[發明專利]一種預測圖片流行度的方法及系統

有效

• 申請號: 201710848297.0
• 申請日: 2017-09-19
• 公開（公告）號: CN107563394B
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 劉文印;司徒潤威;李六武;高俊艷;楊振國
• 申請（專利權）人: 奇秦科技(北京)股份有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06N3/04
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

1.一種預測圖片流行度的方法，其特征在于，包括：

將采集到的圖片數據進行預處理得到待分析數據；

利用人工神經網絡提取待分析數據的低層特征與高層特征，并將所述低層特征與所述高層特征拼接得到所述特征樣本；

利用經過參數優化的XGBoost對所述特征樣本進行回歸預測得到所述圖片流行度；

其中，所述將采集到的圖片數據進行預處理得到待分析數據包括：

根據社交線索特征將采集到的圖片數據劃分為時間特征數據和非時間特征數據；

利用多時態標度的方法對所述時間特征數據進行處理得到待分析時間數據；

利用特征圖譜的方法對所述非時間特征數據進行處理得到待分析非時間數據；其中，所述待分析數據包括所述待分析時間數據和所述待分析非時間數據；

其中，所述利用特征圖譜的方法對所述非時間特征數據進行處理得到待分析非時間數據包括：

根據函數對所述非時間特征數據的取值范圍進行區間劃分；其中，b₀、b₁…b_i-1為映射值；a_i為第i個所述區間上的所述非時間特征數據的取值；c_i為小于[a_i-1,a_i]區間跨度的任意數值；

根據所述非時間特征數據確定對應區間上的映射值，并通過get_dummies函數進行相應轉化得到待分析非時間數據；get_dummies函數為pandas的函數，pandas為編程語言python的數據分析包。

2.根據權利要求1所述方法，其特征在于，根據所述非時間特征數據確定對應區間上的映射值包括：

在所述區間中設置重疊區間，判斷所述非時間特征數據是否落在所述重疊區間；

若是，則判定所述非時間特征數據對應的所述區間為所述重疊區間相鄰的區間；

若否，則對所述非時間特征數據的映射值確定對應區間上的映射值。

3.根據權利要求1所述方法，其特征在于，所述利用人工神經網絡提取待分析數據的低層特征與高層特征，并將所述低層特征與所述高層特征拼接得到所述特征樣本包括：

利用一維卷積神經網絡提取待分析數據的低層特征與高層特征，并將所述低層特征與所述高層特征拼接起來得到全連接層的輸入數據；

利用所述全連接層，對所述輸入數據進行特征提取操作得到所述特征樣本。

4.一種預測圖片流行度的系統，其特征在于，包括：

初始化模塊，用于將采集到的圖片數據進行預處理得到待分析數據；

特征提取模塊，用于利用人工神經網絡提取待分析數據的低層特征與高層特征，并將所述低層特征與所述高層特征拼接得到所述特征樣本；

回歸模塊，用于利用經過參數優化的XGBoost對所述特征樣本進行回歸預測得到所述圖片流行度；

其中，所述初始化模塊包括：

劃分子模塊，用于根據社交線索特征將采集到的圖片數據劃分為時間特征數據和非時間特征數據；

時間數據處理子模塊，用于利用多時態標度的方法對所述時間特征數據進行處理得到待分析時間數據；

非時間數據處理子模塊，用于利用特征圖譜的方法對所述非時間特征數據進行處理得到待分析非時間數據；其中，所述待分析數據包括所述待分析時間數據和所述待分析非時間數據；

其中，所述非時間數據處理子模塊包括：

分區單元，用于根據函數對所述非時間特征數據的取值范圍進行區間劃分；其中，b₀、b₁…b_i-1為映射值；a_i為第i個所述區間上的所述非時間特征數據的取值；c_i為小于[a_i-1,a_i]區間跨度的任意數值；

轉化單元，用于根據所述非時間特征數據確定對應的區間，并通過get_dummies函數進行相應轉化得到待分析非時間數據；get_dummies函數為pandas的函數，pandas為編程語言python的數據分析包。

5.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序執行時實現如權利要求1至3任一項所述的方法。

6.一種服務器，其特征在于，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述處理器調用所述存儲器中的計算機程序時實現如權利要求1至3任一項所述的方法。