[發明專利]畫單生成方法及裝置，電子設備，計算機可讀存儲介質

在審

• 申請號: 201811105767.5
• 申請日: 2018-09-21
• 公開（公告）號: CN109242030A
• 公開（公告）日: 2019-01-18
• 發明（設計）人: 周希波;李慧
• 申請（專利權）人: 京東方科技集團股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/906;G06F16/9535
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 林祥

1.一種畫單生成方法，其特征在于，包括：

獲取畫作數據和用戶行為數據；

利用預先設置的聚類算法組對所述畫作數據和所述用戶行為數據進行聚類，得到聚類結果；

根據所述聚類結果生成畫單。

2.根據權利要求1所述的畫單生成方法，其特征在于，所述聚類算法組至少包括多個采用不同原理的聚類算法和對所述采用不同原理的聚類算法的聚類結果進行融合的融合聚類算法，利用預先設置的聚類算法組對所述畫作數據和所述用戶行為數據進行聚類，得到聚類結果包括：

對所述畫作數據和所述用戶行為數據進行處理，得到降維后的特征向量；

針對所述多個采用不同原理的聚類算法中的每一個算法，將所述降維后的特征向量輸入到所述聚類算法，得到用于表征畫作間關聯關系的中間聚類結果；

將所述每個聚類算法的中間聚類結果輸入到所述融合聚類算法，得到最終的聚類結果。

3.根據權利要求2所述的畫單生成方法，其特征在于，所述多個采用不同原理的聚類算法至少包括以下兩種：

基于劃分的聚類、基于層次的聚類、基于密度的聚類和基于模型的聚類。

4.根據權利要求2所述的畫單生成方法，其特征在于，對所述畫作數據和所述用戶行為數據進行處理，得到降維后的特征向量包括：

根據所述畫作數據和所述用戶行為數據提取出基于物品的特征向量；

融合所述基于物品的特征向量，得到融合特征向量；

利用主成份分析法將所述融合特征向量轉換為降維后的特征向量。

5.根據權利要求4所述的畫單生成方法，其特征在于，根據所述畫作數據和所述用戶行為數據提取出基于物品的特征向量包括：

針對所述畫作數據中的畫作圖像信息，利用棧式自編碼器逐層提取特征，并將所提取的特征進行降維處理，得到所述畫作數據對應的高階特征向量；

針對所述畫作數據中的畫作特征信息，利用獨熱編碼對類別特征進行編碼，并對所述數值特征進行歸一化處理，得到第一畫作特征向量；

針對所述用戶行為數據中的結構化的行為數據，利用交替最小二乘法分解所述結構化的行為數據，得到第二畫作特征向量；

針對所述用戶行為數據中的非結構化的行為數據，利用文檔主題生成模型提取所述非結構化的行為數據中隱含主題概率向量；

所述高階特征向量、所述第一畫作特征向量、所述第二畫作特征向量和所述隱含主題概率向量為所述基于物品的特征向量。

6.根據權利要求2所述的畫單生成方法，其特征在于，將所述每個聚類算法的中間聚類結果輸入到所述融合聚類算法，得到最終的聚類結果包括：

建立畫作集間的兩兩關聯矩陣，所述關聯矩陣中各元素的初值為0；

利用所述融合聚類算法依次掃描所述多個中間聚類結果中各中間聚類結果；

若所述各中間聚類結果中存在兩幅畫作被劃分至同一個類簇中，則將所述兩幅畫作的關聯矩陣中對應元素值增加1；

在完成掃描后，若所述關聯矩陣中各元素值大于預先設置的元素值閾值，則所述兩幅畫作劃分到同一類簇中，得到最終的聚類結果。

7.根據權利要求1所述的畫單生成方法，其特征在于，所述畫作數據至少包括：畫作圖像信息和畫作特征信息；其中，所述畫作特征信息包括以下至少一種：類別、主題、尺寸、作者、年份和材質。

8.根據權利要求1所述的畫單生成方法，其特征在于，所述用戶行為數據至少包括結構化的行為數據和非結構化的行為數據；其中，

結構化的行為數據包括以下至少一種：購買行為、評分記錄、瀏覽歷史和推送記錄；

非結構化的行為數據包括以下至少一種：搜索內容、評論及分享內容。

9.一種畫單生成裝置，其特征在于，包括輸入層、聚類算法層和輸出層；其中，

所述輸入層用于獲取畫作數據和用戶行為數據；

所述聚類算法層用于利用預先設置的聚類算法組對所述畫作數據和所述用戶行為數據進行聚類，得到聚類結果；

所述輸出層用于根據所述聚類結果生成畫單。