输入格式和目标候选输出格式;
根据所述目标候选输入格式和目标候选输出格式获取对应的目标初始配置信息。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述获取待匹配的第一对象图像数据和第二对象图像数据的步骤之前,还包括:获取训练图像大数据,所述训练图像大数据包括已婚匹配对象对应的匹配图像大数据;
从所述匹配图像大数据中提取对应的各个已婚匹配对象对应的匹配图像对,各个已婚匹配对象对应的匹配图像对组成匹配图像对集合;
将任意两个已婚匹配图像对进行拆分组合形成非匹配图像对,各个非匹配图像对组成非匹配图像对集合;
将各个匹配图像对和各个非匹配图像对分别作为所述深度学习神经网络的输入,对所述深度学习神经网络进行无监督训练;
将各个匹配图像对作为所述深度学习神经网络的输入,将匹配图像对对应的预设匹配标签作为所述深度学习神经网络的预期输出,对所述深度学习神经网络进行有监督训练;
将各个非匹配图像对作为所述深度学习神经网络的输入,将非匹配图像对对应的预设非匹配标签作为所述深度学习神经网络的预期输出,对所述深度学习神经网络进行有监督训练;
得到所述已训练的深度学习神经网络。
5.根据权利要求1所述的方法,其特征在于,所述根据所述匹配结果确定第一对象与第二对象的匹配度的步骤包括:如果所述匹配结果与预设匹配标签相同,则确定所述第一对象与第二对象的匹配度为匹配成功;
如果所述匹配结果与预设非匹配标签相同,则确定所述第一对象与第二对象的匹配度为匹配失败。
6.根据权利要求1所述的方法,其特征在于,所述获取待匹配的第一对象图像数据和第二对象图像数据的步骤包括:接收请求匹配对象用户终端发送的匹配请求,所述匹配请求包括请求匹配对象图像数据,将所述请求匹配对象图像数据作为所述第一对象图像数据,获取待推荐对象图像数据作为所述第二对象图像数据;
所述根据所述匹配结果确定第一对象与第二对象的匹配度的步骤之后,还包括:如果匹配度为匹配成功,则向所述请求匹配对象用户终端发送待推荐对象对应的用户信息。
7.一种婚恋对象匹配数据处理装置,其特征在于,所述装置包括:获取模块,用于获取待匹配的第一对象图像数据和第二对象图像数据;
匹配结果获取模块,用于将所述第一对象图像数据和第二对象图像数据输入已训练的深度学习神经网络,所述深度学习神经网络的参数是根据已婚匹配对象对应的匹配图像大数据训练得到,获取所述已训练的深度学习神经网络输出的对应的匹配结果;
匹配度确定模块,用于根据所述匹配结果确定第一对象与第二对象的匹配度。
8.根据权利要求7所述的装置,其特征在于,所述获取模块还用于接收请求匹配对象用户终端发送的匹配请求,所述匹配请求包括请求匹配对象图像数据,将所述请求匹配对象图像数据作为所述第一对象图像数据,获取待推荐对象图像数据作为所述第二对象图像数据;
所述装置还包括:
发送模块,用于如果匹配度为匹配成功,则向所述请求匹配对象用户终端发送待推荐对象对应的用户信息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至8中任一项所述方法的步骤。
10.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至8中任一项所述方法的步骤。