一種基于圖像內(nèi)容的用戶興趣細(xì)分方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別是涉及一種基于圖像內(nèi)容的用戶興趣細(xì)分方法及系統(tǒng)。
【背景技術(shù)】
[0002]數(shù)據(jù)挖掘可以提供客戶洞察力，這對(duì)建立有效的市場(chǎng)營(yíng)銷、銷售以及個(gè)性化策略是至關(guān)重要的。它會(huì)導(dǎo)致客戶之間的個(gè)性化交流，因此通過(guò)數(shù)據(jù)分析來(lái)提升滿意度以及有益的客戶關(guān)系。通過(guò)客戶生活周期的各個(gè)階段，即從獲取和建立一種強(qiáng)大的關(guān)系到預(yù)防摩擦和贏回失去的客戶，它可支持一種“個(gè)性化”且優(yōu)化的客戶管理。營(yíng)銷人員努力獲得更大的市場(chǎng)份額以及更大比例的客戶。簡(jiǎn)單來(lái)講，他們負(fù)責(zé)獲取、開發(fā)并維持顧客。
[0003]為了能夠提供個(gè)性化的市場(chǎng)營(yíng)銷戰(zhàn)略，用戶細(xì)分的主要流程是根據(jù)用戶的一些特征，把用戶群劃分為不同的群體?；跀?shù)據(jù)挖掘的方法可以創(chuàng)建數(shù)據(jù)驅(qū)動(dòng)的行為細(xì)分。細(xì)分算法可以分析行為數(shù)據(jù)，確認(rèn)不同群組的客戶并且提出基于數(shù)據(jù)格式的方法。在手動(dòng)或者傳統(tǒng)用戶細(xì)分中，客戶們按行為和使用特點(diǎn)進(jìn)行細(xì)分。盡管行為分類可以由業(yè)務(wù)規(guī)則創(chuàng)建，這項(xiàng)方法擁有很多基礎(chǔ)性的缺點(diǎn)。它只能有效地處理少數(shù)分類領(lǐng)域，而且其客觀性是受到質(zhì)疑的，因?yàn)樗腔跇I(yè)務(wù)專家的個(gè)人感知。
[0004]提取照片的標(biāo)簽信息，不像文檔中的信息以相對(duì)標(biāo)準(zhǔn)的詞和句子傳輸，圖像在另一方面可通過(guò)極具表現(xiàn)性的二維像素點(diǎn)傳達(dá)信息。形象地說(shuō)，一個(gè)圖像堪比一千個(gè)文字。在大數(shù)據(jù)和大信息量的當(dāng)代，文檔相對(duì)而言更易識(shí)別、分類和檢索。然而，盡管圖像數(shù)量不斷增長(zhǎng)，因圖像數(shù)據(jù)復(fù)雜的圖像表現(xiàn)結(jié)構(gòu)，仍不得不說(shuō)破譯圖像信息依舊是人類的一大任務(wù)。
[0005]Latent Dirichlet Allocat1n(潛在主題抽取)或者LDA算法，是一種被應(yīng)用在文本挖掘方面的機(jī)器學(xué)習(xí)方法，通常目的在于從一個(gè)文檔集合中自動(dòng)發(fā)現(xiàn)專題論題。簡(jiǎn)而言之，LDA模型從一大堆文檔集合中抽取一個(gè)預(yù)先確定數(shù)量的主題，而且該訓(xùn)練模式可以被用來(lái)推斷其后任何文檔的主題。

【發(fā)明內(nèi)容】

[0006]為了解決上述問(wèn)題，本發(fā)明提出了一種基于圖像內(nèi)容的用戶興趣細(xì)分方法及系統(tǒng)，將用戶貼上富有實(shí)際性的標(biāo)簽，并且用戶不但可以繼承多個(gè)標(biāo)簽，而且用戶的興趣會(huì)隨著照片內(nèi)容的更改而改變;不再將客戶看成簡(jiǎn)單的數(shù)字，而是有不同偏好的個(gè)體，是提供個(gè)性化服務(wù)的基礎(chǔ)。
[0007]為達(dá)到上述目的，本發(fā)明采用的技術(shù)方案是:
[0008]—種基于圖像內(nèi)容的用戶興趣細(xì)分方法，包括訓(xùn)練用戶標(biāo)簽?zāi)Ｐ秃皖A(yù)測(cè)細(xì)分用戶群組；
[0009]所述訓(xùn)練用戶標(biāo)簽?zāi)Ｐ?，基于大量用戶照片集的?biāo)簽信息，利用LDA算法對(duì)用戶的標(biāo)簽信息進(jìn)行訓(xùn)練獲得用戶標(biāo)簽?zāi)Ｐ停?br>[0010]所述預(yù)測(cè)細(xì)分新用戶群組，運(yùn)用所述用戶標(biāo)簽?zāi)Ｐ皖A(yù)測(cè)并且細(xì)分新用戶的個(gè)性化群組。
[0011]進(jìn)一步的是，所述訓(xùn)練用戶標(biāo)簽?zāi)Ｐ桶ú襟E:
[0012](1.1)收集大量的用戶和每個(gè)用戶的用戶照片集；
[0013](1.2)對(duì)所述用戶照片集進(jìn)行標(biāo)簽處理，獲取用戶照片集的標(biāo)簽信息；
[0014](1.3)將所述用戶的標(biāo)簽信息轉(zhuǎn)換成文本模式，形成文本文檔；
[0015](1.4)利用LDA算法訓(xùn)練所述文本文檔，形成用戶標(biāo)簽?zāi)Ｐ汀?br>[0016]進(jìn)一步的是，所述步驟(1.3)中，用戶的標(biāo)簽信息將記錄入文本文檔，而他們的去向通過(guò)他們的POI信息反應(yīng)出來(lái)，形成文本文檔的內(nèi)容。
[0017]進(jìn)一步的是，利用用戶經(jīng)常入出的場(chǎng)所信息預(yù)測(cè)用戶特征或行為習(xí)慣作為標(biāo)簽信息。
[0018]進(jìn)一步的是，所述步驟(1.4)中，利用LDA算法進(jìn)行模型訓(xùn)練生成預(yù)定數(shù)量的主要興趣話題。
[0019]進(jìn)一步的是，所述用戶標(biāo)簽?zāi)Ｐ椭兴袠?biāo)簽信息的主要興趣話題將劃分為N個(gè)相關(guān)主題性的話題。
[0020]進(jìn)一步的是，所述步驟(1.4)包括步驟:
[0021](1.4.1)構(gòu)建用戶屬性字典:結(jié)合所有訓(xùn)練用戶文本文檔形成字典，而且所述字典記錄每一個(gè)標(biāo)簽出現(xiàn)的次數(shù);移除文本文檔中標(biāo)簽屬性發(fā)生數(shù)少于5次的標(biāo)簽信息，因?yàn)槌霈F(xiàn)頻率太低的標(biāo)簽屬性對(duì)降低模型的準(zhǔn)確度;移除在文本文檔中出現(xiàn)超過(guò)90%的標(biāo)簽信息，因?yàn)槌霈F(xiàn)頻率太高的標(biāo)簽屬性會(huì)降低模型的準(zhǔn)確度;在剩下的標(biāo)簽信息中，保留最前列的200個(gè)標(biāo)簽信息，200個(gè)標(biāo)簽信息是足夠能滿足用戶偏好的維度，太多的標(biāo)簽信息會(huì)影響計(jì)算速度；
[0022](1.4.2)用戶標(biāo)簽?zāi)Ｐ?基于用戶屬性字典，創(chuàng)建代表整個(gè)訓(xùn)練數(shù)據(jù)集的詞袋;利用所述詞袋，把所有訓(xùn)練用戶的標(biāo)簽信息從文本格式轉(zhuǎn)換成BOW數(shù)據(jù);利用BOW數(shù)據(jù)和相關(guān)參數(shù)訓(xùn)練用戶標(biāo)簽?zāi)Ｐ汀?br>[0023]進(jìn)一步的是，預(yù)測(cè)細(xì)分新用戶群組包括步驟:
[0024](2.1)收集新用戶照片集；
[0025](2.2)對(duì)所述新用戶照片集進(jìn)行標(biāo)簽處理，獲取新用戶照片集的標(biāo)簽信息；
[0026](2.3)將所述新用戶的標(biāo)簽信息轉(zhuǎn)換成文本模式，形成新用戶的文本文檔；
[0027](2.4)把新用戶的文本文檔填充到已經(jīng)訓(xùn)練好的用戶標(biāo)簽?zāi)Ｐ椭校?br>[0028](2.5)所述用戶標(biāo)簽?zāi)Ｐ洼敵鲂掠脩舻母鱾€(gè)主題可能性并與所有可能主題相對(duì)立，從而預(yù)測(cè)并且細(xì)分出新用戶的個(gè)性化群組。
[0029]進(jìn)一步的是，所述預(yù)測(cè)細(xì)分新用戶群組，包括步驟:基于所述字典，構(gòu)建新用戶標(biāo)簽信息的BOW數(shù)據(jù);將新用戶的BOW數(shù)據(jù)填入所述用戶標(biāo)簽?zāi)Ｐ?；用戶?biāo)簽?zāi)Ｐ蛯⑤敵鲂掠脩艨赡苄灾黝}，從而預(yù)測(cè)并且細(xì)分出新用戶的個(gè)性化群組。
[0030]另一方面，本發(fā)明還提供了一種基于圖像內(nèi)容的用戶興趣細(xì)分系統(tǒng)，包括訓(xùn)練用戶標(biāo)簽?zāi)Ｐ湍K和預(yù)測(cè)細(xì)分用戶群組模塊，所述訓(xùn)練用戶標(biāo)簽?zāi)Ｐ湍K和預(yù)測(cè)細(xì)分用戶群組模塊設(shè)置在服務(wù)器中，所述訓(xùn)練用戶標(biāo)簽?zāi)Ｐ湍K連接所述預(yù)測(cè)細(xì)分用戶群組模塊，所述預(yù)測(cè)細(xì)分用戶群組模塊與客戶端相互通信；
[0031]所述訓(xùn)練用戶標(biāo)簽?zāi)Ｐ湍K，基于大量用戶照片集的標(biāo)簽信息，利用LDA算法對(duì)用戶的標(biāo)簽信息進(jìn)行訓(xùn)練獲得用戶標(biāo)簽?zāi)Ｐ停?br>[0032]所述預(yù)測(cè)細(xì)分新用戶群組模塊，運(yùn)用所述用戶標(biāo)簽?zāi)Ｐ皖A(yù)測(cè)并且細(xì)分新用戶的個(gè)性化群組。
[0033]采用本技術(shù)方案的有益效果:通過(guò)建立在偏好屬性的基礎(chǔ)上對(duì)用戶細(xì)分為個(gè)性化的群組;利用LDA算法，群組主題上類似的數(shù)據(jù)一起構(gòu)成用戶的個(gè)性化的群組;利用LDA算法能夠預(yù)測(cè)或者細(xì)分新的或者未預(yù)見的用戶為各種主題;將用戶貼上富有實(shí)際性的標(biāo)簽，并且用戶不但可以繼承多個(gè)標(biāo)簽，而且用戶的興趣會(huì)隨著照片內(nèi)容的更改而改變;不再將客戶看成簡(jiǎn)單的數(shù)字，而是有不同偏好的個(gè)體，是提供個(gè)性化服務(wù)的基礎(chǔ)。
【附圖說(shuō)明】
[0034]圖1為本發(fā)明的一種基于圖像內(nèi)容的用戶興趣細(xì)分方法流程示意圖；
[0035]圖2為本發(fā)明實(shí)施例中訓(xùn)練用戶標(biāo)簽?zāi)Ｐ头椒鞒虉D；
[0036]圖3為本發(fā)明實(shí)施例中訓(xùn)練用戶標(biāo)簽?zāi)Ｐ头椒鞒淌疽鈭D；
[0037]圖4為本發(fā)明實(shí)施例中BOW數(shù)據(jù)轉(zhuǎn)換示意圖；
[0038]圖5為本發(fā)明實(shí)施例中預(yù)測(cè)細(xì)分新用戶群組方法的流程圖；
[0039]圖6為本發(fā)明實(shí)施例中新用戶文本文檔的示意圖；
[0040]圖7為本發(fā)明實(shí)施例中一種基于圖像內(nèi)容的用戶興趣細(xì)分系統(tǒng)的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0041]為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步闡述。
[0042]在實(shí)施例一中，參見圖1所示，本發(fā)明提出了一種基于圖像內(nèi)容的用戶興趣細(xì)分方法，一種基于圖像內(nèi)容的用戶興趣細(xì)分方法，包括訓(xùn)練用戶標(biāo)簽?zāi)Ｐ秃皖A(yù)測(cè)細(xì)分用戶群組；
[0043]所述訓(xùn)練用戶標(biāo)簽?zāi)Ｐ?，基于大量用戶照片集的?biāo)簽信息，利用LDA算法對(duì)用戶的標(biāo)簽信息進(jìn)行訓(xùn)練獲得用戶標(biāo)簽?zāi)Ｐ停?br>[0044]所述預(yù)測(cè)細(xì)分新用戶群組，運(yùn)用所述用戶標(biāo)簽?zāi)Ｐ皖A(yù)測(cè)并且細(xì)分新用戶的個(gè)性化群組。
[0045]在實(shí)施例二中，在實(shí)施例一的基礎(chǔ)上，如圖2和圖3所示，所述訓(xùn)練用戶標(biāo)簽?zāi)Ｐ桶ú襟E:
[0046](1.1)收集大量的用戶和每個(gè)用戶的用戶照片集；
[0047](1.2)對(duì)所述用戶照片集進(jìn)行標(biāo)簽處理，獲取用戶照片集的標(biāo)簽信息；
[0048](1.3)將所述用戶的標(biāo)簽信息轉(zhuǎn)換成文本模式，形成文本文檔；
[0049](1.4)利用LDA算法訓(xùn)練所述文本文檔，形成用戶標(biāo)簽?zāi)Ｐ汀?br>[0050]其中，所述步驟(1.3)中，用戶的標(biāo)簽信息將記錄入文本文檔，而他們的去向通過(guò)他們的POI信息反應(yīng)出來(lái)，形成文本文檔的內(nèi)容。
[0051]其中，利用用戶經(jīng)常入出的場(chǎng)所信息預(yù)測(cè)用戶特征或行為習(xí)慣作為標(biāo)簽信息。
[0052]其中，所述步驟(1.4)中，利用LDA算法進(jìn)行模型訓(xùn)練生成預(yù)定數(shù)量的主要興趣話題，例如:
[0053]風(fēng)景/美景旅游溫泉有人/群照熱帶雨林寺廟熱帶雨林有人/群照天空天空廣場(chǎng)熱帶雨林飲品/甜點(diǎn)飲品/甜點(diǎn)寺廟熱帶雨林廣場(chǎng)溫泉溫泉寺廟表演/舞臺(tái)表演/舞臺(tái)表演/舞臺(tái)咖啡店咖啡店咖啡店飲品/甜點(diǎn)廣場(chǎng)游樂(lè)場(chǎng)游樂(lè)場(chǎng)游樂(lè)場(chǎng)游樂(lè)場(chǎng)天空塔/佛塔...。
[0054]
[0055]其中，所述用戶標(biāo)簽?zāi)Ｐ椭兴袠?biāo)簽信息的主要興趣話題將劃分為N個(gè)相關(guān)主題性的話題；以下是用戶標(biāo)簽?zāi)Ｐ蜕傻囊徊糠值脑掝}的名稱和主要內(nèi)容，分別是花園相關(guān)，美食相關(guān)，夜生活相關(guān)和旅游主題:
[0056]花園相關(guān)主題:花;花園/園林;花園；植物/盆景;果園；野外;風(fēng)景/美景;菜園；熱帶雨林;森林
[0057]美食主題:美食/小吃;餐廳;美食廣