CN106815351A - 一种标签推荐方法及服务器 - Google Patents
一种标签推荐方法及服务器 Download PDFInfo
- Publication number
- CN106815351A CN106815351A CN201710038508.4A CN201710038508A CN106815351A CN 106815351 A CN106815351 A CN 106815351A CN 201710038508 A CN201710038508 A CN 201710038508A CN 106815351 A CN106815351 A CN 106815351A
- Authority
- CN
- China
- Prior art keywords
- label
- picture
- server
- feature
- labels
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000003860 storage Methods 0.000 claims description 23
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000008447 perception Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 241001504664 Crossocheilus latius Species 0.000 description 1
- 206010011469 Crying Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种标签推荐方法及服务器,能够更为准确的向用户推荐合适的标签。本发明实施例方法包括:服务器接收客户端发送的第一图片;若所述服务器确定所述第一图片的特征与预置图片特征库中的至少两个第二图片的特征之间的相似度达到预设阈值,则所述服务器获取所述至少两个第二图片的标签列表,其中,所述预置图片特征库存储有各图片与该图片的特征以及标签列表的关联关系;所述服务器按照预设规则从所述至少两个第二图片的标签列表中选择出推荐标签;所述服务器将所述推荐标签发送给所述客户端。
Description
技术领域
本发明涉及计算机领域,尤其涉及一种标签推荐方法及服务器。
背景技术
在目前的移动游戏社区中,系统采用标签作为图文内容组织、检索和筛选的主要方式。然而,用户在生产内容的环节为内容打上标签会提高生产成本。为了降低打上标签所带来的生产成本,系统往往会推荐一些标签。当需要为文本打上标签时,系统可以通过文本中的关键词推荐标签。目前面临的主要难题是:当需要为图片打上标签时,系统如何进行标签的推荐。
当需要为图片打上标签时,目前的一种标签推荐的方案是:获取图片的拍摄时间、拍摄地点或图片格式等,将图片的拍摄时间、拍摄地点或图片格式作为标签进行推荐。
然而,上述方案所推荐的标签受限于图片的属性,即标签受限于拍摄时间、拍摄地点以及图片格式,然而用户并不希望方案所推荐的标签受限于图片的属性,所以上述方案不能准确的推荐合适的标签。
发明内容
本发明实施例提供了一种标签推荐方法及服务器,能够更为准确的向用户推荐合适的标签。
有鉴于此,本发明实施例第一方面提供了一种标签推荐方法,包括:
服务器接收客户端发送的第一图片;
若所述服务器确定所述第一图片的特征与预置图片特征库中的至少两个第二图片的特征之间的相似度达到预设阈值,则所述服务器获取所述至少两个第二图片的标签列表,其中,所述预置图片特征库存储有各图片与该图片的特征以及标签列表的关联关系;
所述服务器按照预设规则从所述至少两个第二图片的标签列表中选择出推荐标签;
所述服务器将所述推荐标签发送给所述客户端。
本发明实施例第二方面提供了一种服务器,包括:
第一接收模块,用于接收客户端发送的第一图片;
获取模块,用于若确定所述第一图片的特征与预置图片特征库中的至少两个第二图片的特征之间的相似度达到预设阈值,则获取所述至少两个第二图片的标签列表,其中,所述预置图片特征库存储有各图片与该图片的特征以及标签列表的关联关系;
选择模块,用于按照预设规则从所述至少两个第二图片的标签列表中选择出推荐标签;
发送模块,用于将所述推荐标签发送给所述客户端。
从以上技术方案可以看出,本发明实施例具有以下优点:服务器接收客户端发送的第一图片。若服务器确定第一图片的特征与预置图片特征库中的至少两个第二图片的特征之间的相似度达到预设阈值,则服务器确定第一图片与上述至少两个第二图片很相似,服务器可以将至少两个图片的标签列表中的标签作为初步推荐标签。为了推荐更为合适的标签,服务器按照预设规则从初步推荐标签中选择出更为合适的标签,将选择出来的标签作为最终推荐标签,最后将最终推荐标签发送给客户端。显然,本发明能够更为准确的向用户推荐合适的标签。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中的一种标签推荐的界面图;
图2为本发明实施例中用于实现标签推荐的系统架构图;
图3为发明实施例中标签推荐方法一个实施例示意图;
图4为发明实施例中标签推荐方法另一个实施例示意图;
图5为发明实施例中标签推荐方法另一个实施例示意图;
图6为本发明实施例中服务器一个实施例示意图;
图7为本发明实施例中服务器另一个实施例示意图;
图8为本发明实施例中服务器另一个实施例示意图;
图9为本发明实施例中标签推荐系统一个实施例示意图;
图10为本发明实施例中服务器的结构示意图。
具体实施方式
本发明实施例提供了一种标签推荐方法及服务器,能够更为准确的向用户推荐合适的标签。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应理解,本发明方案可以适用于游戏社区中,用户通常需要在游戏社区中发表图片。通常用户在上传图片后,用户需要填写标签。然而,在移动端,让用户填写标签的成本比较高,主要体现在:1、移动端输入标签比较麻烦,提高了内容输出的成本;2、用户在没有推荐标签的情况下,很难想出合适的标签;3、用户输入的标签比较分散,随意性比较大,会减弱标签的聚合度。
由此,本发明方案提供了一种标签推荐方法,当用户上传图片后,服务器推荐一批关联的标签供用户选择,如图1所示,图1为本发明实施例中的一种标签推荐的界面图,图1中的区域1是用户发表时上传的图片,区域2是根据图片所推荐出的标签,区域2中的标签与图片具有很强的相关性。图1中以A游戏为例,图1中的“建议标签栏”包括:“不知道”、“有团团圆圆”、“攻略”、“技术贴”等标签,用户可以从“建议标签栏”中选择合适的标签添加到“添加标签栏”中,无需自己设想并输入标签。
请参阅图2,图2为本发明实施例中用于实现标签推荐的系统架构图,下面分别介绍该系统架构图的各重要部分:
客户端:客户端主要负责将用户在客户端本地的图片上传到服务器,同时将服务器返回的推荐标签显示在“建议标签栏”,用户在“建议标签栏”中选择标签,点击提交,客户端负责将用户选择的标签传输至服务器中。
服务器:服务器负责推荐标签,负责接收图片、存储图片、存储图片的特征与标签的对应关系。
图片存储:存储客户端上传到服务器的图片。
图片的特征计算:通过某种图片的特征计算方法(比如感知哈希算法或颜色直方图),计算图片的特征。
图片的特征相似度计算:计算图片的特征的相似度。
图片的特征与标签的对应关系:存储图片的特征及用户选择或输入的标签的对应关系,可以查询某个图片的特征下的标签列表。
为了便于理解,下面通过具体实施例对本发明中标签推荐方法进行描述:
请参阅图3,本发明实施例中标签推荐方法一个实施例包括:
101、服务器接收客户端发送的第一图片;
本实施例中,第一图片包括但不限于游戏截图,客户端负责将用户在客户端本地的第一图片上传到服务器。
102、若服务器确定第一图片的特征与预置图片特征库中的至少两个第二图片的特征之间的相似度达到预设阈值,则服务器获取上述至少两个第二图片的标签列表;
本实施例中,服务器在接收客户端发送的第一图片之前,服务器会接收到各种图片,然后服务器可以根据各图片的特征分别为各图片添加标签,最后服务器将各图片与该图片的特征以及标签列表的关联关系通过内置的图片特征库分别进行存储,该内置的图片特征库即预置图片特征库。服务器在接收客户端发送的第一图片后,服务器可以调用该内置的图片特征库(预置图片特征库),然后再判断第一图片的特征与预置图片特征库中的至少两个图片的特征之间的相似度是否达到预设阈值。其中预置图片特征库存储有各图片与该图片的特征以及标签列表的关联关系,即预置图片特征库中的每个图片与该图片的特征以及该图片的标签列表相对应。标签列表中可以仅包含一个标签,也可以包含至少两个标签,此处不作限定。
103、服务器按照预设规则从上述至少两个第二图片的标签列表中选择出推荐标签;
本实施例中,推荐标签的个数可以仅为一个,也可以为至少两个,此处不作限定,推荐标签可以仅存在于上述至少两个第二图片的标签列表中的任意一个标签列表中;另外,假设上述至少两个第二图片的标签列表为标签列表1、标签列表2以及标签列表3,则推荐标签可以存在于标签列表1、标签列表2以及标签列表3中任意两个标签列表中,或推荐标签可以存在于标签列表1、标签列表2以及标签列表3中,此处不作限定。
104、服务器将推荐标签发送给客户端。
本实施例中,客户端接收到推荐标签后,客户端可以根据用户的需求从推荐标签中选择合适的标签反馈给服务器。
应理解,若预置图片特征库中仅存在一个第二图片的特征与第一图片的特征之间的相似度达到预设阈值,则服务器获取该第二图片的标签列表,服务器将该标签列表中的标签发送给客户端。
同理,若预置图片特征库中不存在图片的特征与第一图片的特征之间的相似度达到预设阈值,即预置图片特征库中包含的图片过少或没有与第一图片相似的图片时,服务器所推荐的标签为空。
本实施例中,服务器接收客户端发送的第一图片。若服务器确定第一图片的特征与预置图片特征库中的至少两个第二图片的特征之间的相似度达到预设阈值,则服务器确定第一图片与上述至少两个第二图片很相似,服务器可以将至少两个图片的标签列表中的标签作为初步推荐标签。为了推荐更为合适的标签,服务器按照预设规则从初步推荐标签中选择出更为合适的标签,将选择出来的标签作为最终推荐标签,最后将最终推荐标签发送给客户端。显然,本发明能够更为准确的向用户推荐合适的标签。
在上述实施例的基础上,在本发明的一些可选实施例中,上述服务器将推荐标签发送给客户端之后还可以包括:
接收客户端发送的目标标签,该目标标签为用户从推荐标签中选择出的标签,或,该目标标签为用户从推荐标签中选择出的标签以及用户输入的标签。
本实施例中,服务器将推荐标签发送给客户端,哭护短将推荐标签显示在“建议标签栏”,用户可以在“建议标签栏”中选择一个或至少两个标签,进一步的,若用户认为所选择的标签还不够合适,又或者用户有更好的标签选择,此时用户可以手动输入标签,最后完成提交。
进一步的,在本发明的一些可选实施例中,上述接收客户端发送的目标标签之后还可以包括:
通过上述预置图片特征库存储第一图片与第一图片的特征以及目标标签的关联关系。
本实施例中,通过预置图片特征库存储第一图片与第一图片的特征以及目标标签的关联关系,从而丰富了预置图片特征库,以便为后续的其他图片的标签推荐提供参考基准。
在本发明的一些可选实施例中,上述服务器接收客户端发送的第一图片之后还包括:
根据感知哈希算法计算第一图片的特征;或,
根据颜色直方图计算第一图片的特征。
本实施例中,服务器可以采用一些特征提取方法计算第一图片的特征,常用的特征提取方法可以为感知哈希算法,还可以为颜色直方图,此处不作限定。
应理解,特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集,这些子集往往属于孤立的点、连续的曲线或者连续的区域。常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。
感知哈希算法:为哈希算法的一类,主要用来做相似图片的搜索工作。
颜色直方图:能简单描述一幅图像中颜色的全局分布,即不同色彩在整幅图像中所占的比例,特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。颜色直方图涉及的特征匹配方法包括:直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。
在实际应用中,服务器按照预设规则从上述至少两个第二图片的标签列表中选择出推荐标签可以采用多种方式实现,下面分别进行说明:
一:标签的个数;
下面通过具体实施例进行说明,请参阅图4,本发明实施例中标签推荐方法另一个实施例包括:
201、服务器接收客户端发送的第一图片;
202、若服务器确定第一图片的特征与预置图片特征库中的至少两个第二图片的特征之间的相似度达到预设阈值,则服务器获取上述至少两个第二图片的标签列表;
本实施例中,步骤201以及步骤202可以参照前述步骤101以及步骤102,此处不再赘述。
203、服务器统计上述至少两个第二图片的标签列表中各标签的个数;
本实施例中,假设上述至少两个第二图片的标签列表为标签列表1、标签列表2以及标签列表3。标签列表1中包含3个标签,分别为“手机”、“屏幕”以及“电池”;标签列表2中包含4个标签,分别为“视频”、“手机”、“屏幕”以及“游戏”;标签列表3中包含2个标签,分别为“手机”和“按键”。可以得出,“手机”标签的个数为3,“屏幕”标签的个数为2,其余标签的个数均为1。
204、服务器确定个数达到第一预设门限的标签,并将上述个数达到第一预设门限的标签作为推荐标签;
本实施例中,假设第一预设门限为3,则将“手机”标签作为推荐标签;假设第一预设门限为2,则将“手机”标签和“屏幕”标签作为推荐标签。
应理解,在实际应用中,若上述至少两个第二图片的个数为N,假设N个第二图片中的每个图片的标签列表中含有5个标签,由于标签可能重复,服务器可能最多得到5N个标签,服务器可以按照各标签的个数进行排序,比如按照个数从大到小进行排序,从而选出前L个标签。
205、服务器将推荐标签发送给客户端。
本实施例中,客户端接收到推荐标签后,客户端可以根据用户的需求从推荐标签中选择合适的标签反馈给服务器。
本实施例中,服务器接收客户端发送的第一图片。若服务器确定第一图片的特征与预置图片特征库中的至少两个第二图片的特征之间的相似度达到预设阈值,则服务器确定第一图片与上述至少两个第二图片很相似,服务器可以将至少两个图片的标签列表中的标签作为初步推荐标签。为了推荐更为合适的标签,服务器按照预设规则从初步推荐标签中选择出更为合适的标签,将选择出来的标签作为最终推荐标签,最后将最终推荐标签发送给客户端。显然,本发明能够更为准确的向用户推荐合适的标签。
其次,本实施例提供了一种通过按照标签的个数选择出推荐标签的方法,完善了本发明的技术方案。
二:标签的语义;
下面通过具体实施例进行说明,请参阅图5,本发明实施例中标签推荐方法另一个实施例包括:
301、服务器接收客户端发送的第一图片;
302、若服务器确定第一图片的特征与预置图片特征库中的至少两个第二图片的特征之间的相似度达到预设阈值,则服务器获取上述至少两个第二图片的标签列表;
本实施例中,步骤301以及步骤302可以参照前述步骤101以及步骤102,此处不再赘述。
303、服务器确定上述至少两个第二图片的标签列表中各标签的语义;
本实施例中,为了确定出具有同一语义的标签,服务器首先需要确定上述至少两个第二图片的标签列表中各标签的语音。
应理解,具有同一语义的标签指的是存在只是两个标签具有相同的含义,比如,“英雄联盟”标签和“LOL”标签指的是同一款游戏,所以“英雄联盟”标签和“LOL”标签具有同一语义。
304、服务器根据上述各标签的语义确定具有同一语义的标签个数;
本实施例中,在服务器得到各标签的语义后,服务器进一步对具有同一语义的标签的个数进行统计。
305、若服务器确定上述具有同一语义的标签个数达到第二预设门限,则从上述具有同一语义的标签中随机选择标签作为推荐标签;
本实施例中,例如,若第二预设门限为2,上述具有同一语义的标签包括“英雄联盟”标签和“LOL”标签,显然,服务器可以从“英雄联盟”标签和“LOL”标签中随机选择一个标签作为推荐标签,或者服务器可以将“英雄联盟”标签和“LOL”标签均作为推荐标签,此处不作限定。
306、服务器将推荐标签发送给客户端。
本实施例中,客户端接收到推荐标签后,客户端可以根据用户的需求从推荐标签中选择合适的标签反馈给服务器。
本实施例中,服务器接收客户端发送的第一图片。若服务器确定第一图片的特征与预置图片特征库中的至少两个第二图片的特征之间的相似度达到预设阈值,则服务器确定第一图片与上述至少两个第二图片很相似,服务器可以将至少两个图片的标签列表中的标签作为初步推荐标签。为了推荐更为合适的标签,服务器按照预设规则从初步推荐标签中选择出更为合适的标签,将选择出来的标签作为最终推荐标签,最后将最终推荐标签发送给客户端。显然,本发明能够更为准确的向用户推荐合适的标签。
其次,本实施例提供了一种通过按照具有同一语义的标签个数选择出推荐标签的方法,完善了本发明的技术方案。
下面通过一个具体应用场景对本发明实施例中的标签推荐方法进行描述:
用户A正在玩一款多人竞技类游戏B,用户A的游戏状态良好,在游戏中拿到了一次“5杀”,游戏系统自动保存用户拿到“5杀”时的游戏截图。
在游戏结束后,用户A想要在游戏社区中与网友分享该“5杀”时的游戏截图,用户A登录游戏社区,来到游戏社区的发表界面,用户A从游戏系统中调取“5杀”游戏截图,并将该“5杀”游戏截图添加到发表界面的图片栏中,然后在发表界面的游戏栏中选择多人竞技类游戏B的游戏名称。在完成上述操作后,服务器从预置图片特征库中确定3个游戏截图,且这3个游戏截图的特征与该“5杀”游戏截图的特征之间的相似度达到90%,服务器获取这3个游戏截图的标签列表,分别为第一标签列表、第二标签列表、第三标签列表,其中第一标签列表包含的标签为“666”、“5杀”以及“大神”,第二标签列表包含的标签为“666”、“躺赢”、“碾压”以及“5杀”,第三标签列表包含的标签为“5杀”、“超神”以及“技术贴”。然后服务器统计这3个游戏截图的标签列表中各标签的个数,经过统计,得出“666”的个数为2,“5杀”的个数为“3”,其余标签的个数为“1”。服务器在“建议标签栏”中显示的标签可以为“666”以及“5杀”,或者服务器在“建议标签栏”中显示的标签还可以为“666”、“5杀”、“大神”、“躺赢”、“碾压”、“超神”以及“技术贴”。用户A从“建议标签栏”选择标签“666”以及“5杀”,并同时添加标签“提莫”,用户点击确认,完成提交。
上面通过具体实施例对本发明的标签推荐方法进行了说明,下面通过实施例对本发明中的服务器进行描述,请参阅图6,本发明实施例中的服务器包括:
第一接收模块401,用于接收客户端发送的第一图片;
获取模块402,用于若确定第一图片的特征与预置图片特征库中的至少两个第二图片的特征之间的相似度达到预设阈值,则获取至少两个第二图片的标签列表,其中,预置图片特征库存储有各图片与该图片的特征以及标签列表的关联关系;
选择模块403,用于按照预设规则从至少两个第二图片的标签列表中选择出推荐标签;
发送模块404,用于将推荐标签发送给客户端。
本实施例中,服务器接收客户端发送的第一图片。若服务器确定第一图片的特征与预置图片特征库中的至少两个第二图片的特征之间的相似度达到预设阈值,则服务器确定第一图片与上述至少两个第二图片很相似,服务器可以将至少两个图片的标签列表中的标签作为初步推荐标签。为了推荐更为合适的标签,服务器按照预设规则从初步推荐标签中选择出更为合适的标签,将选择出来的标签作为最终推荐标签,最后将最终推荐标签发送给客户端。显然,本发明能够更为准确的向用户推荐合适的标签。
可选的,在本发明的一个可选实施例中,上述选择模块403,具体用于统计至少两个第二图片的标签列表中各标签的个数;确定个数达到第一预设门限的标签,并将个数达到第一预设门限的标签作为推荐标签。
本实施例中,提供了一种通过按照标签的个数选择出推荐标签的方法,完善了本发明的技术方案。
可选的,在本发明的一个可选实施例中,上述选择模块403,具体用于确定上述至少两个第二图片的标签列表中各标签的语义;根据各标签的语义确定具有同一语义的标签个数;若确定具有同一语义的标签个数达到第二预设门限,则从上述具有同一语义的标签中随机选择标签作为推荐标签。
可选的,如图7所示,在本发明的一个可选实施例中,服务器还包括:
第二接收模块501,用于在发送模块404将推荐标签发送给客户端之后,接收客户端发送的目标标签,目标标签为用户从推荐标签中选择出的标签,或,目标标签为用户从推荐标签中选择出的标签以及用户输入的标签。
进一步的,服务器还包括:
存储模块502,用于通过预置图片特征库存储第一图片与第一图片的特征以及目标标签的关联关系。
更进一步的,服务器还包括:
计算模块503,用于在接收模块501接收客户端发送的第一图片之后,根据感知哈希算法计算第一图片的特征;或,根据颜色直方图计算第一图片的特征。
本实施例中,提供了一种通过按照具有同一语义的标签个数选择出推荐标签的方法,完善了本发明的技术方案。
其次,通过预置图片特征库存储第一图片与第一图片的特征以及目标标签的关联关系,从而丰富了预置图片特征库,以便为后续的其他图片的标签推荐提供参考基准。
上面从模块化功能实体的角度对本发明实施例中的服务器进行了描述,下面从硬件处理的角度对本发明实施例中的服务器进行描述,请参阅图8,本发明实施例中的服务器包括:接收器601、处理器602、发射器603以及存储器604。
本发明实施例涉及的服务器可以具有比图8所示出的更多或更少的部件,可以组合两个或更多个部件,或者可以具有不同的部件配置或设备,各个部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件或硬件和软件的组合实现。
接收器601用于执行如下操作:
接收客户端发送的第一图片;若确定第一图片的特征与预置图片特征库中的至少两个第二图片的特征之间的相似度达到预设阈值,则获取至少两个第二图片的标签列表,其中,预置图片特征库存储有各图片与该图片的特征以及标签列表的关联关系。
处理器602用于执行如下操作:
按照预设规则从至少两个第二图片的标签列表中选择出推荐标签。
发射器603用于执行如下操作:
将推荐标签发送给客户端。
存储器604用于存储处理器602执行相应的操作所需要的指令。
本实施例中,服务器接收客户端发送的第一图片。若服务器确定第一图片的特征与预置图片特征库中的至少两个第二图片的特征之间的相似度达到预设阈值,则服务器确定第一图片与上述至少两个第二图片很相似,服务器可以将至少两个图片的标签列表中的标签作为初步推荐标签。为了推荐更为合适的标签,服务器按照预设规则从初步推荐标签中选择出更为合适的标签,将选择出来的标签作为最终推荐标签,最后将最终推荐标签发送给客户端。显然,本发明能够更为准确的向用户推荐合适的标签。
可选的,处理器602具体用于执行如下操作:
统计至少两个第二图片的标签列表中各标签的个数;确定个数达到第一预设门限的标签,并将个数达到第一预设门限的标签作为推荐标签。
本实施例中,提供了一种通过按照标签的个数选择出推荐标签的方法,完善了本发明的技术方案。
可选的,处理器602具体用于执行如下操作:
确定上述至少两个第二图片的标签列表中各标签的语义;根据各标签的语义确定具有同一语义的标签个数;若确定具有同一语义的标签个数达到第二预设门限,则从上述具有同一语义的标签中随机选择标签作为推荐标签。
可选的,接收器601还用于执行如下操作:
在发射器603将推荐标签发送给客户端之后,接收客户端发送的目标标签,目标标签为用户从推荐标签中选择出的标签,或,目标标签为用户从推荐标签中选择出的标签以及用户输入的标签。
可选的,存储器604还用于执行如下操作:
通过预置图片特征库存储第一图片与第一图片的特征以及目标标签的关联关系。
可选的,处理器602还用于执行如下操作:
在接收器601接收客户端发送的第一图片之后,根据感知哈希算法计算第一图片的特征;或,根据颜色直方图计算第一图片的特征。
本实施例中,提供了一种通过按照具有同一语义的标签个数选择出推荐标签的方法,完善了本发明的技术方案。
其次,通过预置图片特征库存储第一图片与第一图片的特征以及目标标签的关联关系,从而丰富了预置图片特征库,以便为后续的其他图片的标签推荐提供参考基准。
请参阅图9,本发明实施例还提供一种标签推荐系统,该系统包括:
客户端701以及服务器702;
客户端701,用于向服务器702发送第一图片;
服务器702,用于接收客户端701发送的第一图片;若确定第一图片的特征与预置图片特征库中的至少两个第二图片的特征之间的相似度达到预设阈值,则获取至少两个第二图片的标签列表;按照预设规则从至少两个第二图片的标签列表中选择出推荐标签;将推荐标签发送给客户端701;其中,预置图片特征库存储有各图片与该图片的特征以及标签列表的关联关系;
客户端701,还用于接收推荐标签,向服务器发送目标标签,该目标标签为用户从推荐标签中选择出的标签,或,该目标标签为用户从推荐标签中选择出的标签以及用户输入的标签。
本实施例中,服务器702接收客户端701发送的第一图片。若服务器702确定第一图片的特征与预置图片特征库中的至少两个第二图片的特征之间的相似度达到预设阈值,则服务器702确定第一图片与上述至少两个第二图片很相似,服务器702可以将至少两个图片的标签列表中的标签作为初步推荐标签。为了推荐更为合适的标签,服务器702按照预设规则从初步推荐标签中选择出更为合适的标签,将选择出来的标签作为最终推荐标签,最后将最终推荐标签发送给客户端701。显然,本发明能够更为准确的向用户推荐合适的标签。
本发明实施例还提供一种服务器,图10是本发明实施例提供的一种服务器结构示意图,该服务器800可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processing units,CPU)801(例如,一个或一个以上处理器)和存储器802,一个或一个以上存储应用程序803或数据804的存储介质805(例如一个或一个以上海量存储设备)。其中,存储器802和存储介质805可以是短暂存储或持久存储。存储在存储介质805的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器801可以设置为与存储介质805通信,在服务器800上执行存储介质802中的一系列指令操作。
服务器800还可以包括一个或一个以上电源806,一个或一个以上有线或无线网络接口807,一个或一个以上输入输出接口808,和/或,一个或一个以上操作系统809,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
上述实施例中由客户端所执行的步骤可以基于该图10所示的服务器结构。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (12)
1.一种标签推荐方法,其特征在于,包括:
服务器接收客户端发送的第一图片;
若所述服务器确定所述第一图片的特征与预置图片特征库中的至少两个第二图片的特征之间的相似度达到预设阈值,则所述服务器获取所述至少两个第二图片的标签列表,其中,所述预置图片特征库存储有各图片与该图片的特征以及标签列表的关联关系;
所述服务器按照预设规则从所述至少两个第二图片的标签列表中选择出推荐标签;
所述服务器将所述推荐标签发送给所述客户端。
2.根据权利要求1所述的方法,其特征在于,所述服务器按照预设规则从所述至少两个第二图片的标签列表中选择出推荐标签包括:
所述服务器统计所述至少两个第二图片的标签列表中各标签的个数;
所述服务器确定个数达到第一预设门限的标签,并将所述个数达到第一预设门限的标签作为推荐标签。
3.根据权利要求1所述的方法,其特征在于,所述服务器按照预设规则从所述至少两个第二图片的标签列表中选择出推荐标签包括:
所述服务器确定所述至少两个第二图片的标签列表中各标签的语义;
所述服务器根据所述各标签的语义确定具有同一语义的标签个数;
若所述服务器确定所述具有同一语义的标签个数达到第二预设门限,则所述服务器从所述具有同一语义的标签中随机选择标签作为推荐标签。
4.根据权利要求1所述的方法,其特征在于,所述服务器将所述推荐标签发送给所述客户端之后还包括:
所述服务器接收所述客户端发送的目标标签,所述目标标签为用户从所述推荐标签中选择出的标签,或,所述目标标签为所述用户从所述推荐标签中选择出的标签以及用户输入的标签。
5.根据权利要求4所述的方法,其特征在于,所述服务器接收所述客户端发送的目标标签之后还包括:
所述服务器通过所述预置图片特征库存储所述第一图片与所述第一图片的特征以及所述目标标签的关联关系。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述服务器接收客户端发送的第一图片之后还包括:
所述服务器根据感知哈希算法计算所述第一图片的特征;或,
所述服务器根据颜色直方图计算所述第一图片的特征。
7.一种服务器,其特征在于,包括:
第一接收模块,用于接收客户端发送的第一图片;
获取模块,用于若确定所述第一图片的特征与预置图片特征库中的至少两个第二图片的特征之间的相似度达到预设阈值,则获取所述至少两个第二图片的标签列表,其中,所述预置图片特征库存储有各图片与该图片的特征以及标签列表的关联关系;
选择模块,用于按照预设规则从所述至少两个第二图片的标签列表中选择出推荐标签;
发送模块,用于将所述推荐标签发送给所述客户端。
8.根据权利要求7所述的服务器,其特征在于,所述选择模块,具体用于统计所述至少两个第二图片的标签列表中各标签的个数;确定个数达到第一预设门限的标签,并将所述个数达到第一预设门限的标签作为推荐标签。
9.根据权利要求7所述的服务器,其特征在于,所述选择模块,具体用于确定所述至少两个第二图片的标签列表中各标签的语义;根据所述各标签的语义确定具有同一语义的标签个数;若确定所述具有同一语义的标签个数达到第二预设门限,则从所述具有同一语义的标签中随机选择标签作为推荐标签。
10.根据权利要求7所述的服务器,其特征在于,所述服务器还包括:
第二接收模块,用于在所述发送模块将所述推荐标签发送给所述客户端之后,接收所述客户端发送的目标标签,所述目标标签为用户从所述推荐标签中选择出的标签,或,所述目标标签为所述用户从所述推荐标签中选择出的标签以及用户输入的标签。
11.根据权利要求10所述的服务器,其特征在于,所述服务器还包括:
存储模块,用于通过所述预置图片特征库存储所述第一图片与所述第一图片的特征以及所述目标标签的关联关系。
12.根据权利要求7至11任一项所述的服务器,其特征在于,所述服务器还包括:
计算模块,用于在所述接收模块接收客户端发送的第一图片之后,根据感知哈希算法计算所述第一图片的特征;或,根据颜色直方图计算所述第一图片的特征。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710038508.4A CN106815351A (zh) | 2017-01-18 | 2017-01-18 | 一种标签推荐方法及服务器 |
PCT/CN2018/073173 WO2018133811A1 (zh) | 2017-01-18 | 2018-01-18 | 标签推荐方法、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710038508.4A CN106815351A (zh) | 2017-01-18 | 2017-01-18 | 一种标签推荐方法及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106815351A true CN106815351A (zh) | 2017-06-09 |
Family
ID=59112488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710038508.4A Pending CN106815351A (zh) | 2017-01-18 | 2017-01-18 | 一种标签推荐方法及服务器 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106815351A (zh) |
WO (1) | WO2018133811A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108304435A (zh) * | 2017-09-08 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、计算机设备及存储介质 |
WO2018133811A1 (zh) * | 2017-01-18 | 2018-07-26 | 腾讯科技(深圳)有限公司 | 标签推荐方法、服务器及存储介质 |
CN109697481A (zh) * | 2017-10-23 | 2019-04-30 | 北京京东尚科信息技术有限公司 | 用于确定物品标签的方法和装置 |
CN111506758A (zh) * | 2020-04-16 | 2020-08-07 | 腾讯科技(深圳)有限公司 | 物品名称确定方法、装置、计算机设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102262638A (zh) * | 2010-05-31 | 2011-11-30 | 国际商业机器公司 | 图片标引的方法和装置 |
CN102298605A (zh) * | 2011-06-01 | 2011-12-28 | 清华大学 | 基于有向图非等概率随机搜索的图像自动标注方法及装置 |
US20120203759A1 (en) * | 2011-02-07 | 2012-08-09 | Olaworks, Inc. | Method, system and computer-readable recording medium for writing new image and its information onto image database |
CN102662972A (zh) * | 2012-03-09 | 2012-09-12 | 浙江大学 | 一种面向视力残疾人网页内容无障碍访问的图片自动描述方法 |
CN103258022A (zh) * | 2013-05-07 | 2013-08-21 | 天津大学 | 基于用户兴趣的本地商业服务推荐系统及方法 |
CN104135694A (zh) * | 2013-04-30 | 2014-11-05 | 索尼公司 | 信息处理装置以及信息处理方法 |
CN104572735A (zh) * | 2013-10-23 | 2015-04-29 | 华为技术有限公司 | 一种图片标注词推荐方法及装置 |
CN104899820A (zh) * | 2014-03-11 | 2015-09-09 | 腾讯科技(北京)有限公司 | 为图像添加标签的方法、系统和装置 |
CN105955994A (zh) * | 2016-04-19 | 2016-09-21 | 乐视控股(北京)有限公司 | 基于图库的信息推荐方法和信息推荐装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7814040B1 (en) * | 2006-01-31 | 2010-10-12 | The Research Foundation Of State University Of New York | System and method for image annotation and multi-modal image retrieval using probabilistic semantic models |
CN106815351A (zh) * | 2017-01-18 | 2017-06-09 | 腾讯科技(深圳)有限公司 | 一种标签推荐方法及服务器 |
-
2017
- 2017-01-18 CN CN201710038508.4A patent/CN106815351A/zh active Pending
-
2018
- 2018-01-18 WO PCT/CN2018/073173 patent/WO2018133811A1/zh active Application Filing
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102262638A (zh) * | 2010-05-31 | 2011-11-30 | 国际商业机器公司 | 图片标引的方法和装置 |
US20120203759A1 (en) * | 2011-02-07 | 2012-08-09 | Olaworks, Inc. | Method, system and computer-readable recording medium for writing new image and its information onto image database |
CN102298605A (zh) * | 2011-06-01 | 2011-12-28 | 清华大学 | 基于有向图非等概率随机搜索的图像自动标注方法及装置 |
CN102662972A (zh) * | 2012-03-09 | 2012-09-12 | 浙江大学 | 一种面向视力残疾人网页内容无障碍访问的图片自动描述方法 |
CN104135694A (zh) * | 2013-04-30 | 2014-11-05 | 索尼公司 | 信息处理装置以及信息处理方法 |
CN103258022A (zh) * | 2013-05-07 | 2013-08-21 | 天津大学 | 基于用户兴趣的本地商业服务推荐系统及方法 |
CN104572735A (zh) * | 2013-10-23 | 2015-04-29 | 华为技术有限公司 | 一种图片标注词推荐方法及装置 |
CN104899820A (zh) * | 2014-03-11 | 2015-09-09 | 腾讯科技(北京)有限公司 | 为图像添加标签的方法、系统和装置 |
CN105955994A (zh) * | 2016-04-19 | 2016-09-21 | 乐视控股(北京)有限公司 | 基于图库的信息推荐方法和信息推荐装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018133811A1 (zh) * | 2017-01-18 | 2018-07-26 | 腾讯科技(深圳)有限公司 | 标签推荐方法、服务器及存储介质 |
CN108304435A (zh) * | 2017-09-08 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、计算机设备及存储介质 |
CN108304435B (zh) * | 2017-09-08 | 2020-08-25 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、计算机设备及存储介质 |
CN109697481A (zh) * | 2017-10-23 | 2019-04-30 | 北京京东尚科信息技术有限公司 | 用于确定物品标签的方法和装置 |
CN111506758A (zh) * | 2020-04-16 | 2020-08-07 | 腾讯科技(深圳)有限公司 | 物品名称确定方法、装置、计算机设备及存储介质 |
WO2021208633A1 (zh) * | 2020-04-16 | 2021-10-21 | 腾讯科技(深圳)有限公司 | 物品名称确定方法、装置、计算机设备及存储介质 |
TWI781554B (zh) * | 2020-04-16 | 2022-10-21 | 大陸商騰訊科技(深圳)有限公司 | 物品名稱確定方法、裝置、電腦設備及儲存媒體 |
CN111506758B (zh) * | 2020-04-16 | 2024-05-03 | 腾讯科技(深圳)有限公司 | 物品名称确定方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2018133811A1 (zh) | 2018-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106815351A (zh) | 一种标签推荐方法及服务器 | |
CN110602554B (zh) | 封面图像确定方法、装置及设备 | |
CN108322788B (zh) | 一种视频直播中的广告展示方法及装置 | |
WO2017181612A1 (zh) | 个性化视频推荐方法及装置 | |
CN102446327B (zh) | 基于人脸识别的广告投放装置及广告投放方法 | |
CN105868685A (zh) | 一种基于人脸识别的广告推荐方法和装置 | |
CN102177512A (zh) | 图像中的对象识别 | |
CN110209810B (zh) | 相似文本识别方法以及装置 | |
CN104679791A (zh) | 获取数据包的处理方法和装置 | |
WO2016077103A1 (en) | Automatic selection of images for an application | |
CN109255652B (zh) | 基于人脸的广告播放方法及相关产品 | |
CN108369597A (zh) | 用于基于场境来指示视频的观众群的方法、系统和介质 | |
CN111949813B (zh) | 交友请求方法、装置、计算机设备和存储介质 | |
CN112417956A (zh) | 信息推荐方法及装置、电子设备及计算机可读存储介质 | |
CN106815285A (zh) | 基于视频网站的视频推荐的方法、装置及电子设备 | |
CN116228342A (zh) | 一种商品推荐方法、装置及计算机可读存储介质 | |
CN112437332B (zh) | 一种目标多媒体信息的播放方法和装置 | |
KR101284691B1 (ko) | 문자 중계 방법 및 문자 중계 서버 | |
US10460745B2 (en) | Audio content segmentation method and apparatus | |
US20170083950A1 (en) | Method and apparatus for providing athletic development information to a user | |
CN109068180B (zh) | 一种确定视频精选集的方法以及相关设备 | |
CN105653831B (zh) | 电子牌游戏牌型推荐方法和装置 | |
CN111242734A (zh) | 商品展示方法、服务器、终端、系统、电子设备及存储介质 | |
CN112494951A (zh) | 游戏接力方法、服务器及存储介质 | |
CN114463658A (zh) | 模型训练方法和系统、数据处理方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170609 |
|
RJ01 | Rejection of invention patent application after publication |