基于商品圖像特征的個(gè)性化搜索裝置及方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種電子商務(wù)領(lǐng)域中基于商品圖像特征的個(gè)性化捜索裝置及方法。
【背景技術(shù)】
[0002] 現(xiàn)有的個(gè)性化捜索,一般先進(jìn)行用戶、商品、場景的語義、統(tǒng)計(jì)、文字等的特征提 取,然后根據(jù)各種捜索、排序算法得到最后的結(jié)果。在現(xiàn)有捜索中,鮮有基于用戶瀏覽商品 圖片的行為進(jìn)行個(gè)性化捜索。
【發(fā)明內(nèi)容】
[0003] 本發(fā)明提供一種基于商品圖像特征的個(gè)性化捜索裝置及方法,其根據(jù)電子商務(wù)領(lǐng) 域的商品圖像,利用神經(jīng)網(wǎng)絡(luò)提取出商品圖像的深層抽象語義特征向量,按品類把用戶的 瀏覽行為進(jìn)行歸類,根據(jù)提取出的深層抽象語義特征向量,計(jì)算出用戶在各個(gè)品類下的興 趣權(quán)重,對于每個(gè)用戶按品類利用興趣權(quán)重得到用戶在該品類下的排序值結(jié)果,用于個(gè)性 化的捜索,由此能夠增加用戶在多個(gè)維度上的體驗(yàn)值。
[0004] 本發(fā)明的基于商品圖像特征的個(gè)性化捜索裝置,其包括:
[0005] 特征提取模塊,其利用神經(jīng)網(wǎng)絡(luò)模型,按品類提取圖像的抽象語義特征向量;
[0006] 品類圖像計(jì)算模塊,其接收從所述特征提取模塊推送來的圖像的抽象語義特征向 量,對于每一維度的抽象語義特征向量分別計(jì)算在該維度下的均值與方差,并且按照每一 維度做歸一化處理;
[0007] 用戶瀏覽行為權(quán)重計(jì)算模塊,其對用戶瀏覽的所有對應(yīng)的圖像按品類提取相應(yīng)歸 一化的所述抽象語義特征向量進(jìn)行求和,得到該用戶在各個(gè)品類下的興趣權(quán)重向量;
[000引排序模塊,其根據(jù)從所述用戶瀏覽行為權(quán)重計(jì)算模塊推送來的每個(gè)用戶在某一品 類下的所述興趣權(quán)重向量,對該品類下用戶沒有觀看的圖像對應(yīng)的特征向量做內(nèi)積,得到 用戶沒有觀看的每一張圖像對應(yīng)的得分值,然后根據(jù)所得到的得分值進(jìn)行排序,選取得分 值高的規(guī)定張圖像之后入庫;
[0009] 捜索調(diào)用模塊,其根據(jù)所述排序模塊的排序值結(jié)果,進(jìn)行個(gè)性化的捜索。
[0010] 本發(fā)明的基于商品圖像特征的個(gè)性化捜索方法,其包括:
[0011] 特征提取步驟,利用神經(jīng)網(wǎng)絡(luò)模型,按品類提取圖像的抽象語義特征向量;
[0012] 品類圖像計(jì)算步驟,對于每一維度的所述抽象語義特征向量分別計(jì)算在該維度下 的均值與方差,并且按照每一維度做歸一化處理;
[0013] 用戶瀏覽行為權(quán)重計(jì)算步驟,其對用戶瀏覽的所有對應(yīng)的圖像按品類提取相應(yīng)歸 一化的所述抽象語義特征向量進(jìn)行求和,得到該用戶在各個(gè)品類下的興趣權(quán)重向量;
[0014] 排序步驟,根據(jù)每個(gè)用戶在某一品類下的所述興趣權(quán)重向量,對該品類下用戶沒 有觀看的圖像對應(yīng)的特征向量做內(nèi)積,得到用戶沒有觀看的每一張圖像對應(yīng)的得分值,然 后根據(jù)所得到的得分值進(jìn)行排序,選取得分值高的規(guī)定張圖像之后入庫;
[0015] 捜索調(diào)用步驟,根據(jù)所述排序步驟的排序值結(jié)果,進(jìn)行個(gè)性化的捜索。
[0016] 發(fā)明的效果
[0017] 本發(fā)明是針對電子商務(wù)領(lǐng)域的商品圖像,結(jié)合圖像的深度語義特征,根據(jù)用戶的 瀏覽行為,進(jìn)行個(gè)性化捜索,由此能夠增加用戶在多個(gè)維度上的體驗(yàn)值。
【附圖說明】
[001引圖1是表示本發(fā)明所設(shè)及的基于商品圖像特征的個(gè)性化捜索裝置的框圖。
[0019] 圖2是表示本發(fā)明所設(shè)及的基于商品圖像特征的個(gè)性化捜索方法的流程圖。
【具體實(shí)施方式】
[0020] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白,W下結(jié)合具體實(shí)施例,并參照 附圖,對本發(fā)明進(jìn)一步詳細(xì)說明。
[0021] 本發(fā)明主要利用神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像的抽象語義特征向量提取,計(jì)算品類下所有圖 像的特征向量在每一維度下的均值與方差,根據(jù)每一個(gè)用戶瀏覽的圖像,對每一個(gè)瀏覽行 為按照提取出來的特征向量歸一化后求和處理,得到該用戶的興趣權(quán)重,然后用該個(gè)興趣 權(quán)重對該品類下每張圖像的特征向量做內(nèi)積而得到該圖像的得分值,然后排序之后的結(jié)果 用于個(gè)性化捜索。
[0022] 圖1是表示本發(fā)明所設(shè)及的基于商品圖像特征的個(gè)性化捜索裝置1的框圖。
[0023] 本發(fā)明所設(shè)及的基于商品圖像特征的個(gè)性化捜索裝置1主要包括特征提取模塊 2、品類圖像計(jì)算模塊3、用戶瀏覽行為權(quán)重計(jì)算模塊4、排序模塊5及捜索調(diào)用模塊6。
[0024] 特征提取模塊2利用神經(jīng)網(wǎng)絡(luò)模型,按品類提取圖像的抽象語義特征向量,并將 該抽象語義特征向量推送至品類圖像計(jì)算模塊3。
[0025] 由于從圖像提取出來的抽象語義特征向量,在多維分布上存在很大的不均衡性, 因此為了避免部分偏移量過大帶來的影響,需要每多維分布進(jìn)行歸一化處理。為此,品類圖 像計(jì)算模塊3接收從特征提取模塊2推送來的圖像的抽象語義特征向量,對于每一維度的 抽象語義特征向量分別計(jì)算在該維度下的均值與方差0 1,并且對于圖像的抽象語義特 征向量,按照每一維度做歸一化處理
[0026]
[0027] 在用戶瀏覽行為權(quán)重計(jì)算模塊4中,對瀏覽行為進(jìn)行去重處理(多次瀏覽相同歸 成一次),W避免用戶錯(cuò)誤點(diǎn)擊造成的影響,另外,對用戶瀏覽的所有對應(yīng)的圖像按品類提 取相應(yīng)歸一化的特征向量進(jìn)行求和,得到該用戶在各個(gè)品類下的興趣權(quán)重向量,并將得到 的用戶在各個(gè)品類下的興趣權(quán)重向量推送至排序模塊5。
[002引排序模塊5根據(jù)從用戶瀏覽行為權(quán)重計(jì)算模塊4推送來的每個(gè)用戶在某一品類下 的興趣權(quán)重向量(Wi,W2,…,W。,),對該品類下用戶沒有觀看的圖像對應(yīng)的特征向量做內(nèi)積
得到用戶沒有觀看的每一張圖像對應(yīng)的得分值,然后根據(jù)所得到的得分值 進(jìn)行排序,選取Top-N之后入庫,所有品類都根據(jù)W上步驟進(jìn)行。
[0029] 在捜索調(diào)用模塊6中,可W有W下兩種策略進(jìn)行選擇:
[0030] (1)對應(yīng)現(xiàn)有的捜索結(jié)果,查看每一個(gè)商品對應(yīng)圖像的得分值,最后在捜索結(jié)果中 進(jìn)行排序并輸出;或者
[003U(2)對于捜索詞進(jìn)行語義分析后,對應(yīng)到某一品類,取該一個(gè)品類Top-N圖像對應(yīng) 的商品作為個(gè)性化的捜索結(jié)果。
[0032] 根據(jù)上述本發(fā)明的基于商品圖像特征的個(gè)性化捜索裝置1,通過結(jié)合圖像的深度 語義特征,根據(jù)用戶的瀏覽行為,進(jìn)行個(gè)性化捜索,從而能夠增加用戶在多個(gè)維度上的體驗(yàn) 值。
[0033] 下面,結(jié)合圖2來說明本發(fā)明所設(shè)及的基于商品圖像特征的個(gè)性化捜索方法。
[0034] 圖2是表示本發(fā)明所設(shè)及的基于商品圖像特征的個(gè)性化捜索方法的流程圖。
[0035] 如圖2所示,首先在特征提取步驟S1中,主要包括W下兩個(gè)子步驟:
[0036] (1)利用神經(jīng)網(wǎng)絡(luò)模型,按品類提取圖像的抽象語義特征向量;
[0037] (2)將提取的圖像深層特征向量推送至品類圖像計(jì)算步驟。
[003引 由于從圖像提取出來的抽