CN110263182A - 画作推荐方法及***、终端设备、计算机设备及介质 - Google Patents

画作推荐方法及***、终端设备、计算机设备及介质 Download PDF

Info

Publication number
CN110263182A
CN110263182A CN201910526065.2A CN201910526065A CN110263182A CN 110263182 A CN110263182 A CN 110263182A CN 201910526065 A CN201910526065 A CN 201910526065A CN 110263182 A CN110263182 A CN 110263182A
Authority
CN
China
Prior art keywords
paintings
sentence
feature
read statement
module
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
Application number
CN201910526065.2A
Other languages
English (en)
Inventor
刘童
刘向阳
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.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group 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 BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN201910526065.2A priority Critical patent/CN110263182A/zh
Publication of CN110263182A publication Critical patent/CN110263182A/zh
Pending legal-status Critical Current

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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Library & Information Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明公开一种画作推荐方法及***、终端设备、计算机设备及介质。该方法的一具体实施方式包括：获取输入语句的语句特征；将输入语句的语句特征与待推荐画作的画作特征进行匹配；根据匹配的结果进行画作推荐。该实施方式可针对输入的语句，精确地推荐画作，有利于提高用户体验，满足用户更深层次的艺术需求。

Description

画作推荐方法及***、终端设备、计算机设备及介质
技术领域
本发明涉及数据处理技术领域。更具体地，涉及一种画作推荐方法及***、终端设备、计算机设备及介质。
背景技术
随着生活水平和社会经济的发展，人们对艺术修养的需求不断提高。目前，画作推荐主要根据用户属性和行为，通过大数据分析进行智能推荐。针对语言，特别是诗句，目前缺少推荐符合语句情境的画作的方法，特别是缺少推荐符合诗句意境的画作的方法，无法满足用户更深层次的艺术需求。
因此，需要提供一种新的画作推荐方法及***、终端设备、计算机设备及介质。
发明内容
本发明的目的在于提供一种画作推荐方法及***、终端设备、计算机设备及介质，以解决现有技术存在的问题中的至少一个。
为达到上述目的，本发明采用下述技术方案：
本发明第一方面提供了一种画作推荐方法，包括：
获取输入语句的语句特征；
将所述输入语句的语句特征与待推荐画作的画作特征进行匹配；
根据所述匹配的结果进行画作推荐。
本发明第一方面提供的画作推荐方法，可针对输入的语句精确地推荐画作，有利于提高用户体验，满足用户更深层次的艺术需求。
可选地，所述语句特征包括：语句的实体关键字特征、语句的描述关键字特征及所述语句的实体关键字特征与语句的描述关键字特征之间的关联特征；所述画作特征包括：画作的实体关键字特征、画作的描述关键字特征及所述画作的实体关键字特征与画作的描述关键字特征之间的关联特征。
采用此可选方式，可保证匹配的相关性，从而保证推荐画作的精确性。
可选地，在所述将所述输入语句的语句特征与待推荐画作的画作特征进行匹配之前，该方法还包括：基于深度学习获取多个待推荐画作的画作特征，建立画作知识库，所述画作知识库包括待推荐画作和其画作特征。
可选地，
在所述获取输入语句的语句特征之前，该方法还包括：
获取多个样本语句的语句特征，并将所述样本语句的语句特征与待推荐画作的画作特征进行匹配，得到与各样本语句对应的待推荐画作；
建立语句知识库，所述语句知识库包括样本语句和其语句特征，以及样本语句对应的待推荐画作；
在所述获取输入语句的语句特征之后且将所述输入语句的语句特征与待推荐画作的画作特征进行匹配之前，该方法还包括：
将输入语句的语句特征与样本语句的语句特征进行特征比对，以查找是否存在与输入语句相同或相似的样本语句：若是，则根据该样本语句对应的待推荐画作进行画作推荐。
采用此可选方式，可通过预先将常用语句与画作进行匹配得到预处理匹配结果，提升用户输入语句时的推荐速度。
可选地，所述根据所述匹配的结果进行画作推荐进一步包括：利用不同显示区域显示输入语句和推荐的画作，或，显示输入语句并将推荐的画作作为输入语句的显示背景。
本发明第二方面提供了一种终端设备，包括：输入模块、语句特征获取模块、匹配模块和显示模块；
所述输入模块，用于获取输入语句；
所述语句特征获取模块，用于获取所述输入语句的语句特征；
所述匹配模块，用于将所述输入语句的语句特征与待推荐画作的画作特征进行匹配，得到推荐的画作；
所述显示模块，用于显示所述推荐的画作。
可选地，所述显示模块，用于利用不同显示区域显示输入语句和推荐的画作，或，显示输入语句并将推荐的画作作为输入语句的显示背景。
本发明第三方面提供了一种终端设备，包括：输入模块、第一传输模块和显示模块；
所述输入模块，用于获取输入语句；
所述第一传输模块，用于将所述输入语句发送至服务器，以使得所述服务器获取所述输入语句的语句特征，将所述输入语句的语句特征与待推荐画作的画作特征进行匹配并将根据所述匹配的结果得到的推荐的画作发送至所述第一传输模块；
所述显示模块，用于显示所述第一传输模块接收的推荐的画作。
可选地，所述显示模块，用于利用不同显示区域显示输入语句和推荐的画作，或，显示输入语句并将推荐的画作作为输入语句的显示背景。
本发明第四方面提供了一种画作推荐***，包括服务器和本发明第三方面提供的终端设备；所述服务器包括第二传输模块、语句特征获取模块和匹配模块；
所述第二传输模块，用于接收所述第一传输模块发送的输入语句；
所述语句特征获取模块，用于获取所述输入语句的语句特征；
所述匹配模块，用于将所述输入语句的语句特征与待推荐画作的画作特征进行匹配，并通过所述第二传输模块将根据所述匹配的结果得到的推荐的画作发送至所述第一传输模块。
本发明第五方面提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本发明第一方面提供的方法。
本发明第六方面提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明第一方面提供的方法。
本发明的有益效果如下：
本发明所述技术方案可针对输入的语句，精确地推荐画作，有利于提高用户体验，满足用户更深层次的艺术需求。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明；
图1示出本发明实施例提供的画作推荐方法的流程图。
图2推荐的画作的示意图。
图3示出本发明实施例提供的画作推荐***的示意图。
图4示出本发明实施例提供的独立实现画作推荐的终端设备的示意图。
图5示出本发明实施例提供的计算机***的结构示意图。
具体实施方式
为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
如图1所示，本发明的一个实施例提供了一种画作推荐方法，包括：
获取输入语句的语句特征；
将所述输入语句的语句特征与待推荐画作的画作特征进行匹配；
根据所述匹配的结果进行画作推荐。
本实施例提供的画作推荐方法，可针对输入的语句精确地推荐画作，有利于提高用户体验，满足用户更深层次的艺术需求。
在本实施例的一些可选的实现方式中，所述语句特征包括：语句的实体关键字特征、语句的描述关键字特征及所述语句的实体关键字特征与语句的描述关键字特征之间的关联特征；所述画作特征包括：画作的实体关键字特征、画作的描述关键字特征及所述画作的实体关键字特征与画作的描述关键字特征之间的关联特征。
采用此实现方式，可保证匹配的相关性，从而保证推荐画作的精确性。
在本实施例的一些可选的实现方式中，在所述将所述输入语句的语句特征与待推荐画作的画作特征进行匹配之前，该方法还包括：基于深度学习获取多个待推荐画作的画作特征，建立画作知识库，所述画作知识库包括待推荐画作和其画作特征。
在一个具体示例中，一方面，可利用自然语言处理技术获取输入语句的语句特征，具体而言，可利用双向长短期记忆网络连接条件随机场BiLSTM+CRF模型进行命名实体识别并利用基于文本的卷积神经网络Text-CNN进行关系抽取，以得到语句的实体关键字特征、语句的描述关键字特征及所述语句的实体关键字特征与语句的描述关键字特征之间的关联特征。另一方面，可基于语义分割或图像目标检测来提取画作的实体关键字特征，其中，语义分割可采用DeeplabV3+模型等，图像目标检测可采用YOLOV3模型等；再根据实体关键字特征在画作图像中的位置、数量、颜色等获取画作的描述关键字特征及画作的实体关键字特征与画作的描述关键字特征之间的关联特征。
在本实施例的一些可选的实现方式中，
在所述获取输入语句的语句特征之前，该方法还包括：
获取多个样本语句的语句特征，并将所述样本语句的语句特征与待推荐画作的画作特征进行匹配，得到与各样本语句对应的待推荐画作；
建立语句知识库，所述语句知识库包括样本语句和其语句特征，以及样本语句对应的待推荐画作；
在所述获取输入语句的语句特征之后且将所述输入语句的语句特征与待推荐画作的画作特征进行匹配之前，该方法还包括：
将输入语句的语句特征与样本语句的语句特征进行特征比对，以查找是否存在与输入语句相同或相似的样本语句：若是，则根据该样本语句对应的待推荐画作进行画作推荐。
采用此实现方式，可通过预先将常用语句与画作进行匹配得到预处理匹配结果，提升用户输入语句时的推荐速度。
在一个具体示例中，可基于预设的相似度阈值查找是否存在与输入语句相同或相似的样本语句，当输入语句的语句特征与某样本语句的语句特征进行特征比对得到的相似度大于等于预设的相似度阈值时，则认为该样本语句与输入语句相似或相同，例如，进行特征比对得到的相似度取值范围为(0,1]，相似度阈值预设为0.8，若输入语句的语句特征与某样本语句的语句特征进行特征比对得到的相似度为0.87则认为该样本语句与输入语句相似，若输入语句的语句特征与某样本语句的语句特征进行特征比对得到的相似度为1则认为该样本语句与输入语句相同。
在本实施例的一些可选的实现方式中，所述根据所述匹配的结果进行画作推荐进一步包括：利用不同显示区域显示输入语句和推荐的画作，或，显示输入语句并将推荐的画作作为输入语句的显示背景。
在一个具体示例中，在将所述输入语句的语句特征与待推荐画作的画作特征进行匹配时，可基于预设的匹配度阈值得到按匹配度高低顺序排列的多个待推荐画作的匹配结果，可仅推荐匹配度最高的一幅画作(利用不同显示区域显示输入语句和推荐的画作，或，显示输入语句并将推荐的画作作为输入语句的显示背景)，也可采用类似棋盘格的显示方式在不同显示区域显示匹配度较高的多幅画作的缩略图。
在一个具体示例中，以输入语句为诗句为例，本实施例提供的画作推荐方法的流程为：
(1)预处理阶段：
(1.1)建立诗句知识库：
首先，利用自然语言处理技术，对每个样本诗句分别进行命名实体识别，将每个样本诗句中内容、天气、场景等要素作为实体关键字特征，得到样本诗句的实体关键字特征。例如，对于样本诗句“两岸青山相对出，孤帆一片日边来”，实体关键字特征包括：“岸”、“山”、“帆”、“日”。
之后，为了表达出诗句深层次的意境以便选择更契合的画作，进一步利用自然语言处理技术分析样本诗句中有描述作用的词，得到样本诗句的描述关键字特征。对于样本诗句“两岸青山相对出，孤帆一片日边来”，描述关键字特征包括：“孤”、“青”、“相对”、“来”等，。
之后，利用自然语言处理技术建立样本诗句中的实体关键字特征与描述关键字特征之间的关联，得到样本诗句的实体关键字特征与样本诗句的描述关键字特征之间的关联特征。对于样本诗句“两岸青山相对出，孤帆一片日边来”，“孤”描述“帆”的数量，“青”描述“山”的颜色，“来”描述“帆”的动作等。
最后，将得到的每个样本诗句的实体关键字特征、描述关键字特征及实体关键字特征与描述关键字特征之间的关联特征存入诗句知识库中，完成诗句知识库的构建。
(1.2)建立画作知识库：
基于深度学习分别获取画作库中多个待推荐的画作的实体关键字特征、描述关键字特征及实体关键字特征与描述关键字特征之间的关联特征。具体方法可以利用语义分割或图像目标检测等技术获取待推荐的画作中包含的实体关键字特征，如帆、山等；再根据检测到的目标的性质，如帆的数量为一个，山的颜色为青色等，得到描述关键字特征并得到实体关键字特征与描述关键字特征之间的关联特征。将得到的每个待推荐的画作的实体关键字特征、描述关键字特征及实体关键字特征与描述关键字特征之间的关联特征存入画作知识库中，完成画作知识库的构建，画作知识库包括待推荐画作和其画作特征。
(1.3)对于诗句知识库中的每个样品诗句，将其特征与画作知识库中每个待推荐画作的画作特征进行匹配并记录匹配度，得到每个样品诗句对应的待推荐画作并存入诗句知识库中，诗句知识库包括样本诗句和其诗句特征，以及样本诗句对应的待推荐画作。
(2)实时推荐阶段：
获取用户输入的诗句后，先利用自然语言处理技术获取用户输入的诗句的诗句特征(获取用户输入的诗句的诗句特征可采用类似于在预处理阶段中，建立诗句知识库时，获取样本诗句的实体关键字特征、描述关键字特征及实体关键字特征与描述关键字特征之间的关联特征的方式)，再将用户输入的诗句的诗句特征与诗句知识库中各样品诗句的诗句特征进行特征比对，以查找是否存在用户输入的诗句相同或相似的样本诗句，如果存在，则可直接推荐与用户输入的诗句相同或相似的样本诗句对应的待推荐的画作；如果不存在，则将用户输入的诗句的诗句特征与画作知识库中各待推荐画作的画作特征进行匹配，根据匹配的结果进行画作推荐。对于输入的诗句“两岸青山相对出，孤帆一片日边来”，推荐的画作如图2所示。其中，可理解的是，在预处理阶段也可不建立诗句知识库；相应的，在实时推荐阶段也可不执行将用户输入的诗句的诗句特征与诗句知识库中各样品诗句的诗句特征进行特征比对，以查找是否存在用户输入的诗句相同或相似的样本诗句，而是直接将用户输入的诗句的诗句特征与画作知识库中各待推荐画作的画作特征进行匹配并根据匹配的结果进行画作推荐。
综上，本实施例提供的画作推荐方法可将自然语言处理技术、计算机视觉技术等技术相结合，可通过命名实体识别、图像目标检测、语义分割等技术建立语句与画作的内在联系，可实现针对用户输入的语句，精确地推荐画作。
如图3所示，本发明的另一个实施例提供了一种画作推荐***，包括终端设备和服务器；终端设备包括：输入模块、第一传输模块和显示模块；服务器包括第二传输模块、语句特征获取模块和匹配模块；
输入模块，用于获取输入语句；
第一传输模块，用于将输入语句发送至第二传输模块；
第二传输模块，用于接收第一传输模块发送的输入语句；
语句特征获取模块，用于获取输入语句的语句特征；
匹配模块，用于将输入语句的语句特征与待推荐画作的画作特征进行匹配，并通过第二传输模块根据匹配的结果所推荐的画作发送至第一传输模块；
显示模块，用于显示推荐的画作。
其中，终端设备可以是各种电子设备，包括但不限于个人电脑、智能手机、智能手表、平板电脑、个人数字助理等等。服务器可以是提供各种服务的服务器，服务器可以对接收到的数据进行存储、分析等处理，并将处理结果反馈给终端设备。终端设备与服务器通过网络进行通信，该网络可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
在本实施例的一些可选的实现方式中，显示模块，用于利用不同显示区域显示输入语句和推荐画作，或，显示输入语句并将推荐的画作作为输入语句的显示背景。
需要说明的是，本实施例提供的画作推荐***的原理及工作流程与上述画作推荐方法相似，相关之处可以参照上述说明，在此不再赘述。
如图4所示，本发明的另一个实施例提供了一种独立实现画作推荐的终端设备，该独立实现画作推荐的终端设备包括：输入模块、语句特征获取模块、匹配模块和显示模块；
输入模块，用于获取输入语句；
语句特征获取模块，用于获取所述输入语句的语句特征；
匹配模块，用于将所述输入语句的语句特征与待推荐画作的画作特征进行匹配，得到推荐的画作；
显示模块，用于显示推荐的画作。
如图5所示，适于用来实现本实施例提供的独立实现画作推荐的终端设备的***的计算机***，包括中央处理模块(CPU)，其可以根据存储在只读存储器(ROM)中的程序或者从存储部分加载到随机访问存储器(RAM)中的程序而执行各种适当的动作和处理。在RAM中，还存储有计算机***操作所需的各种程序和数据。CPU、ROM以及RAM通过总线被此相连。输入/输入(I/O)接口也连接至总线。
以下部件连接至I/O接口:包括键盘、鼠标等的输入部分；包括诸如液晶显示器(LCD)等以及扬声器等的输出部分；包括硬盘等的存储部分；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至I/O接口。可拆卸介质，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器上，以便于从其上读出的计算机程序根据需要被安装入存储部分。
特别地，根据本实施例，上文流程图描述的过程可以被实现为计算机软件程序。例如，本实施例包括一种计算机程序产品，其包括有形地包含在计算机可读介质上的计算机程序，上述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。
附图中的流程图和示意图，图示了本实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或示意图中的每个方框可以代表一个模块、程序段或代码的一部分，上述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，示意图和/或流程图中的每个方框、以及示意和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器，包括语句特征获取模块和匹配模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。例如匹配模块还可以被描述为“画作筛选模块”。
作为另一方面，本实施例还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质可以是上述实施例中上述装置中所包含的非易失性计算机存储介质，也可以是单独存在，未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序，当上述一个或者多个程序被一个设备执行时，使得上述设备：获取输入语句的语句特征；将输入语句的语句特征与待推荐画作的画作特征进行匹配；根据匹配的结果进行画作推荐。
需要说明的是，在本发明的描述中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于本领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (12)

1.一种画作推荐方法，其特征在于，包括：
获取输入语句的语句特征；
将所述输入语句的语句特征与待推荐画作的画作特征进行匹配；
根据所述匹配的结果进行画作推荐。
2.根据权利要求1所述的方法，其特征在于，所述语句特征包括：语句的实体关键字特征、语句的描述关键字特征及所述语句的实体关键字特征与语句的描述关键字特征之间的关联特征；所述画作特征包括：画作的实体关键字特征、画作的描述关键字特征及所述画作的实体关键字特征与画作的描述关键字特征之间的关联特征。
3.根据权利要求1所述的方法，其特征在于，在所述将所述输入语句的语句特征与待推荐画作的画作特征进行匹配之前，该方法还包括：基于深度学习获取多个待推荐画作的画作特征，建立画作知识库，所述画作知识库包括待推荐画作和其画作特征。
4.根据权利要求1所述的方法，其特征在于，
在所述获取输入语句的语句特征之前，该方法还包括：
获取多个样本语句的语句特征，并将所述样本语句的语句特征与待推荐画作的画作特征进行匹配，得到与各样本语句对应的待推荐画作；
建立语句知识库，所述语句知识库包括样本语句和其语句特征，以及样本语句对应的待推荐画作；
在所述获取输入语句的语句特征之后且将所述输入语句的语句特征与待推荐画作的画作特征进行匹配之前，该方法还包括：
将输入语句的语句特征与样本语句的语句特征进行特征比对，以查找是否存在与输入语句相同或相似的样本语句：若是，则根据该样本语句对应的待推荐画作进行画作推荐。
5.根据权利要求1所述的方法，其特征在于，所述根据所述匹配的结果进行画作推荐进一步包括：利用不同显示区域显示输入语句和推荐的画作，或，显示输入语句并将推荐的画作作为输入语句的显示背景。
6.一种终端设备，其特征在于，包括：输入模块、语句特征获取模块、匹配模块和显示模块；
所述输入模块，用于获取输入语句；
所述语句特征获取模块，用于获取所述输入语句的语句特征；
所述匹配模块，用于将所述输入语句的语句特征与待推荐画作的画作特征进行匹配，得到推荐的画作；
所述显示模块，用于显示所述推荐的画作。
7.根据权利要求6所述的终端设备，其特征在于，所述显示模块，用于利用不同显示区域显示输入语句和推荐的画作，或，显示输入语句并将推荐的画作作为输入语句的显示背景。
8.一种终端设备，其特征在于，包括：输入模块、第一传输模块和显示模块；
所述输入模块，用于获取输入语句；
所述第一传输模块，用于将所述输入语句发送至服务器，以使得所述服务器获取所述输入语句的语句特征，将所述输入语句的语句特征与待推荐画作的画作特征进行匹配并将根据所述匹配的结果得到的推荐的画作发送至所述第一传输模块；
所述显示模块，用于显示所述第一传输模块接收的推荐的画作。
9.根据权利要求8所述的终端设备，其特征在于，所述显示模块，用于利用不同显示区域显示输入语句和推荐的画作，或，显示输入语句并将推荐的画作作为输入语句的显示背景。
10.一种画作推荐***，其特征在于，包括服务器和如权利要求8或9所述的终端设备；所述服务器包括第二传输模块、语句特征获取模块和匹配模块；
所述第二传输模块，用于接收所述第一传输模块发送的输入语句；
所述语句特征获取模块，用于获取所述输入语句的语句特征；
所述匹配模块，用于将所述输入语句的语句特征与待推荐画作的画作特征进行匹配，并通过所述第二传输模块将根据所述匹配的结果得到的推荐的画作发送至所述第一传输模块。
11.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5中任一项所述的方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一项所述的方法。
CN201910526065.2A 2019-06-18 2019-06-18 画作推荐方法及***、终端设备、计算机设备及介质 Pending CN110263182A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910526065.2A CN110263182A (zh) 2019-06-18 2019-06-18 画作推荐方法及***、终端设备、计算机设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910526065.2A CN110263182A (zh) 2019-06-18 2019-06-18 画作推荐方法及***、终端设备、计算机设备及介质

Publications (1)

Publication Number Publication Date
CN110263182A true CN110263182A (zh) 2019-09-20

Family

ID=67919099

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910526065.2A Pending CN110263182A (zh) 2019-06-18 2019-06-18 画作推荐方法及***、终端设备、计算机设备及介质

Country Status (1)

Country Link
CN (1) CN110263182A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111489746A (zh) * 2020-03-05 2020-08-04 国网浙江省电力有限公司 一种基于bert的电网调度语音识别语言模型构建方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102306298A (zh) * 2011-07-19 2012-01-04 北京航空航天大学 一种基于Wiki的图像分类体系动态演化方法
CN102999640A (zh) * 2013-01-09 2013-03-27 公安部第三研究所 基于语义推理和结构化描述的视频与图像检索***及方法
CN103324760A (zh) * 2013-07-11 2013-09-25 中国农业大学 使用解说词文档自动生成营养健康教育视频的方法及***
CN103902678A (zh) * 2014-03-21 2014-07-02 百度在线网络技术（北京）有限公司 搜索推荐方法和装置
US20150379006A1 (en) * 2014-06-26 2015-12-31 Amazon Technologies, Inc. Automatic image-based recommendations using a color palette
CN107885861A (zh) * 2017-11-21 2018-04-06 桂林爱家购股份有限公司 一种图像检索***和方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102306298A (zh) * 2011-07-19 2012-01-04 北京航空航天大学 一种基于Wiki的图像分类体系动态演化方法
CN102999640A (zh) * 2013-01-09 2013-03-27 公安部第三研究所 基于语义推理和结构化描述的视频与图像检索***及方法
CN103324760A (zh) * 2013-07-11 2013-09-25 中国农业大学 使用解说词文档自动生成营养健康教育视频的方法及***
CN103902678A (zh) * 2014-03-21 2014-07-02 百度在线网络技术（北京）有限公司 搜索推荐方法和装置
US20150379006A1 (en) * 2014-06-26 2015-12-31 Amazon Technologies, Inc. Automatic image-based recommendations using a color palette
CN107885861A (zh) * 2017-11-21 2018-04-06 桂林爱家购股份有限公司 一种图像检索***和方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111489746A (zh) * 2020-03-05 2020-08-04 国网浙江省电力有限公司 一种基于bert的电网调度语音识别语言模型构建方法
CN111489746B (zh) * 2020-03-05 2022-07-26 国网浙江省电力有限公司 一种基于bert的电网调度语音识别语言模型构建方法

Similar Documents

Publication Publication Date Title
CN107491534B (zh) 信息处理方法和装置
CN106383875B (zh) 基于人工智能的人机交互方法和装置
EP3866026A1 (en) Theme classification method and apparatus based on multimodality, and storage medium
CN108764226A (zh) 图像文本识别方法、装置、设备及其存储介质
CN108446964B (zh) 一种基于移动流量dpi数据的用户推荐方法
CN112214601B (zh) 一种社交短文本情感分类方法、装置及存储介质
CN104715063B (zh) 搜索排序方法和装置
CN113486833A (zh) 多模态特征提取模型训练方法、装置、电子设备
CN115982376B (zh) 基于文本、多模数据和知识训练模型的方法和装置
CN111178056A (zh) 基于深度学习的文案生成方法、装置及电子设备
CN115688920A (zh) 知识抽取方法、模型的训练方法、装置、设备和介质
CN115759293A (zh) 模型训练方法、图像检索方法、装置及电子设备
CN113486174B (zh) 模型训练、阅读理解方法、装置、电子设备及存储介质
CN116663495B (zh) 文本标准化处理方法、装置、设备及介质
CN110263182A (zh) 画作推荐方法及***、终端设备、计算机设备及介质
CN112446214A (zh) 广告关键词的生成方法、装置、设备及存储介质
CN112784156A (zh) 基于意图识别的搜索反馈方法、***、设备及存储介质
CN111859970A (zh) 用于处理信息的方法、装置、设备和介质
CN114139052B (zh) 用于智能推荐的排序模型训练方法、智能推荐方法及装置
CN113569741A (zh) 图像试题的答案生成方法、装置、电子设备及可读介质
CN110879868A (zh) 顾问方案生成方法、装置、***、电子设备及介质
CN111914863A (zh) 目标检测方法、装置、终端设备及计算机可读存储介质
CN109934279A (zh) 基于人工智能的文本序列的图像识别方法
CN109919092A (zh) 基于人工智能的文本序列的图像识别装置
CN116150428B (zh) 视频标签获取方法、装置、电子设备及存储介质

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