CN106469199A - 一种交互式图片推荐方法及*** - Google Patents
一种交互式图片推荐方法及*** Download PDFInfo
- Publication number
- CN106469199A CN106469199A CN201610794916.8A CN201610794916A CN106469199A CN 106469199 A CN106469199 A CN 106469199A CN 201610794916 A CN201610794916 A CN 201610794916A CN 106469199 A CN106469199 A CN 106469199A
- Authority
- CN
- China
- Prior art keywords
- sample
- picture
- server end
- client
- matrix
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明所要解决的技术问题是:提供一种交互式图片推荐方法及***,能够更加精确地获取用户的喜好,从而提高推荐结果的准确度。本发明通过交互的方式获取客户端对服务器端中样本集合的评分,并将对各个样本的评分转换成相应的权重表示对各个样本不同的喜好程度,从而精确地分析出用户的喜好;将样本与服务器端中的图片进行相似度分析并结合用户对各个样本的喜好程度,获得推荐集合,从而提高推荐结果的准确度。
Description
技术领域
本发明涉及信息检索领域,尤其涉及一种交互式图片推荐方法及***。
背景技术
随着信息量的增长和社会生产力的不断提高,人们对事物的选择越来越多,我们常常会遇到在寻找某一类信息的时候无法用准确关键字描述这些信息的情况,此时搜索引擎已经不能满足我们的搜索需求。比如,当用户喜欢一种类型长相的人,要寻找具有相似长相的人,但是很难用准确客观的关键字对长相进行描述,因此搜索变得很困难。
申请号为201510979268.9的专利文献《一种图片推荐的方法及***》通过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。实现了根据用户喜好推荐图片。
上述图片推荐的方法及***是对用户喜好的图片相对应的标签进行聚类分析,但是对于一些抽象的特征很难使用标签进行准确的描述,造成推荐结果不准确。因此,需要一种交互式推荐方法及***,能够更加精确地获取用户的喜好,从而提高推荐结果的准确度。
发明内容
本发明所要解决的技术问题是:提供一种交互式图片推荐方法及***,能够更加精确地获取用户的喜好,从而提高推荐结果的准确度。
为了解决上述技术问题,本发明采用的技术方案为:
本发明提供一种交互式图片推荐方法,包括步骤:
预设样本数;
服务器端获取与所述样本数对应的图片样本,形成图片样本集合并发送给客户端;
客户端对所述图片样本集合进行评分,建立图片样本评分矩阵并发送给服务器端;
服务器端将所述图片样本评分矩阵转换为图片样本权重矩阵;
服务器端提取所述图片样本集合中各个图片样本的特征向量,得到第一特征向量;
服务器端提取数据库中各个图片的特征向量,得到第二特征向量;
服务器端根据所述第一特征向量和所述第二特征向量,计算得到所述图片样本集合中的图片样本与数据库中各个图片的相似度,形成相似度矩阵;
服务器端将所述图片样本权重矩阵与所述相似度矩阵相乘,得到推荐强度矩阵;
服务器端根据所述推荐强度矩阵,获得推荐集合并发送给客户端。
本发明还提供一种交互式图片推荐***,包括:
预设模块,用于预设样本数;
集合模块,用于使服务器端获取与所述样本数对应的图片样本,形成图片样本集合并发送给客户端;
评分模块,用于使客户端对所述图片样本集合进行评分,建立图片样本评分矩阵并发送给服务器端;
权重模块,用于使服务器端将所述图片样本评分矩阵转换为图片样本权重矩阵;
第一提取模块,用于使服务器端提取所述图片样本集合中各个图片样本的特征向量,得到第一特征向量;
第二提取模块,用于使服务器端提取数据库中各个图片的特征向量,得到第二特征向量;
第一计算模块,用于使服务器端根据所述第一特征向量和所述第二特征向量,计算得到所述图片样本集合中的图片样本与数据库中各个图片的相似度,形成相似度矩阵;
第二计算模块,用于使服务器端将所述图片样本权重矩阵与所述相似度矩阵相乘,得到推荐强度矩阵;
推荐模块,用于使服务器端根据所述推荐强度矩阵,获得推荐集合并发送给客户端。
本发明的有益效果在于:通过交互的方式获取客户端对服务器端中样本集合的评分,并将对各个样本的评分转换成相应的权重表示对各个样本不同的喜好程度,从而精确地分析出用户的喜好;将样本与服务器端中的图片进行相似度分析并结合用户对各个样本的喜好程度,获得推荐集合,从而提高推荐结果的准确度。
附图说明
图1为本发明一种交互式图片推荐方法的流程框图;
图2为本发明一种交互式图片推荐***的结构框图;
标号说明:
1、客户端;2、服务器端;
11、评分模块;
21、预设模块;22、集合模块;23、权重模块;24、第一提取模块;25、第二提取模块;26、第一计算模块;27、第二计算模块;28、推荐模块。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
本发明最关键的构思在于:通过交互的方式获取客户端对服务器端中样本集合的喜好程度,并将样本与服务器端中的图片进行相似度分析,结合用户对各个样本的喜好程度,获得推荐集合。
如图1所示,本发明提供一种交互式图片推荐方法,包括步骤:
预设样本数;
服务器端获取与所述样本数对应的图片样本,形成图片样本集合并发送给客户端;
客户端对所述图片样本集合进行评分,建立图片样本评分矩阵并发送给服务器端;
服务器端将所述图片样本评分矩阵转换为图片样本权重矩阵;
服务器端提取所述图片样本集合中各个图片样本的特征向量,得到第一特征向量;
服务器端提取数据库中各个图片的特征向量,得到第二特征向量;
服务器端根据所述第一特征向量和所述第二特征向量,计算得到所述图片样本集合中的图片样本与数据库中各个图片的相似度,形成相似度矩阵;
服务器端将所述图片样本权重矩阵与所述相似度矩阵相乘,得到推荐强度矩阵;
服务器端根据所述推荐强度矩阵,获得推荐集合并发送给客户端。
进一步地,客户端对所述图片样本集合进行评分具体为:
客户端为所述样本集合中的各个样本赋予分值。
由上述描述可知,通过为样本集合中的各个样本赋予分值,可以直观地反映出用户对各个样本的喜好程度。
进一步地,客户端对所述图片样本集合进行评分具体为:
客户端将样本集合中的样本进行两两组合,得到样本组;
客户端对所述样本组中的两个样本进行标记,一个标记为喜欢,另一个标记为不喜欢;
客户端为所述样本集合中的各个样本赋予分值;所述分值为各个样本被标记为喜欢的次数。
由上述描述可知,通过让客户端从样本集合的两两组合中挑选一个较喜欢的样本,从而能够更加精确地获取用户的喜好。
进一步地,服务器端将所述图片样本评分矩阵转换为图片样本权重矩阵具体为:
服务器端获取客户端对样本集合中各个样本的分值总和;
服务器端计算所述图片样本评分矩阵中各个样本的分值与所述分值总和的比值,得到第一样本权重值;
服务器端根据所述第一样本权重值建立图片样本权重矩阵。进一步地,服务器端将所述图片样本评分矩阵转换为图片样本权重矩阵具体为:
服务器端获取客户端选择的总次数;
服务器端计算所述图片样本评分矩阵中各个样本的分值与所述总次数的比值,得到第二样本权重值;
服务器端根据所述第二样本权重值建立图片样本权重矩阵。
由上述描述可知,将客户端选择样本的次数与客户端进行选择的总次数的比值,作为样本的权重,可以直观地反映用户对样本集合中各个样本的喜好程度,从而可综合地分析出用户的喜好。
进一步地,计算得到所述图片样本集合中的图片样本与数据库中各个图片的相似度具体为:
服务器端计算所述第一特征向量与所述第二特征向量的余弦相关性。
在实际应用中,一般选择余弦相关性作为两个图片之间相关性的表征,具体的,两个图片之间的的余弦相关性计算公式如公式(1):
其中,向量A为图片1的特征向量,向量B为图片2的特征向量,cos(θ)为图片1和图片2的余弦相关度,余弦值越接近1表示图片1和图片2越相似。
由上述描述可知,通过计算图片之间的余弦相关性可以反映出两个图片的相似度。
进一步地,服务器端根据所述推荐强度矩阵,获得推荐集合并发送给客户端具体为:
预设推荐集合中样本的个数;
对所述推荐强度矩阵中的样本按所述推荐强度从大到小排序,并依次***推荐队列;
从所述推荐队列中依次获取与所述推荐集合中样本的个数相对应的样本,形成推荐集合;
发送所述推荐集合至客户端。
由上述描述可知,推荐集合中的图片是在服务器端中最接近用户喜好的图片。
如图2所示,本发明还提供一种交互式图片推荐***,包括:
预设模块21,用于预设样本数;
集合模块22,用于使服务器端2获取与所述样本数对应的图片样本,形成图片样本集合并发送给客户端1;
评分模块11,用于使客户端1对所述图片样本集合进行评分,建立图片样本评分矩阵并发送给服务器端2;
权重模块23,用于使服务器端2将所述图片样本评分矩阵转换为图片样本权重矩阵;
第一提取模块24,用于使服务器端2提取所述图片样本集合中各个图片样本的特征向量,得到第一特征向量;
第二提取模块25,用于使服务器端2提取数据库中各个图片的特征向量,得到第二特征向量;
第一计算模块26,用于使服务器端2根据所述第一特征向量和所述第二特征向量,计算得到所述图片样本集合中的图片样本与数据库中各个图片的相似度,形成相似度矩阵;
第二计算模块27,用于使服务器端2将所述图片样本权重矩阵与所述相似度矩阵相乘,得到推荐强度矩阵;
推荐模块28,用于使服务器端2根据所述推荐强度矩阵,获得推荐集合并发送给客户端1。
由上述描述可知,交互式推荐***有两个端,一个是客户端11,另一个是服务器端22。其中,客户端1用于获取用户数据并与服务器端2进行交互,服务器端2用于分析用户的喜好并向其推荐服务器端2中与用户喜好最为接近的图片。
进一步地,所述评分模块11包括:
赋值模块,用于使客户端1为所述样本集合中的各个样本赋予分值;
组合模块,用于使客户端1将样本集合中的样本进行两两组合,得到样本组;
标记模块,用于使客户端1对所述样本组中的两个样本进行标记,一个标记为喜欢,另一个标记为不喜欢。
进一步地,所述权重模块23包括:
获取模块,用于使服务器端2获取客户端1对样本集合中各个样本的分值总和;
第三计算模块,用于使服务器端2计算所述图片样本评分矩阵中各个样本的分值与所述分值总和的比值,得到第一样本权重值;
第一建立模块,用于使服务器端2根据所述第一样本权重值建立图片样本权重矩阵;
选择模块,用于使服务器端2获取客户端1选择的总次数;
第四计算模块,用于使服务器端2计算所述图片样本评分矩阵中各个样本的分值与所述总次数的比值,得到样本权重值;
第二建立模块,用于使服务器端2根据所述样本权重值建立图片样本权重矩阵。
本发明的实施例一为:
预设样本数;
服务器端获取与所述样本数对应的图片样本,形成图片样本集合并发送给客户端;
客户端为所述样本集合中的各个样本赋予分值,建立图片样本评分矩阵并发送给服务器端;
服务器端获取客户端对样本集合中各个样本的分值总和;
服务器端计算所述图片样本评分矩阵中各个样本的分值与所述分值总和的比值,得到第一样本权重值;
服务器端根据所述第一样本权重值建立图片样本权重矩阵;服务器端提取所述图片样本集合中各个图片样本的特征向量,得到第一特征向量;
服务器端提取数据库中各个图片的特征向量,得到第二特征向量;
服务器端根据所述第一特征向量和所述第二特征向量,计算所述第一特征向量与所述第二特征向量的余弦相关性,形成相似度矩阵;
服务器端将所述图片样本权重矩阵与所述相似度矩阵相乘,得到推荐强度矩阵;
预设推荐集合中样本的个数;
对所述推荐强度矩阵中的样本按所述推荐强度从大到小排序,并依次***推荐队列;
从所述推荐队列中依次获取与所述推荐集合中样本的个数相对应的样本,形成推荐集合;
发送所述推荐集合至客户端。
本发明的实施例二为:
预设样本数;
服务器端获取与所述样本数对应的图片样本,形成图片样本集合并发送给客户端;
客户端将样本集合中的样本进行两两组合,得到样本组;
客户端对所述样本组中的两个样本进行标记,一个标记为喜欢,另一个标记为不喜欢;
客户端为所述样本集合中的各个样本赋予分值,建立图片样本评分矩阵并发送给服务器端;所述分值为各个样本被标记为喜欢的次数;
服务器端获取客户端选择的总次数;
服务器端计算所述图片样本评分矩阵中各个样本的分值与所述总次数的比值,得到第二样本权重值;
服务器端根据所述第二样本权重值建立图片样本权重矩阵;
服务器端提取所述图片样本集合中各个图片样本的特征向量,得到第一特征向量;
服务器端提取数据库中各个图片的特征向量,得到第二特征向量;
服务器端根据所述第一特征向量和所述第二特征向量,计算所述第一特征向量与所述第二特征向量的余弦相关性,形成相似度矩阵;
服务器端将所述图片样本权重矩阵与所述相似度矩阵相乘,得到推荐强度矩阵;
预设推荐集合中样本的个数;
对所述推荐强度矩阵中的样本按所述推荐强度从大到小排序,并依次***推荐队列;
从所述推荐队列中依次获取与所述推荐集合中样本的个数相对应的样本,形成推荐集合;
发送所述推荐集合至客户端。
本发明的实施例三为:
预设模块预设样本数;
集合模块使服务器端获取与所述样本数对应的图片样本,形成图片样本集合并发送给客户端;
评分模块中的赋值模块使客户端为所述样本集合中的各个样本赋予分值;根据所述分值建立图片样本评分矩阵并发送给服务器端;
权重模块中的获取模块使服务器端获取客户端对样本集合中各个样本的分值总和;第三计算模块使服务器端计算所述图片样本评分矩阵中各个样本的分值与所述分值总和的比值,得到第一样本权重值;第一建立模块使服务器端根据所述第一样本权重值建立图片样本权重矩阵;
第一提取模块使服务器端提取所述图片样本集合中各个图片样本的特征向量,得到第一特征向量;
第二提取模块使服务器端提取数据库中各个图片的特征向量,得到第二特征向量;
第一计算模块使服务器端根据所述第一特征向量和所述第二特征向量,计算得到所述图片样本集合中的图片样本与数据库中各个图片的相似度,形成相似度矩阵;
第二计算模块使服务器端将所述图片样本权重矩阵与所述相似度矩阵相乘,得到推荐强度矩阵;
推荐模块使服务器端根据所述推荐强度矩阵,获得推荐集合并发送给客户端。
本发明的实施例四为:
预设模块预设样本数;
集合模块使服务器端获取与所述样本数对应的图片样本,形成图片样本集合并发送给客户端;
评分模块中的组合模块使客户端将样本集合中的样本进行两两组合,得到样本组;标记模块使客户端对所述样本组中的两个样本进行标记,一个标记为喜欢,另一个标记为不喜欢;根据标记模块的标记建立图片样本评分矩阵并发送给服务器端;
权重模块中的选择模块使服务器端获取客户端选择的总次数;第四计算模块使服务器端计算所述图片样本评分矩阵中各个样本的分值与所述总次数的比值,得到样本权重值;第二建立模块使服务器端根据所述样本权重值建立图片样本权重矩阵;
第一提取模块使服务器端提取所述图片样本集合中各个图片样本的特征向量,得到第一特征向量;
第二提取模块使服务器端提取数据库中各个图片的特征向量,得到第二特征向量;
第一计算模块使服务器端根据所述第一特征向量和所述第二特征向量,计算得到所述图片样本集合中的图片样本与数据库中各个图片的相似度,形成相似度矩阵;
第二计算模块使服务器端将所述图片样本权重矩阵与所述相似度矩阵相乘,得到推荐强度矩阵;
推荐模块使服务器端根据所述推荐强度矩阵,获得推荐集合并发送给客户端。
本发明的实施例五为:
现有人脸数据库D,D中的数据基本涵盖所有类型的人脸;
从D中选取四张人脸,记为人脸1,人脸2,人脸3,人脸4。让用户分别对四张人脸打分,打分情况如下:人脸1获得80分,人脸2获得70分,人脸3获得60分,人脸4获得50分;
根据用户打分形成人脸个数S=4的权重W={0.31,0.27,0.23,0.19};
生成人脸1,人脸2,人脸3,人脸4的特征描述,分别计算4个人脸与数据库D中所有人脸的相似度F1={f11,f12,…,f1d},F2={f21,f22,…,f4d},F3={f31,f32,…,f3d},F4={f41,f42,…,f4d};
综合W与F,计算出数据库D中每个人脸的度量值xi(i=1,…,d);
对数据库D中的人脸根据度量值xi由大到小进行排序,取前N=100张推荐给用户。
本发明的实施例六为:
现有人脸数据库D,D中的数据基本涵盖所有类型的人脸;
从D中选取S=4张人脸,记为人脸1,人脸2,人脸3,人脸4。分K=4次让用户选择是与否,流程如下:
第一次:
样本 | 人脸1 | 人脸2 |
用户选择 | 喜欢 | 不喜欢 |
第二次:
样本 | 人脸3 | 人脸4 |
用户选择 | 喜欢 | 不喜欢 |
第三次
样本 | 人脸1 | 人脸3 |
用户选择 | 喜欢 | 不喜欢 |
第四次
样本 | 人脸2 | 人脸4 |
用户选择 | 喜欢 | 不喜欢 |
根据用户选择形成S=4个人脸的权重W={0.5,0.25,0.25,0};
生成人脸1,人脸2,人脸3,人脸4的特征描述,分别计算S=4个人脸与数据库D中所有人脸的相似度F1={f11,f12,…,f1d},F2={f21,f22,…,f4d},F3={f31,f32,…,f3d},F4={f41,f42,…,f4d}
综合W与F,计算出数据库D中每个人脸的度量值xi(i=1,…,d);
对数据库D中的人脸根据度量值由大到小进行排序,取前N=100张人脸推荐给用户。
综上所述,本发明提供一种交互式图片推荐方法及***,通过交互的方式获取客户端对服务器端中样本集合的评分,并将对各个样本的评分转换成相应的权重表示对各个样本不同的喜好程度,从而精确地分析出用户的喜好;将样本与服务器端中的图片进行相似度分析并结合用户对各个样本的喜好程度,获得推荐集合,从而提高推荐结果的准确度;进一步地,通过为样本集合中的各个样本赋予分值,可以直观地反映出用户对各个样本的喜好程度;进一步地,通过让客户端从样本集合的两两组合中挑选一个较喜欢的样本,从而能够更加精确地获取用户的喜好;进一步地,通过将客户端对样本集合中各个样本的评分转换成相应的权重,可以直观地反映用户对样本集合中各个样本的喜好程度,从而可综合地分析出用户的喜好。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种交互式图片推荐方法,其特征在于,包括:
预设样本数;
服务器端获取与所述样本数对应的图片样本,形成图片样本集合并发送给客户端;
客户端对所述图片样本集合进行评分,建立图片样本评分矩阵并发送给服务器端;
服务器端将所述图片样本评分矩阵转换为图片样本权重矩阵;
服务器端提取所述图片样本集合中各个图片样本的特征向量,得到第一特征向量;
服务器端提取数据库中各个图片的特征向量,得到第二特征向量;
服务器端根据所述第一特征向量和所述第二特征向量,计算得到所述图片样本集合中的图片样本与数据库中各个图片的相似度,形成相似度矩阵;
服务器端将所述图片样本权重矩阵与所述相似度矩阵相乘,得到推荐强度矩阵;
服务器端根据所述推荐强度矩阵,获得推荐集合并发送给客户端。
2.根据权利要求1所述的一种交互式图片推荐方法,其特征在于,客户端对所述图片样本集合进行评分具体为:
客户端为所述样本集合中的各个样本赋予分值。
3.根据权利要求1所述的一种交互式图片推荐方法,其特征在于,客户端对所述图片样本集合进行评分具体为:
客户端将样本集合中的样本进行两两组合,得到样本组;
客户端对所述样本组中的两个样本进行标记,一个标记为喜欢,另一个标记为不喜欢;
客户端为所述样本集合中的各个样本赋予分值;所述分值为各个样本被标记为喜欢的次数。
4.根据权利要求1所述的一种交互式图片推荐方法,其特征在于,服务器端将所述图片样本评分矩阵转换为图片样本权重矩阵具体为:
服务器端获取客户端对样本集合中各个样本的分值总和;
服务器端计算所述图片样本评分矩阵中各个样本的分值与所述分值总和的比值,得到第一样本权重值;
服务器端根据所述第一样本权重值建立图片样本权重矩阵。
5.根据权利要求1所述的一种交互式图片推荐方法,其特征在于,服务器端将所述图片样本评分矩阵转换为图片样本权重矩阵具体为:
服务器端获取客户端选择的总次数;
服务器端计算所述图片样本评分矩阵中各个样本的分值与所述总次数的比值,得到第二样本权重值;
服务器端根据所述第二样本权重值建立图片样本权重矩阵。
6.根据权利要求1所述的一种交互式图片推荐方法,其特征在于,计算得到所述图片样本集合中的图片样本与数据库中各个图片的相似度具体为:
服务器端计算所述第一特征向量与所述第二特征向量的余弦相关性。
7.根据权利要求1所述的一种交互式图片推荐方法,其特征在于,服务器端根据所述推荐强度矩阵,获得推荐集合并发送给客户端具体为:
预设推荐集合中样本的个数;
对所述推荐强度矩阵中的样本按所述推荐强度从大到小排序,并依次***推荐队列;
从所述推荐队列中依次获取与所述推荐集合中样本的个数相对应的样本,形成推荐集合;
发送所述推荐集合至客户端。
8.一种交互式图片推荐***,其特征在于,包括:
预设模块,用于预设样本数;
集合模块,用于使服务器端获取与所述样本数对应的图片样本,形成图片样本集合并发送给客户端;
评分模块,用于使客户端对所述图片样本集合进行评分,建立图片样本评分矩阵并发送给服务器端;
权重模块,用于使服务器端将所述图片样本评分矩阵转换为图片样本权重矩阵;
第一提取模块,用于使服务器端提取所述图片样本集合中各个图片样本的特征向量,得到第一特征向量;
第二提取模块,用于使服务器端提取数据库中各个图片的特征向量,得到第二特征向量;
第一计算模块,用于使服务器端根据所述第一特征向量和所述第二特征向量,计算得到所述图片样本集合中的图片样本与数据库中各个图片的相似度,形成相似度矩阵;
第二计算模块,用于使服务器端将所述图片样本权重矩阵与所述相似度矩阵相乘,得到推荐强度矩阵;
推荐模块,用于使服务器端根据所述推荐强度矩阵,获得推荐集合并发送给客户端。
9.根据权利要求8所述的一种交互式图片推荐***,其特征在于,所述评分模块包括:
赋值模块,用于使客户端为所述样本集合中的各个样本赋予分值;
组合模块,用于使客户端将样本集合中的样本进行两两组合,得到样本组;
标记模块,用于使客户端对所述样本组中的两个样本进行标记,一个标记为喜欢,另一个标记为不喜欢。
10.根据权利要求8所述的一种交互式图片推荐***,其特征在于,所述权重模块包括:
获取模块,用于使服务器端获取客户端对样本集合中各个样本的分值总和;
第三计算模块,用于使服务器端计算所述图片样本评分矩阵中各个样本的分值与所述分值总和的比值,得到第一样本权重值;
第一建立模块,用于使服务器端根据所述第一样本权重值建立图片样本权重矩阵;
选择模块,用于使服务器端获取客户端选择的总次数;
第四计算模块,用于使服务器端计算所述图片样本评分矩阵中各个样本的分值与所述总次数的比值,得到样本权重值;
第二建立模块,用于使服务器端根据所述样本权重值建立图片样本权重矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610794916.8A CN106469199B (zh) | 2016-08-31 | 2016-08-31 | 一种交互式图片推荐方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610794916.8A CN106469199B (zh) | 2016-08-31 | 2016-08-31 | 一种交互式图片推荐方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106469199A true CN106469199A (zh) | 2017-03-01 |
CN106469199B CN106469199B (zh) | 2019-04-30 |
Family
ID=58230466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610794916.8A Active CN106469199B (zh) | 2016-08-31 | 2016-08-31 | 一种交互式图片推荐方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106469199B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832469A (zh) * | 2017-11-29 | 2018-03-23 | 北京洪泰同创信息技术有限公司 | 一种企业logo图像的生成方法及装置 |
CN110222219A (zh) * | 2019-04-30 | 2019-09-10 | 厦门一品威客网络科技股份有限公司 | 一种互动式图像推荐方法、装置、计算机设备及存储介质 |
CN110825897A (zh) * | 2019-10-29 | 2020-02-21 | 维沃移动通信有限公司 | 图像筛选方法、装置及移动终端 |
CN111400532A (zh) * | 2019-01-03 | 2020-07-10 | 福建天泉教育科技有限公司 | 一种照片推荐方法及终端 |
CN111586089A (zh) * | 2020-03-20 | 2020-08-25 | 上海大犀角信息科技有限公司 | 基于向量评分的客户端、服务端内容推荐***和方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102262638A (zh) * | 2010-05-31 | 2011-11-30 | 国际商业机器公司 | 图片标引的方法和装置 |
CN103530712A (zh) * | 2012-07-05 | 2014-01-22 | 鸿富锦精密工业(深圳)有限公司 | 图片样本建立***及方法 |
CN104298787A (zh) * | 2014-11-13 | 2015-01-21 | 吴健 | 一种基于融合策略的个性化推荐方法及装置 |
CN104978553A (zh) * | 2014-04-08 | 2015-10-14 | 腾讯科技(深圳)有限公司 | 图像分析的方法及装置 |
-
2016
- 2016-08-31 CN CN201610794916.8A patent/CN106469199B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102262638A (zh) * | 2010-05-31 | 2011-11-30 | 国际商业机器公司 | 图片标引的方法和装置 |
CN103530712A (zh) * | 2012-07-05 | 2014-01-22 | 鸿富锦精密工业(深圳)有限公司 | 图片样本建立***及方法 |
CN104978553A (zh) * | 2014-04-08 | 2015-10-14 | 腾讯科技(深圳)有限公司 | 图像分析的方法及装置 |
CN104298787A (zh) * | 2014-11-13 | 2015-01-21 | 吴健 | 一种基于融合策略的个性化推荐方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832469A (zh) * | 2017-11-29 | 2018-03-23 | 北京洪泰同创信息技术有限公司 | 一种企业logo图像的生成方法及装置 |
CN111400532A (zh) * | 2019-01-03 | 2020-07-10 | 福建天泉教育科技有限公司 | 一种照片推荐方法及终端 |
CN110222219A (zh) * | 2019-04-30 | 2019-09-10 | 厦门一品威客网络科技股份有限公司 | 一种互动式图像推荐方法、装置、计算机设备及存储介质 |
CN110825897A (zh) * | 2019-10-29 | 2020-02-21 | 维沃移动通信有限公司 | 图像筛选方法、装置及移动终端 |
CN111586089A (zh) * | 2020-03-20 | 2020-08-25 | 上海大犀角信息科技有限公司 | 基于向量评分的客户端、服务端内容推荐***和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106469199B (zh) | 2019-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106469199A (zh) | 一种交互式图片推荐方法及*** | |
Wu et al. | OpinionSeer: interactive visualization of hotel customer feedback | |
CN107133277B (zh) | 一种基于动态主题模型和矩阵分解的旅游景点推荐方法 | |
CN106339502A (zh) | 一种基于用户行为数据分片聚类的建模推荐方法 | |
CN103927309B (zh) | 一种对业务对象标注信息标签的方法及装置 | |
CN105426529B (zh) | 基于用户搜索意图定位的图像检索方法及*** | |
CN106779827A (zh) | 一种互联网用户行为采集及分析检测的大数据方法 | |
CN105718940B (zh) | 基于多组间因子分析的零样本图像分类方法 | |
CN105426514A (zh) | 个性化的移动应用app推荐方法 | |
Zhao et al. | Neo-fashion: A data-driven fashion trend forecasting system using catwalk analysis | |
CN110348920A (zh) | 一种推荐产品的方法及装置 | |
CN109583498A (zh) | 一种基于低秩正则化特征增强表征的时尚兼容度预测方法 | |
Zhou et al. | Relevance feature mapping for content-based multimedia information retrieval | |
Xiong et al. | An asian face dataset and how race influences face recognition | |
CN109815987A (zh) | 一种人群分类方法和分类*** | |
Deng et al. | VisImages: A fine-grained expert-annotated visualization dataset | |
CN106202391A (zh) | 一种用户社群的自动分类方法及装置 | |
CN109948702A (zh) | 一种基于卷积神经网络的服装分类和推荐模型 | |
Zhao et al. | Comprehensive evaluation method of ethnic costume color based on k-means clustering method | |
JP5455232B2 (ja) | 画像選定装置、方法及びプログラム | |
CN106959949A (zh) | 一种用于推荐***的数据结构化处理方法 | |
KR20160117678A (ko) | 큐레이션 커머스에서 상품 등록 및 추천 방법 | |
CN109471930A (zh) | 一种面向用户情感的情绪板界面设计方法 | |
CN108681581A (zh) | 一种就业数据的协同过滤方法及*** | |
CN107451216A (zh) | 标签的粒度属性识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |