[發明專利]一種基于人工智能的家裝定制方法、系統及存儲介質

在審

• 申請號: 202110841711.1
• 申請日: 2021-07-26
• 公開（公告）號: CN113538101A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 楊浩松
• 申請（專利權）人: 楊浩松
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q30/02;G06Q50/08;G06N3/04
• 代理公司: 佛山粵進知識產權代理事務所(普通合伙) 44463
• 代理人: 耿鵬

1.一種基于人工智能的家裝定制方法，其特征在于，包括：

基于目標用戶瀏覽家裝項目歷史數據建立個人-項目偏好模型；

通過所述個人-項目偏好模型提取個人偏好，將所述個人偏好根據時間進行形式化描述生成個人偏好時間序列；

獲取所述個人偏好時間序列中的預設區間內個人偏好信息；

將所述個人偏好信息與候選家裝項目信息進行匹配，獲取用戶對候選家裝項目的感興趣程度；

根據所述感興趣程度的排序信息生成用戶的目標家裝風格信息，并根據目標房屋戶型圖生成目標房屋戶型信息；

基于卷積神經網絡建立家裝定制模型，將所述目標家裝風格信息和所述目標房屋戶型信息導入所述家裝定制模型；

所述家裝定制模型通過目標房屋戶型信息及目標家裝風格信息制定家裝方案；

將所述家裝方案按照預設的方式顯示；

所述目標家裝風格信息包含至少一種家裝風格k，對不同的家裝風格i進行區域化融合，與目標房屋戶型圖像化信息進行卷積，則家裝定制模型的數學表達形式為：

其中，y表示家裝定制模型定制的家裝方案信息，γ表示模型系數，i表示目標家裝風格信息中包含家裝風格的總數，j_k表示家裝風格k特征區域掩碼，g_k表示目標家裝風格信息中家裝風格k的風格編碼集合，*表示卷積計算，f表示目標房屋戶型信息的圖像特征。

2.根據權利要求1所述的一種基于人工智能的家裝定制方法，其特征在于，所述的基于卷積神經網絡建立家裝定制模型，具體為：

基于卷積神經網絡建立初始家裝定制模型，初始化模型參數；

獲取訓練數據，將所述初始家裝定制模型分成圖像轉換模塊及家裝風格構建模塊；

隨機采樣所述訓練數據中的房屋戶型圖像化信息并設置對應的家裝風格標簽；

預設所述圖像轉換模塊及家裝風格構建模塊的權重及梯度信息，并所述圖像轉換模塊及家裝風格構建模塊進行交替訓練；

對于每個t次迭代，對家裝風格構建模塊訓練t-1次迭代，對圖像轉換模塊訓練1次迭代，同時對所述權重及梯度信息進行更新；

根據更新后的權重及梯度信息對所述家裝定制模型的編碼器、解碼器參數進行更新；

將初始家裝定制模型進行n個t次迭代后，完成訓練，生成家裝定制模型。

3.根據權利要求1所述的一種基于人工智能的家裝定制方法，其特征在于，所述家裝定制模型通過目標房屋戶型信息及目標家裝風格信息制定家裝方案，具體為：

獲取目標房屋戶型信息，將所述目標房屋戶型信息進行拆分，生成墻體、地板、天花板的圖像化信息；

將所述圖像化信息進行特征提取，通過家裝定制模型中的編碼器將所述特征進行編碼，生成圖像特征；

獲取用戶的目標家裝風格信息，將所述圖像特征及所述目標家裝風格信息導入家裝定制模型中的家裝風格構建模塊；

根據所述目標家裝風格信息對不同的家裝風格進行區域化融合組成濾波器組；

通過目標家裝風格對應的濾波器組與圖像特征進行卷積，由解碼器進行解碼得到符合目標家裝風格的家裝方案。

4.根據權利要求1所述的一種基于人工智能的家裝定制方法，其特征在于，還包括：

獲取符合目標家裝風格的家裝方案，將所述家裝方案接入家具數據庫；

采集用戶及家裝項目的交互記錄，根據所述交互記錄采集用戶感興趣家裝項目及歷史購買家裝項目的價格信息，通過所述價格信息分析用戶的購買力；

通過所述購買力和家裝風格生成家具推薦標簽，所述家具數據庫通過所述家具推薦標簽創建索引任務；

家具數據庫中的索引模塊根據所述索引任務生成推薦全套家具方案，并附帶所述全套家具方案中的單個家具商品鏈接及價格；

同時，家具數據庫還可根據用戶的預算對推薦家具方案進行調整。