CN107133854A - 信息推荐方法和装置 - Google Patents
信息推荐方法和装置 Download PDFInfo
- Publication number
- CN107133854A CN107133854A CN201710384940.9A CN201710384940A CN107133854A CN 107133854 A CN107133854 A CN 107133854A CN 201710384940 A CN201710384940 A CN 201710384940A CN 107133854 A CN107133854 A CN 107133854A
- Authority
- CN
- China
- Prior art keywords
- commodity
- information
- characteristic information
- target
- order data
- 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 51
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000000605 extraction Methods 0.000 claims abstract description 12
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000012549 training Methods 0.000 description 32
- 239000011159 matrix material Substances 0.000 description 15
- 238000013145 classification model Methods 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 7
- 238000001914 filtration Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
- G06Q30/0629—Directed, with specific intent or strategy for generating comparisons
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供一种信息推荐方法和装置,涉及计算机应用技术领域。本发明实施例提供的技术方案当用户不熟悉商品广告或图片中的商品时,即可通过用户设备中应用程序自带的一键扫描功能触发一键扫描获取商品信息的请求,用户设备即可触发相机扫描获取商品图片;对商品图片进行图片处理提取图片中的商品特征信息;根据所述商品特征信息,推荐与所述商品特征信息匹配的商品信息。从而可以实现迅速准确地获取陌生商品的推荐信息,大大提高了用户的体验度。
Description
技术领域
本发明实施例涉及计算机应用技术领域,尤其涉及一种信息推荐方法和装置。
背景技术
在外卖环境下,现有技术都是用户通过输入框输入关键字搜索相关内容,或者应用本身会根据商圈和用户偏好进行商家商品推荐。
当用户看到某个广告或者看到某个商品图片,尤其是他对该商品不了解的情况下,他需要仔细阅读广告或者查询相关信息,然后通过输入框输入关键字搜索相关商品信息,十分的耗时耗精力,用户体验度较差,而且用户对商品的不了解会导致输入的维度有限,从而导致推荐结果不够精确。
另外,根据商圈和用户偏好进行商家菜品推荐,很大程度上依赖用户的下单量和用户的活跃度,这样推荐的内容就十分的受限。如果用户的活跃度很低的话也会导致推荐结果不够精确。
因此,迫切需要一种方法可以迅速准确地获取陌生商品的推荐信息。
发明内容
本发明实施例提供一种信息推荐方法和装置,可以迅速准确地获取陌生商品的推荐信息。
第一方面,本发明实施例中提供了一种信息推荐方法,包括:
检测到一键扫描请求时,扫描获取商品图片;
对商品图片进行图片处理提取图片中的目标商品的特征信息;
根据所述目标商品的特征信息,推荐与所述目标商品的特征信息匹配的商品信息。
可选地,根据所述目标商品的特征信息,推荐与所述目标商品的特征信息匹配的商品信息,包括:
将所述目标商品的特征信息与商品数据库中的样本商品的特征信息进行比对;
若比对一致,则获取比对一致的样本商品的特征信息对应的商品信息进行推荐;
若比对不一致,则根据所述目标商品的特征信息,在商品数据库中,确定与所述目标商品的特征信息关联的样本商品信息。
可选地,根据所述目标商品的特征信息,在商品数据库中,确定与所述目标商品的特征信息关联的样本商品信息,包括:
根据所述目标商品的特征信息,在商品数据库中,确定与所述目标商品的特征信息相似度大于第一阈值的关联的商品特征信息,根据所述关联的商品特征信息确定对应的关联商品信息。
可选地,将所述目标商品的特征信息与商品数据库中的样本商品的特征信息进行比对之后,还包括:
若比对不一致,则确定当前用户的相似用户,根据当前用户的历史订单数据和相似用户的历史订单数据,在所述关联的样本商品信息中确定与当前用户的历史订单数据和相似用户的历史订单数据相似度最大的商品信息进行推荐。
可选地,确定当前用户的相似用户,包括:
根据当前用户的历史订单数据,确定与当前用户的历史订单数据相似度大于的第二阈值的历史订单数据,将相似度大于的第二阈值的历史订单数据对应的用户作为当前用户的相似用户。
第二方面,本发明实施例提供了一种信息推荐装置,包括
获取模块,用于检测到一键扫描请求时,扫描获取商品图片;
特征提取模块,用于对商品图片进行图片处理提取图片中的目标商品的特征信息;
推荐模块,用于根据所述目标商品的特征信息,推荐与所述目标商品的特征信息匹配的商品信息。
可选地,所述推荐模块具体包括:
比对单元,用于将所述目标商品的特征信息与商品数据库中的样本商品的特征信息进行比对;
第一推荐单元,用于在比对一致时,获取比对一致的样本商品的特征信息对应的商品信息进行推荐;
第二推荐单元,用于在比对不一致时,根据所述目标商品的特征信息,在商品数据库中,确定与所述目标商品的特征信息关联的样本商品信息。
可选地,所述第一推荐单元用于:
根据所述目标商品的特征信息,在商品数据库中,确定与所述目标商品的特征信息相似度大于第一阈值的关联的商品特征信息,根据所述关联的商品特征信息确定对应的关联商品信息。
可选地,所述推荐模块还包括:
第三推荐单元,用于在比对不一致时,确定当前用户的相似用户,根据当前用户的历史订单数据和相似用户的历史订单数据,在所述关联的样本商品信息中确定与当前用户的历史订单数据和相似用户的历史订单数据相似度最大的商品信息进行推荐。
可选地,所述推荐模块还包括:
确定单元,用于根据当前用户的历史订单数据,确定与当前用户的历史订单数据相似度大于的第二阈值的历史订单数据,将相似度大于的第二阈值的历史订单数据对应的用户作为当前用户的相似用户。
所述功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
第三方面,本发明实施例还提供一种计算机存储介质,所述计算机存储介质存储有一条或多条计算机指令,所述计算机指令被执行时实现如第一方面所述的方法。
第四方面,本发明实施例还提供一种移动终端,包括存储器和处理器;其中,
所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令供所述处理器调用执行;
所述处理器执行所述计算机指令时实现如第一方面所述的方法。
通过本发明实施例提供的技术手段,当用户不熟悉商品广告或图片中的商品时,即可通过用户设备中应用程序自带的一键扫描功能触发一键扫描获取商品信息的请求,用户设备即可触发相机扫描获取商品图片;对商品图片进行图片处理提取图片中的商品特征信息;根据所述商品特征信息,推荐与所述商品特征信息匹配的商品信息。从而可以实现迅速准确地获取陌生商品的推荐信息,大大提高了用户的体验度。
本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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的前提下,还可以根据这些附图获得其他的附图。
图1示出了根据本发明一个实施例的信息推荐方法流程示意图;
图2示出了根据本发明另一个实施例的信息推荐方法流程示意图;
图3示出了根据本发明又一个实施例的信息推荐方法流程示意图;
图4示出了根据本发明一个实施例的信息推荐装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的应用场景例如为:当用户看到一个陌生商品广告,或者翻到一个陌生商品图片(或陌生商品视频)时,在现有技术中,只能通过应用程序进行键入有关商品信息的关键字进行搜索获取商品相关的信息列表,这种方式十分耗费用户的时间,用户体验度较差,最关键的是,由于用户对商品的不了解会导致输入的信息维度有限甚至不准确,从而导致搜索推荐结果的不准确。
本发明基于上述技术问题,首先预设有商品数据库,商品数据库根据使用该应用程序的所有用户的历史订单数据建立的,商品数据库中有每个下单商品的商品标识和商品特征信息;其次,在应用程序中嵌入图像扫描识别技术,获取商品图片中的商品特征信息,从而根据获取的商品特征信息,与商品数据库中的商品特征信息进行比对(匹配),若存在比对一致的商品特征信息,说明商品数据库中存在该商品的商品信息,即可根据比对一致的商品特征信息进行商品信息的推荐;如果比对不一致,则可以根据商品特征信息,在商品数据库中确定与上述获取的商品特征信息相似度最高的商品特征信息,进而获取相似度最高的商品信息进行推荐。因此,本发明的技术方案不但增加了用户获取商品信息的途径,同时商品信息的推荐更加准确丰富,用户体验大大提高。
图1示出了根据本发明一个实施例的信息推荐方法流程示意图,如图1所示,包括:
101、检测到一键扫描请求时,扫描获取商品图片;
以百度外卖应用程序为例进行说明,在百度外卖应用程序中嵌入图像扫描识别技术,在百度外卖应用程序界面设置有触发一键扫描请求的按钮,用户可以通过触屏点击一键扫描的按钮,即可启动用户设备相机对商品图片进行扫描获取商品图片。
102、对商品图片进行图片处理提取图片中的目标商品的特征信息;
具体实现时例如包括对商品图片进行图像特征提取、不相关图像过滤、大规模图像特征训练、多层次图像分类、训练图像获取和相关图像选择等处理。
其中,图像特征提取:在互联网中,大多数图像是以位图的方式存储在jpeg、png、gif等图像格式中。这种以点阵方式保存的图像,具有表述简单,方便压缩等特点。但是,在使用计算机视觉的方法对数字图像进行处理和分析时,这种表述方法的图像往往不能直接使用,而需要将图像转化为其他更接近人对图像认知的方法进行重新表述。这种重新表述的过程就是图像特征的提取。在特征提取的过程中,可以根据不同的需要从不同的角度对图像进行表述,这些表述可以是图像的明暗、颜色、纹理、兴趣点等。
为了将提取的图像特征应用于后续不相关图像过滤以及图像分类过程中,图像特征提取不仅仅要定义图像的特征,同时也需要定义不同图像间在某个特定特征上的相关性。这种特征表达相关性的定义,可以为图像间在特征空间上的相似度计算奠定基础。
其中,不相关图像过滤:互联网上的商品图像都是由商户上传并标注的,这种由社会化用户上传的标注总是存在着与实际图像并不完全符合的问题。这种问题的产生存在多方面的原因,如网购平台商品类别不健全、上传者和浏览者之间语义鸿沟以及上传者对搜索引擎的过度优化等。若训练数据中存在大量标签与图像间不正确的匹配,训练产生的分类模型将会应噪声过大而没有意义。因此,在将直接从网购平台中爬取的商品图像及相关标注作为训练数据前,需要对商品图像中不相关的标签做一次清理工作。将具有更大相关性的数据和其标注,作为训练数据保留下来。这项工作从另一个角度看,即过滤相同标签下与标签不相关的图像。
其中,图像特征训练:根据当前流行的BOW分类模型,图像最终需要表达成词包的形式。词包本身则是由图像中每一个视觉词出现的频率所组成。而视觉词则源于视觉词典,是由训练样本训练所产生的。在网购平台商品图像类别预测的应用中,由于每一幅图像中都能够抽取数百个与尺度、大小、旋转无关的兴趣点,因此,相比图像的数量,视觉兴趣点的数量更加惊人。而要将这些视觉兴趣点训练成视觉词典,则需要有支持大规模数据的聚类算法实现。具体的,在本发明中,选取了相比其他聚类运行效率更高的K-means算法作为基础,并且在K-means算法上作进一步优化,以实现大规模图像特征的训练,最终实现图像的视觉词包表达。
其中,多层次图像分类:商品图像在网购平台中的特点除了数量巨大以外,类别也特别多。普通的分类方法往往专注于解决两类或者少量类别的分类问题。而在商品图像类别预测任务中,直接应用这些分类模型往往会产生分类效果急剧下降和时间复杂度迅速增长的问题。比如,其中一些相对分类效果较好的方法,会随着类别数量的增长而使分类模型的训练时间和利用分类模型预测新样本的时间成平方级地增长。不但图像数量巨大,类别数量也巨大的商品图像类别预测中是不适用的。在网购平台中,商品的类别总是以层次结构呈现,利用这种人为定义的层次结构,可以将商品图像的分类过程层次化地进行。这样不仅能够加快训练和预测的速度,如果针对不同类别的商品训练不同的模型,还能够提升商品预测的准确率。同时,这种层次化的分类模型训练方式,也更易于保持训练分类模型时正负样本的平衡性。
其中,训练图像获取和相关图像选择:由于本发明所使用的方法需要网购平台上的商品图像及其标注信息数据所支撑,所以需要向网购平台爬取海量的训练图像。然而,为了有效地利用网购平台上的商品图像数据,使用科学的方法对网购平台上的商品图像及其标注进行采样至关重要。这是训练图像获取的主要工作。另一方面,在通过商品图像类别预测系统对商品图像的类别预测以后,将相关的商品图像直接返回给用户能够极大的提升用户对于平台使用的体验。
通过上述对商品图片处理提取到商品特征信息,举例来说,当扫描获取到蓝色运动鞋的图像时,提取到商品特征信息例如为板鞋、帆布鞋、运动鞋、休闲鞋或旅游鞋等信息。当扫描获取一幅白色自行车的图像时,提取到商品特征信息例如为山地自行车、普通自行车、公路自行车、旅行自行车或自行车装备等信息。当扫描获取一幅粉红色上衣的图像时,提取到商品特征信息例如为雪纺衫、针织衫、连衣裙、宽松T和针织开衫等信息。
103、根据所述目标商品的特征信息,推荐与所述目标商品的特征信息匹配的商品信息。
本发明实施例中,需要构建商品数据库,商品数据库中包括所有已上架商品、待上架商品的图片、标识和特征信息。
商品数据库的构建步骤详述如下:
根据商品三维模型的三个主方向上的轮廓图构造轮廓特征,首先,使用主成分分析(Principal components analysis,PCA)方法和缩放变换将商品三维模型规范化到单位立方体中,然后将商品三维模型平行投影到三个主平面上,得到三个轮廓。对每个轮廓进行采样,即从轮廓图的中心向轮廓等角距发射射线,将中心到轮廓的距离作为采样值,并对采样值进行SIFT变换,得到商品轮廓特征。其中,采用的PCA图像预处理方法具有平移、旋转和缩放不变性的优点,是图像处理领域常用的技术手段,缩放变换方法可以是最近领域插值、双三次插值和双线性插值等,具体不再详述。
对商品轮廓特征进行特征信息训练,得到每个商品的多个特征信息。商品数据库中可以根据商品的特性添加或减少特征信息,例如某名牌裙子的特征信息可以是某品牌、衣服、裙子、短款和黑白色等。
步骤103具体是将所述目标商品的特征信息与商品数据库中的样本商品的特征信息进行比对,若比对一致,则在商品数据库中获取比对一致的样本商品特征信息对应的样本商品的标识,推荐与所述样本商品的标识对应的商品信息。
本发明实施例中,在应用程序中嵌入图像扫描识别技术,获取商品图片中的目标商品特征信息,从而根据目标商品特征信息,与商品数据库中的样本商品特征信息进行比对(匹配),若存在比对一致的样本商品特征信息,说明商品数据库中存在与目标商品相同的样本商品,对样本商品信息进行推荐即可。具体应用时,用户只需要利用用户设备(如手机)对目标商品图片进行图像扫描,即可收到与目标商品类同的样本商品的信息,具有极佳的用户体验。
图2示出了根据本发明另一个实施例的信息推荐方法流程示意图,如图2所示,当商品数据库中不存在与目标商品特征信息一致的样本商品特征信息时,所述方法包括:
201、检测到一键扫描请求时,扫描获取商品图片;
以百度外卖应用程序为例进行说明,在百度外卖应用程序中嵌入图像扫描识别技术,在百度外卖应用程序界面设置有触发一键扫描请求的按钮,用户可以通过触屏点击一键扫描的按钮,即可启动用户设备相机对商品图片进行扫描获取商品图片。
202、对商品图片进行图片处理提取图片中的目标商品的特征信息;
具体实现时例如包括对商品图片进行图像特征提取、不相关图像过滤、大规模图像特征训练、多层次图像分类、训练图像获取和相关图像选择等处理。
203、将目标商品的特征信息与商品数据库中的商品特征信息进行比对。
204、在比对不一致时,根据目标商品的特征信息,确定并推荐关联商品信息。
具体地,根据目标商品的特征信息,在商品数据库中,确定与目标商品的特征信息相似度大于第一阈值的样本商品的特征信息(即关联的商品特征信息),或者确定与目标商品的特征信息相似度最大的样本商品的特征信息(即关联的商品特征信息),根据关联的商品特征信息确定对应的关联商品标识,确定并推荐与所述关联商品标识对应的关联商品信息。
另外,本实施例中确定目标商品和样本商品的相似度时,可以对商品数据库中的每个商品轮廓特征进行字典训练,得到每个商品对应的训练矩阵,将每个商品对应的训练矩阵存入商品数据库。对商品数据库中所有商品的训练矩阵进行横向排列得到欠定矩阵;根据预设的重构误差值和欠定矩阵对目标商品图片进行重构,得到目标商品图片对应的重构矩阵;根据目标商品图片对应的重构矩阵和样本商品对应的训练矩阵计算每个样本商品对应的重构残差值;根据重构残差值,在商品数据库中确定与目标商品相似或关联的样本商品。具体地,得到的每个样本商品的重构残差值按照升序排列,值越小表示与目标商品越相似。
本发明实施例中,在应用程序中嵌入图像扫描识别技术,获取商品图片中的目标商品特征信息,从而根据目标商品特征信息,与商品数据库中的样本商品特征信息进行比对(匹配),若比对不一致时,可以根据目标商品的特征信息,确定并推荐关联商品信息。具体应用时,用户只需要利用用户设备(如手机)对目标商品图片进行图像扫描,即可收到与目标商品相似或关联的样本商品的信息,具有极佳的用户体验。
图3示出了根据本发明又一个实施例的信息推荐方法流程示意图,如图3所示,当商品数据库中不存在与目标商品特征信息一致的样本商品特征信息时,所述方法还包括:
301、检测到一键扫描请求时,扫描获取商品图片;
以百度外卖应用程序为例进行说明,在百度外卖应用程序中嵌入图像扫描识别技术,在百度外卖应用程序界面设置有触发一键扫描请求的按钮,用户可以通过触屏点击一键扫描的按钮,即可启动用户设备相机对商品图片进行扫描获取商品图片。
302、对商品图片进行图片处理提取图片中的目标商品的特征信息;
具体实现时例如包括对商品图片进行图像特征提取、不相关图像过滤、大规模图像特征训练、多层次图像分类、训练图像获取和相关图像选择等处理。
303、将目标商品的特征信息与商品数据库中的商品特征信息进行比对。
304、在比对不一致时,根据目标商品的特征信息,确定关联商品信息。
具体地,根据目标商品的特征信息,在商品数据库中,确定与目标商品的特征信息相似度大于第一阈值的样本商品的特征信息(即关联的商品特征信息),或者确定与目标商品的特征信息相似度最大的样本商品的特征信息(即关联的商品特征信息),根据关联的商品特征信息确定对应的关联商品标识,确定与所述关联商品标识对应的关联商品信息。
另外,本实施例中确定目标商品和样本商品的相似度时,可以对商品数据库中的每个商品轮廓特征进行字典训练,得到每个商品对应的训练矩阵,将每个商品对应的训练矩阵存入商品数据库。对商品数据库中所有商品的训练矩阵进行横向排列得到欠定矩阵;根据预设的重构误差值和欠定矩阵对目标商品图片进行重构,得到目标商品图片对应的重构矩阵;根据目标商品图片对应的重构矩阵和样本商品对应的训练矩阵计算每个样本商品对应的重构残差值;根据重构残差值,在商品数据库中确定与目标商品相似或关联的样本商品。具体地,得到的每个样本商品的重构残差值按照升序排列,值越小表示与目标商品越相似。
305、确定当前用户的相似用户,根据当前用户的历史订单数据和相似用户的历史订单数据,在所述关联商品信息中确定与当前用户的历史订单数据和相似用户的历史订单数据相似度最大的商品信息进行推荐。
具体地,有关当前用户的相似用户的确定是:根据当前用户的历史订单数据,确定与当前用户的历史订单数据相似度大于的第二阈值的历史订单数据,将相似度大于第二阈值的历史订单数据对应的用户作为当前用户的相似用户。
需要说明的是,有关第二阈值的确定不仅考虑匹配维度数,还考虑维度的权重分配,权重分配来自当前用户的历史订单商品维度的频次,频次高的维度权重大。
需要说明的是,关联商品本身有多个维度的信息,而当前用户历史订单里的商品也有多个维度的信息,同理,还有当前用户的相似用户的历史订单里的商品也有多个维度的信息。
对应地,在关联商品的确定中,例如将两份历史订单商品信息进行对比计算,计算比重依据相似维度的匹配数,首推匹配维度最多的商品为关联商品;其次,根据两份历史订单的商品维度信息,可以确定某个种类或某几个种类的维度信息出现的频次较高,本实施例中,可以认为高频次维度的权重更大,低频次的维度权重相对较低。因此,当出现匹配维度相同的商品,首推权重维度高的商品为关联商品。
本发明实施例根据目标商品的特征信息确定相似的关联商品特征信息,将用户自身的历史订单数据和相似用户的历史订单数据相结合,在关联商品信息中确定与用户自身的历史订单数据和相似用户的历史订单数据相似度最大的商品信息(即满足用户自身的历史订单数据和相似用户的历史订单数据最多的商品)并进行置顶推荐。通过结合关联商品信息和相似用户的历史订单数据可以增加推荐平台的计算维度,进而也会提高推荐结果的精度,而且通过相似用户的关联商品信息会扩充推荐结果的丰富度,从而刺激用户的粘度和下单的选择。
图4示出了根据本发明一个实施例的信息推荐装置的结构示意图,如图4所示,包括:
获取模块41,用于检测到一键扫描请求时,扫描获取商品图片;
特征提取模块42,用于对商品图片进行图片处理提取图片中的目标商品的特征信息;
推荐模块43,用于根据所述目标商品的特征信息,推荐与所述目标商品的特征信息匹配的商品信息。
可选地,所述推荐模块43具体包括:
比对单元431,用于将所述目标商品的特征信息与商品数据库中的样本商品的特征信息进行比对;
第一推荐单元432,用于在比对一致时,获取比对一致的样本商品的特征信息对应的商品信息进行推荐;
第二推荐单元433,用于在比对不一致时,根据所述目标商品的特征信息,在商品数据库中,确定与所述目标商品的特征信息关联的样本商品信息。
可选地,所述第一推荐单元432用于:
根据所述目标商品的特征信息,在商品数据库中,确定与所述目标商品的特征信息相似度大于第一阈值的关联的商品特征信息,根据所述关联的商品特征信息确定对应的关联商品信息。
可选地,所述推荐模块43还包括:
第三推荐单元434,用于在比对不一致时,确定当前用户的相似用户,根据当前用户的历史订单数据和相似用户的历史订单数据,在所述关联的样本商品信息中确定与当前用户的历史订单数据和相似用户的历史订单数据相似度最大的商品信息进行推荐。
可选地,所述推荐模块43还包括:
确定单元435,用于根据当前用户的历史订单数据,确定与当前用户的历史订单数据相似度大于的第二阈值的历史订单数据,将相似度大于的第二阈值的历史订单数据对应的用户作为当前用户的相似用户。
图4所示装置可以执行图1-图3所示实施例中的方法,其实现原理和技术效果不再赘述。
在一个可能的设计中,图4所示的信息推荐装置的结构中包括处理器和存储器,所述存储器用于存储支持信息推荐装置执行上述第一方面中信息推荐方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
所述程序包括一条或多条计算机指令,其中,所述一条或多条计算机指令供所述处理器调用执行。
所述处理器用于:检测到一键扫描请求时,扫描获取商品图片;对商品图片进行图片处理提取图片中的目标商品的特征信息;根据所述目标商品的特征信息,推荐与所述目标商品的特征信息匹配的商品信息。
所述处理器还用于:将所述目标商品的特征信息与商品数据库中的样本商品的特征信息进行比对;若比对一致,则获取比对一致的样本商品的特征信息对应的商品信息进行推荐;若比对不一致,则根据所述目标商品的特征信息,在商品数据库中,确定与所述目标商品的特征信息关联的样本商品信息。
所述处理器还用于:根据所述目标商品的特征信息,在商品数据库中,确定与所述目标商品的特征信息相似度大于第一阈值的关联的商品特征信息,根据所述关联的商品特征信息确定对应的关联商品信息。
所述处理器还用于:若比对不一致,则确定当前用户的相似用户,根据当前用户的历史订单数据和相似用户的历史订单数据,在所述关联的样本商品信息中确定与当前用户的历史订单数据和相似用户的历史订单数据相似度最大的商品信息进行推荐。
所述处理器还用于:根据当前用户的历史订单数据,确定与当前用户的历史订单数据相似度大于的第二阈值的历史订单数据,将相似度大于的第二阈值的历史订单数据对应的用户作为当前用户的相似用户。
本发明实施例提供了一种计算机存储介质,用于储存信息推荐装置所用的计算机软件指令,其包含用于执行上述信息推荐方法为信息推荐装置所涉及的程序。
本发明公开A1、一种信息推荐方法,包括:
检测到一键扫描请求时,扫描获取商品图片;
对商品图片进行图片处理提取图片中的目标商品的特征信息;
根据所述目标商品的特征信息,推荐与所述目标商品的特征信息匹配的商品信息。
A2、如A1所述的方法中,根据所述目标商品的特征信息,推荐与所述目标商品的特征信息匹配的商品信息,包括:
将所述目标商品的特征信息与商品数据库中的样本商品的特征信息进行比对;
若比对一致,则获取比对一致的样本商品的特征信息对应的商品信息进行推荐;
若比对不一致,则根据所述目标商品的特征信息,在商品数据库中,确定与所述目标商品的特征信息关联的样本商品信息。
A3、如A2所述的方法中,根据所述目标商品的特征信息,在商品数据库中,确定与所述目标商品的特征信息关联的样本商品信息,包括:
根据所述目标商品的特征信息,在商品数据库中,确定与所述目标商品的特征信息相似度大于第一阈值的关联的商品特征信息,根据所述关联的商品特征信息确定对应的关联商品信息。
A4、如求A2所述的方法中,将所述目标商品的特征信息与商品数据库中的样本商品的特征信息进行比对之后,还包括:
若比对不一致,则确定当前用户的相似用户,根据当前用户的历史订单数据和相似用户的历史订单数据,在所述关联的样本商品信息中确定与当前用户的历史订单数据和相似用户的历史订单数据相似度最大的商品信息进行推荐。
A5、如A4所述的方法,确定当前用户的相似用户,包括:
根据当前用户的历史订单数据,确定与当前用户的历史订单数据相似度大于的第二阈值的历史订单数据,将相似度大于的第二阈值的历史订单数据对应的用户作为当前用户的相似用户。
本发明还公开了B6、一种信息推荐装置,包括:
获取模块,用于检测到一键扫描请求时,扫描获取商品图片;
特征提取模块,用于对商品图片进行图片处理提取图片中的目标商品的特征信息;
推荐模块,用于根据所述目标商品的特征信息,推荐与所述目标商品的特征信息匹配的商品信息。
B7、如B6所述的装置中,所述推荐模块具体包括:
比对单元,用于将所述目标商品的特征信息与商品数据库中的样本商品的特征信息进行比对;
第一推荐单元,用于在比对一致时,获取比对一致的样本商品的特征信息对应的商品信息进行推荐;
第二推荐单元,用于在比对不一致时,根据所述目标商品的特征信息,在商品数据库中,确定与所述目标商品的特征信息关联的样本商品信息。
B8、如B7所述的装置,所述第一推荐单元用于:
根据所述目标商品的特征信息,在商品数据库中,确定与所述目标商品的特征信息相似度大于第一阈值的关联的商品特征信息,根据所述关联的商品特征信息确定对应的关联商品信息。
B9、如B7所述的装置中,所述推荐模块还包括:
第三推荐单元,用于在比对不一致时,确定当前用户的相似用户,根据当前用户的历史订单数据和相似用户的历史订单数据,在所述关联的样本商品信息中确定与当前用户的历史订单数据和相似用户的历史订单数据相似度最大的商品信息进行推荐。
B10、如B9所述的装置,所述推荐模块还包括:
确定单元,用于根据当前用户的历史订单数据,确定与当前用户的历史订单数据相似度大于的第二阈值的历史订单数据,将相似度大于的第二阈值的历史订单数据对应的用户作为当前用户的相似用户。
本发明还公开了C11、一种计算机存储介质,所述计算机存储介质存储有一条或多条计算机指令,所述计算机指令被执行时实现如权利要求A1-A5中任一项所述的方法。
本发明还公开了D12、一种移动终端,包括存储器和处理器;其中,
所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令供所述处理器调用执行;
所述处理器执行所述计算机指令时实现如权利要求A1-A5中任一项所述的方法。
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。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是: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 (10)
1.一种信息推荐方法,其特征在于,包括:
检测到一键扫描请求时,扫描获取商品图片;
对商品图片进行图片处理提取图片中的目标商品的特征信息;
根据所述目标商品的特征信息,推荐与所述目标商品的特征信息匹配的商品信息。
2.根据权利要求1所述的方法,其特征在于,根据所述目标商品的特征信息,推荐与所述目标商品的特征信息匹配的商品信息,包括:
将所述目标商品的特征信息与商品数据库中的样本商品的特征信息进行比对;
若比对一致,则获取比对一致的样本商品的特征信息对应的商品信息进行推荐;
若比对不一致,则根据所述目标商品的特征信息,在商品数据库中,确定与所述目标商品的特征信息关联的样本商品信息。
3.根据权利要求2所述的方法,其特征在于,根据所述目标商品的特征信息,在商品数据库中,确定与所述目标商品的特征信息关联的样本商品信息,包括:
根据所述目标商品的特征信息,在商品数据库中,确定与所述目标商品的特征信息相似度大于第一阈值的关联的商品特征信息,根据所述关联的商品特征信息确定对应的关联商品信息。
4.根据权利要求2所述的方法,其特征在于,将所述目标商品的特征信息与商品数据库中的样本商品的特征信息进行比对之后,还包括:
若比对不一致,则确定当前用户的相似用户,根据当前用户的历史订单数据和相似用户的历史订单数据,在所述关联的样本商品信息中确定与当前用户的历史订单数据和相似用户的历史订单数据相似度最大的商品信息进行推荐。
5.根据权利要求4所述的方法,其特征在于,确定当前用户的相似用户,包括:
根据当前用户的历史订单数据,确定与当前用户的历史订单数据相似度大于的第二阈值的历史订单数据,将相似度大于的第二阈值的历史订单数据对应的用户作为当前用户的相似用户。
6.一种信息推荐的装置,其特征在于,包括:
获取模块,用于检测到一键扫描请求时,扫描获取商品图片;
特征提取模块,用于对商品图片进行图片处理提取图片中的目标商品的特征信息;
推荐模块,用于根据所述目标商品的特征信息,推荐与所述目标商品的特征信息匹配的商品信息。
7.根据权利要求6所述的装置,其特征在于,所述推荐模块具体包括:
比对单元,用于将所述目标商品的特征信息与商品数据库中的样本商品的特征信息进行比对;
第一推荐单元,用于在比对一致时,获取比对一致的样本商品的特征信息对应的商品信息进行推荐;
第二推荐单元,用于在比对不一致时,根据所述目标商品的特征信息,在商品数据库中,确定与所述目标商品的特征信息关联的样本商品信息。
8.根据权利要求7所述的装置,其特征在于,所述第一推荐单元用于:
根据所述目标商品的特征信息,在商品数据库中,确定与所述目标商品的特征信息相似度大于第一阈值的关联的商品特征信息,根据所述关联的商品特征信息确定对应的关联商品信息。
9.根据权利要求7所述的装置,其特征在于,所述推荐模块还包括:
第三推荐单元,用于在比对不一致时,确定当前用户的相似用户,根据当前用户的历史订单数据和相似用户的历史订单数据,在所述关联的样本商品信息中确定与当前用户的历史订单数据和相似用户的历史订单数据相似度最大的商品信息进行推荐。
10.根据权利要求9所述的装置,其特征在于,所述推荐模块还包括:
确定单元,用于根据当前用户的历史订单数据,确定与当前用户的历史订单数据相似度大于的第二阈值的历史订单数据,将相似度大于的第二阈值的历史订单数据对应的用户作为当前用户的相似用户。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710384940.9A CN107133854A (zh) | 2017-05-26 | 2017-05-26 | 信息推荐方法和装置 |
CN201810196396.XA CN108492160A (zh) | 2017-05-26 | 2018-03-09 | 信息推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710384940.9A CN107133854A (zh) | 2017-05-26 | 2017-05-26 | 信息推荐方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107133854A true CN107133854A (zh) | 2017-09-05 |
Family
ID=59734036
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710384940.9A Pending CN107133854A (zh) | 2017-05-26 | 2017-05-26 | 信息推荐方法和装置 |
CN201810196396.XA Pending CN108492160A (zh) | 2017-05-26 | 2018-03-09 | 信息推荐方法和装置 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810196396.XA Pending CN108492160A (zh) | 2017-05-26 | 2018-03-09 | 信息推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN107133854A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108520058A (zh) * | 2018-03-30 | 2018-09-11 | 维沃移动通信有限公司 | 一种商家信息推荐方法及移动终端 |
CN109214453A (zh) * | 2018-08-30 | 2019-01-15 | 上海扩博智能技术有限公司 | 模型训练用图像的自动标注方法、系统、设备及存储介质 |
CN109522431A (zh) * | 2018-09-20 | 2019-03-26 | 上海博泰悦臻网络技术服务有限公司 | 一种基于图片识别的酒店推荐方法及系统 |
CN109598517A (zh) * | 2017-09-29 | 2019-04-09 | 阿里巴巴集团控股有限公司 | 商品通关处理、对象的处理及其类别预测方法和装置 |
CN110363555A (zh) * | 2018-04-10 | 2019-10-22 | 深圳市阿西莫夫科技有限公司 | 基于视线跟踪视觉算法的推荐方法和装置 |
CN110889337A (zh) * | 2019-11-08 | 2020-03-17 | 福建工程学院 | 一种基于ar的说明方法和说明系统 |
CN114049180A (zh) * | 2021-12-13 | 2022-02-15 | 浙江创邻科技有限公司 | 一种基于图模型的商品推荐方法及系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109885714A (zh) * | 2019-01-18 | 2019-06-14 | 上海扩博智能技术有限公司 | 线下零售商品信息推送方法、系统、设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103412937B (zh) * | 2013-08-22 | 2016-12-28 | 成都数之联科技有限公司 | 一种基于手持终端的搜索购物方法 |
CN103412938B (zh) * | 2013-08-22 | 2016-06-29 | 成都数之联科技有限公司 | 一种基于图片交互式多目标提取的商品比价方法 |
CN104765891A (zh) * | 2015-05-06 | 2015-07-08 | 苏州搜客信息技术有限公司 | 一种基于图像的搜索购物方法 |
CN106021551A (zh) * | 2016-07-01 | 2016-10-12 | 深圳追科技有限公司 | 基于截图信息识别的消费辅助决策方法 |
-
2017
- 2017-05-26 CN CN201710384940.9A patent/CN107133854A/zh active Pending
-
2018
- 2018-03-09 CN CN201810196396.XA patent/CN108492160A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109598517A (zh) * | 2017-09-29 | 2019-04-09 | 阿里巴巴集团控股有限公司 | 商品通关处理、对象的处理及其类别预测方法和装置 |
CN109598517B (zh) * | 2017-09-29 | 2023-09-12 | 阿里巴巴集团控股有限公司 | 商品通关处理、对象的处理及其类别预测方法和装置 |
CN108520058A (zh) * | 2018-03-30 | 2018-09-11 | 维沃移动通信有限公司 | 一种商家信息推荐方法及移动终端 |
CN108520058B (zh) * | 2018-03-30 | 2021-09-24 | 维沃移动通信有限公司 | 一种商家信息推荐方法及移动终端 |
CN110363555A (zh) * | 2018-04-10 | 2019-10-22 | 深圳市阿西莫夫科技有限公司 | 基于视线跟踪视觉算法的推荐方法和装置 |
CN110363555B (zh) * | 2018-04-10 | 2024-04-09 | 释空(上海)品牌策划有限公司 | 基于视线跟踪视觉算法的推荐方法和装置 |
CN109214453A (zh) * | 2018-08-30 | 2019-01-15 | 上海扩博智能技术有限公司 | 模型训练用图像的自动标注方法、系统、设备及存储介质 |
CN109522431A (zh) * | 2018-09-20 | 2019-03-26 | 上海博泰悦臻网络技术服务有限公司 | 一种基于图片识别的酒店推荐方法及系统 |
CN109522431B (zh) * | 2018-09-20 | 2022-11-04 | 上海博泰悦臻网络技术服务有限公司 | 一种基于图片识别的酒店推荐方法及系统 |
CN110889337A (zh) * | 2019-11-08 | 2020-03-17 | 福建工程学院 | 一种基于ar的说明方法和说明系统 |
CN114049180A (zh) * | 2021-12-13 | 2022-02-15 | 浙江创邻科技有限公司 | 一种基于图模型的商品推荐方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108492160A (zh) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101856120B1 (ko) | 이미지로부터 상가 발견 | |
CN108492160A (zh) | 信息推荐方法和装置 | |
EP3267362B1 (en) | Machine learning image processing | |
CN106776619B (zh) | 用于确定目标对象的属性信息的方法和装置 | |
WO2016029796A1 (zh) | 识别视频图像中的商品和展示其信息的方法、装置及系统 | |
US10289927B2 (en) | Image integration search based on human visual pathway model | |
CN109643318B (zh) | 商标图像的基于内容的搜索和检索 | |
US20160225053A1 (en) | Mobile visual commerce system | |
US9607010B1 (en) | Techniques for shape-based search of content | |
Zhang et al. | Toward new retail: A benchmark dataset for smart unmanned vending machines | |
CN106202362A (zh) | 图像推荐方法和图像推荐装置 | |
US9477973B2 (en) | Visually generated consumer product presentation | |
WO2016109884A1 (en) | Automated recommendation and virtualization systems and methods for e-commerce | |
US20170124618A1 (en) | Methods and Systems for Image-Based Searching of Product Inventory | |
CN103988202A (zh) | 基于索引和搜索的图像吸引力 | |
US20210073890A1 (en) | Catalog-based image recommendations | |
Al-Lohibi et al. | Awjedni: a reverse-image-search application | |
CN111767420B (zh) | 一种生成服饰搭配数据的方法和装置 | |
US12002083B2 (en) | Visual quality performance predictors | |
CN107622071B (zh) | 通过间接相关反馈在无查源下的衣服图像检索系统及方法 | |
CN113657087A (zh) | 信息的匹配方法及装置 | |
CN115712780A (zh) | 一种基于云计算和大数据的信息推送方法及装置 | |
US20240296652A1 (en) | Content recognition method and apparatus, device, storage medium, and computer program product | |
Yousaf et al. | Patch-CNN: deep learning for logo detection and brand recognition | |
CN115115825A (zh) | 图像中的对象检测方法、装置、计算机设备和存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170905 |
|
WD01 | Invention patent application deemed withdrawn after publication |