[發明專利]一種融合視覺特征和用戶評分的圖像推薦方法

有效

• 申請號: 201711330059.7
• 申請日: 2017-12-13
• 公開（公告）號: CN107944035B
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 薛峰;孫健;陳思洋;路強;余燁
• 申請（專利權）人: 合肥微木秉智科技有限公司
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06Q30/06;G06K9/46
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 陸麗莉;何梅生

本發明公開了一種融合視覺特征和用戶評分的圖像推薦方法，包括：1、爬取數據集并從數據集中提取物品圖像和用戶對相應物品圖像的評分矩陣；2、對所有采集到的物品圖像利用卷積神經網絡CNN進行圖像視覺特征提取，得到視覺特征矩陣；3、建立預測偏好模型，利用基于元素的交替最小二乘法更新預測偏好模型；4、從最終的預測偏好模型中得到用戶對所有物品圖像的偏好值，將偏好值進行降序排序，并選取前top個偏好值所對應的物品圖像推薦給用戶。本發明將視覺特征和用戶評分進行融合，從而能夠提高推薦精度和實現個性化推薦。

技術領域

本發明屬于基于計算機視覺技術的圖像處理技術領域，主要是涉及到矩陣分解的圖像推薦方法。

背景技術

近些年來，伴隨著電子商務的快速發展，產生了海量的網絡圖像數據，面對這樣大量的圖像數據，用戶希望可以快速的定位自己感興趣的圖像信息，搜索成為實現此目的的必備的功能，而搜索是由用戶主動發起的服務請求，為了讓系統主動地為客戶提供服務，就出現了圖像推薦系統，通過分析用戶感興趣的歷史數據和圖像數據庫中的圖像數據，為用戶推薦圖像數據庫中最有可能是用戶感興趣的圖像內容，也就是將與用戶歷史感興趣的圖像最接近的圖像推薦給用戶。

目前各大電子商務網站中所使用的商品檢索系統大多是使用基于關鍵字的檢索，例如，淘寶，亞馬遜等，而基于關鍵字的圖像檢索系統要求商品圖像必須附加商品的名稱、種類等相關文字描述信息，再根據用戶輸入的搜索關鍵字與商品的文字描述進行匹配，然而文字信息難以完整描述商品的所有特征，并且受用戶主觀因素的影響非常大，使得用戶輸入的商品描述信息很難做到客觀精準，很有可能針對不同的商品需求會在用戶主觀條件下反映出相同的關鍵字或者相同的商品需求反映出不同的關鍵字而使得返回的圖像集差異很大，這極大的降低了用戶搜索自己感興趣圖像的效率。而且在此基于關鍵字的搜索過程中，整理規范商品的附加文字信息需要耗費大量的時間和人力，而搜索關鍵字由于用戶主觀因素的影響對搜索結果也造成了很大的影響。如何能夠降低這些因素對檢索結果的影響越來越引起人們的高度重視和廣泛關注，利用圖像內容來進行相關檢索而減少對文字信息的依賴可以有效地解決以上所提出的問題。

傳統的基于圖像內容的圖像檢索都是通過圖像的顏色、紋理或者形狀的視覺特征來提取圖像的視覺特征，而這種檢索方法會受到圖像拍攝時的環境和圖像拍攝設備的影響，會對圖像搜索結果產生非常嚴重的影響。如何將這些因素對檢索結果的影響盡量降低，仍然是一個難點。而且這種傳統的圖像推薦只關注了物品的本身屬性，無法考慮到用戶的個人喜好和興趣，無法實現精準的個性化推薦。

發明內容

針對上述現有技術中存在的諸多問題，本發明提出一種融合視覺特征和用戶評分的圖像推薦方法，以期能提高推薦精度和實現個性化推薦。

本發明為解決技術問題采用如下技術方案：

本發明一種融合視覺特征和用戶評分的圖像推薦方法的特點是按如下步驟進行：

步驟1、通過網絡爬蟲從網站上爬取物品圖像集P和相應的物品評分數據集Q；

步驟2、從所述物品圖像集P中提取出N幅物品圖像，從相應的物品評分數據集Q中提取出M個用戶對N幅物品圖像的評價信息，從而得到M個用戶對N幅物品圖像的評分矩陣所述評分矩陣Y中任意用戶u對任意物品圖像i的評分記為y_ui，若y_ui＝1表示用戶u評價了物品圖像i對應的物品，y_ui＝0表示用戶u未評價物品圖像i對應的物品；

步驟3、對所述N幅物品圖像進行歸一化處理得到圖像集C；

步驟4、利用卷積神經網絡CNN對所述圖像集C中的N幅圖像分別進行特征提取，得到N幅圖像的視覺特征矩陣其中，T表示每幅圖像的視覺特征的維度，每一列向量表示圖像i所對應的視覺特征向量；

步驟5、利用式(1)建立預測偏好模型：