[發明專利]根據用戶偏好學習預測顏色和諧程度的方法

有效

• 申請號: 202010050943.0
• 申請日: 2020-01-17
• 公開（公告）號: CN111241372B
• 公開（公告）日: 2021-11-05
• 發明（設計）人: 楊柏林;魏天祥
• 申請（專利權）人: 浙江工商大學
• 主分類號: G06F16/951
• 分類號: G06F16/951;G06N3/04;G06N3/08
• 代理公司: 杭州奧創知識產權代理有限公司 33272
• 代理人: 王佳健

1.根據用戶偏好學習預測顏色和諧程度的方法，其特征在于該方法包括以下步驟：

第一部分：數據采集和預處理

步驟一：進行在線爬蟲，獲取某個網站中所有評論人數超過設定人的顏色主題id、用戶評論的id和具體的評論；

步驟二：對獲取的評論信息進行語義分類；檢索用戶評論中的關鍵詞，根據關鍵詞判斷該評論要表現的和諧程度；

步驟三：刪除空白的評論以及該評論的用戶id，按照用戶名排序進行編號，獲得顏色主題的id，用戶的id以及由評論轉化而來的和諧度值；

第二部分：構建顏色和諧預測模型

步驟一：基于反向傳播神經網絡構建顏色和諧預測模型

1-1：提取多種顏色特征，包括調色板顏色、平均值、標準差、中位數、最大值、最小值、眾數、顏色矩、每個顏色空間中單個通道的最大-最小值以及主題中相鄰顏色的歐氏距離，將這些顏色特征作為反向傳播神經網絡的輸入層進行訓練；

1-2：通過三層隱藏層訓練輸入層的顏色特征；

1-3：采用sigmod函數作為三層隱藏層的激活函數，梯度下降算法作為神經網絡反向傳播的損失函數；

步驟二：在反向傳播神經網絡的隱藏層和輸出層之間構造基于用戶偏好的Kernel概率分布模型；

假設有M個用戶對N個顏色主題進行評價，顏色主題的顏色特征用C_n表示，第m個用戶給出顏色主題的評價用Z_mn表示，Z_mn即為真實標簽，且Z_mn的總數小于M×N；

2-1：擴展C_n的大小為長度為M的向量；

2-2：利用步驟一的反向傳播神經網絡將顏色特征向量轉化為顏色特征β_mn，其中，β_mn∈(0,1)；

2-3：根據真實標簽Z_mn和顏色特征β_mn初步生成審美能力值α'_mn：

其中K表示顏色評級，顏色主題不同，顏色評級也不同；

2-4：分析審美能力值α'_mn，獲取其基于Kernel分布的概率密度函數p(x|K,h)和累積分布函數F(x|K,h)，h為Kernel分布函數中的帶寬參數；

2-5：根據累積分布函數F(x|K,h)生成與用戶一一對應的審美能力值α_m：

其中，x'為審美能力值，x'＝{α₁,α₂,…,α_m}，u是滿足均勻分布的隨機變量；

2-6：通過α_m和β_mn計算最終顏色主題的和諧度值L_mn：

步驟三：比對L_mn與Z_mn的誤差，計算Loss值并返回步驟一進行反向迭代，直至Loss值不再變化為止；

步驟四：輸出迭代后的和諧度值L_mn，并將其作為最終預測結果。

2.根據權利要求1所述的方法，其特征在于：

數據采集和預處理中：

步驟一中所述的網站為在線網站COLOURLovers，獲取網站中所有評論人數超過5人的顏色主題id，以及用戶評論的id和具體的評論；

步驟二中所述的關鍵詞是指積極詞匯或者消極詞匯，如果評論中不包含關鍵詞，則將此對應的諧度值列為諧度值的中間值。

3.根據權利要求1所述的方法，其特征在于：

構建顏色和諧預測模型中：

1-2：通過三層隱藏層訓練輸入層的顏色特征，利用多次實驗確定每個隱藏層的節點數；第一層隱藏層有300個神經元，第二層隱藏層有20個神經元，第三層隱藏層有1個神經元；

1-3：還包括設置學習率η＝0.00075來平衡預測精度和時間消耗。