CN103399900A - 基于位置服务的图片推荐方法 - Google Patents
基于位置服务的图片推荐方法 Download PDFInfo
- Publication number
- CN103399900A CN103399900A CN2013103164460A CN201310316446A CN103399900A CN 103399900 A CN103399900 A CN 103399900A CN 2013103164460 A CN2013103164460 A CN 2013103164460A CN 201310316446 A CN201310316446 A CN 201310316446A CN 103399900 A CN103399900 A CN 103399900A
- Authority
- CN
- China
- Prior art keywords
- picture
- picture group
- group
- user
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种基于位置服务的图片推荐方法,所述方法包括以下步骤:上传包含上传位置信息和图片描述的图片文件;从所述图片文件中获取位置经纬度信息和图片描述;根据所述位置信息,将上传的图片与已有图片组进行位置计算,以确定图片是否存入特定的图片组集;对特定组集中的图片组进行相似度计算,以获取用户感兴趣的图片组;将用户感兴趣的图片组推荐给用户。本发明在基于位置服务和兴趣度的手机图片分享应用中,当用户上传一张图片后,服务器通过对用户所在位置和图片标签来进行图片组的推荐,同时动态管理图片组的合并与拆分,以此提高用户体验度。
Description
技术领域
本发明涉及移动化联网领域,尤其涉及一种基于位置服务的图片推荐方法。
背景技术
在图片分享的手机应用中,当用户上传图片后,如何把相关的图片推荐给用户,是吸引用户和留住用户的关键。通常的做法是把一些热门图片推荐给用户或简单地根据用户上传的图片的标签来进行相关的图片推荐。
这种方法的缺点是:推荐的每张图片都是单独的个体,且推荐的数目有限,导致用户很难浏览到更多感兴趣的图片。而且,推荐的热门图片可能不是用户感兴趣的图片,不能吸引住用户。
发明内容
针对现有技术的缺陷,本发明的目的是提供一种能够充分利用地理位置信息的图片推荐方法。
本发明提供的基于位置服务的图片推荐方法包括以下步骤:a.上传包含上传位置信息和图片描述的图片文件;b.从所述图片文件中获取位置经纬度信息和图片描述;c.根据所述位置信息,将上传的图片与已有图片组进行位置计算,以确定图片是否存入特定的图片组集;d.对特定组集中的图片组进行相似度计算,以获取用户感兴趣的图片组;e.将用户感兴趣的图片组推荐给用户。
优选地,在步骤a中,通过用户的手机的GPS模块获取用户的位置信息,并且通过手机上传包含上传位置经纬度信息和图片描述的图片文件。
优选地,步骤b包括:对图片的描述句进行词性标注,然后提取的词,并把抽取出的相邻的词组合成短语,以得到的词或短语作为图片描述。
优选地,步骤c包括:
c1、计算数据库中图片组的区域边界与用户上传图片的位置之间的最小距离,将小于第一阈值的图片并入图片组集;
c2、计算所述图片组集中图片组的区域边界与图片经纬度之间的最小距离,将所述最小距离小于第二阈值的图片组加入第一图片组集;。
优选地,步骤d为:依次计算第一图片组集中的图片组的标签与图片的标签之间的相似度,将所有满足相似度条件的图片组放入第三图片组集。
优选地,步骤d包括:对特定组集中的图片组进行Jaccard相似性方法计算,其中:
Jaccard(T1,T2)=|T1∩T2|/|T1∪T2|,T1、T2分别表示两个图片组的标签集合。
优选地,步骤d包括:对特定组集中的图片组进行Sim相似性方法计算,其中:
优选地,步骤C还包括:
对第三图片组集中的所有图片组进行模拟扩展,并计算每个图片组扩展过程的增益加权值及优先级,把所有图片组放入候选图片组集。
优选地,图片组扩展过程中的增益加权值计算过程包括:
S1:扩展前后图片组的纯度值为y1、y2,进入Step2;其中,n1、n2分别表示某图片组的内部图片数和外部图片数,则该图片组纯度的计算公式如下:
S2:如果y1为0,y2为0,则进入Step3;如果y1为0,y2不为0,则进入Step4;y1不为0,则进入Step5;
S3:设定优先级为2,增益值为扩展点的总个数/该图片组在PG3中的排序号,进入Step6;一个图片组的扩展点就是该图片组扩展后的图片集合移除扩展前的图片集合;
S4:判断是否满足扩展条件,如果不满足,则设定优先级为-1,增益值为-1;如果满足,则设定优先级为1,增益值为y2*排序号/扩展点的总个数;进入Step6;
S5:设定优先级为2,增益值为(y1-y2)*扩展点的总个数/排序号;
S6:结束。
优选地,所述扩展条件为:扩展点中内部图片数与外部图片数的比值大于预定比值。
相对于现有技术,本发明在基于位置服务和兴趣度的手机图片分享应用中,当用户上传一张图片后,服务器通过对用户所在位置(被认为图片的位置信息)和图片标签(被看成是用户兴趣度的载体)来进行图片组的推荐,同时动态管理图片组的合并与拆分,以此提高用户体验度。
附图说明
图1是本发明一种优选实施方式中基于位置服务的图片推荐方法的流程图。
具体实施方式
图1是本发明一种优选实施方式中基于位置服务的图片推荐方法的流程图。
在本实施方式中,包括以下步骤:
步骤101,上传包含上传位置信息和图片描述的图片文件。位置信息的获取方法:通过手机GPS获得用户上传图片时的经纬度。
在步骤102,从所述图片文件中获取位置经纬度信息和图片描述。其中,通过图片预处理过程对图片的描述句进行词性标注,然后提取有意义的词。这里只提取词性为名词类(包括名词和专有名词)的词,并把抽取出的相邻的词组合成短语,最终得到的词或短语作为图片的标签,用户上传的图片被认为是用户感兴趣的,是用户兴趣度的载体。
在步骤103,从数据库中获取图片组集PG。即计算数据库中图片组的区域边界与用户上传图片的位置之间的最小距离,把小于第一阈值的图片放入图片组集PG中。优选地,根据具体应用,第一阈值可以设置得相对宽松,考虑到后面图片组扩展的效果,如果阈值设置得太小,会把本来就应该合并到一起的稍微远一些的图片组过滤掉。
在步骤104,从图片组集PG中得到第一图片组集PG1。具体地,计算图片组集PG中图片组的区域边界与图片经纬度之间的最小距离。优选地,可以使用更精确的地球表面距离公式来计算PG中图片组的区域边界与图片经纬度之间的最小距离。同时,还计算每个图片组的扩展半径,所述扩展半径即图片组的区域边界与图片经纬度之间的最大距离,所述扩展半径将用于后面的图片组扩展过程。把所述最小距离小于第二阈值的图片组加入第一图片组集PG1中,并对第一图片组集PG1中的图片组按最小距离的从小到大排序,把不满足第二阈值的图片组放到第二图片组集PG2中。优选地,所述第二阈值小于第一阈值,第二阈值越小,推荐的图片组越少,同时也越精确。此步骤通过使用最小距离过滤实现细筛过程。
在步骤105,从第一图片组集PG1中得到第三图片组集PG3。具体地,依次计算第一图片组集PG1中的图片组的标签与图片的标签之间的相似度,筛选所有满足相似度条件的图片组,并将所有满足相似度条件的图片组放入第三图片组集PG3。这里的相似度是指图片组标签之间的相似度,
优选地,这里的相似度计算可以采用Jaccard相似性方法计算,在另一个优选实施例中,还可以使用Sim相似度方法计算,加入第三图片组集PG3。
假设T1、T2分别表示两个图片组的标签集合,其向量表示为A1、A2。这里的向量空间指的是文本term空间,即现有的所有图片或图片组的标签集合。那么T1的标签集合中任一标签只要在向量空间中出现就设为1,否则设为0。即,例如:向量空间为<美女,帅哥,篮球,足球>,T1的标签集合为<美女,足球>,则A1=<1,0,0,1>
Jaccard相似性方法:
Jaccard(T1,T2)=|T1∩T2|/|T1∪T2|,即:计算两个集合交集和并集的元素个数比。
Sim相似度计算方式:
Jaccard相似性方法比Sim相似性方法计算要简单很多,代价小。如果只使用标签词形上的特征判断相似性,可使用Jaccard系数进行计算,否则,可以使用Sim相似性方法计算。
优选地,在步骤106,从第三图片组集PG3中得到候选图片组集PG4。具体地,对第三图片组集PG3中的所有图片组进行模拟扩展,并计算每个图片组扩展过程的增益加权值及优先级,把所有图片组放入候选图片组集PG4中,并按如下方式排序:先按优先级大小排序,优先级相等,则按增益加权值大小排序,最后从PG4中返回前n个作为推荐图片组,例如5个图片组作为推荐给用户的图片组。图片组的模拟扩展过程如下,其中,pg3为第三图片组集PG3中的一个图片组:
当一个图片组pg3中加入新图片后,判断pg3的扩展半径是否大于0,如果扩展半径大于0,则进入步骤107进行模拟扩展。否则,不进行模拟扩展,因为图片落在了pg3的区域中,只需要判断图片标签与图片组pg3的标签相似性,并更新图片组pg3的内部图片数和外部图片数即可。
由于每个图片组都对应于一个空间区域,在这个区域中,我们把与图片组标签相似的图片称为内部图片,不相似的称为外部图片,比如:图片组的标签为“美女”,则标签为“老鼠”的图片则是外部图片。
步骤107:把第二图片组集PG2中最小距离不大于图片组pg3的扩展半径的图片组加入队列Q中,该步骤称为模拟扩展。
步骤108:依次取出队列Q中的各个图片组,判断各图片组与图片组pg3是否区域相交。每个图片组有一个空间区域,将该空间区域定义为矩阵,数据库中记录了矩阵左上角和右下角的坐标值,判断图片组是否相交,就是判断在一个坐标系中,两个矩阵是否相交。如果相交,则进入步骤109。否则,继续步骤108,取出队列Q中的图片组,直到队列Q中没有元素为止,进入步骤112。
步骤109:判断队列Q中的各个图片组与第一图片组集PG1之间的标签相似度,如果满足标签相似度条件,则进入步骤110;否则,进入步骤111。
步骤110:把当前图片组与pg3合并,并重新计算pg3的扩展半径,把第二图片组集PG2中大于图片组pg3更新前扩展半径且不大于图片组pg3更新后扩展半径的图片组加入Q中。
步骤111:取出该图片组中的所有图片,判断其是否落在pg3的区域中,如果是,则在步骤113更新pg3的相关属性,进入步骤108。所述属性包括内部图片数和外部图片数。
步骤112:算法结束,将用户感兴趣的图片组推荐给用户。
其中,图片组扩展过程中的增益加权值计算过程如下:
S1:扩展前后图片组的纯度值为y1、y2,进入Step2;其中,n1、n2分别表示某图片组的内部图片数和外部图片数,则该图片组纯度的计算公式如下:
S2:如果y1为0,y2为0,则进入Step3;如果y1为0,y2不为0,则进入Step4;y1不为0,则进入Step5;
S3:设定优先级为2,增益值为扩展点的总个数/该图片组在PG3中的排序号,进入Step6;一个图片组的扩展点就是该图片组扩展后的图片集合移除扩展前的图片集合。
S4:判断是否满足扩展条件,如果不满足,则设定优先级为-1,增益值为-1;如果满足,则设定优先级为1,增益值为y2*排序号/扩展点的总个数;进入Step6。所述扩展条件为:扩展点中内部图片数与外部图片数的比值大于预定比值。该预定比值既要考虑图片组能进行扩展,又要减少外部图片的进入。
S5:设定优先级为2,增益值为(y1-y2)*扩展点的总个数/排序号;进入Step6;
S6:算法结束。
当用户点击推荐给他的某个图片组时,服务器会开启一个线程,对该图片组进行真实扩展,这个过程与上述模拟扩展过程一样,但真实扩展将扩展后的结果存到数据库中,从而使图片组真实发生变化。
尽管本发明是通过上述的优选实施方式进行描述的,但是其实现形式并不局限于上述的实施方式。应该认识到在不脱离本发明主旨的情况下,本领域技术人员可以对本发明做出不同的变化和修改。
Claims (10)
1.一种基于位置服务的图片推荐方法,其特征在于,所述方法包括以下步骤:
a.上传包含上传位置信息和图片描述的图片文件;
b.从所述图片文件中获取位置经纬度信息和图片描述;
c.根据所述位置信息,将上传的图片与已有图片组进行位置计算,以确定图片是否存入特定的图片组集;
d.对特定组集中的图片组进行相似度计算,以获取用户感兴趣的图片组;
e.将用户感兴趣的图片组推荐给用户。
2.根据权利要求1所述的方法,其特征在于,在步骤a中,通过用户的手机的GPS模块获取用户的位置信息,并且通过手机上传包含上传位置信息和图片描述的图片文件。
3.根据权利要求1所述的方法,其特征在于,步骤b包括:对图片的描述句进行词性标注,然后提取的词,并把抽取出的相邻的词组合成短语,以得到的词或短语作为图片描述。
4.根据权利要求1所述的方法,其特征在于,步骤c包括:
c1、计算数据库中图片组的区域边界与用户上传图片的位置之间的最小距离,将小于第一阈值的图片并入图片组集;
c2、计算所述图片组集中图片组的区域边界与图片经纬度之间的最小距离,将所述最小距离小于第二阈值的图片组加入第一图片组集。
5.根据权利要求1所述的方法,其特征在于,步骤d为:依次计算第一图片组集中的图片组的标签与图片的标签之间的相似度,将所有满足相似度条件的图片组放入第三图片组集。
6.根据权利要求5所述的方法,其特征在于,步骤d包括:对特定组集中的图片组进行Jaccard相似性方法计算,其中:
Jaccard(T1,T2)=|T1∩T2|/|T1∪T2|,T1、T2分别表示两个图片组的标签集合。
7.根据权利要求5所述的方法,其特征在于,步骤d包括:对特定组集中的图片组进行Sim相似性方法计算,其中:
,A1、A2分别表示两个图片组的标签集合的向量。
8.根据权利要求5所述的方法,其特征在于,步骤C还包括:
对第三图片组集中的所有图片组进行模拟扩展,并计算每个图片组扩展过程的增益加权值及优先级,把所有图片组放入候选图片组集。
9.根据权利要求8所述的方法,其特征在于,图片组扩展过程中的增益加权值计算过程包括:
S1:扩展前后图片组的纯度值为y1、y2,进入Step2;其中,n1、n2分别表示某图片组的内部图片数和外部图片数,则该图片组纯度的计算公式如下:
S2:如果y1为0,y2为0,则进入Step3;如果y1为0,y2不为0,则进入Step4;y1不为0,则进入Step5;
S3:设定优先级为2,增益值为扩展点的总个数/该图片组在PG3中的排序号,进入Step6;一个图片组的扩展点就是该图片组扩展后的图片集合移除扩展前的图片集合;
S4:判断是否满足扩展条件,如果不满足,则设定优先级为-1,增益值为-1;如果满足,则设定优先级为1,增益值为y2*排序号/扩展点的总个数;进入Step6;
S5:设定优先级为2,增益值为(y1-y2)*扩展点的总个数/排序号;
S6:结束。
10.根据权利要求9所述的方法,其特征在于,所述扩展条件为:扩展点中内部图片数与外部图片数的比值大于预定比值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310316446.0A CN103399900B (zh) | 2013-07-25 | 2013-07-25 | 基于位置服务的图片推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310316446.0A CN103399900B (zh) | 2013-07-25 | 2013-07-25 | 基于位置服务的图片推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103399900A true CN103399900A (zh) | 2013-11-20 |
CN103399900B CN103399900B (zh) | 2016-12-28 |
Family
ID=49563529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310316446.0A Active CN103399900B (zh) | 2013-07-25 | 2013-07-25 | 基于位置服务的图片推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103399900B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021235A (zh) * | 2014-07-01 | 2014-09-03 | 叶富华 | 消息上传系统和消息精确获取系统 |
CN104615616A (zh) * | 2014-05-04 | 2015-05-13 | 腾讯科技(深圳)有限公司 | 群组推荐方法和系统 |
CN106067897A (zh) * | 2016-06-16 | 2016-11-02 | 百度在线网络技术(北京)有限公司 | 基于用户终端位置的信息推送方法和装置 |
CN109714698A (zh) * | 2017-10-20 | 2019-05-03 | 镇江雅迅软件有限责任公司 | 一种基于lbs应用的内容管理系统 |
CN109857890A (zh) * | 2018-12-25 | 2019-06-07 | 华联世纪工程咨询股份有限公司 | 工程材料图片的推荐方法及装置 |
CN111190528A (zh) * | 2019-12-31 | 2020-05-22 | 维沃移动通信有限公司 | 笔刷显示方法、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1828610A (zh) * | 2006-04-13 | 2006-09-06 | 北大方正集团有限公司 | 一种改进的基于文档结构的文档相似性度量方法 |
CN101694657A (zh) * | 2009-09-18 | 2010-04-14 | 浙江大学 | 面向Web2.0标签图片共享空间的图片检索聚类方法 |
US20100229190A1 (en) * | 2009-03-05 | 2010-09-09 | Samsung Electronics Co., Ltd. | Content recommending method and apparatus therefor |
US20110184953A1 (en) * | 2010-01-26 | 2011-07-28 | Dhiraj Joshi | On-location recommendation for photo composition |
-
2013
- 2013-07-25 CN CN201310316446.0A patent/CN103399900B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1828610A (zh) * | 2006-04-13 | 2006-09-06 | 北大方正集团有限公司 | 一种改进的基于文档结构的文档相似性度量方法 |
US20100229190A1 (en) * | 2009-03-05 | 2010-09-09 | Samsung Electronics Co., Ltd. | Content recommending method and apparatus therefor |
CN101694657A (zh) * | 2009-09-18 | 2010-04-14 | 浙江大学 | 面向Web2.0标签图片共享空间的图片检索聚类方法 |
US20110184953A1 (en) * | 2010-01-26 | 2011-07-28 | Dhiraj Joshi | On-location recommendation for photo composition |
Non-Patent Citations (1)
Title |
---|
齐桓: "基于内容图像检索的关键技术研究", 《中国博士学位论文全文数据库》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104615616A (zh) * | 2014-05-04 | 2015-05-13 | 腾讯科技(深圳)有限公司 | 群组推荐方法和系统 |
CN104615616B (zh) * | 2014-05-04 | 2017-03-22 | 腾讯科技(深圳)有限公司 | 群组推荐方法和系统 |
CN104021235A (zh) * | 2014-07-01 | 2014-09-03 | 叶富华 | 消息上传系统和消息精确获取系统 |
CN106067897A (zh) * | 2016-06-16 | 2016-11-02 | 百度在线网络技术(北京)有限公司 | 基于用户终端位置的信息推送方法和装置 |
CN109714698A (zh) * | 2017-10-20 | 2019-05-03 | 镇江雅迅软件有限责任公司 | 一种基于lbs应用的内容管理系统 |
CN109857890A (zh) * | 2018-12-25 | 2019-06-07 | 华联世纪工程咨询股份有限公司 | 工程材料图片的推荐方法及装置 |
CN111190528A (zh) * | 2019-12-31 | 2020-05-22 | 维沃移动通信有限公司 | 笔刷显示方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103399900B (zh) | 2016-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6784308B2 (ja) | 施設特性を更新するプログラム、施設をプロファイリングするプログラム、コンピュータ・システム、及び施設特性を更新する方法 | |
CN106997389B (zh) | 一种基于多数据集和协同张量分解的旅游景点推荐方法 | |
Hu et al. | Extracting and understanding urban areas of interest using geotagged photos | |
Jiang et al. | Author topic model-based collaborative filtering for personalized POI recommendations | |
US8577962B2 (en) | Server apparatus, client apparatus, content recommendation method, and program | |
CN104156897B (zh) | 基于情景感知的室内导览系统 | |
CN107291888B (zh) | 基于机器学习统计模型的入住酒店附近生活推荐系统方法 | |
Arain et al. | Intelligent travel information platform based on location base services to predict user travel behavior from user-generated GPS traces | |
CN103399900A (zh) | 基于位置服务的图片推荐方法 | |
Xu et al. | A dynamic topic model and matrix factorization-based travel recommendation method exploiting ubiquitous data | |
WO2019214453A1 (zh) | 一种内容分享系统、方法、标注方法、服务器及终端设备 | |
WO2014090034A1 (zh) | 实现增强现实应用的方法及设备 | |
CN104866522A (zh) | 一种为提问者提供回答信息的方法与装置 | |
US20170039264A1 (en) | Area modeling by geographic photo label analysis | |
CN105956878A (zh) | 一种网络广告推送的方法及装置 | |
US20190130427A1 (en) | Candidate site evaluation system and candidate site evaluation method | |
US11966829B2 (en) | Convolutional artificial neural network based recognition system in which registration, search, and reproduction of image and video are divided between and performed by mobile device and server | |
CN104838420A (zh) | 基于图像内容进行图像旋转以修正图像取向 | |
CN113408566A (zh) | 目标检测方法及相关设备 | |
CN105117399A (zh) | 一种图像搜索方法和装置 | |
CN104320848B (zh) | 基于云计算实现室内定位的系统及方法 | |
CN104520848A (zh) | 按照出席者搜索事件 | |
CN115049076A (zh) | 基于原型网络的迭代聚类式联邦学习方法 | |
CN113821592A (zh) | 一种数据处理方法、装置、设备以及存储介质 | |
CN106446294A (zh) | 基于场景模式的图像多维度标注模型的社区图像推荐方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |