CN104881798A - 基于商品图像特征的个性化搜索装置及方法 - Google Patents
基于商品图像特征的个性化搜索装置及方法 Download PDFInfo
- Publication number
- CN104881798A CN104881798A CN201510303163.1A CN201510303163A CN104881798A CN 104881798 A CN104881798 A CN 104881798A CN 201510303163 A CN201510303163 A CN 201510303163A CN 104881798 A CN104881798 A CN 104881798A
- Authority
- CN
- China
- Prior art keywords
- image
- category
- user
- search
- commodity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
- G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/771—Feature selection, e.g. selecting representative features from a multi-dimensional feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Library & Information Science (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于商品图像特征的个性化搜索装置,其包括:特征提取模块,其利用神经网络模型提取图像的抽象语义特征向量;品类图像计算模块,其对于每一维度的所述抽象语义特征向量分别计算在该维度下的均值与方差,并且按照每一维度做归一化处理;用户浏览行为权重计算模块,其对用户浏览的图像按品类提取相应归一化的所述抽象语义特征向量进行求和,得到该用户在各个品类下的兴趣权重向量;排序模块,其根据每个用户在某一品类下的所述兴趣权重向量,对该品类下用户没有观看的图像对应的特征向量做内积,得到每一张图像对应的得分值,根据该得分值进行排序,选取得分值高的规定张图像之后入库;搜索调用模块,其根据排序值结果,进行个性化搜索。
Description
技术领域
本发明涉及一种电子商务领域中基于商品图像特征的个性化搜索装置及方法。
背景技术
现有的个性化搜索,一般先进行用户、商品、场景的语义、统计、文字等的特征提取,然后根据各种搜索、排序算法得到最后的结果。在现有搜索中,鲜有基于用户浏览商品图片的行为进行个性化搜索。
发明内容
本发明提供一种基于商品图像特征的个性化搜索装置及方法,其根据电子商务领域的商品图像,利用神经网络提取出商品图像的深层抽象语义特征向量,按品类把用户的浏览行为进行归类,根据提取出的深层抽象语义特征向量,计算出用户在各个品类下的兴趣权重,对于每个用户按品类利用兴趣权重得到用户在该品类下的排序值结果,用于个性化的搜索,由此能够增加用户在多个维度上的体验值。
本发明的基于商品图像特征的个性化搜索装置,其包括:
特征提取模块,其利用神经网络模型,按品类提取图像的抽象语义特征向量;
品类图像计算模块,其接收从所述特征提取模块推送来的图像的抽象语义特征向量,对于每一维度的抽象语义特征向量分别计算在该维度下的均值与方差,并且按照每一维度做归一化处理;
用户浏览行为权重计算模块,其对用户浏览的所有对应的图像按品类提取相应归一化的所述抽象语义特征向量进行求和,得到该用户在各个品类下的兴趣权重向量;
排序模块,其根据从所述用户浏览行为权重计算模块推送来的每个用户在某一品类下的所述兴趣权重向量,对该品类下用户没有观看的图像对应的特征向量做内积,得到用户没有观看的每一张图像对应的得分值,然后根据所得到的得分值进行排序,选取得分值高的规定张图像之后入库;
搜索调用模块,其根据所述排序模块的排序值结果,进行个性化的搜索。
本发明的基于商品图像特征的个性化搜索方法,其包括:
特征提取步骤,利用神经网络模型,按品类提取图像的抽象语义特征向量;
品类图像计算步骤,对于每一维度的所述抽象语义特征向量分别计算在该维度下的均值与方差,并且按照每一维度做归一化处理;
用户浏览行为权重计算步骤,其对用户浏览的所有对应的图像按品类提取相应归一化的所述抽象语义特征向量进行求和,得到该用户在各个品类下的兴趣权重向量;
排序步骤,根据每个用户在某一品类下的所述兴趣权重向量,对该品类下用户没有观看的图像对应的特征向量做内积,得到用户没有观看的每一张图像对应的得分值,然后根据所得到的得分值进行排序,选取得分值高的规定张图像之后入库;
搜索调用步骤,根据所述排序步骤的排序值结果,进行个性化的搜索。
发明的效果
本发明是针对电子商务领域的商品图像,结合图像的深度语义特征,根据用户的浏览行为,进行个性化搜索,由此能够增加用户在多个维度上的体验值。
附图说明
图1是表示本发明所涉及的基于商品图像特征的个性化搜索装置的框图。
图2是表示本发明所涉及的基于商品图像特征的个性化搜索方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
本发明主要利用神经网络进行图像的抽象语义特征向量提取,计算品类下所有图像的特征向量在每一维度下的均值与方差,根据每一个用户浏览的图像,对每一个浏览行为按照提取出来的特征向量归一化后求和处理,得到该用户的兴趣权重,然后用这个兴趣权重对该品类下每张图像的特征向量做内积而得到该图像的得分值,然后排序之后的结果用于个性化搜索。
图1是表示本发明所涉及的基于商品图像特征的个性化搜索装置1的框图。
本发明所涉及的基于商品图像特征的个性化搜索装置1主要包括特征提取模块2、品类图像计算模块3、用户浏览行为权重计算模块4、排序模块5及搜索调用模块6。
特征提取模块2利用神经网络模型,按品类提取图像的抽象语义特征向量,并将该抽象语义特征向量推送至品类图像计算模块3。
由于从图像提取出来的抽象语义特征向量,在多维分布上存在很大的不均衡性,因此为了避免部分偏移量过大带来的影响,需要每多维分布进行归一化处理。为此,品类图像计算模块3接收从特征提取模块2推送来的图像的抽象语义特征向量,对于每一维度的抽象语义特征向量分别计算在该维度下的均值μi与方差σi,并且对于图像的抽象语义特征向量,按照每一维度做归一化处理
在用户浏览行为权重计算模块4中,对浏览行为进行去重处理(多次浏览相同归成一次),以避免用户错误点击造成的影响,另外,对用户浏览的所有对应的图像按品类提取相应归一化的特征向量进行求和,得到该用户在各个品类下的兴趣权重向量,并将得到的用户在各个品类下的兴趣权重向量推送至排序模块5。
排序模块5根据从用户浏览行为权重计算模块4推送来的每个用户在某一品类下的兴趣权重向量(w1,w2,…,wn,),对该品类下用户没有观看的图像对应的特征向量做内积得到用户没有观看的每一张图像对应的得分值,然后根据所得到的得分值进行排序,选取Top-N之后入库,所有品类都根据以上步骤进行。
在搜索调用模块6中,可以有以下两种策略进行选择:
(1)对应现有的搜索结果,查看每一个商品对应图像的得分值,最后在搜索结果中进行排序并输出;或者
(2)对于搜索词进行语义分析后,对应到某一品类,取这一个品类Top-N图像对应的商品作为个性化的搜索结果。
根据上述本发明的基于商品图像特征的个性化搜索装置1,通过结合图像的深度语义特征,根据用户的浏览行为,进行个性化搜索,从而能够增加用户在多个维度上的体验值。
下面,结合图2来说明本发明所涉及的基于商品图像特征的个性化搜索方法。
图2是表示本发明所涉及的基于商品图像特征的个性化搜索方法的流程图。
如图2所示,首先在特征提取步骤S1中,主要包括以下两个子步骤:
(1)利用神经网络模型,按品类提取图像的抽象语义特征向量;
(2)将提取的图像深层特征向量推送至品类图像计算步骤。
由于从图像提取出来的抽象语义特征向量,在多维分布上存在很大的不均衡性,因此为了避免部分偏移量过大带来的影响,需要每多维分布进行归一化处理。
为此,在品类图像计算步骤S2中,包括以下两个子步骤:
(1)对于每一维度的抽象语义特征向量分别计算在该维度下的均值μi与方差σi;
(2)对于图像的抽象语义特征向量,按照每一维度做归一化处理
接着,在用户浏览行为权重计算步骤S3中,主要包括以下三个子步骤:
(1)对浏览行为进行去重处理,以避免用户错误点击造成的影响;
(2)对用户浏览的所有对应的图像按品类提取相应归一化的特征向量进行求和,得到该用户在各个品类下的兴趣权重向量;
(3)把得到的用户在各个品类下的所有兴趣权重向量推送至排序步骤。
接着,在排序步骤S4中,根据每个用户在某一品类下的兴趣权重向量,对该品类下用户没有观看的图像对应的特征向量做内积,得到用户没有观看的每一张图像对应的得分值,然后根据所得到的得分值进行排序选取Top-N之后入库,所有品类都根据以上步骤进行。
接着,在搜索调用步骤S5中,可以有两种策略进行选择:
(1)对应现有的搜索结果,查看每一个商品对应图像的得分值,最后在搜索结果中进行排序并输出;
(2)对于搜索词进行语义分析后,对应到某一品类,取这一个品类Top-N图像对应的商品作为个性化的搜索结果。
根据上述本发明的基于商品图像特征的个性化搜索方法,通过结合图像的深度语义特征,根据用户的浏览行为,进行个性化搜索,从而能够增加用户在多个维度上的体验值。
另外,兴趣权重向量计算方式不同会影响最终的结果,用户浏览周期不同、以及考虑用户对商品购买欲望的衰减不同,也会影响最终的结果。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于商品图像特征的个性化搜索装置,其包括:
特征提取模块,其利用神经网络模型,按品类提取图像的抽象语义特征向量;
品类图像计算模块,其接收从所述特征提取模块推送来的图像的抽象语义特征向量,对于每一维度的抽象语义特征向量分别计算在该维度下的均值与方差,并且按照每一维度做归一化处理;
用户浏览行为权重计算模块,其对用户浏览的所有对应的图像按品类提取相应归一化的所述抽象语义特征向量进行求和,得到该用户在各个品类下的兴趣权重向量;
排序模块,其根据从所述用户浏览行为权重计算模块推送来的每个用户在某一品类下的所述兴趣权重向量,对该品类下用户没有观看的图像对应的特征向量做内积,得到用户没有观看的每一张图像对应的得分值,然后根据所得到的得分值进行排序,选取得分值高的规定张图像之后入库;
搜索调用模块,其根据所述排序模块的排序值结果,进行个性化的搜索。
2.根据权利要求1所述基于商品图像特征的个性化搜索装置,其特征在于,
所述搜索调用模块对应现有的搜索结果,查看每一个商品对应图像的得分值,最后在搜索结果中进行排序并输出。
3.根据权利要求1所述基于商品图像特征的个性化搜索装置,其特征在于,
所述搜索调用模块在对用户的搜索词进行语义分析后,将其对应到某一品类,取这一个品类得分值高的规定张图像对应的商品作为个性化的搜索结果。
4.根据权利要求1~3的任一项所述基于商品图像特征的个性化搜索装置,其特征在于,
在设所述均值为μi,所述方差为σi时,所述归一化处理的结果为
5.根据权利要求1~3的任一项所述基于商品图像特征的个性化搜索装置,其特征在于,
在所述用户浏览行为权重计算模块中,对浏览行为进行去重处理。
6.一种基于商品图像特征的个性化搜索方法,其包括:
特征提取步骤,利用神经网络模型,按品类提取图像的抽象语义特征向量;
品类图像计算步骤,对于每一维度的所述抽象语义特征向量分别计算在该维度下的均值与方差,并且按照每一维度做归一化处理;
用户浏览行为权重计算步骤,其对用户浏览的所有对应的图像按品类提取相应归一化的所述抽象语义特征向量进行求和,得到该用户在各个品类下的兴趣权重向量;
排序步骤,根据每个用户在某一品类下的所述兴趣权重向量,对该品类下用户没有观看的图像对应的特征向量做内积,得到用户没有观看的每一张图像对应的得分值,然后根据所得到的得分值进行排序,选取得分值高的规定张图像之后入库;
搜索调用步骤,根据所述排序步骤的排序值结果,进行个性化的搜索。
7.根据权利要求6所述基于商品图像特征的个性化搜索装置,其特征在于,
在所述搜索调用步骤中,对应现有的搜索结果,查看每一个商品对应图像的得分值,最后在搜索结果中进行排序并输出。
8.根据权利要求6所述基于商品图像特征的个性化搜索装置,其特征在于,
在所述搜索调用步骤中,在对用户的搜索词进行语义分析后,将其对应到某一品类,取这一个品类得分值高的规定张图像对应的商品作为个性化的搜索结果。
9.根据权利要求6~8的任一项所述基于商品图像特征的个性化搜索装置,其特征在于,
在设所述均值为μi,所述方差为σi时,所述归一化处理的结果为
10.根据权利要求6~8的任一项所述基于商品图像特征的个性化搜索装置,其特征在于,
在所述用户浏览行为权重计算步骤中,对浏览行为进行去重处理。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510303163.1A CN104881798A (zh) | 2015-06-05 | 2015-06-05 | 基于商品图像特征的个性化搜索装置及方法 |
HK15112534.1A HK1212074A1 (zh) | 2015-06-05 | 2015-12-18 | 基於商品圖像特徵的個性化搜索裝置及方法 |
RU2017142112A RU2697739C2 (ru) | 2015-06-05 | 2016-04-12 | Устройство и способ персонализированного поиска на основе признаков изображения продукта |
JP2017563190A JP6494804B2 (ja) | 2015-06-05 | 2016-04-12 | 商品画像特徴に基づく個性化捜索装置および方法 |
US15/579,392 US20180357258A1 (en) | 2015-06-05 | 2016-04-12 | Personalized search device and method based on product image features |
PCT/CN2016/079042 WO2016192465A1 (zh) | 2015-06-05 | 2016-04-12 | 基于商品图像特征的个性化搜索装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510303163.1A CN104881798A (zh) | 2015-06-05 | 2015-06-05 | 基于商品图像特征的个性化搜索装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104881798A true CN104881798A (zh) | 2015-09-02 |
Family
ID=53949284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510303163.1A Pending CN104881798A (zh) | 2015-06-05 | 2015-06-05 | 基于商品图像特征的个性化搜索装置及方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20180357258A1 (zh) |
JP (1) | JP6494804B2 (zh) |
CN (1) | CN104881798A (zh) |
HK (1) | HK1212074A1 (zh) |
RU (1) | RU2697739C2 (zh) |
WO (1) | WO2016192465A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016192465A1 (zh) * | 2015-06-05 | 2016-12-08 | 北京京东尚科信息技术有限公司 | 基于商品图像特征的个性化搜索装置及方法 |
CN107577682A (zh) * | 2016-07-05 | 2018-01-12 | 上海交通大学 | 基于社交图片的用户兴趣挖掘和用户推荐方法及*** |
CN108182621A (zh) * | 2017-12-07 | 2018-06-19 | 合肥美的智能科技有限公司 | 商品推荐方法及商品推荐装置、设备和存储介质 |
CN108615177A (zh) * | 2018-04-09 | 2018-10-02 | 武汉理工大学 | 基于加权提取兴趣度的电子终端个性化推荐方法 |
CN108665064A (zh) * | 2017-03-31 | 2018-10-16 | 阿里巴巴集团控股有限公司 | 神经网络模型训练、对象推荐方法及装置 |
CN108683734A (zh) * | 2018-05-15 | 2018-10-19 | 广州虎牙信息科技有限公司 | 品类推送方法、装置及存储设备、计算机设备 |
WO2020156171A1 (zh) * | 2019-01-29 | 2020-08-06 | 广州市百果园信息技术有限公司 | 视频发布方法、装置、设备和存储介质 |
CN111901638A (zh) * | 2019-05-06 | 2020-11-06 | 苹果公司 | 媒体资产的行为策展 |
US12038964B2 (en) | 2023-02-09 | 2024-07-16 | Apple Inc. | Behavioral curation of media assets |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018145577A1 (zh) * | 2017-02-08 | 2018-08-16 | 腾讯科技(深圳)有限公司 | 表情推荐方法和装置 |
CN108287857B (zh) * | 2017-02-13 | 2021-02-26 | 腾讯科技(深圳)有限公司 | 表情图片推荐方法及装置 |
US11538083B2 (en) * | 2018-05-17 | 2022-12-27 | International Business Machines Corporation | Cognitive fashion product recommendation system, computer program product, and method |
US11120070B2 (en) * | 2018-05-21 | 2021-09-14 | Microsoft Technology Licensing, Llc | System and method for attribute-based visual search over a computer communication network |
CN111435514B (zh) * | 2019-01-15 | 2024-04-09 | 北京京东尚科信息技术有限公司 | 特征计算方法和装置、排序方法和设备、存储介质 |
US11200445B2 (en) | 2020-01-22 | 2021-12-14 | Home Depot Product Authority, Llc | Determining visually similar products |
CN111353540B (zh) * | 2020-02-28 | 2023-07-18 | 创新奇智(青岛)科技有限公司 | 商品类别识别方法及装置、电子设备、存储介质 |
CN112000756A (zh) * | 2020-08-21 | 2020-11-27 | 上海商汤智能科技有限公司 | 轨迹预测的方法、装置、电子设备及存储介质 |
CN113420142A (zh) * | 2021-05-08 | 2021-09-21 | 广东恒宇信息科技有限公司 | 一种个性化自动文摘算法 |
US20220383037A1 (en) * | 2021-05-27 | 2022-12-01 | Adobe Inc. | Extracting attributes from arbitrary digital images utilizing a multi-attribute contrastive classification neural network |
CN113869178B (zh) * | 2021-09-18 | 2022-07-15 | 合肥工业大学 | 一种基于时空维度的特征提取***、视频质量评价*** |
CN115080865B (zh) * | 2022-08-19 | 2022-11-04 | 山东智豆数字科技有限公司 | 基于多维数据分析的电商数据运营管理*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855245A (zh) * | 2011-06-28 | 2013-01-02 | 北京百度网讯科技有限公司 | 一种用于确定图片相似度的方法与设备 |
CN103049446A (zh) * | 2011-10-13 | 2013-04-17 | ***通信集团公司 | 一种图像检索方法及装置 |
CN104408405A (zh) * | 2014-11-03 | 2015-03-11 | 北京畅景立达软件技术有限公司 | 人脸表示和相似度计算方法 |
CN104504055A (zh) * | 2014-12-19 | 2015-04-08 | 常州飞寻视讯信息科技有限公司 | 基于图像相似度的商品相似计算方法及商品推荐*** |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5899999A (en) * | 1996-10-16 | 1999-05-04 | Microsoft Corporation | Iterative convolution filter particularly suited for use in an image classification and retrieval system |
JP2002189753A (ja) * | 2000-12-22 | 2002-07-05 | Minolta Co Ltd | 画像管理装置、画像管理方法および画像管理プログラムを記録したコンピュータ読取可能な記録媒体 |
US7664735B2 (en) * | 2004-04-30 | 2010-02-16 | Microsoft Corporation | Method and system for ranking documents of a search result to improve diversity and information richness |
US20060074883A1 (en) * | 2004-10-05 | 2006-04-06 | Microsoft Corporation | Systems, methods, and interfaces for providing personalized search and information access |
US8165406B2 (en) * | 2007-12-12 | 2012-04-24 | Microsoft Corp. | Interactive concept learning in image search |
US20090313239A1 (en) * | 2008-06-16 | 2009-12-17 | Microsoft Corporation | Adaptive Visual Similarity for Text-Based Image Search Results Re-ranking |
US8972410B2 (en) * | 2008-07-30 | 2015-03-03 | Hewlett-Packard Development Company, L.P. | Identifying related objects in a computer database |
RU2420800C2 (ru) * | 2009-06-30 | 2011-06-10 | Государственное образовательное учреждение высшего профессионального образования Академия Федеральной службы охраны Российской Федерации (Академия ФСО России) | Способ поиска похожих по смысловому содержимому электронных документов, размещенных на устройствах хранения данных |
US20110047163A1 (en) * | 2009-08-24 | 2011-02-24 | Google Inc. | Relevance-Based Image Selection |
EP2507743A2 (en) * | 2009-12-02 | 2012-10-10 | QUALCOMM Incorporated | Fast subspace projection of descriptor patches for image recognition |
JP2012164026A (ja) * | 2011-02-03 | 2012-08-30 | Nippon Soken Inc | 画像認識装置及び車両用表示装置 |
JP5214760B2 (ja) * | 2011-03-23 | 2013-06-19 | 株式会社東芝 | 学習装置、方法及びプログラム |
US8977629B2 (en) * | 2011-05-24 | 2015-03-10 | Ebay Inc. | Image-based popularity prediction |
JP2013214230A (ja) * | 2012-04-03 | 2013-10-17 | Denso It Laboratory Inc | 運転支援装置、運転支援方法及びコンピュータプログラム |
US9230266B2 (en) * | 2012-10-23 | 2016-01-05 | Adamatic Inc. | Systems and methods for generating customized advertisements |
JP6113018B2 (ja) * | 2013-08-01 | 2017-04-12 | セコム株式会社 | 対象検出装置 |
CN103544216B (zh) * | 2013-09-23 | 2017-06-06 | Tcl集团股份有限公司 | 一种结合图像内容和关键字的信息推荐方法及*** |
KR102120864B1 (ko) * | 2013-11-06 | 2020-06-10 | 삼성전자주식회사 | 영상 처리 방법 및 장치 |
CN103544316B (zh) * | 2013-11-06 | 2017-02-08 | 苏州大拿信息技术有限公司 | Url过滤的***及其实现方法 |
JP2015094973A (ja) * | 2013-11-08 | 2015-05-18 | 株式会社リコー | 画像処理装置、画像処理方法、画像処理プログラム、及び記録媒体 |
US20150356199A1 (en) * | 2014-06-06 | 2015-12-10 | Microsoft Corporation | Click-through-based cross-view learning for internet searches |
CN104317834B (zh) * | 2014-10-10 | 2017-09-29 | 浙江大学 | 一种基于深度神经网络的跨媒体排序方法 |
CN104881798A (zh) * | 2015-06-05 | 2015-09-02 | 北京京东尚科信息技术有限公司 | 基于商品图像特征的个性化搜索装置及方法 |
-
2015
- 2015-06-05 CN CN201510303163.1A patent/CN104881798A/zh active Pending
- 2015-12-18 HK HK15112534.1A patent/HK1212074A1/zh unknown
-
2016
- 2016-04-12 WO PCT/CN2016/079042 patent/WO2016192465A1/zh active Application Filing
- 2016-04-12 JP JP2017563190A patent/JP6494804B2/ja active Active
- 2016-04-12 RU RU2017142112A patent/RU2697739C2/ru active
- 2016-04-12 US US15/579,392 patent/US20180357258A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855245A (zh) * | 2011-06-28 | 2013-01-02 | 北京百度网讯科技有限公司 | 一种用于确定图片相似度的方法与设备 |
CN103049446A (zh) * | 2011-10-13 | 2013-04-17 | ***通信集团公司 | 一种图像检索方法及装置 |
CN104408405A (zh) * | 2014-11-03 | 2015-03-11 | 北京畅景立达软件技术有限公司 | 人脸表示和相似度计算方法 |
CN104504055A (zh) * | 2014-12-19 | 2015-04-08 | 常州飞寻视讯信息科技有限公司 | 基于图像相似度的商品相似计算方法及商品推荐*** |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016192465A1 (zh) * | 2015-06-05 | 2016-12-08 | 北京京东尚科信息技术有限公司 | 基于商品图像特征的个性化搜索装置及方法 |
CN107577682B (zh) * | 2016-07-05 | 2021-06-29 | 上海交通大学 | 基于社交图片的用户兴趣挖掘和用户推荐方法及*** |
CN107577682A (zh) * | 2016-07-05 | 2018-01-12 | 上海交通大学 | 基于社交图片的用户兴趣挖掘和用户推荐方法及*** |
CN108665064A (zh) * | 2017-03-31 | 2018-10-16 | 阿里巴巴集团控股有限公司 | 神经网络模型训练、对象推荐方法及装置 |
CN108665064B (zh) * | 2017-03-31 | 2021-12-14 | 创新先进技术有限公司 | 神经网络模型训练、对象推荐方法及装置 |
CN108182621A (zh) * | 2017-12-07 | 2018-06-19 | 合肥美的智能科技有限公司 | 商品推荐方法及商品推荐装置、设备和存储介质 |
CN108615177A (zh) * | 2018-04-09 | 2018-10-02 | 武汉理工大学 | 基于加权提取兴趣度的电子终端个性化推荐方法 |
CN108615177B (zh) * | 2018-04-09 | 2021-09-03 | 武汉理工大学 | 基于加权提取兴趣度的电子终端个性化推荐方法 |
CN108683734B (zh) * | 2018-05-15 | 2021-04-09 | 广州虎牙信息科技有限公司 | 品类推送方法、装置及存储设备、计算机设备 |
CN108683734A (zh) * | 2018-05-15 | 2018-10-19 | 广州虎牙信息科技有限公司 | 品类推送方法、装置及存储设备、计算机设备 |
WO2020156171A1 (zh) * | 2019-01-29 | 2020-08-06 | 广州市百果园信息技术有限公司 | 视频发布方法、装置、设备和存储介质 |
CN111901638A (zh) * | 2019-05-06 | 2020-11-06 | 苹果公司 | 媒体资产的行为策展 |
CN111901638B (zh) * | 2019-05-06 | 2023-02-21 | 苹果公司 | 媒体资产的行为策展 |
US11604818B2 (en) | 2019-05-06 | 2023-03-14 | Apple Inc. | Behavioral curation of media assets |
US12038964B2 (en) | 2023-02-09 | 2024-07-16 | Apple Inc. | Behavioral curation of media assets |
Also Published As
Publication number | Publication date |
---|---|
WO2016192465A1 (zh) | 2016-12-08 |
JP2018522339A (ja) | 2018-08-09 |
RU2697739C2 (ru) | 2019-08-19 |
HK1212074A1 (zh) | 2016-06-03 |
RU2017142112A3 (zh) | 2019-06-04 |
US20180357258A1 (en) | 2018-12-13 |
JP6494804B2 (ja) | 2019-04-03 |
RU2017142112A (ru) | 2019-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104881798A (zh) | 基于商品图像特征的个性化搜索装置及方法 | |
CN105701191B (zh) | 一种推送信息点击率估计方法和装置 | |
CN107944035B (zh) | 一种融合视觉特征和用户评分的图像推荐方法 | |
CN110147483B (zh) | 一种标题重建方法及装置 | |
CN110674407B (zh) | 基于图卷积神经网络的混合推荐方法 | |
CN101281540B (zh) | 用于处理信息的设备、方法和计算机程序 | |
CN105930402A (zh) | 基于卷积神经网络的视频检索方法及*** | |
CN106960001B (zh) | 一种检索词的实体链接方法及*** | |
CN107609152A (zh) | 用于扩展查询式的方法和装置 | |
CN104994424B (zh) | 一种构建音视频标准数据集的方法和装置 | |
CN110458641A (zh) | 一种电商推荐方法及*** | |
CN109299258A (zh) | 一种舆情事件检测方法、装置及设备 | |
CN105022754A (zh) | 基于社交网络的对象分类方法及装置 | |
CN105843796A (zh) | 一种微博情感倾向分析方法及装置 | |
CN112948575B (zh) | 文本数据处理方法、装置和计算机可读存储介质 | |
CN106686460A (zh) | 一种视频节目推荐方法及视频节目推荐装置 | |
CN107679119A (zh) | 生成品牌衍生词的方法和装置 | |
CN102034116B (zh) | 基于互补特征和类描述的商品图像分类方法 | |
CN104915860A (zh) | 一种商品推荐方法及装置 | |
CN106855883A (zh) | 基于视觉词袋模型的人脸图像检索方法 | |
CN109447273A (zh) | 模型训练方法、广告推荐方法、相关装置、设备及介质 | |
CN110069599A (zh) | 基于近似词的检索方法、装置、设备及可读存储介质 | |
CN108717436B (zh) | 一种基于显著性检测的商品目标快速检索方法 | |
CN103942693B (zh) | 识别杂货铺的方法、装置及搜索店铺的方法、*** | |
CN107665222B (zh) | 关键词的拓展方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1212074 Country of ref document: HK |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150902 |
|
REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1212074 Country of ref document: HK |