[發明專利]一種相機特效的推薦方法及裝置

在審

• 申請號: 201711478934.6
• 申請日: 2017-12-29
• 公開（公告）號: CN108122029A
• 公開（公告）日: 2018-06-05
• 發明（設計）人: 李振博;王強
• 申請（專利權）人: 北京奇虎科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;H04L29/08
• 代理公司: 北京華沛德權律師事務所 11302
• 代理人: 房德權

1.一種相機特效的推薦方法，其特征在于，包括：

接收客戶端上報的用戶使用相機特效的歷史數據；

基于所述歷史數據，構造預設模型的可見層的輸入向量；

將所述可見層的輸入向量輸入至所述預設模型中，獲得所述預設模型的可見層的預測向量；

從所述可見層的預測向量中選出滿足預設條件的元素，并將所述元素對應的相機特效推薦給所述用戶。

2.如權利要求1所述的相機特效的推薦方法，其特征在于，所述接收客戶端上報的用戶使用相機特效的歷史數據，包括：

接收客戶端上報的所述用戶在過去的預設時間段內觸發相機特效的第一歷史數據。

3.如權利要求1所述的相機特效的推薦方法，其特征在于，所述預設模型，具體為：

限玻爾茲曼機RBM模型。

4.如權利要求3所述的相機特效的推薦方法，其特征在于，所述將所述可見層的輸入向量輸入至所述預設模型中之前，還包括：

確定所述RBM模型中的參數。

5.如權利要求4所述的相機特效的推薦方法，其特征在于，所述確定所述RBM模型中的參數，包括：

獲取多個其他用戶在所預設時間段內觸發相機特效的第二歷史數據；

將所述第二歷史數據作為訓練樣本，通過人工智能學習系統進行訓練，獲得所述RBM模型中的參數；其中，所述RBM模型中的參數包括：所述RBM模型中隱藏層的偏置向量，所述RBM模型中可見層的偏置向量，所述可見層到所述隱藏層的權重矩陣。

6.如權利要求3所述的相機特效的推薦方法，其特征在于，所述將所述可見層的輸入向量輸入至所述預設模型中，獲得所述預設模型的可見層的預測向量，包括：

將所述可見層的輸入向量輸入至所述RBM模型中，以使得所述RBM模型基于所述可見層的輸入向量計算出所述RBM模型的隱藏層向量，并基于所述隱藏層向量計算出所述可見層的預測向量。

7.如權利要求3所述的相機特效的推薦方法，其特征在于，所述從所述可見層的預測向量中選出滿足預設條件的元素，包括：

從所述可見層的預測向量中刪除所述用戶在所述預設時間段內觸發過的相機特效對應的元素，并從剩余元素中選出取值最高的M個元素，M為正整數。

8.一種相機特效的推薦裝置，其特征在于，包括：

接收單元，用于接收客戶端上報的用戶使用相機特效的歷史數據；

構造單元，用于基于所述歷史數據，構造預設模型的可見層的輸入向量；

運算單元，用于將所述可見層的輸入向量輸入至所述預設模型中，獲得所述預設模型的可見層的預測向量；

推薦單元，用于從所述可見層的預測向量中選出滿足預設條件的元素，并將所述元素對應的相機特效推薦給所述用戶。

9.一種相機特效的推薦裝置，其特征在于，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現以下步驟：

接收客戶端上報的用戶使用相機特效的歷史數據；基于所述歷史數據，構造預設模型的可見層的輸入向量；將所述可見層的輸入向量輸入至所述預設模型中，獲得所述預設模型的可見層的預測向量；從所述可見層的預測向量中選出滿足預設條件的元素，并將所述元素對應的相機特效推薦給所述用戶。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，該程序被處理器執行時實現以下步驟：

接收客戶端上報的用戶使用相機特效的歷史數據；基于所述歷史數據，構造預設模型的可見層的輸入向量；將所述可見層的輸入向量輸入至所述預設模型中，獲得所述預設模型的可見層的預測向量；從所述可見層的預測向量中選出滿足預設條件的元素，并將所述元素對應的相機特效推薦給所述用戶。