[發(fā)明專利]一種線上商品搜索方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201811000482.5
• 申請(qǐng)日: 2018-08-30
• 公開(kāi)（公告）號(hào): CN109146640B
• 公開(kāi)（公告）日: 2020-06-19
• 發(fā)明（設(shè)計(jì)）人: 嚴(yán)靈毓;王春枝;傅稼潤(rùn);路翰霖;袁露;張鴻鑫
• 申請(qǐng)（專利權(quán)）人: 湖北工業(yè)大學(xué)
• 主分類號(hào): G06Q30/06
• 分類號(hào): G06Q30/06;G06F16/51;G06F16/53;G06F16/58;G06T9/00
• 代理公司: 北京高沃律師事務(wù)所 11569
• 代理人: 張海青

本發(fā)明公開(kāi)了一種線上商品搜索方法及系統(tǒng)。所述方法及系統(tǒng)采用卷積神經(jīng)網(wǎng)絡(luò)將圖像中的對(duì)象特征提取出來(lái)，通過(guò)深層次卷積神經(jīng)網(wǎng)絡(luò)結(jié)合哈希碼算法的方式創(chuàng)建哈希碼，再利用深度學(xué)習(xí)的方式進(jìn)行哈希碼的匹配，不僅有效地保證對(duì)象搜索的準(zhǔn)確性和全面性，而且保證了搜索的高效性以及商品推薦的準(zhǔn)確性。本發(fā)明提供的方法及系統(tǒng)適合應(yīng)用于各類型的購(gòu)物軟件，實(shí)現(xiàn)所需成本小，應(yīng)用范圍廣，可以解決用戶目前所遇到的對(duì)象搜索問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及在線購(gòu)物技術(shù)領(lǐng)域，特別是涉及一種線上商品搜索方法及系統(tǒng)。

背景技術(shù)

伴隨著科學(xué)技術(shù)的發(fā)展，互聯(lián)網(wǎng)出現(xiàn)在我們的生活里。隨著互聯(lián)網(wǎng)的迅猛崛起，人們開(kāi)始利用互聯(lián)網(wǎng)解決各類生活中的問(wèn)題。為了滿足人們利用互聯(lián)網(wǎng)購(gòu)物的需求，淘寶、京東等公司出現(xiàn)在了我們眼前，滿足了我們的需求。網(wǎng)上購(gòu)物逐漸成為了人們?nèi)粘Ｉ钪胁豢苫蛉钡囊徊糠郑W(wǎng)上購(gòu)物的顧客成為了一個(gè)龐大的新生群體。09年，淘寶的用戶量就已經(jīng)達(dá)到1.4億，12年，這個(gè)數(shù)字變成了8億。與此同時(shí)，網(wǎng)上店鋪的數(shù)量也在飛速增長(zhǎng)，還是以淘寶為例，17年淘寶號(hào)稱店鋪數(shù)量已經(jīng)達(dá)到了千萬(wàn)級(jí)別。伴隨著網(wǎng)上購(gòu)物領(lǐng)域的繁榮發(fā)展，可以看到數(shù)據(jù)量也在急劇增加，這時(shí)，由于數(shù)據(jù)量變得太過(guò)巨大，線上購(gòu)物的一些弊端開(kāi)始浮現(xiàn)。

雖然技術(shù)在不斷的革新，但是線上的龐大數(shù)據(jù)量，很難如線下一樣讓顧客輕松找到自己心儀的商品。搜索困難成為顧客購(gòu)物過(guò)程中面臨的一大問(wèn)題。為解決這一問(wèn)題，近些年來(lái)提出了很多的“導(dǎo)購(gòu)”系統(tǒng)。但大多數(shù)搜索系統(tǒng)，都只是根據(jù)客戶端存儲(chǔ)的搜索或?yàn)g覽記錄，來(lái)推薦一些商品，很難解決線上線下信息不對(duì)稱的問(wèn)題。因?yàn)榫€下拿到了某一商品時(shí)，想要進(jìn)行線上的搜索，不是以往的歷史記錄可以解決的。例如在現(xiàn)實(shí)中看到了一瓶礦泉水，無(wú)法確定其準(zhǔn)確信息，這時(shí)搜索礦泉水，由于數(shù)據(jù)量的龐大，很難從龐大的搜索結(jié)果中找到想要的該商品。當(dāng)然得知的商品相關(guān)信息越多，搜索可以變得越來(lái)越精確，但是想要迅速且準(zhǔn)確的從大量的數(shù)據(jù)中得到想要的商品，并不是一件容易的事情。

近些年來(lái)，圖像檢索技術(shù)的不斷進(jìn)步，使得很多領(lǐng)域隨之發(fā)生了巨大的變革。基于內(nèi)容的圖像檢索技術(shù)的出現(xiàn)，使得線上的圖像識(shí)別從構(gòu)想變成了現(xiàn)實(shí)。基于內(nèi)容的圖像檢索技術(shù)(Content-based Image Retrieval，CBIR)借助對(duì)圖像信息從低層到高層進(jìn)行處理、分析和理解的過(guò)程獲取其內(nèi)容并根據(jù)內(nèi)容進(jìn)行檢索。CBIR技術(shù)分為三個(gè)層次，一是依據(jù)提取圖像本身的顏色、紋理、形狀等低層特征進(jìn)行檢索；二是基于圖像的低層特征，通過(guò)識(shí)別圖像中的對(duì)象類別及對(duì)象間的空間拓?fù)潢P(guān)系進(jìn)行檢索；三是基于圖像抽象屬性(場(chǎng)景語(yǔ)義、行為語(yǔ)義和情感語(yǔ)義)的推理學(xué)習(xí)進(jìn)行檢索。上述三個(gè)層次由低到高，與人的認(rèn)知接近。CBIR使得很多領(lǐng)域與圖像檢索聯(lián)系到了一起，比如我們所熟知的火車站飛機(jī)場(chǎng)等人臉識(shí)別系統(tǒng)。這些系統(tǒng)的檢測(cè)方式，大概可以分為兩類：(1)基于屬性組合的檢索：將視頻對(duì)象提取出來(lái)，然后把對(duì)象的特征(如顏色、形狀、速度、方向等)作為對(duì)象的屬性，通過(guò)屬性的組合進(jìn)行查詢與搜索；(2)基于可視詞組的視頻搜索：通過(guò)對(duì)視頻圖像提取特征，然后利用聚類方法將特征轉(zhuǎn)化為可視詞組，利用文本檢索的相關(guān)索引技術(shù)，進(jìn)行視頻的檢索。但是當(dāng)今這些應(yīng)用所采用的識(shí)別框架，仍然存在著諸如語(yǔ)意損失過(guò)大，識(shí)別效率低等問(wèn)題。尤其是現(xiàn)有的購(gòu)物推薦與搜索系統(tǒng)通常采用CF(Collaborative Filtering，協(xié)同過(guò)濾)識(shí)別算法，由于該算法并不采用圖像分析的方法，單純進(jìn)行數(shù)據(jù)矩陣運(yùn)算，導(dǎo)致該方法具有識(shí)別偏差過(guò)大、識(shí)別效率低的缺陷。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種線上商品搜索方法及系統(tǒng)，通過(guò)采用高精度哈希算法進(jìn)行線上商品搜索，減少了圖像識(shí)別誤差與語(yǔ)義損失，提高了對(duì)象搜索的準(zhǔn)確性和全面性，并提高了搜索效率。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下方案：

一種線上商品搜索方法，所述方法包括：

獲取服務(wù)端存儲(chǔ)的服務(wù)端商品圖片；

采用卷積神經(jīng)網(wǎng)絡(luò)提取所述服務(wù)端商品圖片的視覺(jué)特征；