CN105512326A - 一种图片推荐的方法及*** - Google Patents

一种图片推荐的方法及*** Download PDF

Info

Publication number
CN105512326A
CN105512326A CN201510979268.9A CN201510979268A CN105512326A CN 105512326 A CN105512326 A CN 105512326A CN 201510979268 A CN201510979268 A CN 201510979268A CN 105512326 A CN105512326 A CN 105512326A
Authority
CN
China
Prior art keywords
picture
user
label
recommendation
data
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.)
Granted
Application number
CN201510979268.9A
Other languages
English (en)
Other versions
CN105512326B (zh
Inventor
李国�
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Pinguo Technology Co Ltd
Original Assignee
Chengdu Pinguo Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Pinguo Technology Co Ltd filed Critical Chengdu Pinguo Technology Co Ltd
Priority to CN201510979268.9A priority Critical patent/CN105512326B/zh
Publication of CN105512326A publication Critical patent/CN105512326A/zh
Application granted granted Critical
Publication of CN105512326B publication Critical patent/CN105512326B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明属于通信技术领域，公开一种图片推荐的方法及***，所述方法包括步骤：获取用户行为数据并取得其对应的标签和权重信息；根据用户的行为数据做相应的聚类找出用户喜好数据；根据用户喜好数据做相应的协同过滤找出用户喜欢的标签；根据用户对不同标签的喜好程度对用户进行聚类，把喜好程度相同的用户放在一起，形成推荐列表；获取发布图片，并提取所述发布图片的标签；将所述发布图片的标签与所述推荐列表进行匹配；将发布图片推荐给匹配成功的推荐列表中的用户。本发明在推荐过程中不仅能够反应用户的喜好，还能够考虑到图片的内容；新图片推荐更及时；推荐内容更可控。

Description

一种图片推荐的方法及***
技术领域
本发明属于通信技术领域，特别是涉及一种图片推荐的方法及***。
背景技术
社交网络已融人们的生活，人们在社交网络中分享和获取的数据越来多，交流过程中产生的图片也越来越多。怎样让人们尽可能快的获取自己感兴趣并且是高质量的图片，需要图片推荐***来完成。
目前世面上很多图片推荐***，但目前所有的图片推荐***中所用到的图片推荐方法是基于图片的特征值或是基于用户行为数据做相应的图片推荐处理。
其中，基于图片特征值的图片推荐方法只能基于图片内容实现图片与图片间的相互推荐，而不能反应用户的喜好；基于用户行为数据的图片推荐方法可以根据用户的喜好进行推荐，但是忽略了图片的内容，同时对新图的推荐不够敏感。
发明内容
为了解决上述问题，本发明提出一种图片推荐的方法及***，在推荐过程中不仅能够反应用户的喜好，还能够考虑到图片的内容；新发布图片的推荐更及时；推荐内容更可控。
为达到上述目的，本发明采用的技术方案是：一种图片推荐的方法，所述方法包括用户推荐数据准备和发图推荐；
所述用户推荐数据准备包括步骤：
(1)获取用户行为数据并取得其对应的标签和权重信息；
(2)聚类所述标签和权重信息,找出用户喜好数据；
(3)根据所述用户喜好数据做协同过滤找出用户喜欢的标签；
(4)根据所述用户喜欢的标签按用户对不同标签的喜好程度对用户进行聚类，把喜好程度相同的用户放在一起，形成推荐列表；
所述发图推荐包括步骤：
(5)获取发布图片，并提取所述发布图片的标签；
(6)将所述发布图片的标签与所述推荐列表进行匹配；
(7)将发布图片推荐给匹配成功的推荐列表中的用户。
进一步的是，所述用户的行为数据包括用户在社交网络中的发送图片、点赞图片和评论图片的数据。
进一步的是，步所述骤(1)中,调用***的图片标签服务，以获取所述标签和权重信息。
进一步的是，所述权重信息包括标签权重。
进一步的是，步骤(2)中所述聚类过程为，对各类所述标签权重乘以对应操作的标签权重，再按标签类型求和获得标签权重和，计算出用户对某一标签权重和在用户所有标签权重和中的占比，占比的大小即为用户对某一标签的喜好程度构成用户喜好数据。
进一步的是，所述步骤（3）中，所述协同过滤采用最小二乘法，将所述用户行为数据按照2:8的比例分成测试数据和训练数据，反复训练直到RMSE达到业务要求,存储对应的训练模型，即用户可能感兴趣的标签。
进一步的是，所述步骤（4）中推荐列表的形成过程为，提取出***中预先设置的标签列表，一一调用所述训练模型做相应的用户推荐，满足预设阈值的作为推荐列表存储起来，供图片推荐时使用。
进一步的是，所述步骤（5）中，在用户在发布图片后，调用***的图片标签服务，由标签服务返回所述发布图片的标签。
进一步的是，所述步骤（6）中，先对所述发布图片的标签过滤掉***禁止传播的标签，并从剩余的标签中筛选出质量比较高的权重与预置阈值进行比较，满足预置阈值则视为匹配成功。
另一方面，本发明还提供了一种图片推荐的***,包括用户推荐数据准备模块和发图推荐模块；
其中，所述用户推荐数据准备模块包括数据获取模块、聚类模块、过滤提取模块和推荐列表形成模块；所述数据获取模块，用于获取用户行为数据，并取得对应的标签和权重信息；所述聚类模块，根据用户的行为数据做相应的聚类找出用户喜好数据；所述过滤提取模块，根据用户喜好数据做相应的协同过滤找出用户喜欢的标签；所述推荐列表形成模块，按用户对不同标签的喜好程度对用户进行聚类，把同一喜好的用户放在一起，形成推荐列表；
其中，所述发图推荐模块包括图片获取模块、匹配模块和推荐模块；所述图片获取模块，获取发布图片，并提取所述发布图片的标签；所述匹配模块，将所述发布图片的标签与所述推荐列表进行匹配；所述推荐模块，将发布图片推荐给匹配成功的推荐用户列表中的用户。
采用本技术方案的有益效果：
本发明所提出的一种图片推荐的方法，采用对图片打标签的方式，同时根据用户对图片的操作行为聚类出用户喜欢的标签，根据用户间的行为操作挖掘出用户感兴趣的标签，在图片标签和用户喜欢或者感兴趣的标签之间做推荐；减少了推荐的计算量；能够根据用户的喜好进行图片推荐；能够及时推荐新发布图片；推荐内容更可控；本发明所提出一种图片推荐的***，能够配合本发明所提出的方法实现该方法的应用。
附图说明
图1为本发明的一种图片推荐的方法的流程图；
图2为本发明的一种图片推荐的***的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步阐述。
在本实施例中，参见图1所示，提出一种图片推荐的方法，所述方法包括用户推荐数据准备和发图推荐。
所述用户推荐数据准备包括步骤：
(1)获取用户行为数据并取得其对应的标签和权重信息。
其中，所述用户的行为数据包括用户在社交网络中的发送图片、点赞图片和评论图片的数据。
所述步骤(1)中,调用***的图片标签服务，以获取所述标签和权重信息。
图片标签服务是图片识别***，把用户的图片转换成灰度图，再将灰度图转换成相应的特征向量；将图片的特征向量给图片识别***，由识别***识别出图片中存在的内容和相应的权重。
例如：（{"美食小吃":0.919932,"咖啡店":0.18527,"餐厅":0.0636878,"店食品店":0.0944088,"食品店":0.196694}）。
其中，所述权重信息包括标签权重。
(2)聚类所述标签和权重信息,找出用户喜好数据。
所述步骤(2)中所述聚类过程为，对各类所述标签权重乘以对应操作的标签权重，再按标签类型求和获得标签权重和；计算出用户对某一标签权重和在用户所有标签权重和中的占比，占比的大小即为用户对某一标签的喜好程度构成用户喜好数据。
用公式表示如下：
其中i为某一类标签，j为标签出现的次数，k为操作的类型，a为标签在操作行为中对应的标签权重，p为对应类型的标签权重,为具体某一类标签的标签权重。
实施例中，得出的数据结构是：
U代表用户，T代表标签，（U1，T1，0.5）表示用户1对标签1的权重是0.5,权重即用户对某一标签的喜好程度。
(3)根据用户喜好数据做协同过滤找出用户喜欢的标签。
所述步骤（3）中，所述协同过滤采用最小二乘法，将所述用户喜好数据按照2:8的比例分成测试数据和训练数据，反复训练直到RMSE达到业务要求,存储对应的训练模型，所述训练模型即用户喜欢的标签。
实施例中，前一步骤中的U1，U2，U3用户对T1的比较喜欢，我们可以认为他们的喜好类似，同时U1，U2用户对T3也有比较高的喜欢程度，我们就可以把T3推荐给U3。T3推荐给U3是选取若干喜好类似的用户并根据他们的喜好计算出对各个标签的综合得分，再以得分来推荐标签，用户可能感兴趣的标签为（U3，T3，0.6)。
(4)根据所述用户喜欢的标签按用户对不同标签的喜好程度对用户进行聚类，把喜好程度相同的用户放在一起，形成推荐列表。
所述步骤（4）中推荐列表的形成过程为，提取出***中预先设置的标签列表，一一调用所述训练模型做相应的用户推荐，满足预设阈值的作为推荐列表存储起来，供图片推荐时使用。
在实施例中，前一步骤可以计算出用户对各个标签的喜欢程度和给用户推荐标签的得分，按照同一标签和喜好程度在某个值之上的用户聚合到一起；若将阈值设为0.35，T1标签喜欢的用户就有U1、U2和U3，将这三个用户放在一起，形成推荐列表。
所述发图推荐包括步骤：
(5)获取发布图片，并提取所述发布图片的标签。
所述步骤（5）中，在用户在发布图片后，调用***的图片标签服务，由标签服务返回所述发布图片的标签。
(6)将所述发布图片的标签与所述推荐列表进行匹配。
所述步骤（6）中，在对所述发布图片的标签过滤掉***禁止传播的标签，并从剩余的标签中筛选出质量比较高的权重与预置阈值进行比较，满足预置阈值则视为匹配成功。
(7)将发布图片推荐给匹配成功的推荐列表中的用户。
推荐图片的质量高低可控，我们可以让一张图片标签的权重达到0.5就推荐，也可以让一张图片的标签的权重达到0.9才推荐；如果某些图片不适合传播我们也可以禁止这类标签的推荐。
对于新发布的图片我们不需要用户对这张图片有操作行为才能推荐，只要新发布图片的标签在我们推荐列表里面有就可以了，比如说用户U1喜欢美食是因为他之前浏览和点赞了一些与吃相关的图片，但是从来没有看过水煮鱼的图片，水煮鱼图片在***中也从来没有发过，如果用户U20发了一张水煮鱼的图片,***同样会推荐给U1用户。
为配合本发明方法的实现，基于相同的发明构思，参见图2所示，本发明还提供了一种图片推荐的***,包括用户推荐数据准备模块和发图推荐模块；
其中，所述用户推荐数据准备模块包括数据获取模块、聚类模块、过滤提取模块和推荐列表形成模块；所述数据获取模块，用于获取用户行为数据，并取得对应的标签和权重信息；所述聚类模块，根据用户的行为数据做相应的聚类找出用户喜好数据；所述过滤提取模块，根据用户喜好数据做相应的协同过滤找出用户喜欢的标签；所述推荐列表形成模块，按用户对不同标签的喜好程度对用户进行聚类，把同一喜好的用户放在一起，形成推荐列表；
其中，所述发图推荐模块包括图片获取模块、匹配模块和推荐模块；所述图片获取模块，获取发布图片，并提取所述发布图片的标签；所述匹配模块，将所述发布图片的标签与所述推荐列表进行匹配；所述推荐模块，将发布图片推荐给匹配成功的推荐用户列表中的用户。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本实发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种图片推荐的方法，其特征在于，所述方法包括用户推荐数据准备和发图推荐；
所述用户推荐数据准备包括步骤：
(1)获取用户行为数据并取得其对应的标签和权重信息；
(2)聚类所述标签和权重信息,找出用户喜好数据；
(3)根据所述用户喜好数据做协同过滤找出用户喜欢的标签；
(4)根据所述用户喜欢的标签按用户对不同标签的喜好程度对用户进行聚类，把喜好程度相同的用户放在一起形成推荐列表；
所述发图推荐包括步骤：
(5)获取发布图片，并提取所述发布图片的标签；
(6)将所述发布图片的标签与所述推荐列表进行匹配；
(7)将发布图片推荐给匹配成功的推荐列表中的用户。
2.根据权利要求1所述的一种图片推荐的方法,其特征在于，所述用户的行为数据包括用户在社交网络中的发送图片、点赞图片和评论图片的数据。
3.根据权利要求2所述的一种图片推荐的方法，其特征在于，所述步骤(1)中,调用***的图片标签服务以获取所述标签和权重信息。
4.根据权利要求3所述的一种图片推荐的方法，其特征在于，所述权重信息包括标签权重。
5.根据权利要求4所述的一种图片推荐的方法，其特征在于，步骤(2)中所述聚类过程为，对各类所述标签权重乘以对应操作的标签权重，再按标签类型求和获得标签权重和，计算出用户对某一标签权重和在用户所有标签权重和中的占比，占比的大小即为用户对某一标签的喜好程度构成用户喜好数据。
6.根据权利要求5所述的一种图片推荐的方法，其特征在于，步骤（3）中，所述协同过滤采用最小二乘法，将所述用户喜好数据按照2:8的比例分成测试数据和训练数据，反复训练直到RMSE达到业务要求,存储对应的训练模型，所述训练模型即用户喜欢的标签。
7.根据权利要求6所述的一种图片推荐的方法，其特征在于，所述步骤（4）中推荐列表的形成过程为，提取***中预先设置的标签列表，一一调用所述训练模型做相应的用户推荐，满足预设阈值的作为推荐列表存储起来，供图片推荐时使用。
8.根据权利要求1所述的一种图片推荐的方法，其特征在于，所述步骤（5）中，在用户在发布图片后，调用***的图片标签服务，由标签服务返回所述发布图片的标签。
9.根据权利要求8所述的一种图片推荐的方法，其特征在于，所述步骤（6）中，先对所述发布图片的标签过滤掉***禁止传播的标签，并从剩余的标签中筛选出质量比较高的权重与预置阈值进行比较，满足预置阈值则视为匹配成功。
10.一种图片推荐的***,其特征在于,包括用户推荐数据准备模块和发图推荐模块；
其中，所述用户推荐数据准备模块包括数据获取模块、聚类模块、过滤提取模块和推荐列表形成模块；
所述数据获取模块，用于获取用户行为数据，并取得对应的标签和权重信息；
所述聚类模块，根据用户的行为数据做相应的聚类找出用户喜好数据；
所述过滤提取模块，根据用户喜好数据做相应的协同过滤找出用户喜欢的标签；
所述推荐列表形成模块，根据用户对不同标签的喜好程度对用户进行聚类，把喜好程度相同的用户放在一起，形成推荐列表；
其中，所述发图推荐模块包括图片获取模块、匹配模块和推荐模块；
所述图片获取模块，获取发布图片，并提取所述发布图片的标签；
所述匹配模块，将所述发布图片的标签与所述推荐列表进行匹配；
所述推荐模块，将发布图片推荐给匹配成功的推荐列表中的用户。
CN201510979268.9A 2015-12-23 2015-12-23 一种图片推荐的方法及*** Active CN105512326B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510979268.9A CN105512326B (zh) 2015-12-23 2015-12-23 一种图片推荐的方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510979268.9A CN105512326B (zh) 2015-12-23 2015-12-23 一种图片推荐的方法及***

Publications (2)

Publication Number Publication Date
CN105512326A true CN105512326A (zh) 2016-04-20
CN105512326B CN105512326B (zh) 2019-03-22

Family

ID=55720306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510979268.9A Active CN105512326B (zh) 2015-12-23 2015-12-23 一种图片推荐的方法及***

Country Status (1)

Country Link
CN (1) CN105512326B (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106339502A (zh) * 2016-09-18 2017-01-18 电子科技大学 一种基于用户行为数据分片聚类的建模推荐方法
CN106354860A (zh) * 2016-09-06 2017-01-25 中国传媒大学 基于标签集的信息资源自动贴标签并自动推送的方法
CN106354858A (zh) * 2016-09-06 2017-01-25 中国传媒大学 一种基于标签聚类的信息资源推荐方法
WO2018036272A1 (zh) * 2016-08-22 2018-03-01 上海壹账通金融科技有限公司 新闻内容的推送方法、电子装置及计算机可读存储介质
CN107944124A (zh) * 2017-11-20 2018-04-20 上海得见计算机科技有限公司 基于用户兴趣偏好的室内设计方法及***
CN108062377A (zh) * 2017-12-12 2018-05-22 百度在线网络技术（北京）有限公司 标签图片集的建立、标签的确定方法、装置、设备及介质
CN108319723A (zh) * 2018-02-27 2018-07-24 百度在线网络技术（北京）有限公司 一种图片分享方法和装置、终端、存储介质
CN108389623A (zh) * 2018-01-30 2018-08-10 重庆云日创心教育科技有限公司 基于历史发布图片的心理健康测评方法及测评***
CN108984657A (zh) * 2018-06-28 2018-12-11 Oppo广东移动通信有限公司 图像推荐方法和装置、终端、可读存储介质
CN109213852A (zh) * 2018-07-13 2019-01-15 北京第二外国语学院 一种旅游目的地图片推荐方法
CN109325170A (zh) * 2018-08-06 2019-02-12 江西清华泰豪三波电机有限公司 素材推送方法及装置
CN109388760A (zh) * 2017-08-03 2019-02-26 腾讯科技（北京）有限公司 推荐标签获取方法、媒体内容推荐方法、装置及存储介质
CN109635155A (zh) * 2018-12-17 2019-04-16 杭州柚子街信息科技有限公司 为用户推送视频的方法、装置、电子设备及存储介质
CN109788331A (zh) * 2018-11-30 2019-05-21 新视家科技(北京)有限公司 海报展示方法及其装置、电子设备、计算机可读介质
CN110866086A (zh) * 2018-12-29 2020-03-06 北京安妮全版权科技发展有限公司 一种文章配图***
CN111125495A (zh) * 2019-12-19 2020-05-08 京东方科技集团股份有限公司 一种信息推荐方法、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090037355A1 (en) * 2004-12-29 2009-02-05 Scott Brave Method and Apparatus for Context-Based Content Recommendation
CN103995839A (zh) * 2014-04-30 2014-08-20 兴天通讯技术（天津）有限公司 基于协同过滤的商品推荐优化方法和***
CN104090929A (zh) * 2014-06-23 2014-10-08 吕志雪 一种个性化图片推荐方法及装置
CN104123321A (zh) * 2013-04-28 2014-10-29 百度在线网络技术（北京）有限公司 一种确定推荐图片的方法及装置
CN105045818A (zh) * 2015-06-26 2015-11-11 腾讯科技（深圳）有限公司 一种图片的推荐方法、装置和***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090037355A1 (en) * 2004-12-29 2009-02-05 Scott Brave Method and Apparatus for Context-Based Content Recommendation
CN104123321A (zh) * 2013-04-28 2014-10-29 百度在线网络技术（北京）有限公司 一种确定推荐图片的方法及装置
CN103995839A (zh) * 2014-04-30 2014-08-20 兴天通讯技术（天津）有限公司 基于协同过滤的商品推荐优化方法和***
CN104090929A (zh) * 2014-06-23 2014-10-08 吕志雪 一种个性化图片推荐方法及装置
CN105045818A (zh) * 2015-06-26 2015-11-11 腾讯科技（深圳）有限公司 一种图片的推荐方法、装置和***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KYUNG-YONG JUNG: "Content-Based Image Filtering for Recommendation", 《ISMIS 2006:FOUNDATIONS OF INTELLIGENT SYSTEMS》 *
朱杰: "基于标签和协同过滤的图片推荐***", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018036272A1 (zh) * 2016-08-22 2018-03-01 上海壹账通金融科技有限公司 新闻内容的推送方法、电子装置及计算机可读存储介质
CN106354860A (zh) * 2016-09-06 2017-01-25 中国传媒大学 基于标签集的信息资源自动贴标签并自动推送的方法
CN106354858A (zh) * 2016-09-06 2017-01-25 中国传媒大学 一种基于标签聚类的信息资源推荐方法
CN106339502A (zh) * 2016-09-18 2017-01-18 电子科技大学 一种基于用户行为数据分片聚类的建模推荐方法
CN109388760B (zh) * 2017-08-03 2023-04-07 腾讯科技（北京）有限公司 推荐标签获取方法、媒体内容推荐方法、装置及存储介质
CN109388760A (zh) * 2017-08-03 2019-02-26 腾讯科技（北京）有限公司 推荐标签获取方法、媒体内容推荐方法、装置及存储介质
CN107944124A (zh) * 2017-11-20 2018-04-20 上海得见计算机科技有限公司 基于用户兴趣偏好的室内设计方法及***
CN107944124B (zh) * 2017-11-20 2021-07-30 上海得见计算机科技有限公司 基于用户兴趣偏好的室内设计方法及***
CN108062377A (zh) * 2017-12-12 2018-05-22 百度在线网络技术（北京）有限公司 标签图片集的建立、标签的确定方法、装置、设备及介质
CN108389623A (zh) * 2018-01-30 2018-08-10 重庆云日创心教育科技有限公司 基于历史发布图片的心理健康测评方法及测评***
CN108319723A (zh) * 2018-02-27 2018-07-24 百度在线网络技术（北京）有限公司 一种图片分享方法和装置、终端、存储介质
CN108319723B (zh) * 2018-02-27 2021-06-01 百度在线网络技术（北京）有限公司 一种图片分享方法和装置、终端、存储介质
CN108984657A (zh) * 2018-06-28 2018-12-11 Oppo广东移动通信有限公司 图像推荐方法和装置、终端、可读存储介质
CN108984657B (zh) * 2018-06-28 2020-12-01 Oppo广东移动通信有限公司 图像推荐方法和装置、终端、可读存储介质
CN109213852A (zh) * 2018-07-13 2019-01-15 北京第二外国语学院 一种旅游目的地图片推荐方法
CN109213852B (zh) * 2018-07-13 2021-10-22 北京第二外国语学院 一种旅游目的地图片推荐方法
CN109325170A (zh) * 2018-08-06 2019-02-12 江西清华泰豪三波电机有限公司 素材推送方法及装置
CN109788331A (zh) * 2018-11-30 2019-05-21 新视家科技(北京)有限公司 海报展示方法及其装置、电子设备、计算机可读介质
CN109635155A (zh) * 2018-12-17 2019-04-16 杭州柚子街信息科技有限公司 为用户推送视频的方法、装置、电子设备及存储介质
CN110866086A (zh) * 2018-12-29 2020-03-06 北京安妮全版权科技发展有限公司 一种文章配图***
CN111125495A (zh) * 2019-12-19 2020-05-08 京东方科技集团股份有限公司 一种信息推荐方法、设备及存储介质

Also Published As

Publication number Publication date
CN105512326B (zh) 2019-03-22

Similar Documents

Publication Publication Date Title
CN105512326A (zh) 一种图片推荐的方法及***
US11947588B2 (en) System and method for predictive curation, production infrastructure, and personal content assistant
US11804028B2 (en) Systems and methods for automating benchmark generation using neural networks for image or video selection
CN107710197B (zh) 在通信网络上共享图像和图像相册
US10402917B2 (en) Color-related social networking recommendations using affiliated colors
US10368132B2 (en) Recommendation system to enhance video content recommendation
CN104750737B (zh) 一种相册管理方法及装置
CN106202316A (zh) 基于视频的商品信息获取方法及装置
CN106202317A (zh) 基于视频的商品推荐方法及装置
CN105224775B (zh) 基于图片处理来对衣服进行搭配的方法和装置
JP2017517830A (ja) ソーシャルネットワーク情報ストリームの表示方法、装置、サーバ、プログラム及び記録媒体
CN109635680A (zh) 多任务属性识别方法、装置、电子设备及存储介质
US20220207274A1 (en) Client Based Image Analysis
CN103077179A (zh) 用于显示社交网络的用户的个人时间线的计算机实现方法，计算机***及其计算机可读介质
CN102902744A (zh) 一种图书推荐方法
US11915469B2 (en) Systems and methods for managing computer memory for scoring images or videos using selective web crawling
US11087182B1 (en) Image processing including streaming image output
CN107169002A (zh) 一种基于脸识别的个性化界面推送方法及装置
Lee Changes in marketing brought by AI
CN109919433A (zh) 订单信息生成方法、装置及计算机设备
US10296960B1 (en) Color-based recommendations using product images
JP6129815B2 (ja) 情報処理装置、方法及びプログラム
CN106294779A (zh) 一种个人品牌标签生成方法及***
CN102739559A (zh) 网络信息传播方法及***
JP2015079397A (ja) 情報処理装置及び方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: 610041 the 13 floor of No. 1 middle Tianfu Avenue, No. 1268, high-tech zone, Chengdu, Sichuan.

Patentee after: Chengdu PinGuo Digital Entertainment Ltd.

Address before: 3, 13 floor, E zone, Tianfu Software Park, Chengdu hi tech Zone, Sichuan, 610000

Patentee before: Chengdu PinGuo Digital Entertainment Ltd.