CN107833082B - 一种商品图片的推荐方法和装置 - Google Patents
一种商品图片的推荐方法和装置 Download PDFInfo
- Publication number
- CN107833082B CN107833082B CN201710833186.2A CN201710833186A CN107833082B CN 107833082 B CN107833082 B CN 107833082B CN 201710833186 A CN201710833186 A CN 201710833186A CN 107833082 B CN107833082 B CN 107833082B
- Authority
- CN
- China
- Prior art keywords
- commodity
- user
- commodities
- recommended
- 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.)
- Active
Links
Images
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
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
本发明公开了一种商品图片的推荐方法和装置,属于电子商务技术领域。方法包括从用户输入的至少包含商品图片的商品信息中提取多个标签;在多个标签中确定与用户相关联的标签;获取相关联的标签所对应的多个待推荐商品;将多个待推荐商品推荐给用户。本发明实施例能够提高商品推荐的准确性,使得向用户推荐的商品更符合用户需求。
Description
技术领域
本发明涉及电子商务技术领域,特别涉及一种商品图片的推荐方法和装置。
背景技术
随着互联网的普及和电子商务的日渐成熟,人们越来越多地利用电子商务平台进行商品信息的获取和商品的购买。人们希望在购买商品时,电子商务平台可以向用户推荐各种商品信息,例如向用户推荐用户可能感兴趣的商品等。通过商品推荐,可以缩短用户寻找所需要产品的路径,提升用户体验。
现有技术中,一般基于对用户在购买行为中对商品进行的浏览及购买等基础上向用户推荐商品,但是这些推荐方式所推荐的商品准确性差,不能有效地推荐符合用户需求的商品。
发明内容
为了解决现有技术的问题,本发明实施例提供了一种商品图片的推荐方法和装置,以提高商品推荐的准确性,推荐更符合用户需求的商品。所述技术方案如下:
第一方面,提供了一种商品图片的推荐方法,所述方法包括:
从用户输入的至少包含商品图片的商品信息中提取多个标签;
在所述多个标签中确定与所述用户相关联的标签;
获取所述相关联的标签所对应的多个待推荐商品;
将所述多个待推荐商品推荐给所述用户。
结合第一方面,在第一种可能的实现方式中,所述商品信息仅包含所述商品图片,所述从用户输入的包含商品图片的商品信息中提取多个标签包括:
提取所述商品图片中的多个图像特征;
获取与所述多个图像特征对应的多个标签。
结合第一方面,在第二种可能的实现方式中,所述商品信息包含所述商品图片和文本描述信息,所述从用户输入的至少包含商品图片的商品信息中提取多个标签包括:
提取所述商品图片中的多个图像特征;以及
提取所述文本描述信息中的多个关键词;
根据所述多个图像特征和所述多个关键词,确定所述多个标签。
结合第一方面至第一方面的第二种的任意一种可能的实现方式,在第三种可能的实现方式中,所述在所述多个标签中确定与所述用户相关联的标签包括:
根据预先构建的用户知识图谱,计算所述多个标签分别与所述用户知识图谱中的每个标签的相似度;
将相似度超过第一预设阈值的标签确定为与所述用户相关联的标签。
结合第一方面的第三种可能的实现方式,在第四种可能的实现方式中,所述获取所述相关联的标签所对应的多个待推荐商品包括:
根据预先构建的商品知识图谱,获取与所述相关联的标签具有相同标签且与所述商品图片中的商品属于同一商品类别的多个商品;
确定所述多个商品为所述多个待推荐商品。
结合第一方面,在第五种可能的实现方式中,所述将所述多个待推荐商品推荐给所述用户步骤之后,所述方法还包括:
获取所述用户在所述多个待推荐商品中选取的商品;
将与所述选取的商品的匹配度超过第二预设阈值的商品确定为最终推荐商品,并将所述最终推荐商品推荐给所述用户。
第二方面,提供了一种商品图片的推荐装置,所述装置包括:
提取模块,用于从用户输入的至少包含商品图片的商品信息中提取多个标签;
确定模块,用于在所述多个标签中确定与所述用户相关联的标签;
第一获取模块,用于获取所述相关联的标签所对应的多个待推荐商品;
第一推荐模块,用于将所述多个待推荐商品推荐给所述用户。
结合第二方面,在第一种可能的实现方式中,所述商品信息仅包含所述商品图片,所述提取模块具体用于:
提取所述商品图片中的多个图像特征;
获取与所述多个图像特征对应的多个标签。
结合第二方面,在第二种可能的实现方式中,所述商品信息包含所述商品图片和文本描述信息,所述提取模块具体用于:
提取所述商品图片中的多个图像特征;以及
提取所述文本描述信息中的多个关键词;
根据所述多个图像特征和所述多个关键词,确定所述多个标签。
结合第二方面至第二方面的第二种的任意一种可能的实现方式,在第三种可能的实现方式中,所述确定模块包括:
计算子模块,用于根据预先构建的用户知识图谱,计算所述多个标签分别与所述用户知识图谱中的每个标签的相似度;
确定子模块,用于将相似度超过第一预设阈值的标签确定为与所述用户相关联的标签。
结合第二方面的第三种可能的实现方式,在第四种可能的实现方式中,所述第一获取模块具体用于:
根据预先构建的商品知识图谱,获取与所述相关联的标签具有相同标签且与所述商品图片中的商品属于同一商品类别的多个商品;
确定所述多个商品为所述多个待推荐商品。
结合第二方面,在第五种可能的实现方式中,所述装置还包括第二获取模块和第二推荐模块,所述第二获取模块具体用于:
获取所述用户在所述多个待推荐商品中选取的商品;
将与所述选取的商品的匹配度超过第二预设阈值的商品确定为最终推荐商品;
所述第二推荐模块具体用于:
将所述最终推荐商品推荐给所述用户。
本发明实施例提供了一种商品图片的推荐方法和装置,由于通过从用户输入的至少包含商品图片的商品信息中提取多个标签,并在多个标签中确定与用户相关联的标签,以及获取相关联的标签所对应的多个待推荐商品,将多个待推荐商品推荐给用户,从而提高了商品推荐的准确性,使得向用户推荐的商品更符合用户需求。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种商品图片的推荐方法流程图;
图2是本发明实施例提供的一种商品图片的推荐方法流程图;
图3a是本发明实施例提供的一种商品图片的推荐方法中用户输入图片示意图;
图3b是本发明实施例提供的一种商品图片的推荐方法中商品图片搜索结果页示意图;
图3c是本发明实施例提供的一种商品图片的推荐方法中最终商品图片搜索结果页示意图;
图4是本发明实施例提供的一种商品图片的推荐方法流程图;
图5是本发明实施例提供的一种商品图片的推荐装置结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,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,本领域普通技术人员在没有做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。
实施例一
本发明实施例提供了一种商品图片的推荐方法,应用于电子商务平台,参照图1所示,该方法包括:
101、从用户输入的至少包含商品图片的商品信息中提取多个标签。
具体的,商品信息仅包含商品图片,从用户输入的包含商品图片的商品信息中提取多个标签,该过程可以包括:
提取商品图片中的多个图像特征;
获取与多个图像特征对应的多个标签。
商品信息包含商品图片和文本描述信息,从用户输入的至少包含商品图片的商品信息中提取多个标签,该过程可以包括:
提取商品图片中的多个图像特征;以及
提取文本描述信息中的多个关键词;
根据多个图像特征和多个关键词,确定多个标签。
102、在多个标签中确定与用户相关联的标签。
具体的,该过程可以包括:
根据预先构建的用户知识图谱,计算多个标签分别与用户知识图谱中的每个标签的相似度;
将相似度超过第一预设阈值的标签确定为与用户相关联的标签。
103、获取相关联的标签所对应的多个待推荐商品;
具体的,该过程可以包括:
根据预先构建的商品知识图谱,获取与相关联的标签具有相同标签且与商品图片中的商品属于同一商品类别的多个商品;
确定多个商品为多个待推荐商品。
104、将多个待推荐商品推荐给用户。
可选的,在步骤104之后,本发明实施例所提供的方法还可以包括:
获取用户在多个待推荐商品中选取的商品;
将与选取的商品的匹配度超过第二预设阈值的商品确定为最终推荐商品,并将最终推荐商品推荐给用户。
本发明实施例提供了一种商品图片的推荐方法,由于通过从用户输入的至少包含商品图片的商品信息中提取多个标签,并在多个标签中确定与用户相关联的标签,以及获取相关联的标签所对应的多个待推荐商品,将多个待推荐商品推荐给用户,从而提高了商品推荐的准确性,使得向用户推荐的商品更符合用户需求。
实施例二
本发明实施例提供了一种商品图片的推荐方法,应用于电子商务平台,参照图2所示,该方法包括:
201、用户输入的商品信息仅包含商品图片时,提取商品图片中的多个图像特征。
其中,商品图片可以是用户通过上传图片方式或者拍照方式或者点选图片方式而获得的。
具体的,该过程可以包括:
对商品图片进行预处理;
提取预处理后的商品图片中的多个图像特征。
本发明实施例中,通过对商品图片进行预处理,以消除商品图片中无关的信息,比如滤除干扰、噪声、恢复有用的真实信息,由此能够确保提取商品图片中的图像特征的可靠性。
202、获取与多个图像特征对应的多个标签。
其中,标签用于描述商品,标签可以标识出商品的品牌、尺码、颜色、风格、版型、花纹或用于指示商品中概括或总结性特征范围的界定等,其中,风格可以包括“原创风”、“军旅风”、“复古风”、“甜美可爱”等;用于指示商品中概括或总结性特征范围的界定,比如“显瘦”、“亮色”等。
除此以外,标签还可以是其他能够用于标识商品的信息,本发明实施例对具体的标签不加以限定。
具体的,该过程可以包括:
获取训练好的识别模型,其中,训练好的识别模型的输入为图像特征,输出为与该图像特征相对应的标签,识别模型可以是深度卷积神经网络。
在多个图像特征分别输入到训练好的识别模型时,确定训练好的识别模型所输出的标签为与多个图像特征对应的多个标签;
将与多个图像特征对应的多个标签确定为从用户输入的商品信息中提取的多个标签。
示例性的,获取到的与商品图片的多个图像特征对应的多个标签包括“女式婚纱礼服”、“白色”、“连衣裙”、“纱布”、“皱边花纹”。
由于多个标签是通过训练好的识别模型获取到的,因此使得获取到的与多个图像特征对应的多个标签更加准确、可靠。
值得注意的是,步骤201至步骤202是实现从用户输入的包含商品图片的商品信息中提取多个标签的过程,除了上述步骤的方式之外,还可以通过其他方式实现该过程,本发明实施例对具体的方式不加以限定。
本发明实施例中,由于从用户输入的包含商品图片的商品信息中提取多个标签,通过多个标签对用户意图购买的商品进行描述,由此使得商品推荐是基于用户购买意图进行的,因此能够提高向用户推荐商品的精准性。
203、根据预先构建的用户知识图谱,计算多个标签分别与用户知识图谱中的每个标签的相似度。
其中,预先构建的用户知识图谱中包含了用户、用户对应的多个标签以及各标签之间的关系信息。
具体的,该过程可以包括:
获取用户知识图谱中的所有标签;
计算多个标签分别与用户知识图谱中的每个标签的相似度。
可以采用各种公知的计算匹配度的方法来计算多个标签分别与用户知识图谱中的每个标签的相似度,比如采用余弦匹配度计算方法。
本发明实施例对具体的计算过程不加以限定。
204、将相似度超过第一预设阈值的标签确定为与用户相关联的标签。
其中,与用户相关联的标签的数量为至少一个。
具体的,该过程可以包括:
判断多个标签分别与用户知识图谱中的每个标签的相似度值中是否存在超过第一预设阈值的相似度值;
当存在超过第一预设阈值的相似度值时,将相似度值超过第一预设阈值的标签确定为与用户相关联的标签。
本发明实施例对具体的确定过程不加以限定。
值得注意的是,步骤203至步骤204是实现在多个标签中确定与用户相关联的标签的过程,除了上述步骤的方式之外,还可以通过其他方式实现该过程,本发明实施例对具体的方式不加以限定。
需要说明的是,当多个标签分别与用户知识图谱中的每个标签的相似度值中不存在超过第一预设阈值的相似度值时,则获取用户在多个标签中选取的标签,并将用户选取的标签确定为与用户相关联的标签。
本发明实施例中,通过在多个标签中确定与用户相关联的标签,由于与用户相关联的标签更能够体现用户的购买意图,由此进一步使得商品推荐是基于用户购买意图进行的,因此更能够提高向用户推荐商品的精准性,使得向用户推荐的商品更符合用户需求。
205、根据预先构建的商品知识图谱,获取与相关联的标签具有相同标签且与商品图片中的商品属于同一商品类别的多个商品。
其中,预先构建的商品知识图谱中包括商品、商品对应的多个标签以及各标签之间的关系信息。
具体的,本发明实施例对具体的获取过程不加以限定。
206、确定多个商品为多个待推荐商品。
具体的,本发明实施例对具体的确定过程不加以限定。
值得注意的是,步骤205至步骤206是实现获取相关联的标签所对应的多个待推荐商品的过程,除了上述步骤的方式之外,还可以通过其他方式实现该过程,本发明实施例对具体的方式不加以限定。
本发明实施例中,由于通过从用户输入的至少包含商品图片的商品信息中提取多个标签,并在多个标签中确定与用户相关联的标签,以及获取相关联的标签所对应的多个待推荐商品,将多个待推荐商品推荐给用户,从而提高了商品推荐的准确性,使得向用户推荐的商品更符合用户需求。。
可选的,在步骤206之后,本发明实施例所提供的方法还可以包括:
207、获取用户在多个待推荐商品中选取的商品。
具体的,该过程可以包括:
显示多个待推荐商品;
接收用户针对多个待推荐商品的选择指令;
将与选择指令对应的商品确定为用户所选取的商品。
本发明实施例对具体的获取过程不加以限定。
208、将与选取的商品的匹配度超过第二预设阈值的商品确定为最终推荐商品,并将最终推荐商品推荐给用户。
具体的,利用商品的商品图片相似度,确定与选取的商品的匹配度超过第二预设阈值的商品作为最终推荐商品;
根据相似度大小,确定多个最终推荐商品的推荐排序;
根据预设推荐数量和推荐排序,将多个最终推荐商品推荐给用户。
本发明实施例,通过获取用户在多个待推荐商品中选取的商品,并将与选取的商品的匹配度超过第二预设阈值的商品确定为最终推荐商品,以及将最终推荐商品推荐给用户,进一步提高了商品推荐的准确性,进一步使得向用户推荐的商品更能符合用户需求。
为了进一步说明本发明实施例提供的方法所达到的效果,下面将结合图3a~3c对本发明实施例所提供的方法作出进一步的说明,假设用户输入的图片为图3a所示,对图3a执行本发明实施例的方法后,得到的商品的多个图像特征对应的多个标签包括“女式婚纱礼服”、“白色”、“连衣裙”、“纱布”、“皱边花纹”,与用户相关联的标签包括“女式婚纱礼服”、“白色”,那么与用户相关联的标签所对应的多个待推荐商品如图3b所示,假如用户在图3b中的多个待推荐商品选中第一个商品,则推荐给用户的多个最终推荐商品如图3c所示。
本发明实施例提供了一种商品图片的推荐方法,由于通过从用户输入的包含商品图片的商品信息中提取多个标签,并在多个标签中确定与用户相关联的标签,以及获取相关联的标签所对应的多个待推荐商品,将多个待推荐商品推荐给用户,由此提高了商品推荐的准确性,使得向用户推荐的商品更能符合用户需求。
实施例三
本发明实施例提供了一种商品图片的推荐方法,应用于电子商务平台,参照图4所示,该方法包括:
401、用户输入的商品信息包含商品图片和文本描述信息时,提取商品图片中的多个图像特征,以及提取文本描述信息中的多个关键词。
其中,商品图片可以是用户通过上传图片方式或者拍照方式或者点选图片方式而获得的。
文本描述信息包括商品的标题信息、商品的网页信息或商品的评论信息中的至少一种。
具体的,提取商品图片中的多个图像特征,该过可以包括:
对商品图片进行预处理,提取预处理后的商品图片中的多个图像特征。
本发明实施例对具体的提取过程不加以限定。
具体的,提取文本描述信息中的多个关键词,该过可以包括:
从文本描述信息中抽取到有效文本;
对文本进行中文分词和词性标注,利用LDA(Latent Dirichlet Allocation)模型或PLSA(Probabilistic Latent Semantic Analysis)模型对文本进行聚类;
整理聚类结果后进行类别标注,进行有监督学习,对未来的未标注文本进行分类训练;
过滤停用词,利用TF-LDF(term frequency-inverse document frequency)或者TextRank算法对聚类后的文本进行关键词抽取。
402、根据多个图像特征和多个关键词,确定多个标签。
具体的,该过程可以包括:
确定多个图像特征对应的多个标签,以及确定多个关键词对应的多个标签;
对与多个图像特征对应的多个标签和与多个关键词对应的多个标签进行合并去重处理;
将合并去重处理后的多个标签确定为从用户输入的商品信息中提取的多个标签。
示例性的,商品为“女式婚纱”,与从“女式婚纱”的商品图片中提取的多个图像特征相对应的多个标签包括“白色”、“连衣裙”、“纱布”、“皱边花纹”,与从“女式婚纱”的文本描述信息所提取的多个关键词相对应的多个标签包括“一字肩”、“白色”,对这些标签进行合并去重处理,确定为从用户输入的商品信息中提取的多个标签包括“一字肩”、“白色”、“皱边花纹”、“白色”、“连衣裙”。
本发明实施例中,通过从包含商品图片和文本描述信息的商品信息中提取多个标签,由于根据商品图片和文本描述信息提取多个标签,由此获得了能够反映用户意图购买商品的更多信息,进一步使得商品推荐是基于用户购买意图进行的,因此能够进一步提高向用户推荐商品的精准性。
403、根据预先构建的用户知识图谱,计算多个标签分别与用户知识图谱中的每个标签的相似度。
具体的,该步骤与步骤203相同,此处不再加以赘述。
404、将相似度超过第一预设阈值的标签确定为与用户相关联的标签。
具体的,该步骤与步骤204相同,此处不再加以赘述。
值得注意的是,步骤403至步骤404是实现在多个标签中确定与用户相关联的标签的过程,除了上述步骤的方式之外,还可以通过其他方式实现该过程,本发明实施例对具体的方式不加以限定。
需要说明的是,当多个标签分别与用户知识图谱中的每个标签的相似度值中不存在超过第一预设阈值的相似度值时,则获取用户在多个标签中选取的标签,并将用户选取的标签确定为与用户相关联的标签。
本发明实施例中,通过在多个标签中确定与用户相关联的标签,由于与用户相关联的标签更能够体现用户的购买意图,由此进一步使得商品推荐是基于用户购买意图进行的,因此能够进一步提高向用户推荐商品的精准性。
405、根据预先构建的商品知识图谱,获取与相关联的标签具有相同标签且与商品图片中的商品属于同一商品类别的多个商品。
其中,预先构建的商品知识图谱中包括商品、商品对应的多个标签以及各标签之间的关系信息。
具体的,本发明实施例对具体的获取过程不加以限定。
406、确定多个商品为多个待推荐商品。
具体的,本发明实施例对具体的确定过程不加以限定
值得注意的是,步骤405至步骤406是实现获取相关联的标签所对应的多个待推荐商品的过程,除了上述步骤的方式之外,还可以通过其他方式实现该过程,本发明实施例对具体的方式不加以限定。
可选的,在步骤406之后,本发明实施例所提供的方法还可以包括:
407、获取用户在多个待推荐商品中选取的商品。
具体的,该步骤与步骤207相同,此处不再加以赘述。
408、将与选取的商品的匹配度超过第二预设阈值的商品确定为最终推荐商品,并将最终推荐商品推荐给用户。
具体的,该步骤与步骤208相同,此处不再加以赘述。
本发明实施例,通过获取用户在多个待推荐商品中选取的商品,并将与选取的商品的匹配度超过第二预设阈值的商品确定为最终推荐商品,以及将最终推荐商品推荐给用户,由此进一步提高了商品推荐的准确性,进一步使得向用户推荐的商品更能符合用户需求。
本发明实施例提供了一种商品图片的推荐方法,由于通过从用户输入的至少包含商品图片的商品信息中提取多个标签,并在多个标签中确定与用户相关联的标签,以及获取相关联的标签所对应的多个待推荐商品,将多个待推荐商品推荐给用户,由此提高了商品推荐的准确性,使得向用户推荐的商品更能符合用户需求。
实施例四
本发明实施例提供了一种商品图片的推荐装置,参照图5所示,装置5包括:
提取模块51,用于从用户输入的至少包含商品图片的商品信息中提取多个标签;
确定模块52,用于在多个标签中确定与用户相关联的标签;
第一获取模块53,用于获取相关联的标签所对应的多个待推荐商品;
第一推荐模块54,用于将多个待推荐商品推荐给用户。
可选的,商品信息仅包含商品图片,提取模块51具体用于:
提取商品图片中的多个图像特征;
获取与多个图像特征对应的多个标签。
可选的,商品信息包含商品图片和文本描述信息,提取模块51具体用于:
提取商品图片中的多个图像特征;以及
提取文本描述信息中的多个关键词;
根据多个图像特征和多个关键词,确定多个标签。
可选的,确定模块52包括:
计算子模块521,用于根据预先构建的用户知识图谱,计算多个标签分别与用户知识图谱中的每个标签的相似度;
确定子模块522,用于将相似度超过第一预设阈值的标签确定为与用户相关联的标签。
可选的,第一获取模块53具体用于:
根据预先构建的商品知识图谱,获取与相关联的标签具有相同标签且与商品图片中的商品属于同一商品类别的多个商品;
确定多个商品为多个待推荐商品。
可选的,装置5还包括第二获取模块55和第二推荐模块56,
第二获取模块55具体用于:
获取用户在多个待推荐商品中选取的商品;
将与选取的商品的匹配度超过第二预设阈值的商品确定为最终推荐商品;
第二推荐模块56具体用于:
将最终推荐商品推荐给用户。
本发明实施例提供了一种商品图片的推荐装置,该装置由于通过从用户输入的至少包含商品图片的商品信息中提取多个标签,并在多个标签中确定与用户相关联的标签,以及获取相关联的标签所对应的多个待推荐商品,将多个待推荐商品推荐给用户,因此提高了商品推荐的准确性,使得向用户推荐的商品更能符合用户需求。
上述所有可选技术方案,可以采用任意结合形成本发明的可选实施例,在此不再一一赘述。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
需要说明的是,上述实施例提供的商品推荐装置在执行商品推荐方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的商品推荐装置与商品推荐方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关联的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种商品图片推荐方法,其特征在于,所述方法包括:
从用户输入的至少包含商品图片的商品信息中提取多个标签;
在所述多个标签中确定与所述用户相关联的标签;
获取所述相关联的标签所对应的多个待推荐商品;
将所述多个待推荐商品推荐给所述用户;
所述在所述多个标签中确定与所述用户相关联的标签包括:
根据预先构建的用户知识图谱,计算所述多个标签分别与所述用户知识图谱中的每个标签的相似度;
将相似度超过第一预设阈值的标签确定为与所述用户相关联的标签;
所述将所述多个待推荐商品推荐给所述用户步骤之后,所述方法还包括:
获取所述用户在所述多个待推荐商品中选取的商品;
将与所述选取的商品的匹配度超过第二预设阈值的商品确定为最终推荐商品,并将所述最终推荐商品推荐给所述用户。
2.根据权利要求1所述的方法,其特征在于,所述商品信息仅包含所述商品图片,所述从用户输入的包含商品图片的商品信息中提取多个标签包括:
提取所述商品图片中的多个图像特征;
获取与所述多个图像特征对应的多个标签。
3.根据权利要求1所述的方法,其特征在于,所述商品信息包含所述商品图片和文本描述信息,所述从用户输入的至少包含商品图片的商品信息中提取多个标签包括:
提取所述商品图片中的多个图像特征;以及
提取所述文本描述信息中的多个关键词;
根据所述多个图像特征和所述多个关键词,确定所述多个标签。
4.根据权利要求1所述的方法,其特征在于,所述获取所述相关联的标签所对应的多个待推荐商品包括:
根据预先构建的商品知识图谱,获取与所述相关联的标签具有相同标签且与所述商品图片中的商品属于同一商品类别的多个商品;
确定所述多个商品为所述多个待推荐商品。
5.一种商品推荐装置,其特征在于,所述装置包括:
提取模块,用于从用户输入的至少包含商品图片的商品信息中提取多个标签;
确定模块,用于在所述多个标签中确定与所述用户相关联的标签;
第一获取模块,用于获取所述相关联的标签所对应的多个待推荐商品;
第一推荐模块,用于将所述多个待推荐商品推荐给所述用户;
所述确定模块包括:
计算子模块,用于根据预先构建的用户知识图谱,计算所述多个标签分别与所述用户知识图谱中的每个标签的相似度;
确定子模块,用于将相似度超过第一预设阈值的标签确定为与所述用户相关联的标签;
所述装置还包括第二获取模块和第二推荐模块,所述第二获取模块具体用于:
获取所述用户在所述多个待推荐商品中选取的商品;
将与所述选取的商品的匹配度超过第二预设阈值的商品确定为最终推荐商品;
所述第二推荐模块具体用于:
将所述最终推荐商品推荐给所述用户。
6.根据权利要求5所述的装置,其特征在于,所述商品信息仅包含所述商品图片,所述提取模块具体用于:
提取所述商品图片中的多个图像特征;
获取与所述多个图像特征对应的多个标签。
7.根据权利要求5所述的装置,其特征在于,所述商品信息包含所述商品图片和文本描述信息,所述提取模块具体用于:
提取所述商品图片中的多个图像特征;以及
提取所述文本描述信息中的多个关键词;
根据所述多个图像特征和所述多个关键词,确定所述多个标签。
8.根据权利要求5所述的装置,其特征在于,所述第一获取模块具体用于:
根据预先构建的商品知识图谱,获取与所述相关联的标签具有相同标签且与所述商品图片中的商品属于同一商品类别的多个商品;
确定所述多个商品为所述多个待推荐商品。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710833186.2A CN107833082B (zh) | 2017-09-15 | 2017-09-15 | 一种商品图片的推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710833186.2A CN107833082B (zh) | 2017-09-15 | 2017-09-15 | 一种商品图片的推荐方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107833082A CN107833082A (zh) | 2018-03-23 |
CN107833082B true CN107833082B (zh) | 2022-04-12 |
Family
ID=61643308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710833186.2A Active CN107833082B (zh) | 2017-09-15 | 2017-09-15 | 一种商品图片的推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107833082B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108829784A (zh) * | 2018-05-31 | 2018-11-16 | 百度在线网络技术(北京)有限公司 | 全景推荐方法、装置、设备及计算机可读介质 |
CN109801101A (zh) * | 2019-01-03 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 标签确定方法、装置、计算机设备和存储介质 |
CN109918513B (zh) * | 2019-03-12 | 2023-04-28 | 北京百度网讯科技有限公司 | 图像处理方法、装置、服务器及存储介质 |
CN112148696A (zh) * | 2019-06-26 | 2020-12-29 | 广东小天才科技有限公司 | 一种学习内容分享方法及智能装置 |
CN111161022A (zh) * | 2019-12-26 | 2020-05-15 | 汉口北进出口服务有限公司 | 一种商品推荐方法及装置 |
CN111461781A (zh) * | 2020-03-31 | 2020-07-28 | 广东奥园奥买家电子商务有限公司 | 一种电商用户的分类方法和装置以及设备 |
CN111695971B (zh) * | 2020-06-12 | 2024-01-12 | 腾讯科技(深圳)有限公司 | 物品推荐方法、装置和设备及计算机存储介质 |
CN111797257B (zh) * | 2020-06-29 | 2024-02-23 | 京东方科技集团股份有限公司 | 基于词向量的图片推荐方法及相关设备 |
CN112309511B (zh) * | 2020-09-18 | 2023-04-14 | 青岛檬豆网络科技有限公司 | 一种钽电解电容参数分解、购买预测方法 |
CN112270163B (zh) * | 2020-12-07 | 2021-09-10 | 北京沃东天骏信息技术有限公司 | 一种文本生成方法及装置、存储介质 |
CN112884542A (zh) * | 2021-01-21 | 2021-06-01 | 北京电解智科技有限公司 | 商品推荐方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593792A (zh) * | 2013-11-13 | 2014-02-19 | 复旦大学 | 一种基于中文知识图谱的个性化推荐方法与系统 |
CN104715023A (zh) * | 2015-03-02 | 2015-06-17 | 北京奇艺世纪科技有限公司 | 基于视频内容的商品推荐方法和系统 |
CN105100165A (zh) * | 2014-05-20 | 2015-11-25 | 深圳市腾讯计算机系统有限公司 | 网络服务推荐方法和装置 |
CN105138671A (zh) * | 2015-09-07 | 2015-12-09 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互的交互引导方法和装置 |
CN106202304A (zh) * | 2016-07-01 | 2016-12-07 | 传线网络科技(上海)有限公司 | 基于视频的商品推荐方法及装置 |
CN106599098A (zh) * | 2016-11-24 | 2017-04-26 | 竹间智能科技(上海)有限公司 | 基于标签信息的用户偏好实体分类方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102262653B (zh) * | 2011-06-09 | 2013-09-18 | 华中科技大学 | 一种基于用户动机倾向性的标签推荐方法及系统 |
US20130218687A1 (en) * | 2012-02-17 | 2013-08-22 | Graphdive, Inc. | Methods, systems and devices for determining a user interest and/or characteristic by employing a personalization engine |
CN103544216B (zh) * | 2013-09-23 | 2017-06-06 | Tcl集团股份有限公司 | 一种结合图像内容和关键字的信息推荐方法及系统 |
US11887164B2 (en) * | 2015-05-26 | 2024-01-30 | Microsoft Technology Licensing, Llc | Personalized information from venues of interest |
CN104951966A (zh) * | 2015-07-13 | 2015-09-30 | 百度在线网络技术(北京)有限公司 | 推荐服饰商品的方法及装置 |
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 |
CN106055710A (zh) * | 2016-07-01 | 2016-10-26 | 传线网络科技(上海)有限公司 | 基于视频的商品推荐方法及装置 |
-
2017
- 2017-09-15 CN CN201710833186.2A patent/CN107833082B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593792A (zh) * | 2013-11-13 | 2014-02-19 | 复旦大学 | 一种基于中文知识图谱的个性化推荐方法与系统 |
CN105100165A (zh) * | 2014-05-20 | 2015-11-25 | 深圳市腾讯计算机系统有限公司 | 网络服务推荐方法和装置 |
CN104715023A (zh) * | 2015-03-02 | 2015-06-17 | 北京奇艺世纪科技有限公司 | 基于视频内容的商品推荐方法和系统 |
CN105138671A (zh) * | 2015-09-07 | 2015-12-09 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互的交互引导方法和装置 |
CN106202304A (zh) * | 2016-07-01 | 2016-12-07 | 传线网络科技(上海)有限公司 | 基于视频的商品推荐方法及装置 |
CN106599098A (zh) * | 2016-11-24 | 2017-04-26 | 竹间智能科技(上海)有限公司 | 基于标签信息的用户偏好实体分类方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107833082A (zh) | 2018-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107833082B (zh) | 一种商品图片的推荐方法和装置 | |
CN107748754B (zh) | 一种知识图谱完善方法和装置 | |
CN107705066B (zh) | 一种商品入库时信息录入方法及电子设备 | |
CN107861972B (zh) | 一种用户录入商品信息后显示商品全结果的方法及设备 | |
US10360623B2 (en) | Visually generated consumer product presentation | |
CN110059271B (zh) | 运用标签知识网络的搜索方法及装置 | |
US20220405607A1 (en) | Method for obtaining user portrait and related apparatus | |
CN111784455A (zh) | 一种物品推荐方法及推荐设备 | |
US20230214895A1 (en) | Methods and systems for product discovery in user generated content | |
CN110827112B (zh) | 深度学习的商品推荐方法、装置、计算机设备及存储介质 | |
US20200226168A1 (en) | Methods and systems for optimizing display of user content | |
TW201411381A (zh) | 商品標識標籤的方法、裝置及商品導航的方法 | |
CN107832338B (zh) | 一种识别核心产品词的方法和系统 | |
CN109800418B (zh) | 文本处理方法、装置和存储介质 | |
CN107861971A (zh) | 一种商品搜索方法和装置 | |
CN110955750A (zh) | 评论区域和情感极性的联合识别方法、装置、电子设备 | |
Kiran et al. | User specific product recommendation and rating system by performing sentiment analysis on product reviews | |
Shi et al. | The exploration of artificial intelligence application in fashion trend forecasting | |
CN112085568A (zh) | 商品和富媒体聚合显示方法及设备、电子设备和介质 | |
Rani et al. | Study and comparision of vectorization techniques used in text classification | |
CN112434173B (zh) | 搜索内容输出方法、装置、计算机设备及可读存储介质 | |
CN116739626A (zh) | 商品数据挖掘处理方法、装置、电子设备及可读介质 | |
CN113744019A (zh) | 一种商品推荐方法、装置、设备及存储介质 | |
US11410418B2 (en) | Methods and systems for tagged image generation | |
CN109472025B (zh) | 菜品名称提取方法及装置 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220311 Address after: 571900 4001, third floor, incubation building, Hainan Ecological Software Park, high tech industry demonstration zone, Laocheng Town, Chengmai County, Hainan Province Applicant after: Vipshop (Hainan) e-commerce Co.,Ltd. Address before: 510000 room 01, No.314, Fangcun Avenue middle, Liwan District, Guangzhou City, Guangdong Province Applicant before: GUANGZHOU WEIPINHUI RESEARCH INSTITUTE CO.,LTD. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |